無人機(jī)巡檢架空輸電線路自主避障導(dǎo)航算法研究

張紅兵 索春光 寧友歡 張文斌

摘? 要： 隨著無人機(jī)技術(shù)的發(fā)展，無人機(jī)被廣泛應(yīng)用于高壓輸電線路進(jìn)行巡檢，但受到環(huán)境因素的影響作業(yè)人員對無人機(jī)的控制難度較大，甚至導(dǎo)致無人機(jī)撞向輸電導(dǎo)線或者鐵塔引發(fā)電力事故。因此，提高無人機(jī)的自主巡航能力是無人機(jī)巡檢高壓輸電線的重要技術(shù)，基于此，本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)多傳感器數(shù)據(jù)融合方法，實(shí)現(xiàn)無人機(jī)對架空輸電線路的自主避障導(dǎo)航。該方法首先將需要巡檢的輸電線路的坐標(biāo)信息輸入無人機(jī)飛控系統(tǒng)，實(shí)現(xiàn)通過鐵塔坐標(biāo)對無人機(jī)進(jìn)行全局導(dǎo)航，而在局部則采用虛擬勢場法實(shí)現(xiàn)對無人機(jī)自主避障。對于多傳感器數(shù)據(jù)分析，本文將模糊神經(jīng)網(wǎng)絡(luò)結(jié)合模糊聚類的方法進(jìn)行改進(jìn)提出一種多傳感器數(shù)據(jù)融合算法，實(shí)現(xiàn)對無人機(jī)周圍環(huán)境的準(zhǔn)確采集，從而實(shí)現(xiàn)對無人機(jī)巡線的自主避障導(dǎo)航。最后構(gòu)建仿真實(shí)驗(yàn)平臺，對無人機(jī)尋線自主避障導(dǎo)航進(jìn)行模擬實(shí)驗(yàn)，從而驗(yàn)證了該算法的可行性。

關(guān)鍵詞： 無人機(jī)尋線，多傳感器數(shù)據(jù)融合，自主避障導(dǎo)航，模糊神經(jīng)網(wǎng)絡(luò)，自適應(yīng)

中圖分類號： TP391.9? ? 文獻(xiàn)標(biāo)識碼： A? ? DOI：10.3969/j.issn.1003-6970.2020.10.060

本文著錄格式：張紅兵，索春光，寧友歡，等. 無人機(jī)巡檢架空輸電線路自主避障導(dǎo)航算法研究[J]. 軟件，2020，41（10）：236241

【Abstract】： With the development of UAV technology， UAVs are widely used in high-voltage transmission lines for inspection， However， under the influence of environmental factors， it is more difficult for the operator to control the drone， and even causes the drone to hit the transmission line or the tower to cause an electrical accident. Therefore， improving the autonomous cruising capability of the UAV is of great significance for the UAV to inspect the high-voltage transmission lines. Based on this， this paper proposes a multi-sensor data fusion method based on fuzzy neural network to achieve autonomous obstacle avoidance navigation of UAVs on overhead transmission lines. This method first inputs the coordinate information of the transmission line that needs to be inspected into the UAV flight control system to achieve global navigation of the UAV through the tower coordinates， and locally uses the virtual potential field method to achieve autonomous obstacle avoidance for the UAV. For the analysis of multi-sensor data， this paper improves the method of fuzzy neural network combined with fuzzy clustering and proposes a multi-sensor data fusion algorithm to achieve accurate collection of the surrounding environment of the drone， thereby achieving autonomous avoidance of the UAV line patrol Barrier navigation. Finally， a simulation experiment platform was constructed to carry out simulation experiments on the autonomous liner avoidance navigation of the UAV， thus verifying the feasibility of the algorithm.

【Key words】： UAV inspection power lin; Multi-sensor data fusion; Autonomous obstacle avoidance navigation; Fuzzy neural network; Adaptive

0? 引言

隨著智能電網(wǎng)和特高壓輸電電網(wǎng)快速增長，高壓輸電線路的數(shù)量和長度也在快速增加，在未來一段時(shí)間，我國的高壓電網(wǎng)將呈現(xiàn)出電壓等級不斷提高、桿塔高度越來越高、傳輸距離越來越遠(yuǎn)、分布范圍越來越廣，同塔多回電路將越來越多的特點(diǎn)[1-3]。以此同時(shí)，輸電線路[4]的巡檢工作將是一項(xiàng)艱巨而緊迫的任務(wù)，巡檢作業(yè)人員的工作量將越來越大。采用無人機(jī)進(jìn)行輸電線路巡視，極大地提高了輸電線路的巡檢質(zhì)量和效率，降低了維護(hù)人員的作業(yè)風(fēng)險(xiǎn)和勞動(dòng)強(qiáng)度，同時(shí)又大幅降低線路巡檢的人、財(cái)、物，性價(jià)比高，具有極高的經(jīng)濟(jì)價(jià)值，極大提升了輸電線路運(yùn)行維護(hù)管理水平[5-8]。

