四旋翼无人机鲁棒嵌套饱和控制

针对四旋翼无人机在执行任务中,动力系统受到输入饱和限制,传统嵌套饱和控制算法收敛条件严格、收敛速度慢、稳态精度不高、鲁棒性不强等问题,提出了一种四旋翼无人机鲁棒嵌套饱和控制算法。首先,设计了条件相对放松的嵌套饱和控制算法,降低了设计难度,并且给出了闭环系统的稳定性证明。其次,基于条件放松的嵌套饱和控制算法,引入自耦PD和补偿函数观测器,提升系统的响应速度,稳态精度以及鲁棒性,并利用Lyapunov稳定性原理证明了闭环系统的全局稳定性。最后,将所提算法与传统嵌套饱和控制算法和PD控制算法进行了仿真对比,结果表明:本文提出的算法在暂态性能、稳态性能和鲁棒性上都是最优。

基于固定机巢的输变配无人机智能巡检方法

为了实现输变配设备的跨专业无人机(UAV)自动巡检,提出了一种考虑到输变配不同巡检频率的固定机巢巡检策略。基于集合覆盖模型建立了固定机巢选址模型;通过改进k-means聚类算法设计了巡检任务分配模型;将无人机路径规划问题建模为带时间窗的多旅行商问题(MTSPTW),设计了自适应大邻域搜索(ALNS)算法完成求解;并且使用某实际运维区域进行大规模数据的实例验证。结果表明:某机巢的无人机通过130次起降、703余千米的总飞行距离完成了一个月内共计1838次输变配混合巡检任务。提出的该方法打破了单个机巢单专业巡视思路,具有大规模巡检场景下的实用性和有效性。

面向风电场线路运维的无人机智能巡检系统

风电场线路的运维是保障风电场安全、稳定运行的关键环节。针对现有无人机巡检系统续航能力差、智能化水平不足等问题,提出一种面向风电场线路运维的无人机智能巡检系统。首先,构建巡检系统的巡检设备层、通信层和应用服务层架构;其次,设计无人机避障路径,对故障进行识别,提高无人机巡检的自主飞行和智能化水平;最后,构建面向风电场线路运维的无人机智能巡检系统,主要包括无人机及其搭载设备、机巢以及通信方案的设计。

改进YOLOv5s的落叶树鸟巢检测方法

针对从落叶树上识别鸟巢具有目标较小、背景复杂、目标与背景易混淆等问题,本文提出一种基于YOLOv5s改进的落叶树鸟巢检测模型YOLOv5s-nest。在Backbone中插入改进的注意力机制Bi-CBAM,提升网络对小目标的感知能力;在Neck中引入SDI结构,以融合更多层次特征图和更高级的语义信息;在Neck中插入InceptionNeXt结构,用于提高模型的性能和运算效率;在Head检测头中将普通卷积替换为PConv,可以更高效地提取空间特征及提高检测效率。实验结果表明,改进模型的平均精确率达到了89.1%,相较于原始模型提高了6.8个百分点。

一种无人机图像的铁塔上鸟巢检测方法

由于鸟巢造成的输电线路跳闸事件频频发生,已严重威胁到国家电网的安全运行,为了降低复杂背景的影响,提出了一种自动检测铁塔上鸟巢的方法,首先识别巡检图像上铁塔所在区域,考虑到铁塔是由不同方向的线材构成的空间图像,将巡检图像分块并分析不同方向的线段密度,判决是否属于铁塔区域,将检测的分块铁塔区域聚类,进而识别铁塔区域。在铁塔区域内,搜索符合鸟巢样本的HSV颜色特征量的连通区域,作为候选的鸟巢区域,分析候选鸟巢区域的形状特征参数,描述鸟巢粗糙度的灰度方差特征量,描述鸟巢纹理的惯性矩特征量,通过对无人机巡检采集的输电线路图像的测试,验证了这种方法能有效排除背景的干扰,有效检测出铁塔上的鸟巢。

