[发明专利]一种基于四旋翼无人机的大型储罐自主巡检方法

摘要

本发明涉及一种基于四旋翼无人机的大型储罐自主巡检方法。其技术方案是：将超声探伤仪固定在四旋翼无人机上，在基于四旋翼无人机的自主巡检系统的地面上位机输入待检测大型储罐罐体的几何参数，根据该几何参数规划对大型储罐罐体表面全覆盖的四旋翼无人机的巡检路径，然后采用基于学习的方法设计四旋翼无人机的控制器，使得四旋翼无人机沿着规划好的路径对大型储罐罐体表面进行自主巡检，实时记录检测数据与隐患点的位置，将对大型储罐的检测结果发送给基于四旋翼无人机的自主巡检系统的地面上位机，即四旋翼无人机对大型储罐的自主巡检。本发明具有检测范围大、检测效率高和检测成本低的特点。

主权项

1.一种基于四旋翼无人机的大型储罐自主巡检方法，其特征在于：步骤1、基于四旋翼无人机的自主巡检系统基于四旋翼无人机的自主巡检系统由四旋翼无人机和位于地面上的上位机组成；四旋翼无人机的机架上装有超声探伤仪、激光测距仪、控制器模块、无线网络通信模块、高度计、加速度传感器、陀螺仪、姿态传感器和GPS；四旋翼无人机的无线网络通信模块与所述上位机进行无线通讯，所述上位机输入待检测大型储罐罐体的几何参数；步骤2、采集四旋翼无人机和环境数据通过四旋翼无人机的遥控器操纵四旋翼无人机绕大型储罐螺旋式飞行25～35周，四旋翼无人机将所述传感器采集到的四旋翼无人机的位置、速度和姿态数据通过无线网络通信模块发送给上位机；步骤3、建立四旋翼无人机名义模型以右手法则构建四旋翼无人机的惯性坐标系和机体坐标系；所述惯性坐标系是：以四旋翼起飞位置作为坐标原点，以南为坐标系x_e轴的正方向，以东为坐标系y_e轴的正方向，以天为坐标系z_e的正方向；所述机体坐标系是：以四旋翼无人机的质心作为坐标原点，以四旋翼无人机的机头与机尾相连的直线为x_b轴，机头方向为x_b轴正方向，左旋翼和右旋翼旋翼中心的连线为y_b轴，y_b轴指向机体左旋翼方向为y_b轴正方向，根据右手法则确定z_b轴正方向；建立四旋翼无人机的名义模型f(X,U)式(1)中：X表示四旋翼无人机12维的状态向量，x表示四旋翼无人机在惯性坐标系x_e轴的位置，m，表示四旋翼无人机惯性坐标系x_e轴方向的线速度，m/s，y表示四旋翼无人机在惯性坐标系y_e轴的位置，m，表示四旋翼无人机惯性坐标系y_e轴方向的线速度，m/s，z表示四旋翼无人机在惯性坐标系z_e轴的位置，m，表示四旋翼无人机惯性坐标系z_e轴方向的线速度，m/s，表示四旋翼无人机的滚转角，rad，p表示四旋翼无人机绕机体坐标系x_b轴的旋转角速率，rad/s，θ表示四旋翼无人机的俯仰角，rad，q表示四旋翼无人机绕机体坐标系y_b轴的旋转角速率，rad/s，ψ表示四旋翼无人机的偏航角，rad，r表示四旋翼无人机绕机体坐标系z_b轴的旋转角速率，rad/s，U表示四旋翼无人机的虚拟控制量，U＝[U₁ U₂ U₃ U₄]，其中：U₁表示四旋翼无人机在惯性坐标系z_e轴的位置z的虚拟控制量，U₂表示四旋翼无人机滚转角的虚拟控制量，U₃表示四旋翼无人机俯仰角θ的虚拟控制量，U₄表示四旋翼无人机偏航角ψ的虚拟控制量，m表示四旋翼无人机的质量，kg，g表示重力加速度常量，9.8m/s²，I_x表示四旋翼无人机绕机体坐标系x_b轴转动的转动惯量，m²·kg，I_y表示四旋翼无人机绕机体坐标系y_b轴转动的转动惯量，m²·kg，I_z表示四旋翼无人机绕机体坐标系z_b轴转动的转动惯量，m²·kg，I_r表示四旋翼无人机旋翼的转动惯量，m²·kg，ω_T表示四旋翼无人机的四个螺旋桨角速度的代数和，ω_T＝‑ω_f+ω_l‑ω_b+ω_r，ω_f,、ω_b、ω_l、ω_r依次表示四旋翼无人机的前、后、左、右螺旋桨的角速度，rad/s；四旋翼无人