输电线路固定翼无人机多目标巡检线路优化

以提升固定翼无人机(UAV)输电线路巡检避障能力、缩减巡检路径长度为目标,提出基于改进粒子群算法的输电线路固定翼UAV多目标巡检线路优化方法。以最小化线路长度和线路威胁作为目标函数,结合航迹段的长度约束和最大转弯角度约束,构建固定翼UAV多目标巡检线路优化模型。将多目标函数作为粒子群优化算法的适应度函数,找出最优输电线路巡检线路。创新性地通过调整粒子群算法惯性权重,引入相邻适应度函数值比较策略、遗传算法的杂交运算,优化生成UAV多目标巡检线路。试验结果表明,该方法可以对巡检范围内存在的所有障碍物进行有效规避。巡检线路可以覆盖巡检范围内所有输电线路。100 m2范围内航迹点设置为25个时,优化效果最适宜。

对巡检线路的排班数学模型分析

本文根据一个巡检线路的数据,用数学统计方法对线路评估并给出优化方案。用了最小生成树算法、整数线性规划建立了一系列数学规划模型,并用EXCEL和Mathematica、LINGO软件编程实现。

巡检线路排班的优化模型研究

在车间生产的安全巡检中,值班人员的上下班交接、工作量均衡、休息情况等因素会影响既定巡检任务的完成,并不等同于车辆路径问题(VRP问题)。基于全局路径规划,寻找经过所有巡检停靠点的线路划分,得到最短、最优化的巡视路径,使得所有检测点都能在全天24小时的每个巡检周期内得到检测。分别按固定时间和错时上班,设计了人员交接班方案,并通过工作人员的线路排班,解决了工作量均衡问题,最终给出了车间生产安全巡检的完整解决方案,这在电力设备维护、社区安全巡视等生产和生活中都可以直接应用。

“巡检线路的排班”问题解析

就2017年"高教社杯"全国大学生数学建模竞赛D题"巡检线路的排班"给出了一种求解方法,并针对学生在参赛论文中出现的问题作了简要的说明与点评.为保证求解的连贯性,论文的前一部分是问题的求解,后一部分是参赛论文的点评.

巡检线路排班优化模型研究——以某厂26个站点为例

文章利用双向带权连通图遍历方法、数学规划方法、Excel工具对巡检线路安排进行讨论,从省力、工作量平衡等方面着手,构建出合理的巡检线路安排的优化模型。首先以所需人数最少和所用时间尽量最少作为双目标函数,同时需要满足巡检点的巡检周期不超过35 min,构建出优化模型后再转化为双向带权连通遍历问题,用模型得出每条路线所需最少人数、一天需要巡检人员人数;然后用穷举法,安排出巡检路线和巡检时间安排表。考虑上休息时间和进餐时间因素,增设时间约束条件,应用同样的方法,得出问题二的巡检路线和巡检时间安排表;最后利用Excel工具进行数据处理,给出问题三在错时上班时是否省力的结论。

巡检线路的最优排班模型

文章为解决巡检线路节省人力资源和工作均衡的问题。首先建立最短巡检线路模型,基于全局最优和工作量均衡研究不同上班方式的巡检线路。固定上班时间,采用分区巡检的方法,再以两两组合方法分批进餐,设计巡检排班的可行方案。错时上班,以最小的巡检周期作为上班间隔,按最短巡检线路巡检。结果显示,与固定上班时间相比错时上班更节省人力。

设备巡检线路的优化方案

针对化工厂设备巡检线路的设计问题,在满足巡检周期等一系列条件下,得到巡检人员最少、路线最短的优化方案。利用Matlab和Lingo软件得到最短路线,确立合理的固时上班线路划分区域,并给出了详细的巡检点时间安排表;选择较为理想的Hamilton圈,作为错时上班的理论基础,在同等条件下,得到满足要求的巡检人员及时间安排表。通过对比,发现错时上班明显优于固时上班,更能满足人力资源的优化。

巡检线路的排班问题研究

巡检线路排班优化问题可以节省人力资源,降低用人单位的劳动成本,减轻劳动者负担,从而增加收入,具有十分重要的现实意义。本文借鉴旅行商问题(MTSP),通过引入0-1变量,建立了巡检线路排班问题的优化模型,再利用Excel对数据进行处理和MATLAB辅助计算,最终得到每班需要的巡检人数以及巡检人员的巡检线路和巡检的时间安排表;针对问题二增加了休息时间和吃饭时间,在建立多目标MTSP问题模型基础上,通过加权处理,把多目标函数化为单目标函数,运用同样方法,得到每班需要的巡检人数以及巡检人员的巡检线路和巡检的时间表。针对问题三,通过对两种不同上班模式获得的数据进行分析、比较,最终得出错时上班并不比固定上班更省人力。