針對無人機(jī)巡檢輸電線控制難的問題，現(xiàn)階段采用的方法主要是通過無人機(jī)搭載圖像采集傳感器將所采集的視頻反饋給地面終端，根據(jù)所反饋的圖像信息[8]進(jìn)行人工遙控遠(yuǎn)程操作無人機(jī)進(jìn)行巡檢[9]，但這樣的控制方式會因?yàn)镚PS導(dǎo)航誤差，飛行過程中陣風(fēng)過大，天氣因素等影響致使無人機(jī)偏離預(yù)設(shè)航向從而撞上鐵塔等障礙物。同時(shí)由于輸電導(dǎo)線線徑太小超聲波傳感器、激光雷達(dá)等不容易測到，利用攝像頭傳感器采集圖像信息容易受到、天氣狀況以及環(huán)境因素影響，這些都將導(dǎo)致作業(yè)人員無法根據(jù)反饋的視頻信息辨別無人機(jī)與輸電導(dǎo)線、鐵塔等障礙物的實(shí)時(shí)距離實(shí)現(xiàn)即時(shí)避障。而且無人機(jī)在巡檢架空輸電線路過程中常遇到輸電導(dǎo)線爬坡，急轉(zhuǎn)彎、架空輸電導(dǎo)線間的不同排列、連接方式的相互結(jié)合等復(fù)雜情況，這些情況都增加了作業(yè)人員對無人機(jī)的控制難度，從而導(dǎo)致無人機(jī)撞向輸電導(dǎo)線或者鐵塔[9]。針對上述問題，國內(nèi)外學(xué)者對采用無人機(jī)對架空輸電線路進(jìn)行巡檢進(jìn)行了很多研究，并取得了一些成果。

文獻(xiàn)[10]給出一種模糊算避障算法用于多旋翼無人機(jī)上使用的避障策略，以5路超聲波傳感器作為避障所用的距離傳感器;文獻(xiàn)[11] 根據(jù)輸電導(dǎo)線周圍的電場環(huán)境，利用導(dǎo)線間距與電場強(qiáng)度之間的對應(yīng)關(guān)系，提出了一種基于電場強(qiáng)度變化率的限值判斷的無人機(jī)巡檢帶電導(dǎo)線的場強(qiáng)三維差分避障方法，但該方法中所提的場強(qiáng)變化率限值受外界干擾而不能準(zhǔn)確求出;文獻(xiàn)[12]提出一種智能避障方法，該方法根據(jù)無人機(jī)飛行區(qū)域的障礙物分布情況建立飛行區(qū)域的柱狀避障空間建模，通過將避障系統(tǒng)與輸電導(dǎo)線周圍電場場強(qiáng)分布情況結(jié)合，建立神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)無人機(jī)的實(shí)時(shí)避障。文獻(xiàn)[13]采用了多傳感器融合技術(shù)，通過對巡檢過程中可能出現(xiàn)的障礙物進(jìn)行建模，建立最小安全空間模型和輸電線路周圍電場模型，提出基于模糊神經(jīng)網(wǎng)絡(luò)的方法，對無人機(jī)電力巡線的避障技術(shù)進(jìn)行了研究這種方法為電力尋線無人機(jī)的避障提供了一定的參考意義，但該方法對的數(shù)據(jù)處理較大，很難實(shí)現(xiàn)實(shí)時(shí)避障導(dǎo)航;文獻(xiàn)[14]提出了一種高壓線檢測與識別算法，通過對高壓輸電導(dǎo)線進(jìn)行識別后作為無人機(jī)巡線的導(dǎo)航目標(biāo)，但在應(yīng)用過程中發(fā)現(xiàn)該方法受天氣因素干擾較大，數(shù)據(jù)處理較為復(fù)雜，實(shí)時(shí)性和安全性不能得到有效保證。國外一些學(xué)者基于圖像采集處理為無人機(jī)避障導(dǎo)航提供參考，但這些方法對環(huán)境要求較為苛刻，對數(shù)據(jù)處理要求較高，不能被廣泛的應(yīng)用。基于此，為了保證無人機(jī)尋線過程中的安全以及提高無人機(jī)尋線的可靠性、安全性以及提高尋線的效率，實(shí)現(xiàn)無人機(jī)的自主避障和自主尋線。本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)多傳感器數(shù)據(jù)融合方法實(shí)現(xiàn)無人機(jī)對架空輸電線路的自主避障導(dǎo)航，該方法首先將巡檢的輸電線路鐵塔坐標(biāo)輸入無人機(jī)飛控系統(tǒng)，通過鐵塔坐標(biāo)實(shí)現(xiàn)對無人機(jī)進(jìn)行全局導(dǎo)航，而在局部則采用虛擬勢場法實(shí)現(xiàn)對無人機(jī)自主避障。對于多傳感器數(shù)據(jù)分析，本文將模糊神經(jīng)網(wǎng)絡(luò)與模糊聚類的方法相結(jié)合進(jìn)行改進(jìn)提出一種多傳感器數(shù)據(jù)融合算法，實(shí)現(xiàn)對無人機(jī)周圍環(huán)境的準(zhǔn)確采集，從而實(shí)現(xiàn)對無人機(jī)巡線的自主避障導(dǎo)航。文中所述方法為實(shí)際應(yīng)用中的無人機(jī)巡檢架空輸電導(dǎo)線自主避障導(dǎo)航提供了參考。

