Mobile sensors’patrol path planning in unobservable border region

Purpose-The border control becomes challenging when a protected region is large and there is a limited number of border patrols.This research paper proposes a novel heuristic-based patrol path planning scheme in order to efficiently patrol with resource scarcity.Design/methodology/approach-The trespasser influencing score,which is determined from the environmental characteristics and trespassing statistic of the region,is used as a heuristic for measuring a chance of approaching a trespasser.The patrol plan is occasionally updated with a new trespassing statistic during a border operation.The performance of the proposed patrol path planning scheme was evaluated and compared with other patrol path planning schemes by the empirical experiment under different scenarios.Findings-The result from the experiment indicates that the proposed patrol planning outperforms other patrol path planning schemes in terms of the trespasser detection rate,when more environment-aware trespassers are in the region.Research limitations/implications-The experiment was conducted through simulated agents in simulated environment,which were assumed to mimic real behavior and environment.Originality/value-This research paper contributes a heuristic-based patrol path planning scheme that applies the environmental characteristics and dynamic statistic of the region,as well as a border surveillance problem model that would be useful for mobile sensor planning in a border surveillance application.

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

巡检无人车激光SLAM与路径规划研究综述

激光同步定位与建图(SLAM)及路径规划是决定巡检无人车能否高效完成巡检任务的关键环节。围绕激光SLAM定位算法、环境地图、路径规划3个方面,从其优缺点、适用范围、改进方向出发,介绍了巡检无人车激光SLAM与路径规划研究的概况,系统阐述了国内外研究成果,分析了当前常见的技术难题,并对巡检无人车激光SLAM与路径规划的未来发展做出展望。

面向输电线路的空中机器人应急巡检研究

面对应急通信下的电力巡检难题,提出了一种基于5G无线网络的空中机器人应急巡检方法。首先,阐述了空中机器人在5G无线网络下的工作原理,将应急巡检分为轨迹规划和轨迹跟踪控制。接着,利用改进的萤火虫算法来实现空中机器最优轨迹规划,保证应急巡检的快速性。同时,将空中机器人动力学模型分为位置与姿态两个子系统,引入基于RBF神经网络的自适应控制策略来设计抗干扰轨迹跟踪控制器。最后,通过应急电力巡检仿真算例对这里所提方法的有效性进行了验证。仿真结果表明:(1)改进的萤火虫算法能帮助空中机器人快速规划出一条可飞航迹;(2)所设计的控制器比线性自抗扰控制器具有更好的轨迹跟踪控制性能;(3)所提方法能保证电力巡检空中机器人在5G无线网络框架下对故障区域做出快速有效的应急响应,具有一定的工程参考价值。

基于模拟退火的多无人机路网巡边路径规划

研究了多无人机路网巡边路径规划问题,以路线分配最均衡为目标建立多无人机路径规划模型。对于路网中路段的分配问题,提出使用基本割集原理对图进行分割划分的方法,采用欧拉回路算法作为单无人机路径规划的基础。结合划分结果和单机路径设计了初始解的构造策略以及相应的邻域变换规则,使用模拟退火算法进行求解。通过仿真分析,表明了算法设计的可行性与合理性。

500kV超高压变电站安全巡视路径自动化寻优研究

变电站安全巡视路径的拐点较多、定位技术存在差异、避障效果较差,直接造成了最优路径长度过长的问题。对此,提出基于机器视觉的500 kV超高压变电站安全巡视路径自动化寻优方法。通过背景差法检测500 kV超高压变电站的场景信息,构建安全巡视环境模型。以机器视觉原理为基础,创新性地结合Hessian矩阵设计巡视机器人定位技术。根据安全巡视机器人当前定位信息,采用机器视觉和人机交互的模式,获取初始变电站安全巡视路径。建立以最短路径长度为目标的寻优目标函数,利用粒子群优化(PSO)算法自动求解出最优巡视路径。仿真试验结果表明:搜索最优路径得以缩短。该研究保证了安全巡视过程的完整性和智能化。

面向煤矿巡检机器人的高能效路径规划方法

针对现有矿用机器人路径路规划方法存在的效率低、收敛速度慢、易陷入局部最优等不足,提出了一种基于Actor-Critic算法的路径规划方法。首先根据巡检目标和障碍物的实时位置信息,计算巡检机器人的转向角,确定行进方向,可显著提高路径规划的效率;以能量消耗最小化和避免碰撞为目标,巡检机器人根据动态随机变化的矿山环境,学习巡检的目标顺序和行进速度;因为矿山环境动态连续变化,导致较高的状态维度,因此采用深度学习网络估计连续状态产生的动作和奖赏;为了提高学习效率,采用策略网络和价值网络2个网络,实现实时更新策略和价值。仿真结果表明:采用所提方法,巡检机器人可以在动态环境中规划出安全合理的巡检路线,能够以98%的成功概率和更低的能量消耗完成巡检作业。