多目标优化最低代价无人机机巢选址方法研究

无人机巡检作业中,因为功能与续航距离不同,常面临异构无人机协同和机巢选址问题。无人机机巢的最优部署位置策略,可以看作新的选址优化问题,相对于传统设施选址问题,无人机机巢部署问题面临更多新挑战。笔者综合运用地理信息系统、优劣解距离法对候选点位做预筛选后使用贪心算法和拉格朗日松弛优化的p-中值覆盖问题优化方法,在综合考虑布点原则、飞行任务、飞行半径、功能性冗余等目标因素,提出一种多目标优化最低代价的无人机机巢选址法,将机巢分布问题定义为限制因素预选址前提下的p-中值最低代价问题,设置原则性约束,实现多目标优化最低代价的机巢布点,从多个角度考虑降低巡检成本。实验结果表明:多目标优化后机巢布点在建造、维护、巡检和综合成本上比传统选点方法有9.2%以上的成本节约。

基于嵌套PSO算法的反无人机集群防空部署模型

无人机集群作战已逐渐成为未来空战的一种主流作战模式,给防空作战带来了严峻的威胁与挑战,先期合理部署防空武器直接影响着反无人机集群作战的总体效能。从防空作战敌我双方的角度综合分析了无人机集群的自主智能性与影响防空部署的主要因素,并将无人机集群与防空武器的博弈过程量化表示,提出了一种基于嵌套粒子群优化算法的防空部署模型。经仿真算例验证,以无人机集群威胁指数为指标所建模型可用于防空武器的优化部署,对反无人机集群作战决策问题研究有较高参考价值。

基于改进YOLOv5的输电线路鸟巢检测方法研究

输电线路上的鸟巢会对电力设备的安全运行构成威胁,甚至影响整个电力系统的稳定性。针对复杂场景下输电线路鸟巢检测方法适用性较差的问题,提出一种基于改进YOLOv5的输电线路鸟巢检测方法。该方法结合通道注意机制和空间注意机制设计特征平衡网络,以通道权值和空间权值作为引导,实现检测网络不同层次特征之间语义信息和空间信息的平衡。同时,为了避免因网络层数增加导致特征信息不断被弱化的问题,设计特征增强模块以捕获与鸟巢相关的通道关系和位置信息。最后,利用输电线路无人机巡检图像建立鸟巢数据集进行训练和测试。实验结果表明,所提出的输电线路鸟巢检测方法具有较强的泛化能力和适用性,同时也为电力图像缺陷检测提供技术参考。

输电线路巡检无人机巢配置部署方法

针对无人机巢在电力巡检应用中的配置部署问题,提出一种定量分析决策方法。基于无人机巢自身特性的约束,以总成本最小为目标建立整数规划模型,并采用改进模拟退火算法对模型求解,计算无人机巢最优部署位置。将计算结果与传统模拟退火算法结果对比,以证明所提算法和模型的可行性与有效性。选取佛山某地区无人机巢的应用案例进行分析,结果表明所提方法能有效降低无人机巢部署成本,提高无人机巢利用率,具有工程实际应用价值。

基于改进YOLOv4模型的无人机巡检图像杆塔缺陷检测方法研究

针对现有输电线路无人机巡检图像缺陷检测方法存在的精度低、耗时长等问题,为了实现输电线路杆塔鸟巢的快速和准确识别,基于无人机巡检图像采集与处理系统,提出了一种改进的YOLO4模型用于输电线路杆塔图像的鸟巢检测。采用轻型MobileNetV2网络替换CSPDarkNet53网络,提高特征提取速度,在SPP模块中采用平均池化替换最大池化,提高算法对小目标的检测精度,引入注意力机制CBAM增强特征表达。通过试验验证了所提方法的可行性和优越性。结果表明,所提方法与常规检测方法相比,在输电线路杆塔图像缺陷检测中具有更优的检测精度和速度,检测精度达到94.40%,检测速度为60 FPS。所提研究为输电线杆塔缺陷检测方法的发展提供了一定的参考。