1? 多傳感器數(shù)據(jù)融合方法

1.1? 避障導(dǎo)航傳感器選擇

基于上述分析，無人機(jī)巡檢高壓輸電線所使用的傳感器受到自身測量特性以及環(huán)境因素的限制，周圍復(fù)雜障礙物信息的不確定性致使無人機(jī)處于危險(xiǎn)的環(huán)境中。每一種傳感器都可以提取避障導(dǎo)航信息的一部分，而提取的這一部分信息由于受到其它因素的干擾不能準(zhǔn)確反映目標(biāo)的準(zhǔn)確信息或者只能提取目標(biāo)的某一部分單一信息，無法準(zhǔn)確判斷目標(biāo)物體的狀態(tài)。使用多傳感器對巡檢過程中的各個(gè)導(dǎo)航信息進(jìn)行檢測和融合，通過不同傳感器對外界環(huán)境的變化信息進(jìn)行采集和檢測，從采集的信息中提取有意義的信息，可以充分利用目標(biāo)物體的特征信息[15-17]。為實(shí)現(xiàn)多傳感器數(shù)據(jù)融合為無人機(jī)巡線提供自主避障導(dǎo)航目標(biāo)，本文采用的傳感器為：采集輸電導(dǎo)線周圍場強(qiáng)信號的工頻電場傳感器、檢測無人機(jī)尋線過程中的飛行速度、無人機(jī)姿態(tài)檢測的加速度計(jì)陀螺儀傳感器、以及氣壓計(jì)，GPS導(dǎo)航系統(tǒng)，對輸電導(dǎo)線、鐵塔以及周圍障礙物進(jìn)行實(shí)時(shí)測距的超聲波傳感器。其系統(tǒng)結(jié)構(gòu)圖如圖1所示。

無人機(jī)搭載的主要傳感器模塊布局如圖2所示：將傳感器所采集的數(shù)據(jù)信息作為系統(tǒng)輸入，其中黑色方塊表示傳感器，分別標(biāo)記為1、2、3、4、5、6、7、8、9、10、11、12、13其中1、2、3、4為工頻電場傳感器，5、6、7、8為超聲波傳感器，9為GPS接收模塊，10為加速度計(jì)陀螺儀MPU6050。

