無人機自主電力巡線關鍵技術研究

曾 忱，郭 勇，段 煉

（國網湖北送變電工程有限公司，湖北 武漢 430063）

0 引 言

輸電線路通常位于交通不便、渺無人煙的山區，隨著電網的建設，輸電線路桿塔增多，人員不足等問題明顯。依靠人工進行巡視查找線路缺陷的方法已經不現實，巡視質量較低。遇到特殊天氣，如雷雨暴風等情況時，巡線存在巨大的安全風險，輸電線路直升機巡視無法開展，容易產生各種安全問題，出現缺陷時也無法順利發現[1-3]。

本文主要研究高精度三維激光點云數據的關鍵技術，依靠這項技術實現無人機航線自主規劃和自主作業，從人工操作型變成自動型，提高巡線的可靠性，實現高質量輸電線路自主巡檢模式。

1 基于激光點云的三維航線規劃平臺研發

1.1 激光雷達原理

激光雷達系統通過激光測距手段可以測量目標的位置、形狀及狀態，從而達到探測、識別以及跟蹤目標的目的[4,5]。激光雷達可以形成點云形式數據，生成三維坐標。它作為一個傳感器，工作光譜段處在紅外線到紫外線之間，組成原件主要有接收機、測量控制系統、電源以及發射機。

無人機上的激光雷達取得電力走廊的激光數據，包括影像數據、攝像數據、紅外紫外數據以及環境變量參數等。通過計算激光雷達獲得的數據可以得到線路刨面圖、截面圖、弧垂長度以及鐵塔高度等資料，形成點云激光三維模型[6]。

1.2 基礎點云數據管理

利用采集來的激光點云數據可以處理形成輸電線路的三維數字模型，將線路下方的導線、地線、樹、鐵塔、山川、電力線沿線地形以及河流等構建成模型。

1.3 重構電力線的方法

無人機激光雷達受到現場環境和地形地貌等因素的影響，取得的輸電導線點云數據密集程度不夠，最終造成點云空間分布間距過大和導線斷裂等，因此需要恢復導線，實現其原有空間布局。本文采用逐步降維的方法，形成三維空間曲線重塑。

首先過濾重復數據，刪除數據重復點；其次依照導線在水平面分布呈直線的特點擬合二維平面直線，進行一次降維；再次依照導線在垂直水平面上呈拋物線特點分布實現二次降維和二維曲線擬合；最后完成整個三維空間的擬合，獲得導線三維整體空間的分布。

一次降維實現X-Y平面的直線擬合，二次降維實現X-Z平平面的直線擬合，最終擬合整個三維空間。圖1為導線重構的示意圖。

圖1 導線重構的示意圖

1.3.1 導線數據剔除重復點

因為激光雷達重復接收數據，會得到點云數據重復點過多，并且同一個空間位置有幾個以上的相同數據會影響計算速度，因此需要進行預處理。將導線數據存儲進set容器中，然后對重復點進行過濾剔除。

1.3.2 生成相對坐標

激光雷達采集數據較多，需要進行重新定位，選擇適合的坐標原點。設置處理的導線點云數據為對象，分別選取X、Y、Z方向最小值，形成一個空間點（Xmin,Ymin,Zmin），將它當做新的坐標原點，處理所有的導線數據，生成相對坐標。選擇Xmin和相對應的Y值為y_xmin，形成一個點（xmin,y(xmin)），把點作為中心點在X-Y平面上旋轉變換，獲得跟與X軸平行的數據。

1.3.3X-Y平面直線擬合

采用處理過后的導線激光點云數據，實行平面最小二乘法直線擬合。計算公式為：

1.3.4 空間導線恢復

先在x方向設置一個步長，獲得對應的然擬合直線上的y值，將y坐標值旋轉變換，獲得平行于x軸的新坐標，并將其輸入方程獲得z坐標，最后將各項坐標值相加，求得對應原點值，也就是擬合的空間導線所有坐標值。

2 輸電線路巡檢航線自動規劃

通過激光雷達點云數據獲得的線路巡檢數據，在輸電導線之間實施自動測量，產生三維數據庫，生成安全距離檢測數據報告，包括工況安全距離檢測報告、危險點檢測報告、各種輸電線路的交叉信息表、線路最大安全距離檢測報告以及隱患點分析統計表等。檢測內容包括輸電線路系統參數、輸電線路無人機掃描獲得作業氣象的條件、輸電線路的設備參數以及輸電線路的巡檢總體4項。獲得參數后不僅要記錄線路名稱、運行的塔號、報告的產生時間、工作時的負荷以及最大負荷，還要記錄當時的氣象條件、線路名稱、塔號、里程、掃描溫度、掃描濕度、掃描風向以及掃描風力。

