基于混合算法的电力杆塔巡检实时航迹规划

传统的电力杆塔拍摄视点顺序固定,多旋翼无人机巡检距离并非最优;同时,随着维度增加,航迹规划算法空间复杂度呈指数增长,不能满足实时规划航迹的需求。针对以上问题,提出一种基于蚁群和A*混合算法(ACO-A*)的电力杆塔巡检三维航迹规划方法。该方法分为全局规划和局部规划,全局规划利用改进蚁群算法找到覆盖所有视点的较优路径,并通过算法判断路径是否经过障碍物,再运用A*算法局部规划。仿真结果表明:ACO-A*算法规划的航迹长度比《架空输电线路无人机巡检影像拍摄指导手册》规定的巡检航迹降低了16.85%;ACO-A*算法路径规划时间比A*算法降低了99.68%。因此本方法既节约了巡检能耗,又提高了航迹规划的效率。

基于电力杆塔巡检的无人机重定位拍照系统设计

针对旋翼无人机进行电力杆塔巡检,对特定部件精准检查,结合无人机的运动特性,提出一种重定位拍照系统。融合视觉和GPS坐标解算出无人机定位偏差,控制无人机姿态微调,使得对电力杆塔相同部件的巡检图片拍摄角一致,并提出了相似度作为重定位效果的评价方法。重定位拍照系统能给机器学习模型提供高质量的巡检数据,提高杆塔故障检出的效率。

基于AI的无人机饶塔巡检航线轨迹规划研究

无人机巡检技术推广应用可显著降低作业人员劳动强度,并提高作业效率。通过精准的无人机定位技术可为无人机自主巡航创造良好条件,采用文中提出将AI应用到无人机饶塔巡检航线轨迹规划中,制定一条起点、航点以及终点的最优路线,以便实现电力杆塔全覆盖巡检,实现无人机杆塔巡检路径自适应调整。研究成果可为在一定程度上提升无人性巡检自动化、智能化水平。