1.2? 基于神經(jīng)網(wǎng)絡(luò)多傳感器數(shù)據(jù)融合原理

無人機(jī)尋線過程是一個(gè)復(fù)雜的過程，無法建立準(zhǔn)確的數(shù)學(xué)模型進(jìn)行描述，而模糊理論不需要建立精確的數(shù)學(xué)模型即可對非線性系統(tǒng)進(jìn)行控制[18]，模糊邏輯最大的優(yōu)點(diǎn)是可以以經(jīng)驗(yàn)控制難以準(zhǔn)確地建立數(shù)學(xué)模型的系統(tǒng)，而模糊控制規(guī)則和隸屬度函數(shù)一旦確定就不能更改，這樣系統(tǒng)對外界環(huán)境很難具有學(xué)習(xí)和適應(yīng)的能力[19]。而神經(jīng)網(wǎng)絡(luò)能夠映射任意函數(shù)關(guān)系，自學(xué)能力強(qiáng)，彌補(bǔ)了模糊邏輯的不足。將神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力引入到模糊系統(tǒng)中，將模糊系統(tǒng)的模糊化處理、模糊化推理、精確化計(jì)算通過分布式的神經(jīng)網(wǎng)絡(luò)來表示是實(shí)現(xiàn)模糊系統(tǒng)自組織、自學(xué)習(xí)的重要途徑。在模糊神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)的輸入輸出節(jié)點(diǎn)來表示模糊系統(tǒng)的輸入輸出信號，神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點(diǎn)來表示隸屬函數(shù)和模糊規(guī)則，利用神經(jīng)網(wǎng)絡(luò)的并行處理能力使得模糊系統(tǒng)的推理能力大大提高。與傳統(tǒng)的以概率理論為基礎(chǔ)的融合方法相比，基于糊神經(jīng)網(wǎng)絡(luò)的多源數(shù)據(jù)融合算法不僅提高了普通人工神經(jīng)網(wǎng)絡(luò)處理精確信息的能力，而且模糊網(wǎng)絡(luò)也能夠處理不確定信息以及模糊信息，而且訓(xùn)練好的網(wǎng)絡(luò)無需其他先驗(yàn)信息，就能夠融合多傳感器信息，很大程度上提高了融合系統(tǒng)的融合能力和準(zhǔn)確性[20]。因此，采用模糊神經(jīng)網(wǎng)絡(luò)的方法能較好的解決無人機(jī)巡線過程中的多傳感器數(shù)據(jù)融合的問題。

Kohonen網(wǎng)絡(luò)是一種能夠識別環(huán)境特征并自動(dòng)聚類，自組織競爭型的神經(jīng)網(wǎng)絡(luò)。其原理是在網(wǎng)絡(luò)學(xué)習(xí)過程中，當(dāng)樣本數(shù)據(jù)輸入網(wǎng)絡(luò)時(shí)，競爭層上的神經(jīng)元計(jì)算輸入樣本與競爭層神經(jīng)元權(quán)值之間的歐幾里德距離，距離最小的神經(jīng)元為獲勝神經(jīng)元。調(diào)整獲勝神經(jīng)元和相鄰神經(jīng)元權(quán)值，使獲得神經(jīng)元及周邊權(quán)值靠近該輸入樣本。通過反復(fù)訓(xùn)練，最終各神經(jīng)元的連接權(quán)值具有一定的分布，該分布把數(shù)據(jù)之間的相似性組織到代表各類的神經(jīng)元上，使同類神經(jīng)元具有相近的權(quán)系數(shù)，不同類的神經(jīng)元權(quán)系數(shù)差別明顯。在學(xué)習(xí)的過程中，權(quán)值修改學(xué)習(xí)速率和神經(jīng)元領(lǐng)域在不斷較少，從而使同類神經(jīng)元逐漸集中。如圖3所示為Kohonen神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法流程。

1.3? T-S模糊神經(jīng)網(wǎng)絡(luò)

T-S模糊神經(jīng)網(wǎng)絡(luò)模型[21]是具有很強(qiáng)自適應(yīng)能力的系統(tǒng)模型，它具有自動(dòng)更新系統(tǒng)和模糊隸屬度函數(shù)的特性，其T-S模糊神經(jīng)網(wǎng)絡(luò)模型可以描述為：

其中：為系統(tǒng)模糊集;為系統(tǒng)參數(shù);為模糊模型的輸出。

由上述模型可見，輸入是模糊變量，輸出結(jié)果則是明確的。

對于輸入，根據(jù)模糊規(guī)則首先計(jì)算輸入變量的模糊隸屬度值。

模糊神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)融合的一般過程如圖4所示。

利用Kohonen神經(jīng)網(wǎng)絡(luò)的聚類來確定標(biāo)準(zhǔn)的T-S模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。對模糊神經(jīng)網(wǎng)絡(luò)要處理的數(shù)據(jù)首先進(jìn)行聚類處理，假定聚類結(jié)果有j個(gè)類型，就可以把j作為模糊子集的個(gè)數(shù)，每個(gè)模糊子集代表一條模糊推理機(jī)制。于是就用這些規(guī)則近似代替各條模糊規(guī)則所對應(yīng)的模糊子集內(nèi)的所有樣本的規(guī)則推理，進(jìn)一步確定網(wǎng)絡(luò)模糊化層中的節(jié)點(diǎn)數(shù)。

