[发明专利]基于蚁群算法的输电线路无人机巡检路径优化方法

权利要求书

1.基于蚁群算法的输电线路无人机巡检路径优化方法，其特征在于，包括以下步骤：

步骤1：获取输电线路、杆塔以及所在地形的地理信息数据；

步骤2：获取巡检无人机参数、杆塔物理数据以及用于无人机数据传输的无线网络覆盖区域；

步骤3：获取输电线路区域的卫星地图影像，根据杆塔的定位坐标将杆塔标注在卫星地图影像中，并在卫星地图影像中标注等高线；

步骤4：计算无人机的有效链路距离和杆塔巡检任务点的最低海拔高程；

步骤5：在卫星地图影像中以杆塔为中心，依据等高线绘出无人机巡检的有效链路区域；

步骤6：将步骤2-5得到的无线网络覆盖区域、杆塔标注和无人机巡检的有效链路区域叠加到公路地图中，并设置巡检无人机的起降点；

步骤7：分析无人机的巡检任务，建立输电线路无人机巡检路径规划模型；

步骤8：求解输电线路无人机巡检路径规划模型，得到最优的无人机巡检路径集合；

结合无人机巡检任务飞行路径的实际需求，在最大最小蚁群算法基础上改进，用于求解输电线路无人机巡检路径规划模型，具体的改进和优化策略包括：

(1)无人机巡检任务路径规划计算时优先执行高能耗的巡检任务；

由于电压等级、线路回数和杆塔类型的不同，部分杆塔点的精细化巡检的无人机能耗较大，先安排单台无人机直接对其进行巡检，剩余的巡检任务量再使用路径规划进行计算，既节约了能耗，也减少了参与规划计算的数据量；

(2)增加无人机最小电量限制；

为了合理使用无人机，保障无人机顺利返航，增加无人机最小电量限制，如果巡检路径规划时单台无人机最终剩余的电量小于给出的最小电量限制时，舍弃本次迭代寻优结果，重新开始巡检路径规划；

(3)优化路径选择概率；

为了最大限度地利用无人机电池电量，优先执行需求量大的杆塔任务，把杆塔巡检任务的能耗也作为路径选择概率的影响因素，并设置放大系数；

路径选择概率的计算式如下：

式中表示蚂蚁k从杆塔点v_i向下一个杆塔点v_j转移的概率；α表示信息素系数，α决定信息浓度的相对影响力，β表示启发式因子，β决定启发式信息的相对影响力，γ表示执行杆塔巡检任务能耗的放大系数；τ_ij(t)表示路径弧(v_i,v_j)的信息浓度；η_ij表示从杆塔点v_i到v_j的吸引度，即启发式信息；tabu_k表示蚂蚁k以外其它蚂蚁访问过的杆塔点的禁忌表；C_ij表示从杆塔点v_i到杆塔点v_j的飞行距离；q_j表示无人机巡检杆塔点v_j所消耗的能耗。

2.根据权利要求1所述的基于蚁群算法的输电线路无人机巡检路径优化方法，其特征在于，步骤4中，无人机的有效链路距离的计算式如下：

式中R表示无人机的有效链路距离，R_t表示无人机最大有效图像传输距离，R_y表示无人机遥控信号最大有效传输距离；

杆塔巡检任务点的最低海拔高程的计算式如下：

式中H_it表示巡检任务点杆塔i的最低海拔高程，H_ih表示杆塔i的呼称高度，L_C表示绝缘子串长度；T_i表示杆塔i的类型，T_i＝1表示杆塔i为直线塔，T_i＝2表示杆塔i为耐张塔。