摘要：本文首先分析了无人机电力巡检用途，接下来详细阐述了无人机任务及航迹智能规划软件的设计与实现，最后对D-star算法动态路径规划做具体论述，希望通过本的分析研究，给行业内人士以借鉴和启发。同时希望为我国自动航迹规划在无人机电力巡检中的应用研究献言献策。
关键词：无人机；电力巡检；激光雷达；自动巡航
引言
电力巡检是电网日常运维不可或缺的一部分常规工作内容，在对塔杆、线路的巡检过程中，可以及时发现安全隐患，避免造成各种事故。然而我国地域辽阔，地形复杂，电网建设往往横跨高山、深谷、河流、森林等复杂区域，人工架线、巡线难度较大、危险性高，传统的人工巡检的方式受到非常大的限制。近年来无人机技术的快速发展给电力巡检提供了另一种可行的方案。使用无人机进行线路巡检方式灵活，受地形的影响小，巡检风险小，成本低，分析无人机传回的实时图像，可以发现线夹偏移、杆塔异物、防震锤滑移、绝缘子破损等缺陷，通过仔细分析图像甚至可以查找人工巡检难以发现的缺陷，可与人工巡检方式协同配合。目前，无人机电力巡检成为运检技术发展的重点方向之一。
1无人机电力巡检用途
一个国家要想不断的发展就需要强大的电力系统作为后盾。近几年的电力事业的发展更是突飞猛进，已经逐步成为国家、社会和经济发展的保障和关键。特高压、超高压等输电技术的成熟和推广，输电线路送电距离可达上千公里，给电力巡检工作带来更大的挑战。同时，由于输电线路所处位置经常在高山大岭、地势险峻、路途坎坷等野外环境，也给电力巡检工作增加了难度，增大了巡检人员的人身安全风险。无人机应用刚开始是在军事方面，现如今科技不断发展，无人机技术不断的走向各个领域，在电力巡检中引入无人机作业，通过无人机搭载的摄影设备，能够进行电网设备的影像捕捉，使得巡检人员不需通过有人身安全隐患的地方就可以完成巡检任务。通过无人机电力巡检技术的应用，能有效解决电力巡检遇到的很多问题，特别是在自然灾害或重大灾害发生之后，由于市政基础设施的损坏或不健全，致使相关巡检和抢修人员不能够及时进入现场，而在人员无法到达的情况下，可以充分利用无人机系统部署灵活的特点，利用无人机对整片区域进行电力巡检，为抢修工作提供第一手的影像资料，提高决策效率、缩短抢修时间。因为其不会受到地面因素和地形限制的影响，在很大的程度上提高了工作效率，保证了人员的安全。但由于无人机在巡检作业时，可能遇到复杂的空中环境障碍，所以需要在无人机智能避障技术等方面进行深入的分析，提出有关确实可行的解决方案。通过对技术方案的不断优化和相关方面经验的不断累积，可以在一定程度上不断提升无人机电力巡检的智能化和可靠性。
2无人机任务及航迹智能规划软件的设计与实现
2.1任务规划设计
任务规划主要完成电力杆塔线路的巡线范围的确定。确定任务的巡线范围后，首先要考虑无人机与载荷的性能，根据无人机巡线速度、爬升能力、油量消耗等多方面因素最终确定无人机一次任务需要巡线的巡线距离，根据巡线距离确定任务巡线的杆塔范围，最终的任务规划结果包括巡线的线路名称、杆塔起始编号、巡线杆塔结束编号。根据载荷与无人机的性能以及拍照图形分辨率等约束，确定巡线的离线高度与离线水平距离。任务规划包含手动规划与自动规划，手动规划支持多条线路规划，自动规划根据最优的巡线距离自动划分巡线杆塔。
2.2航迹规划设计
航迹规划需要规划满足无人机变高沿线飞行、静态避障的业务与安全性需求的航迹。
期刊文章分类查询,尽在期刊图书馆首先加载任务杆塔，获取任务杆塔坐标信息，根据安全性需求，无人机航迹线需要在任务杆塔线路安全水平距离以外，航迹线高度根据无人机GPS位置精度与稳定性结合载荷性能与分辨率要求，并考虑安全高度最终确定航迹线距离杆塔线的高度。电力巡线最终要确定无人机悬停拍照点，每个杆塔设置两个悬停点，杆塔到悬停点的连线大于安全距离。航迹自动规划完成后需要做高度安全性检测与爬升率检测，对不符合的航迹点做手动编辑或自动调整，检测合格后输出航迹点。