假設(shè)輸入層為m維輸入，由聚類神經(jīng)網(wǎng)絡(luò)確定j個(gè)模糊子集，從而確定結(jié)果的j條模糊推理規(guī)則。即模糊化層中每一個(gè)輸入節(jié)點(diǎn)都對應(yīng)著j個(gè)模糊隸屬函數(shù)，假設(shè)對于第i個(gè)輸入的第j條模糊規(guī)則的隸屬度為。多傳感器信息融合過程如圖5所示。

1.4? 算法改進(jìn)

為了簡化上式算法中計(jì)算復(fù)雜度和融合精度的問題，對隸屬度連乘算子進(jìn)行如下改進(jìn)：

設(shè)4個(gè)工頻電場傳感器對輸電線路所測的場強(qiáng)等效距離為x1、x2、x3、x4，由于輸電導(dǎo)線周圍的電場強(qiáng)度與所處的環(huán)境溫度，濕度有關(guān)而且無人機(jī)飛行姿態(tài)以及鐵塔等周圍障礙物對電場會產(chǎn)生畸變，為了較為準(zhǔn)確的根據(jù)所檢測電場強(qiáng)度計(jì)算無人機(jī)與輸電導(dǎo)線之間的距離，需要采用多傳感器對周圍信息進(jìn)行采集，進(jìn)過數(shù)據(jù)融合，輔助測量安全距離;其工頻電場檢測模塊信息融合模型如圖6所示。

四個(gè)超聲波傳感器所等效的距離為d1、d2、d3、d4，由于超聲波傳感器能夠測量障礙物與無人機(jī)之間的距離，但是對于尋線無人機(jī)而言，不同的障礙物，不同形狀的障礙物對無人機(jī)巡檢輸電線路的影響程度是不同的，比如高壓輸電線和鐵塔對無人機(jī)影響比較大，因此無人機(jī)飛行過程中不僅需要檢測障礙物的位置，還需要對障礙物的形狀以及性質(zhì)進(jìn)行判斷，因此，需要采用多個(gè)傳感器數(shù)據(jù)融合的形式對障礙物進(jìn)行檢測。檢測模塊信息融合模型如圖7所示。

無人機(jī)此時(shí)的巡航速度直接決定了無人機(jī)下一步避障的角度和避障速度，因此準(zhǔn)確檢測無人機(jī)的實(shí)時(shí)巡航速度對無人機(jī)的避障導(dǎo)航是極為重要的，本文采用加速度計(jì)傳感器采集無人機(jī)巡航的速度V;

GPS接收模塊收到無人機(jī)的經(jīng)緯度坐標(biāo)與輸電線路的坐標(biāo)對比、計(jì)算，得到無人機(jī)與電力桿塔和輸電線路之間的距離D;

輸入、輸出量的模糊化就是把多傳感器探測到的確切信息轉(zhuǎn)化成模糊量，輸入信息包括超聲波傳感器、激光雷達(dá)傳感器、工頻電場檢測傳感器和GPS接收模塊提供的無人機(jī)的位置和距離障礙物的信息。

2? 無人機(jī)自主避障導(dǎo)航算法研究

2.1? 無人機(jī)局部自主導(dǎo)航避障

建立模糊神經(jīng)網(wǎng)絡(luò)對多傳感器數(shù)據(jù)進(jìn)行先關(guān)處理后得到無人機(jī)尋線過程中所遇到的障礙物信息、無人機(jī)所處環(huán)境中的電磁場強(qiáng)度以及與輸電導(dǎo)線之間的位置關(guān)系，由于無人機(jī)在巡線過程中，保證無人機(jī)巡線安全的情況下盡可能的讓無人機(jī)靠近輸電導(dǎo)線及鐵塔以便較快發(fā)現(xiàn)導(dǎo)線所存在的問題。但在此過程中，電磁場強(qiáng)度過大會影響無人機(jī)的信號，干擾無人機(jī)的飛行，影響無人機(jī)所攜帶的電子元件，從而影響無人機(jī)對信號的采集進(jìn)而影響對無人機(jī)的控制，致使無人機(jī)失控從而造成不必要的電力事故，造成重大的損失。但是如果無人機(jī)尋跡距離輸電導(dǎo)線較遠(yuǎn)，很容易忽略輸電導(dǎo)線的一些故障，達(dá)不到巡檢的效果，因此電磁場信號對無人機(jī)巡線既是一個(gè)引力信號也是一個(gè)斥力信號。但輸電導(dǎo)線周圍的電場會受到鐵塔等障礙物的影響而發(fā)生畸變，所以需要用多傳感器[22]對相關(guān)的場景模式進(jìn)行識別，將識別的結(jié)果結(jié)合電場強(qiáng)度進(jìn)行避障和導(dǎo)航。本文采用虛擬力場法對無人機(jī)的自主避障導(dǎo)航提供計(jì)算[23]。

