基于無人機的露天煤場溫度監測巡航路徑設計

沈朝萍　尚金秋　朱莉凱　葉楊飛

摘要：煤炭在我國能源結構中占據著主導地位，其露天存儲易受天氣、環境和存儲時間等影響引起煤垛自燃，造成嚴重的經濟損失和環境污染。因此，探索新型智能的煤垛溫度實時監測方法對露天煤場的安全管理意義重大。無人機以其部署快、成本低的特點成為露天煤場溫度監測的理想載體。本文結合數字地圖，提出一種基于粒子群算法的無人機路徑規劃方法，實現露天煤場溫度實時監測。最后，通過飛行測溫實驗，驗證了基于粒子群算法的無人機路徑規劃在露天煤場溫度監測應用中的可行性。

關鍵詞：露天煤場;無人機;粒子群算法;路徑規劃

中圖分類號：TN92 文獻標識碼：A 文章編號：1007-9416（2019）08-0136-03

0 引言

能源問題，被認為是國家賴以生存和發展的戰略性問題[1]。煤炭素有“工業糧食”之稱，對我國經濟發展起到基礎性的保障作用。我國煤炭通常是露天存儲，易受存儲時間、天氣及其它環境等多種因素的影響，引發煤垛自燃，造成巨大經濟損失，且嚴重污染環境。因此，露天煤場煤垛的安全管理是一個亟待解決的問題，重點在于對自燃隱患的發現和及時排除。

目前，露天煤場安全管理主要是人工管理，通過手持測溫桿對各煤垛多點測溫，排查煤場中溫度升高的煤垛。然而，人工監測不僅工作量大，效率低，而且受各種人為因素影響，測溫范圍小，不能實時監測場區溫度，并無法對自燃隱患進行及時妥善處理[2]。

本文利用四旋翼無人機的機動性強、安全性好、可實現自主飛行控制等諸多技術優勢[3]，將其引入露天煤場的現代化管理平臺，結合數字地圖技術和粒子群算法設計無人機最優飛行路徑，完成露天煤場的實時測溫任務[4-6]。

1 建立等效數字地圖

無人機飛行路徑規劃包括建立地形模型、威脅模型和無人機航跡代價函數模型[7]。對無人機的飛行區域即露天煤場場區的地形進行分析，建立數字地圖，通過模擬地形跟隨和地形回避對無人機進行威脅回避。

本文將露天煤場場區設為200*200的矩形區域，使用山峰形曲線模擬露天煤場煤垛的地形，與原始數字地形進行融合，建立煤場場區的等效數字地圖[8]。根據測溫需求在數字地圖上設定待測溫點，保存在無人機飛控模塊中，依據待測溫點的位置合理規劃無人機飛行路徑，執行預定的飛行任務。煤垛垛形建模為：

M1（x，y）=hi×exp? ? ? ? ?（1）

式（1）中，M1（x，y）是根據整個露天煤場場區面積所設的二維矩陣，其值表示煤場中煤垛的高度，（xi，yi）為第i個煤垛的地理中心坐標，n為煤垛總數，hi為第i個煤垛的高度， ki為第i個煤垛的坡度向量，ki的值越小，煤垛垛形的衰減速度越快，煤垛就越陡峭;ki的值越大，垛形則會坡度越小。將各個煤垛的坐標代入式（1），進行插值優化處理，得到較為平滑的數字地形。圖1中煤垛中心坐標為（50，60），高度為45。

將露天煤場場區的綜合地形信息融入到等效地圖中，設定露天煤場的待測溫點，在無人機的飛行路徑規劃中要求無人機把所設定的待測溫點全部捕捉，在此基礎上對飛行路徑進行優化。

2 無人機最優飛行路徑規劃

無人機飛行路徑必須經過露天煤場場區所設定的待測溫點，即已知無人機飛行路徑的航跡點，只需要一個滿足要求的航跡評價函數：滿足無人機自身的物理約束條件，包括最大轉彎角、最小步長、最小飛行高度、最大飛行距離和等效數字地形圖中的參數。