3 D-star算法动态路径规划
在无人机按照预先规划的整体航迹进行巡检过程中，不可避免地会出现目标点变动、障碍增减等突发状况，此时原本航迹规划中的有效路径可能被异物入侵，不再满足安全航行的需求，此时无人机需要实时进行航迹动态规划，根据目标点或威胁障碍的变动信息及时对航迹作出调整，在保证航迹安全的前提下继续巡检作业。D-star算法由卡耐基梅隆大学学者Stenze提出，发表于1994年IEEE机器人与自动化国际会议。D-star动态路径规划基于动态数据，强调对实时数据处理的效率，经过多年实践，被广泛应用于机器人寻路、导航等方面。无人机在A-star算法规划出的最短航迹下开始巡检作业，在下一目标节点没有变化时，不需要重新规划计算，而当目标点或路径上出现障碍，堵塞下一路径时，D-star算法可以从当前节点的子节点中重新选择距离目标点代价最低的一个子节点继续进行，该算法通过从新节点中选择节点并对其进行评估，然后将节点的更改传播到所有相邻节点，并将它们放在待遍历列表中。与从开始到结束的路径的A-star算法相反，D-star算法从目标节点向后搜索开始。每个扩展节点都有一个反向指针，它指的是通向目标的下一个节点，每个节点都知道目标的确切代价。当起始节点是要扩展的下一个节点时，算法完成，并且可以通过简单地跟随后向指针找到目标的路径。
结语
近年来无人机控制算法的发展为多旋翼无人机的行业应用打下基础，电力巡检中无人机的应用降低了人工巡检的成本与风险，也大大提高了巡检效率。本文以自动航迹规划算法为核心，详细论述了无人机电力线路巡检过程中自动航迹规划算法的应用过程，使无人机巡检的效率得到进一步提高，降低了操作员的操作难度，减少了操作员的工作量。实际测试发现，自动巡检功能下巡检数据与人工巡检发现问题基本相同，但飞行效率有所提高，算法实用有效。
参考文献
[1]李清泉，李必军，陈静．激光雷达测量技术及其应用研究[J].武汉大学学报（信息科学版），2000，25（5）：387－392．
[2]许斯军，曹奇英．基于可视图的移动机器人路径规划[J].计算机应用与软件，2011，28（3）：220－222．
[3]李季，孙秀霞．基于改进A-star算法的无人机航迹规划算法研究[J].兵工学报，2008，29（7）：788－798．
[4]陈圣群，董林飞．Dijkstra和A-star算法在智能导航中的应用分析[J].重庆科技学院学报（自然科学版），2010，12（6）：159－161．
[6]宋岩．基于A-star算法的进路搜索研究[D]．成都：西南交通大学，2014．
[7]徐宝华，张成文．基于实时数据的DSTAR寻路算法[J].计算机科学技术，2013．
[8]无人机航迹规划方法与实现[J].邓黎江.山东工业技术.2018(20)
[9]杨君刚,王程远,贾茹.多旋翼无人机低空航迹规划问题[J].烟台大学学报(自然科学与工程版),2019,32(01):11-14.
[10]郭杰,王晓银,滑亚慧.无人机航迹规划与监控系统设计[J].计算机测量与控制,2018,26(09):72-77.
论文作者:袁栋梁,尚策,李秀洋
论文发表刊物:《电力设备》2019年第11期
论文发表时间:2019/10/18
标签：无人机论文; 航迹论文; 杆塔论文; 算法论文; 节点论文; 电力论文; 路径论文; 《电力设备》2019年第11期论文;