虛擬力場法是一種基于人工勢場法原理和柵格法原理結(jié)合得到的用于機(jī)器人實(shí)時(shí)避障的方法。該方法將引力場與障礙物周圍的斥力場共同作用，通過搜索勢函數(shù)下降的方向來尋找巡航路徑的方法，使得無人機(jī)能避開障礙物沿合力的方向規(guī)劃飛行軌跡。在文中，將無人機(jī)采集障礙物信息的范圍分成若干個(gè)視窗單元格，根據(jù)障礙物的位置與形狀，每個(gè)單元格對無人機(jī)會產(chǎn)生不同大小的斥力作用，建立斥力模型如下：

由上式可以看出，由于的作用，當(dāng)無人機(jī)靠近障礙物時(shí)，斥力會迅速增大，當(dāng)無人機(jī)遠(yuǎn)離障礙物時(shí)，斥力會迅速減弱。無人機(jī)所受斥力為各個(gè)障礙物對它的斥力矢量和，即為：

在巡線過程中，為了讓無人機(jī)盡在安全范圍內(nèi)可能的靠近輸電導(dǎo)線，對無人機(jī)巡線產(chǎn)生引力作用的是場強(qiáng)因素，當(dāng)場強(qiáng)小于某一個(gè)閾值時(shí)，場強(qiáng)越大，引力越大，但考慮到無人機(jī)搭載的電子元器件會受到強(qiáng)電強(qiáng)磁的干擾，所以需要為無人機(jī)設(shè)定一個(gè)場強(qiáng)閾值，當(dāng)場強(qiáng)超過閾值時(shí)，電場強(qiáng)度對無人機(jī)產(chǎn)生較強(qiáng)的斥力，在安全范圍內(nèi)，場強(qiáng)對無人機(jī)產(chǎn)生的引力與場強(qiáng)大小呈正相關(guān)關(guān)系。建立場強(qiáng)對無人機(jī)引力的數(shù)學(xué)模型如下：

2.2? 無人機(jī)全局自主導(dǎo)航避障

無人機(jī)進(jìn)行對輸電線路進(jìn)行巡檢之前需要下載所巡檢的輸電線路的桿塔經(jīng)緯坐標(biāo)，為無人機(jī)提供巡航檢測目標(biāo)。當(dāng)無人機(jī)離高壓輸電鐵塔較遠(yuǎn)時(shí)，可以以下一個(gè)鐵塔為目標(biāo)點(diǎn)進(jìn)行全局路線規(guī)劃，而距離鐵塔較近時(shí)，將鐵塔作為障礙物，將下一個(gè)鐵塔作為巡檢的目標(biāo)點(diǎn)，在對每一段輸電線路進(jìn)行巡檢過程中，全局的路徑規(guī)劃引入估價(jià)函數(shù)，因此，全局的路徑規(guī)劃采用改進(jìn)的A*算法，其數(shù)學(xué)模型如下：

此時(shí)，當(dāng)估價(jià)函數(shù)，的g值一定時(shí)，就會或多或少制約著估價(jià)值h。因此，節(jié)點(diǎn)距離目標(biāo)點(diǎn)越近，則h值越小，值也就相對小，從而在最短路徑的搜索中，能夠保證搜索向終點(diǎn)進(jìn)行。

3? 無人機(jī)自主避障導(dǎo)航算法仿真實(shí)驗(yàn)

3.1? 仿真實(shí)驗(yàn)平臺

針對無人機(jī)巡檢輸電線路的真實(shí)情況，設(shè)計(jì)無人機(jī)自主巡線避障仿真模型，無人機(jī)通過搭載多傳感器對巡檢的輸電線路環(huán)境中所設(shè)計(jì)的障礙物進(jìn)行檢測，將多個(gè)傳感器數(shù)據(jù)進(jìn)行相關(guān)融合，通過處理后的數(shù)據(jù)對無人機(jī)與障礙物的關(guān)系進(jìn)行識別，達(dá)到避障的效果。再通過所設(shè)計(jì)的避障導(dǎo)航算法對無人機(jī)進(jìn)行航跡規(guī)劃，達(dá)到無人機(jī)自主避障導(dǎo)航的目的。無人機(jī)尋線自主避障導(dǎo)航仿真平臺由巡航環(huán)境設(shè)置、傳感器數(shù)據(jù)采集、多傳感器數(shù)據(jù)融合、航跡規(guī)劃等部分組成，如下圖8所示。