基于无线充电站的无人机全自动电力巡线研究

目前,无人机技术越来越多地应用到了电力巡线当中,但是仍然有诸多缺点,例如操作困难,续航能力差等。针对现有无人机巡线中存在的问题,本文提出了一种基于无线充电站的无人机全自动电力巡线方法,采用可垂直起降的固定翼无人机。近年来无线充电技术发展迅猛,其无接触的充电模式可以很好的满足无人机自动化运行的要求。此外,无线充电装置成本较低,维护方便,且十分的安全。基于防盗、便于维护等方面的考虑,无线充电站选址于变电站内。巡线线路的规划是至关重要的,本文利用Fleury算法求解最优巡线路径,并且给出了湖州境内220 kV变电站之间线路最优巡线路径的方案演示。在人工成本日益增长的时代背景下,基于无线充电站的无人机全自动电力巡线在降低成本、提高工作效率等方面具有重要意义。

变电站巡检机器人越障视觉伺服路径规划

针对巡检机器人越障路径规划准确性较差,难以跨越障碍物、转弯等问题,提出一种变电站巡检机器人越障视觉伺服路径规划方法。基于摄像机成像和四个坐标系之间的关系,构建巡检摄像机成像模型,采集变电站巡检机器人巡检视觉图像,引入轮廓提取法,获取路径上障碍物轮廓信息,计算障碍物凸包面积,准确定位障碍物。利用小波神经网络,构建变电站巡检机器人越障视觉伺服路径规划模型,以此调整步态,完成巡检机器人越障视觉伺服路径规划。实验测试结果表明,所提方法以最快的速度达到期望状态,收敛速度较快,累积误差一直处于稳定状态。

智能巡逻安防系统的设计与实现

为解决目前校园巡逻遇到的难题,在系统设计上对路径规划业务和巡逻任务制定业务流程进行分析,再结合各个业务流程主要需求的技术难点,最后以Html5+Css3+JavaScript+SpringBoot+MyBatis+百度地图API为技术基础设计了校园智能巡逻路径规划系统来辅助管理校园巡逻任务。

基于改进RRT的变电站巡检机器人全局路径规划算法

针对传统RRT算法在变电站巡检机器人全局路径规划应用上搜索速度慢、随机性高、未考虑机器人体积及高压安全距离、路径冗余不平滑等缺点,提出了一种改进的RRT算法。首先,提出了一种动态采样域的采样方式,避免随机树在已扩展区域重复生长;其次,考虑到实际使用中机器人的宽度和带电安全距离,对障碍范围进行膨胀,确保搜索的路径不经过机器人无法通行的狭窄通道或带电区域;最后,对搜索出的路径进行剪枝以及基于B样条曲线的平滑,优化最终路径。结果表明,改进后的算法能有效提高路径搜索的效率并得出较优路径。

基于机器学习的自动巡检系统优化设计及性能测试研究

为了提高巡检效率和避障精度,提出了基于机器学习的机器人自动巡检系统。根据机器人巡检电机驱动器的内部结构,给出电机驱动的技术参数,利用巡检电机驱动器的外部接口,将巡检电机驱动器与其他硬件连接,通过引入一个调理电路,调节电机驱动器的输出电压,设计了机器人自动巡检电路;软件设计中,规划了机器人巡检路径,利用机器学习算法推算出机器人的巡检轨迹,计算出机器人巡检过程中方位的置信度,结合机器人自动巡检算法的设计,实现了机器人的自动巡检。实验结果表明,所提系统在机器人自动巡检中,可以将巡检效率和避障精度分别控制在83%和85%以上。

基于模型预测控制的固定翼无人机航迹优化研究

文章对于设计的类巡飞弹小翼展固定翼无人机,基于气动分析得到动力学参数,在设定的基准运动点附近建立线性时不变状态空间方程。对于该小扰动系统,在含约束的模型预测算法的基础上结合目标导引算法,引入航迹优化因子k1、k2,通过调节目标向量xd进而得到不同跟踪策略下的最优仿真路径。