基于无人机视觉的电力巡检线路安全距离自动诊断方法

无人机巡检时若不能准确判断与障碍物之间的安全距离,易造成碰撞导致坠机事故。研究一种基于无人机视觉的电力巡检线路安全距离自动诊断方法,通过无人机双目视觉系统采集障碍物的左右图像,在预处理的基础上,检测障碍物轮廓。提取障碍物左右图像特征点并实施立体匹配,结合双目视觉成像原理,求出障碍物的三维坐标,以此获得障碍物与无人机之间的实际距离。基于障碍物轮廓确定避障边界线,对比实际距离与边界线,实现基于无人机视觉的电力巡检线路安全距离自动诊断。结果表明:无人机避障拐点与障碍物之间的距离均大于,且靠近0.5m,由此说明所研究方法应用下,无人机均在靠近0.5m避障边界线时进行了安全躲避,而其他三种方法则存在过早避障或过晚避障的情况,安全距离诊断存在较大的误差同时表明了所研究方法的有效性。

基于动态贝叶斯网络的机器人巡检线路故障方法研究

针对传统巡检线路故障诊断方法中存在诊断准确率较低的问题,提出基于动态贝叶斯网络的机器人巡检线路故障诊断方法。利用巡检机器人的传感装置进行线路基础数据的采集,并进行融合处理。根据融合结果进行机器人线路运行状态检测,同时搭建动态贝叶斯网络故障诊断模型。利用诊断模型对机器人线路运行状态异常的线路,从输电线路故障和机器人运行故障两个方面,进行巡检线路故障类型的确定,最后对巡检线路故障发生概率进行计算,实现机器人巡检线路故障诊断结果的量化。通过对比实验的分析得出:与传统方法相比,所提方法的平均诊断准确率为93.4%,提升了10.8%。

建立数学模型解决“巡检线路排班”问题

目的安全检查在工业生产中不可或缺,是发现和消除事故隐患、落实安全措施、预防事故发生的重要手段。为提高巡检的效率,优化资源配置,通过建立数学模型以达到花费最短的时间和最少的人力完成巡检任务。方法通过对模型的假设及简化,建立目标规划模型,运用Kruskal算法找出连通图的最小生成树,运用Floyd算法找出最短路径,使用MATLAB、LINGO编程对建立的模型进行求解。结果在问题1中,运用Kruskal算法找出最小生成树后,经过分析计算,以调度中心XJ—0022为树根对最小生成树粗略划分为4个子图,运用Floyd算法找出每位工人的最短巡检路径,建立目标规划模型,再使用MATLAB及LINGO,确定每班4人为最优,并给出了最优巡检线路和巡检时间表。在问题2中,若增加休息和吃饭时间,经过分析讨论后每班应有6名工人。根据第一问的算法思想求出每位工人的最短巡检路径,经过软件求解,给出了最优巡检线路和巡检时间表。在问题3中,若要把问题1中的固定上班改为错时上班,反而会增加人力成本,不可取。对问题2,把上班时间进行如下调整3∶00-11∶30、11∶30-19∶00、19∶00-3∶00,这样每班5个人就可以完成工作,此种方法比固定上班可节省3人。结论通过建立数学模型,并对模型的求解,最终解决了问题,花费最短的时间和最少的人力完成巡检任务。

基于Dijkstra算法的巡检线路排班建模与研究

化工厂的安全责任重于泰山,为确保生产作业线上设备的安全运行,防范和防止设备事故的发生,必须制定出定时间、定路线、定地点、定内容、定人员、定检查的生产岗位的巡回检查制度.依据巡检线路给出的基本信息数据表,连通图,连通关系以及相应的限定和约束条件,通过建立合适的数学模型解决了巡检人数,并通过Dijkstra算法设计出合理的优化的巡检线路.