3.2? 仿真實(shí)驗(yàn)分析

下圖采用數(shù)學(xué)仿真軟件matlab對算法進(jìn)行仿真的結(jié)果，圖中o表示障礙物所在的位置坐標(biāo)，藍(lán)色直線表示一段輸電導(dǎo)線，紅色的曲線則表示無人機(jī)自主避障導(dǎo)航規(guī)劃的運(yùn)動(dòng)軌跡，無人機(jī)在巡航過程中，既要避開輸電導(dǎo)線以及障礙物，還要順著輸電導(dǎo)線進(jìn)行巡檢。從圖9中可以看出，該算法能夠較好的實(shí)現(xiàn)無人機(jī)的自主避障。

4? 結(jié)語

（1）本文基于T-S模糊神經(jīng)網(wǎng)絡(luò)和聚類神經(jīng)網(wǎng)絡(luò)改進(jìn)一種對多傳感器數(shù)據(jù)進(jìn)行融合，提高了障礙物檢測的準(zhǔn)確性，從而為無人機(jī)實(shí)時(shí)避障導(dǎo)航提供可靠的信息。融合后的信息主要分為兩個(gè)組，一個(gè)組的信息主要以場強(qiáng)為主，當(dāng)電場強(qiáng)度值小于某一個(gè)極限值時(shí)場強(qiáng)值對無人機(jī)是一個(gè)引力信息，無人機(jī)在局部以場強(qiáng)信息作為搜索目標(biāo)進(jìn)行搜索。另一組以超聲波傳感器檢測信息為主，這一組信息主要表現(xiàn)為障礙物對無人機(jī)的影響。表現(xiàn)為斥力信息。

（2）無人機(jī)在局部根據(jù)所融合的兩組傳感器信息實(shí)現(xiàn)導(dǎo)航避障，但這樣當(dāng)無人機(jī)被周圍障礙物包圍時(shí)會陷入局部最優(yōu)，找不到全局目標(biāo)作為導(dǎo)航信息，或者需要長時(shí)間才能找到目標(biāo)，從而影響巡檢的效率?；诖?，本文采用改進(jìn)的A*算法實(shí)現(xiàn)無人機(jī)的全局避障導(dǎo)航。

（3）改進(jìn)的A*算法以輸電導(dǎo)線的鐵塔為巡檢目標(biāo)，當(dāng)無人機(jī)被障礙物包圍時(shí)，全局目標(biāo)信息依然有效，從而能夠盡快找到巡航的路徑。無人機(jī)在對某一段輸電線路進(jìn)行巡檢時(shí)，需要將該段輸電線路的鐵塔經(jīng)緯度坐標(biāo)輸入數(shù)據(jù)處理系統(tǒng)，通過無人機(jī)所搭載的GPS系統(tǒng)檢測無人機(jī)實(shí)時(shí)的位置坐標(biāo)，從而判斷無人機(jī)與下一個(gè)鐵塔之間的距離，如果距離較遠(yuǎn)，則將該鐵塔作為巡檢的目標(biāo)，如果與輸電鐵塔的距離較近，則將該鐵塔作為障礙物，將下一個(gè)鐵塔作巡檢的目標(biāo)，從而避免陷入局部最優(yōu)而影響無人機(jī)巡檢的效率，實(shí)現(xiàn)無人機(jī)在巡檢架空輸電線路過程中的自主避障導(dǎo)航。

（4）本文針對無人機(jī)巡檢架空輸電導(dǎo)線提出一種較為簡單有效的多傳感器數(shù)據(jù)融合自主避障算法，為后續(xù)的開發(fā)提供了參考，但該算法也存在一些問題，由于傳感器要求精度較高，容易受到噪聲的干擾，以及所選用的傳感器量程較短，所以，當(dāng)無人機(jī)巡航速度較快時(shí)，將會降低避障的效果，這是下一步進(jìn)行改進(jìn)的點(diǎn)。

參考文獻(xiàn)

[1]IEEE Draft Guide for Unmanned Aerial Vehicle-based Patrol Inspection System for Transmission Lines，" in IEEE P2821/D5， June 2020， vol.， no.， pp.1-49， 8 June 2020.