2.1 露天煤垛垛形威脅函數

無人機在執行測溫任務的過程中，要避免受煤垛地形的威脅，即避免無人機與煤垛發生碰撞。煤垛垛形的數學模型如式（2）所示：

z（x，y）=hi×exp? ? ? ? ? ? ?（2）

其中，hi和ki分別表示煤垛高度和煤垛坡度，ai和bi表示煤垛中心坐標。則無人機對煤垛地形威脅的規避程度滿足：

F1（xi）=? ? ? ? ?（3）

其中，Rt為無人機到煤垛的距離，Rm為等高線上煤垛半徑。

2.2 無人機飛行路徑長度函數

在保證對待測溫點完全捕捉的情況下，要使無人機的飛行路徑總長度盡可能短。將飛行路徑長度作為飛行路徑的條件之一，如該路徑中有m個航跡節點，假定相鄰兩航跡點間的距離為di，則無人機飛行路徑總長度為：

L=di? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

那么，無人機航跡長度的適應度函數為：

Fpath（xi）=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（5）

式（5）中，d表示第一個點到第m個點的直線距離。

2.3 無人機性能限制函數

各類型的無人機性能參數存在差異，針對各類型無人機設計的航跡也有所不同。本文針對四旋翼無人機特有的性能參數對其航跡規劃適應函數進行建模，如最大轉彎角度、最小步長、最小飛行高度、最大飛行距離等。

2.3.1 最大轉彎角度

無人機所能完成動作幅度的變化由它自身最大轉彎角度決定。本文將無人機自身的最大轉彎角度考慮為無人機飛行路徑規劃的約束條件之一，規定：相鄰兩段飛行路徑之間在水平方向上的夾角小于等于無人機的最大轉彎角度。如圖2所示，φmax表示無人機的最大轉彎角度，Ψi和Ψi+1分別表示無人機的第i和i+1段航跡，則無人機的轉彎角度可表示為：

≥cos（ji）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （6）

那么，無人機最大轉彎角度的約束函數為：

fangle（xi）=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

其中，φ表示無人機在航跡Ψi和Ψi+1之間的轉彎角度。

2.3.2 最小步長

無人機最小步長影響著無人機接受地面命令的延遲時間。若無人機最小步長用lmin來表示，則相鄰兩個航跡點間的距離li應滿足li≥lmin（i=1，2…n）。所以，無人機最小步長的約束函數為：

fstep（xi）=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（8）

其中，li表示航跡點中i與i+1之間的距離。

2.3.3 最小飛行高度

無人機在溫度巡檢的過程中，飛行高度過高，會使地面傳感器由于網絡信號衰減而導致數據丟失;飛行高度過低，會導致無人機與煤垛發生碰撞。因此，無人機飛行要在一個合適的高度，即最小飛行高度：

fheight（xi）=? ? ? ? ? ? ? ? ?（9）

其中，ΔH是無人機最優飛行高度，hi為無人機距離煤垛的高度，Kh為任務約束值。

2.3.4 最大飛行距離

若在無人機能耗范圍內的最大飛行距離為dmax，無人機的航程為d，則無人機最大飛行距離的約束函數為：

fdistance（xi）=? ? ? ? ? ? ? ? ? ? ? ? ? ?（10）

對于四旋翼無人機，綜合考慮最大轉彎角度、最小步長、最小飛行高度和最大飛行距離等自身性能因素進行建模，得到的最佳適應度函數為：

Fperform（xi）=α1fangle（xi）+α2fstep（xi）+α3fheight（xi）+α4fdistance（xi）

（11）

其中，αi>0且αi =1，αi為權重。

2.4 無人機飛行路徑規劃函數

綜合以上各約束條件，利用粒子群算法對無人機進行路徑規劃[9]，其適應度函數為：

Fmain（xi）=β1F1（xi）+β2Fpath（xi）+β3Fperform（xi）? ? ? ? ? ?（12）

其中，βi>0且βi =1，βi為權重。根據無人機在煤場中飛行測溫的偏重確定βi的取值，β1偏向于安全性時，β3偏向于時間及航程限制時，而β2偏向于無人機因遭到損壞而出現極大的性能問題時，我們可以根據測溫任務的實際情況來合理設置β1、β2、β3的值，以保證無人機安全、穩定、高效地完成對露天煤場煤垛的測溫任務。