基于遗传算法的输电线路无人机巡检线路规划方法

由于传统的输电线路巡检效率较低,因此本文提出了基于遗传算法的输电线路无人机巡检线路规划方法 ,建立了无人机巡检线路规划的评价体系,确定了算法的约束条件。基于约束条件建立遗传算法的无人机巡检线路规划模型,首先进行编码建立初代种群,其次构建适应度函数,最后通过设计的遗传算子进行函数运算得出巡检线路最优解,实现无人机巡检线路规划。通过对比实验,验证该方法规划的线路距离最短,在实验中规避的栅格个数最少。

化工厂安全巡检线路的排班研究

针对化工厂的安全巡检,探讨最佳巡检路线和节省人力资源的方案设计问题。利用floyd算法和蚁群算法分析巡检网络,找出最短路径。在此基础上,考虑3种前提条件:固定上班时间、安排休息进餐、允许错时上班,按照不同的前提条件,分别划分巡检区域、选定巡检线路,给出以闭合回路为特征的3套巡检方案,以实现既满足可行条件,又节省人员配置的目标。

基于动态风险评估的输电线路巡检计划优化研究

现有输电线路巡检计划安排存在巡检效率低等问题,为优化输电线路巡检计划,降低输电线路的巡检成本,提出一种基于动态风险评估的输电线路巡检计划优化方法。综合考虑影响输电线路故障的内外部风险及故障造成损失,建立动态风险等级评估模型,通过量化风险值以评估线路风险等级,确定合理的巡检周期。基于巡检周期建立输电线路巡检计划的多目标优化模型,根据目标优先级利用多目标粒子群算法进行求解。采用某区域实际输电线路验证该模型的有效性。

基于多传感器的无人机配电网架空线路自主巡检和姿态控制

针对配电网架空线路无人机巡检过程中人工干预较多且效率低下的问题,文中提出了一种基于多传感器融合的无人机自主巡检与姿态控制方法。所提方法采用MinkUNet深度学习模型对线路通道点云数据进行精确分类,结合杆塔与导线建模方法以及三维航线规划方法,实现了无人机巡检路径的自动规划。在飞行执行阶段,融合毫米波雷达和深度相机数据,结合基于贝叶斯理论的占位栅格地图更新策略,有效识别环境中新出现的障碍物,并通过改进的人工势场法实现自主避障。为了在定位信号受到干扰时确保拍照质量,提出了基于轻量化YOLOv8网络的目标识别模型与云台控制策略,实现对巡检目标的精确自动对准拍照。通过在真实环境和仿真环境中的实验验证,文中提出的方法更适合复杂的配电网巡检场景。

配电网线路无人机智能巡检技术研究

针对传统人工配电网电路中巡视过程中存在的危险性高、安全隐患大等潜在问题,本文提出了一种能够在恶劣条件下进行全自动智能巡检的算法方案。针对无人机所搭载的传感器在复杂环境下受干扰甚至失效的情况,进行导航定位研究,设计姿态和位置融合的控制器,能够得到准确的解算结果,提高巡检的稳定性。此外,通过图像识别技术对线路巡检研究,对配电网线路进行精确定位,提高智能巡检的精度,为无人机智能巡检技术在配电网电路运行维护过程中提供了研究方案和解决思路。

高压输电线路中无人机电力巡检技术的应用

随着无人机在高压输电线路巡检的逐步推广应用,探索无人机智能电力线路巡检的应用将成为日后电力线路巡检的主要方式,利用固定式无人机自动机场对无人机下发自动巡检任务,通过无人机多功能云台相机对巡检杆塔、导线进行拍照,实现高质量、高频次的自主巡检,利用无人机智能巡检系统实现对巡检任务的创建、下发、执行、巡检成果展示和巡检报告生成,通过GIS平台展示电力线路三维巡检通道,实现电力线路巡检、通道树障和交跨、电力巡检隐患的可视化管理。

基于视频图像YOLOv3的输电线路巡检故障位置识别方法

由于传统的输电线路巡检方式主要是依靠人力,不仅效率低下,而且容易受到环境、天气等因素的影响,难以保障识别准确度。因此,提出基于视频图像YOLOv3的输电线路巡检故障位置识别方法,采集并预处理输电线路巡检视频图像,基于YOLOv3算法构建一个分类识别模型,输入采集的巡检视频图像后识别出输电线路的故障图像,提取故障图像上的杆塔标识牌,根据线路编号确定输电线路故障位置。

思极公司 自主供电无人机机场 为线路巡检赋能增效

7月的曹妃甸已有几分初夏的炎热,沿着110千伏林嘴一二线输电线路徜徉,映入眼帘的是一座新型自主供电无人机机场。依托无人机自主巡检示范区,由冀北思极科技服务(北京)有限公司研发的无人机机场自主供电系统以试点形式首次亮相,唐山曹妃甸工业区便是这次试点的所在地。