机的前、后、左、右螺旋桨对应的角速度ω_f,、ω_b、ω_l、ω_r与四旋翼无人机的虚拟控制量U的关系：式(2)中：b表示旋翼的升力系数，Ns²，d表示旋翼的阻力系数，Nms²，l_a表示四旋翼无人机中心轴线和四旋翼无人机的旋翼转轴之间的水平距离，m；四旋翼无人机模型：式(3)中：f(X,U)表示四旋翼无人机的名义模型，见式(1)，表示四旋翼无人机的学习模型，建模方法如步骤5；步骤4、四旋翼无人机巡检路径的规划方法步骤4.1、四旋翼无人机绕大型储罐罐壁巡检路径的规划方法基于大型储罐的几何形状，先将大型储罐罐壁划分为无障碍物飞行区和有障碍物飞行区；所述无障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度小于10厘米的区域；所述有障碍物飞行区是指大型储罐罐壁安装的构件沿径向方向朝外的长度大于等于10厘米的区域；对于无障碍物飞行区的规划巡检路径是：四旋翼无人机从大型储罐罐壁底部某一位置为巡检起点，沿大型储罐罐壁的圆周水平巡检一周，完成第一次的规划巡检路径；然后上升一个规划巡检路径的路径间隔Δz_gb，按原方向沿大型储罐罐壁的圆周水平巡检一周，完成第二次的规划巡检路径，如此往复，直至大型储罐罐壁的无障碍物飞行区的顶部；对于有障碍物的飞行区的规划巡检路径是：四旋翼无人机从大型储罐罐壁底部某一障碍物为巡检起点，沿大型储罐罐壁的圆周进行水平巡检，遇到障碍物时完成第一次的规划巡检路径；然后上升一个规划巡检路径的路径间隔Δz_gb，再按相反方向沿大型储罐罐壁的圆周进行水平巡检，完成第二次的规划巡检路径，如此往复，直至大型储罐罐壁的有障碍物飞行区的顶部；所述路径间隔Δz_gb：Δz_gb＝2h tan(θ_max/2)                                  (4)式(4)中：h表示四旋翼无人机巡检时超声探伤仪探头与大型储罐表面最佳检测距离，m，θ_max表示超声探伤仪探头的最大检测角度，rad；式(4)是在假定超声探伤仪探头始终与大型储罐罐壁切线垂直的条件下的路径间隔Δz_gb；步骤4.2、四旋翼无人机绕大型储罐罐顶巡检路径的规划方法为叙述方便，以大型储罐罐顶沿大型储罐罐轴线方向的截面图为叙述对象采用向下巡检的方式，超声探伤仪探头方向始终保持与大型储罐罐顶曲率半径重合；四旋翼无人机的初始位置在大型储罐罐顶中心正上方，超声探伤仪探头前端距大型储罐罐顶表面的距离为h；第0次巡检路径：初始位置；第一次巡检路径：增加环绕大型储罐罐顶半径Δr_gd(1)，同时高度下降Δz_gd(1)，保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h不变，绕大型储罐中心轴巡检一周；第二次巡检路径：增加环绕半径Δr_gd(2)，同时高度下降Δz_gd(2)，仍保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h不变，绕大型储罐中心轴巡检一周；……；最后一次巡检路径：增加环绕半径同时高度下降仍保持每次巡检的大型储罐罐顶弧长和超声波检测仪距大型储罐罐顶的距离h不变，绕大型储罐中心轴巡检一周；H表示大型储罐罐顶的曲面高度，R表示大型储罐罐顶的曲率半径，四旋翼无人机检测大型储罐罐顶中心定义为第0个圆形曲面；当四旋翼无人机巡检第n个环形曲面时：巡检半径为r_gd(n)，巡检高度为z_gd(n)，设大型储罐罐顶检测的初始位置的参照点为零，向下为负；则巡检半径r_gd(n)和高度z_gd(n)的迭代公式：式(5)中：Δr_gd(n+1)表示第n+1次巡检半径r_gd(n+1)与第n次巡检半径r_gd(n)的差值，Δz_gd(n+1)表示第n+1次巡检高度z_gd(n+1)与第n次巡检