基于启发式Q学习的输电线路无人机避障导航巡检

为提高无人机在输电线路巡检中的安全性,设计一种基于启发式Q学习算法的输电线路无人机自动避障巡检方法。运用多传感器采集外界环境变化信息,经信息融合获得有价值的路径感知信息,得到障碍物位置和可通行路径;采用Q学习算法与启发式函数计算信息强度,提前预测分析飞行动作的重要程度,得出最佳飞行动作和位置,完成巡检中的无人机自动避障导航。实验结果表明:在静态环境中,所提方法在训练次数较少的情况下达到收敛,不仅能成功绕过静态与动态障碍物,且飞行避障导航路径短。

500 kV换流变压器无人机巡检路径规划

针对换流变压器上层存在巡视盲区的问题,拟采用无人机进行巡检,但换流变压器区域复杂的电磁环境可能使无人机受到干扰而失控,需规划安全的巡检路径。为此,该文根据某换流站实际布置和设备尺寸建立换流变压器广场区域三维模型,利用有限元法计算空间电磁场分布。基于无人机可承受的安全阈值,并结合盲区需要巡检的部位,规划路径如下:无人机由隔离墙外起飞,在靠近阀厅侧的小电场强度区域进入变压器巡检区域,下降至巡检高度后依次对大储油柜、高压套管、小储油柜、压力释放阀和在线滤油机进行巡检。路径上的最大电场强度为27kV/m,最大磁感应强度为60μT,均小于安全阈值。最后,根据规划路径进行实地飞行测试,可安全稳定地完成巡检作业。

基于改进遗传算法的变电站巡检机器人路径规划

变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。

基于改进蚁群算法的电力信息网络设备智能巡检机器人路径规划方法

巡检机器人在行驶时经常会与障碍物相撞,为避免出现此类错误,基于改进蚁群算法设计电力信息网络设备智能巡检机器人的路径规划方法。建立蚁群信息素初始化结构,获取目标区域的运动矩阵,设置智能巡检机器人的运动学约束条件,基于改进蚁群算法构造机器人路径规划估价函数。通过对计算巡检机器人的巡检完成度,设计智能巡检机器人路径规划算法。实验结果显示,该路径规划方法可以完整准确地规划无障碍物的路径以及有障碍物的路径,同时对必经路线上的障碍物进行反馈。对比不同光线条件下的路径规划效果可知,光线越充足,路径规划算法的迭代次数越少,避障准确率越高。

面向校园多机器人协同巡查的路径规划虚拟仿真实验设计

针对校园多机器人协同巡查环境面积广阔、建筑物面积占比大、路径规划“早熟收敛”等问题,该文将A^(*)算法与遗传算法相结合,提出一种多机器人路径规划方法。将校园环境中的多机器人巡查路径规划类比为多旅行商问题,使用混合适应度函数的自适应遗传算法,能较好解决“早熟收敛”问题、提高进化速度和寻找最优解。基于ROS系统,开展了多机器人自主导航的仿真实验,通过构建机器人模型和校园环境模型,设计巡逻方案,实现了在已知路径和环境地图下的多机器人自主导航仿真,验证了算法的可行性和有效性。

基于改进BINN的人机多点巡检问题研究

为提高多变电站巡检的工作效率,在考虑障碍物存在的情况下,提出一种基于改进生物激励神经网络的巡检方法。该方法通过改进生物激励神经网络的激励输入和路径决策,避免了算法在进行路径决策时因依赖神经元活性值分布导致的路径错判问题和转向次数多的问题。仿真结果表明,相较于改进前的算法,改进后的生物激励神经网络算法在多变电站路径规划上具有明显优势,路径长度缩短了50.22 m,转动角度减小了11.65°,转向次数减少了5次,分别为10.11 m、40.23°、15次;相较于常规路径规划算法PRM算法和Dijkstra算法,该方法在路径长度、转动角度和转向次数各项指标上仍具有明显的优势。该方法可实现多变电站的多点协同巡检和区域覆盖巡检,提高多变电站巡检工作效率。

基于机器视觉技术的变电站巡检机器人自动导航系统

该文设计基于机器视觉技术的变电站巡检机器人自动导航系统,有效规划巡检机器人巡检路径,实现巡检机器人自动导航。该系统利用以PIC16F73为单片机的核心控制器,通过机器视觉采集模块采集变电站巡检设备和路线图像,经过图像处理模块分割、去噪处理后,由无线传输模块传输至巡检导航模块,结合栅格法和蚁群算法得出变电站巡检机器人路线规划最优路线;利用PID控制器控制巡检机器人按照规划路线行驶,实现变电站巡检机器人自动导航。实验结果表明,该系统无线通信性能好、覆盖范围广,可准确采集变电站巡检设备和路线图像并精准实现巡检机器人定位,能够有效规划巡检路线,实现巡检机器人自动导航。