3 無人機飛行測試

根據露天煤場的測溫點分布需求進行飛行路徑規劃，本文對所選用的四旋翼無人機進行飛行測試。

參考軌跡設為（0，0）→（0.5，0.5）→（0.5，-0.5）→（-0.5， -0.5）→（-0.5，-0.5）→（0，0）。選用ESO-LQR控制器控制無人機追蹤試驗，跟蹤效果如圖3，可見，基于ESO-LQR控制的無人機基本能夠按照預定的軌道[10]，完成飛行測溫任務，實現對露天煤場的實時測溫。

4 結語

本文對露天煤場場區地形進行數學建模，結合信息融合處理方法，建立露天煤場等效數字地圖;根據無人機約束條件、自身性能指標以及數字地圖參數制定了滿足任務指標且符合安全要求的適應度函數，基于粒子群算法設計無人機的最優飛行路徑，完成了無人機飛行路徑規劃。通過飛行測試，驗證了無人機按照預定路徑完成測溫任務的可行性。

參考文獻

[1] 張曉偉.中國能源進口時空格局演變與地緣能源安全評價[D].云南師范大學，2018.

[2] 鄔劍明，張晉花，吳玉國.露天礦自燃火區探測及火區綜合治理技術研究[J].煤炭工程，2012（02）：53-56.

[3] Pehlivanoglu Y V . A new vibrational genetic algorithm enhanced with a Voronoi diagram for path planning of autonomous UAV[J]. Aerospace Science and Technology，2012，16（1）：47-55.

[4] Qi Z ， Shao Z ， Ping Y S ， et al. An Improved Heuristic Algorithm for UAV Path Planning in 3D Environment[C]// International Conference on Intelligent Human-machine Systems & Cybernetics. IEEE，2010.

[5] Wang Q ， Zhang A ， Sun H Y . MPC and SADE for UAV real-time path planning in 3D environment[C]// International Conference on Security.IEEE，2014.

[6] 孫靜，吳碧，許玉堂，李燦波，羅訓強.復雜環境下無人機三維航跡規劃方法研究[J].彈箭與制導學報，2014，34（03）：170-174.

[7] Wei H ， Zhuang D ， Wanyan X ， et al. An experimental analysis of situation awareness for cockpit display interface evaluation based on flight simulation[J]. Chinese Journal of Aeronautics，2013，26（4）：884-889.

[8] Chen H， Chang K， Agate C S. UAV Path Planning with Tangent-plus-Lyapunov Vector Field Guidance and Obstacle Avoidance[J]. IEEE Transactions on Aerospace and Electronic Systems，2013，49（2）：840-856.

[9] 劉衍民.粒子群算法的研究及應用[D].山東師范大學，2011.

[10] 高青，袁亮，吳金強.基于新型LQR的四旋翼無人機姿態控制[J].制造業自動化，2014，36（10）：13-16.

Route Planning for Temperature Monitoring of Open-air Coal Yard Based on UAV

SHEN Chao-ping，SHANG Jin-qiu，ZHU Li-kai，YE Yang-fei

（Department of Aeronautical Engineering， Jiangsu Aviation Technical College， Zhenjiang Jiangsu? 212134）

Abstract：Coal is dominant in Chinas energy. Coal storage sites which are open-air， prone to coal spontaneous combustion due to weather， environment， storage time and so on， resulting in significant economic losses and environmental pollution. Therefore， exploring the new intelligent method of coal yard temperature real-time monitoring is of great significance for open-air coal yard safety management. The Unmanned Air Vehicle （UAV） is becoming an ideal platform for temperature monitoring of open-air coal yard due to its rapid deployment and low cost. Combined with digital map， this paper proposes a route planning method of UAV based on particle swarm optimization algorithm to realize real-time monitoring of open-air coal yard temperature. Finally， the UAV route planning based on particle swarm optimization algorithm in the monitoring of open-air coal yard temperature is verified.

Key words：Open-air Coal Yard; UAV; particle swarm optimization algorithm; route planning