高度z_gd(n)的差值，α表示每次巡检的对应圆心角，rad，n表示巡检次数，步骤5、四旋翼无人机的学习模型假设在k时刻，步骤2中采集到的四旋翼无人机实际状态和实际控制量根据k‑1时刻的实际状态和k时刻的实际状态得到实际状态微分再将实际状态微分与由公式(1)计算出的k时刻名义模型的值相减，得到k时刻残差式(6)中：表示k时刻的实际状态微分，表示k时刻名义模型的值；随着时间t的增加，得到M个残差的数据，M为200～1000的自然数；然后，利用k时刻采集到的四旋翼无人机实际状态实际控制量和所述M个残差的数据，对四旋翼无人机模型的12个状态分量分别建立相应的学习模型l＝1,2,…，12；则四旋翼无人机的学习模型定义学习样本变量则i时刻四旋翼无人机模型第l个状态分量的学习样本为(s_i,g_l(s_i))，i＝1,2,…,M，l＝1,2,…,12，j时刻四旋翼无人机模型的第l个分量的学习样本为(s_j,g_l(s_j))，j＝1,2,…,M，l＝1,2,…,12；假设学习样本的数据均值为0，i时刻四旋翼无人机模型的第l个分量的学习样本g_l(s_i)和j时刻四旋翼无人机模型的第l个分量的学习样本g_l(s_j)的协方差k_l(s_i,s_j)为：式(7)中：σ_lω表示第l个分量的学习样本g_l(s)的测量噪声标准差，σ²_lω表示第l个分量的学习样本g_l(s)的测量噪声方差，σ_lη表示第l个分量的学习样本g_l(s)的过程噪声标准差，σ²_lη表示第l个分量的学习样本g_l(s)的过程噪声方差，M_l表示16行16列对角矩阵，l＝1,2,…，12，s_i表示i时刻学习样本变量值，i＝1,2,…,M，s_j表示j时刻学习样本变量值，j＝1,2,…,M，δ_lij表示第l个分量的学习样本g_l(s)的测量噪声方差系数，l＝1,2,…,12，采用梯度法求取最大似然，获得测量噪声标准差σ_lω、过程噪声标准差σ_lη和对角矩阵M_l；对于下一时刻的变量s^*，四旋翼无人机的学习模型的预测参数为：式(8)中：k_l(s*)表示下一时刻第l个分量的的残差g_l(s*)分别与之前M个时刻学习样本g_l(s_j)，j＝1,2,…M的协方差，k_l(s*)＝[k_l(s*,s₁),...,k_l(s*,s_M)]，表示四旋翼无人机模型的第l个分量的M个预测值，K_l表示第l个分量的M行M列矩阵，则第l个分量的矩阵K_l的第i行第j列的值K_l(i,j)＝k_l(s_i,s_j),i＝1,2,…,M，j＝1,2,…,M，k_l(s_i,s_j)表示第l个分量的i时刻学习样本g_l(s_i)和j时刻学习样本g_l(s_j)的协方差，i＝1,2,…,M，j＝1,2,…,M，k_l(s*,s*)表示下一时刻第l个分量的残差g_l(s*)的方差，μ_l(s*)表示第l个分量的学习模型的预测值，表示第l个分量的学习模型更新的协方差值；步骤6、学习模型在线更新步骤6.1、在所述第l个分量的学习模型的基础上，l＝1,2,…,12，依据置信度3σ_l(s)建立第l个学习模型的估计的扰动集合式(9)中：表示第l个分量的学习模型的估计的扰动集合，R^ζ表示ζ维空间，表示第l个分量的学习模型的期望值，l＝1,2,…,12，3σ_l(s)表示第l个分量的学习模型的置信度，l＝1,2,…,12；第l个分量的学习模型的判别函数λ_l(s)为：式(10)中：表示第l个分量的学习模型的估计的扰动集合，R^ζ表示ζ维空间，表示第l个分量的估计的扰动集合的补集，g_l(s)表示第l个分量的学习样本，l＝1,2,…,12，δ表示估计扰动集里的任一点，dist表示有符号距离函数，定义为：对于给定的R^μ上的范数||.