[2]艾嘉豪， 朱大明. 無人機(jī)傾斜攝影測量在三維建模中的應(yīng)用[J]. 軟件， 2018， 39（6）： 192-195.

[3]皮祖成， 陳文， 馬龍， 等. 面向?qū)ο蟮臒o人機(jī)任務(wù)設(shè)備通信接收軟件設(shè)計(jì)[J]. 軟件， 2018， 39（7）： 63-67.

[4]C. Liu， Y. Shao， Z. Cai and Y. Li， “Unmanned Aerial Vehicle Positioning Algorithm Based on the Secant Slope Characteristics of Transmission Lines，” in IEEE Access， vol. 8， pp. 43229- 43242， 2020.

[5]T. Santos et al.， “PLineD： Vision-based power lines detection for Unmanned Aerial Vehicles，” 2017 IEEE International Conference on Autonomous Robot Systems and Competitions （ICARSC）， Coimbra， 2017， pp. 253-259.

[6]陳曉燕， 姚高偉， 張鯤， 等. 基于遺傳算法的無線傳感器節(jié)點(diǎn)定位在農(nóng)業(yè)的應(yīng)用[J]. 軟件， 2015， 36（4）： 1-5.

[7]C. Liu， Y. Shao， Z. Cai and Y. Li， “Unmanned Aerial Vehicle Positioning Algorithm Based on the Secant Slope Characteristics of Transmission Lines，” in IEEE Access， vol. 8， pp. 43229- 43242， 2020.

[8]呂占偉， 陶崢. 無線傳感器網(wǎng)絡(luò)定位技術(shù)[J]. 軟件， 2015， 36（4）： 76-80.

[9]顧子玲， 李興華. 化工園區(qū)氣體排放無線傳感器監(jiān)測系統(tǒng)算法研究[J]. 軟件， 2015， 36（12）： 171-175.

[10]劉世釗. 輸電線路無人機(jī)避障和檢測方法研究[D]. 華北電力大學(xué)， 2016.

[11]鄭天茹， 孫立民， 婁婷婷， 等. 無人機(jī)巡檢帶電導(dǎo)線的電場測量避障方法[J]. 山東電力技術(shù)， 2017， 44（7）： 21-24.

[12]徐華東. 無人機(jī)電力巡線智能避障方法研究[D]. 南京航空航天大學(xué)， 2014.

[13]邴麗媛， 劉智， 蔣余成. 基于模糊神經(jīng)網(wǎng)絡(luò)的電力巡線無人機(jī)避障技術(shù)研究[J]. 長春理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017（3）.

[14]趙利坡， 范慧杰， 朱琳琳， 等. 面向巡線無人機(jī)高壓線實(shí)時(shí)檢測與識別算法[J]. 小型微型計(jì)算機(jī)系統(tǒng)， 2012， 33（4）： 882-886.

[15]王耀南， 李樹濤. 多傳感器信息融合及其應(yīng)用綜述[J]. 控制與決策， 2001， 16（5）： 518-522.

[16]Oates T. R.SiegwartI.NourbakhshIntroduction to Autonomous Mobile Robots2004MIT Press[J]. Artificial Intelligence， 2005， 169（2）： 146-149.

[17]Ayrulu B， Barshan B. Comparative analysis of different approaches to target classification and localization with sonar[C]// International Conference on Multisensor Fusion & Integration for Intelligent Systems. IEEE， 2003.

[18]陳超超. 輪式移動(dòng)機(jī)器人避障的研究[D]. 燕山大學(xué)， 2004.

[19]袁新娜. 基于多傳感器信息融合技術(shù)的智能小車避障系統(tǒng)研究[D]. 中北大學(xué)， 2010.

[20]楊權(quán). 基于模糊神經(jīng)網(wǎng)絡(luò)的多源信息融合[D]. 中北大學(xué)， 2017.

[21]石黎， 孫志梅. 教學(xué)質(zhì)量評價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型[J]. 軟件， 2015， 36（3）： 19-21.

[22]Quan Q. Introduction to multicopter design and control[M]// Introduction to Multicopter Design and Control. Springer Singapore， 2017.

[23]Gilbert E G. Distance Functions and Their Application to Robot Path Planning in the Presence of Obstacles[J]. IEEE Journal on Robotics & Automation， 2003， 1（1）： 21-30.