自動巡線需滿足3點要求，一是巡檢過程不能重復巡檢同一桿塔，二是總時間需最短，三是風險高的桿塔優先通過。

自動巡線桿塔時間與桿塔的關系可以表示為：

式中，i、j分別表示塔的代號，Tij代表巡檢雷達到達i塔和j塔之間距離耗費的時間。在現場環境下，Tij受到多種條件的干擾。

巡線過程主要包括以下3步。首先，初始化。循環次數和自適應循環次數設為0，最大循環次數用Nmax表示，計算得出塔桿的距離Dij后開始航線規劃。其次，迭代計算公式。使用迭代計算對桿塔的信息素濃度進行調整。最后，選擇全局最優路線。所有道路搜索完成后，計算每一次的代價和，代價之和最小的路線則為最優路線。

3 無人機自主避障功能

3.1 無人機局部自主避障方案

無人機避障功能的實施要提前獲得無人機和輸電線周圍障礙物間的位置關系，在飛行的同時需要傳感器獲得環境的位置信息，根據信息處理保持適合的飛行速度和飛行角度來躲避障礙。目前有以下兩種方法可以取得位置信息。一是通過現場環境的二維地圖，在巡線范圍標記所有障礙物的地點，使得無人機在特定的高度按照路徑進行規劃，躲避障礙。此方法要求地圖的精準度較高。二是采用位置傳感器探索輸電線路四周障礙，根據處理器中的避障決策來進行躲避[7]。

目前，無人機的發展中通常研究針對未知障礙物的自主避障技術。無人機利用視覺傳感器、超聲波傳感器、激光雷達傳感器以及GPS等獲得空間信息，其中視覺傳感器的作用是取得無人機和輸電線的距離，超聲波傳感器和激光雷達傳感器的作用是獲得相對位置信息，而GPS可以得到經緯度數據。通過整合這些數據，從而獲得最優方案。

各類型傳感器的分布如圖2所示，其中1、2、3、4是超聲波傳感器，位于無人機的左前、右前、左后以及右后，5、6、7、8是激光雷達測距傳感器，位于無人機的前、后、左以及右。

圖2 無人機傳感器分布圖

3.2 避障導航傳感器選擇

無人機傳感器由于其自身測量特性和環境因素的影響以及環境的不確定性等，因此飛行過程存在不安全因素。每一種傳感器能夠提供避障的信息，但是存在一定的環境干擾使其無法精準得到目標物體的準確狀態。因此需要使用多種傳感器，檢測融合各種信息，從而有效獲得真實的障礙物信息。本文選用可以采集輸電導線周圍場強信號的工頻電場、檢測無人機飛行速度的加速度計、檢測無人機飛行姿態的陀螺儀傳感器以及可以對輸電導線及周圍環境進行實時測距的超聲波傳感器[8]。

3.3 神經網絡多傳感器數據融合的方法

神經網絡能夠映射任意函數關系，適合加入模糊理論系統配合使用，用來表示模糊化處理、模糊化推理以及精確化計算等。模糊神經網絡的輸入輸出節點對應系統的輸入輸出信號，神經網絡的隱含節點代表隸屬函數和模糊規則[9]。采用神經網絡的并行處理能力提高模糊系統的推理，與以概率理論為基礎的融合方法對比，不但可以提高普通人工神經網絡信息處理的能力，而且還能處理不確定的信息。無需其他先驗信息，就可以融合多傳感器信息，大大提高了融合系統的融合能力和準確度。

Kohonen網絡的原理是網絡輸入數據時，競爭層上計算輸入樣本與競爭層神經元權值之間距離最小的神經元就是獲勝的神經元。通過調整獲勝神經元和相鄰神經元權值，讓獲勝神經元及周邊的權值無限接近輸入數據，同類神經元獲得近似的權系數，而不同類的權系數明顯不同[10]。

4 結 論

為了發揮自主巡檢的優勢，需進一步解決人工巡檢的弊端和風險。本文分析研究了激光點云和避障系統，配合人工智能識別技術，實現故障的識別、診斷以及分析。采用傳感器、激光雷達、GPS系統等獲得線路狀態數據，通過神經網絡進行融合，實現實時監測與感知。當出現異常數據時，可以與歷史監測數據進行對比分析，得出線路故障診斷報告。未來將進一步加強對三維建模、實時信息回傳以及自主降落技術的研究，完善無人機調度管理平臺系統，進一步實現無人機輸電線路狀態監測，保證無人機飛行的安全性，提升巡檢的智能化。