基于深度学习的改进型YOLOv4输电线路鸟巢检测与识别

针对输电线路无人机巡视图像经典鸟巢检测算法权重参数范围大、识别效率低、识别精度低的缺点,提出了一种改进型YOLOv4输电线路鸟巢检测与识别方法。首先,选取Mosaic图像增强技术对图片集进行多种变换,变相增加图片集中的小目标数量。其次,在骨干特征提取网络中,通过引入深度可分离卷积来提高检测网络的速度;在YOLO头中,基于K-means++算法改进锚框的大小和比例,基于最小凸集建立回归损失函数。最后,在PANet和YOLO头之间增加2个SPP模块,进一步增强特征融合能力,提高小目标检测能力。利用某供电局无人机巡检图像制作数据集,将提出的算法与其他目标检测算法进行对比实验研究。实验结果表明,改进后的算法有更高的鸟巢检测准确度和更低的运算开销。

基于无人机技术的小五台山保护区黑鹳巢穴监测研究

为了科学监测小五台山自然保护区黑鹳的巢穴,制定切实可行的保护措施,2018年和2019年连续2a利用无人机技术监测黑鹳巢穴。监测结果表明:金河口管理区的金河口沟有1处黑鹳巢穴,金河口管理区郑家沟有1处黑鹳巢穴,辉川管理区松枝口沟有1处黑鹳巢穴。通过观察得知:2018年金河口管理区金河口沟的黑鹳巢穴内有4只幼鹳,郑家沟的黑鹳巢穴是空巢,辉川管理区松枝口沟的黑鹳巢内有2只幼鹳;2019年金河口管理区金河口沟的黑鹳巢内有3只幼鹳,郑家沟的黑鹳巢穴仍然是空巢,辉川管理区松枝口沟的黑鹳巢内有3只幼鹳。这3处巢穴的选址都是在悬崖峭壁上,离地面高度至少在30m以上,工作人员很难从俯视的角度观察其内部的情况,利用无人机则很好地解决了这一问题。利用无人机技术对保护区黑鹳巢穴的监测,对黑鹳的科学研究和保护起到了极大的促进作用。

基于嵌套算法的反无人机集群防空部署

针对多类型防空武器反无人机集群问题,考虑不同类型防空武器位置部署与火力分配之间的关系,建立多类型防空武器反无人机集群的多目标混合部署规划模型,并设计一种嵌套双粒子群的免疫优化算法对模型进行求解。给出的仿真例子说明了模型和算法的有效性。

输电架空线路的无人机巡检技术应用

以电力企业输电架空线路为背景,阐述无人机巡检技术在输电线路环境中各种技术的实践应用,无人机的避障巡检,无人机的巢-巢巡检。

基于嵌套饱和的四旋翼无人机吊挂负载控制器设计

针对四旋翼无人机吊挂负载系统飞行中的摆角抑制问题,考虑过快位置机动容易引起吊挂大幅度摆动,提出了一种基于嵌套饱和的四旋翼无人机吊挂负载控制器。首先,利用扩张状态观测器估计干扰,设计具有强抗扰能力的垂直位置控制器;其次,基于简化模型通过构建李雅普诺夫函数,设计控制摆角收敛的抑摆控制器;最后,基于一种嵌套饱和控制方法,设计了限制机动速度的水平位置控制器。与已有控制方法的仿真对比表明,该控制器不但能保证四旋翼无人机吊挂负载系统稳定飞行,还能在大幅度位置机动指令下有效减小最大摆幅。

利用多旋翼微型飞行器监测天山地区高山兀鹫繁殖简报

高山兀鹫（Gypshimalayensis）喜在山崖绝壁上营巢，海拔2400～4800m的野外高空作业攀爬危险，观察难度较大。2014年4～9月，笔者在新疆天山中段尝试用国产遥控多旋翼微型飞行器寻找和拍摄高山兀鹫巢穴，结合路线搜索法和行为扫描法，进行栖息地调查、巢数统计、巢材分析，以及窝卵（雏）数、雏鸟生长与发育、繁殖周期、食性及食物分析。在7个地点的14个巢区的调查统计表明，高山兀鹫喜欢在朝南的崖壁上集群营巢（78．6％朝南，H=112），最长的一个繁殖地绵延7．3km，距另外一个较近的巢区约47km。巢材以禾草为主，如早熟禾（Poaspp．）、针茅（Stipaspp．）、老芒麦（Elymussibiricus）等，缺乏粗大枝条。高山兀鹫1～2月产卵，窝卵数为1枚（n=21），整个繁殖周期长达8～9个月（1～10月份）。