||，e∈R^μ到的符号距离dist(x,A)为：式(11)中：R^μ表示μ维空间，A表示第l个分量的估计的扰动集的补集e表示第l个分量的学习样本g_l(s)中的一点，l＝1,2,…,12，f表示A内的任一点，e‑f表示第l个分量的学习样本g_l(s)中的一点与第l个分量的估计的扰动集的补集内任一点的差；步骤6.2、当判别函数λ_l(s)∈[0,1]时，实际的第l个分量的学习样本g_l(s)在估计的扰动集合内，l＝1,2,…,12；设定经验阈值λ_L∈(0,1)；当判别函数λ_l(s)>λ_L时，则当前时刻的第l个分量的学习模型精确，将上一时刻的第l个分量的学习模型更新为当前时刻的第l个分量的学习模型当判别函数λ_l(s)≤λ_L时，不用更新上一时刻的第l个分量的学习模型步骤7、大型储罐的自主巡检控制方法步骤7.1、四旋翼无人机状态安全域约束方法假设四旋翼无人机的状态约束集为Φ、四旋翼无人机的控制输入约束集为Γ和四旋翼无人机的一个较为保守的扰动域Ω，使得残差g(X,U)∈Ω；根据步骤6中估计的扰动集合通过求解相应的Hamilton–Jacobi–Isaacs(HJI)方程，得到四旋翼无人机的安全域的到达条件V(X)>0，则四旋翼无人机的安全域为：式(12)中：R¹²表示12维空间，X表示四旋翼无人机12维的状态向量，表示第l个分量的学习模型的估计的扰动集合，l＝1,2,…,12；当四旋翼无人机实际状态满足安全域到达条件V(X)>0且判别函数λ_l(s)>λ_L时，根据名义模型f(X,U)与学习模型之和，得到名义模型f(X,U)和学习模型的预测状态将名义模型f(X,U)与学习模型的预测状态作为状态约束；当四旋翼无人机实际状态不满足安全域到达条件V(X)>0或判别函数λ(s_l)≤λ_L时，安全域依赖名义模型f(X,U)构建，根据名义模型f(X,U)得到名义模型的预测状态将名义模型的预测状态作为状态约束；步骤7.2基于学习的非线性模型预测控制器设计首先采用扩展卡尔曼滤波方法估计四旋翼无人机的实际状态然后将所述四旋翼无人机名义模型f(X,U)分为四旋翼无人机位置动力学模型和四旋翼无人机姿态动力学模型，采用反馈线性化方法获得位置动力学线性模型和姿态动力学线性模型，最后分别针对位置动力学线性模型和姿态动力学线性模型，在满足步骤7.1所述状态约束、控制输入约束U∈Γ和安全域约束V(X)>0的条件下，设计模型预测控制器，将四旋翼无人机巡检的自主控制转化为二次优化问题：式(13)中：N表示预测时域，表示四旋翼无人机的位置动力学模型和姿态动力学模型中任一个动力学模型，表示所设计的四旋翼无人机的位置动力学模型和姿态动力学模型的控制器性能指标，表示求解使得性能指标最小，表示在k+ε时刻的误差权矩阵，维矩阵，表示的控制权矩阵，维矩阵，表示在k+N时刻的误差权矩阵，维矩阵，表示四旋翼无人机在k+ε时刻的预测状态向量，维向量，表示四旋翼无人机在k+ε时刻的参考状态向量，维向量，表示四旋翼无人机在k+N时刻的预测状态向量，维向量，表示四旋翼无人机在k+N时刻的参考状态向量，维向量，表示四旋翼无人机在k+ε时刻预测状态向量与参考状态向量的差，维向量，表示四旋翼无人机在k+N时刻预测状态向量与参考状态向量的差，维向量，表示四旋翼无人机在k+ε‑1时刻的控制向量；维向量；根据式(13)，得到控制向量U＝[U₁ U₂ U₃ U₄]^T；根据式(2)，得到四个旋翼电机的角速度ω_f,、ω_b、ω_l、ω_r；通过无线通讯模块发送给四旋翼无人机，四旋翼无人机将四个旋翼电机的角速度ω_f,、ω_b、ω_l、ω_r信号依次转化为四个旋翼电机的驱动信号；控制四旋翼无人机沿着步骤4规划的路径自主巡检，实时记录检测数据与隐患点的位置，再将对大型储罐的检测结果发送给基于四旋翼无人机的自主巡检系统的地面上位机，即完成四旋翼无人机对大型储罐的自主巡检。