基于FNN的電力無人機避障方案設(shè)計

包志鵬 李梓菲 李梓璐 李梓鍇 郭博楊

摘要：基于目前電力巡檢無人機由于避障問題未能廣泛普及的背景，提出將多元化傳感器，即超聲波傳感器、激光傳感器、GPS傳感器組合應(yīng)用于電力無人機巡檢平臺，同時通過FNN算法，對多元化傳感器采集的無人機自身及周邊物體的物理信息進行計算處理，從而指導(dǎo)無人機作出正確判斷，即繼續(xù)飛行、階段繞行或懸停等待。

關(guān)鍵詞：無人機;電力巡檢;FNN;多元化傳感器

0? ? 引言

工業(yè)的正常運轉(zhuǎn)、百姓的安居樂業(yè)離不開電網(wǎng)的穩(wěn)定運行。我國國土遼闊，能源豐富，其中電能的穩(wěn)定傳輸及分配顯得尤為重要。電力系統(tǒng)故障給工業(yè)和民用帶來的經(jīng)濟損失無法估量。電力巡檢工作可以有效減少電力系統(tǒng)故障的發(fā)生，從而減少經(jīng)濟損失。但是電力巡檢工作強度、難度不容小覷，傳統(tǒng)的人工巡檢方式存在效率低下，人身安全無法保障等弊端，同時我國高壓輸電線路因為自然條件惡劣，無法通過人工方式進行巡檢，因此無人機在電力巡檢中的廣泛應(yīng)用勢不可當(dāng)。但是無人機應(yīng)用于電力巡檢的復(fù)雜環(huán)境中，仍然存在技術(shù)壁壘：首先人工操作難度大，工作人員需要經(jīng)過長期培訓(xùn);其次如果操作失誤，墜機損失慘重，且可能損壞輸電線路。因此，需對無人機的自主飛行技術(shù)展開研究。本文通過結(jié)合多種傳感設(shè)備及FNN神經(jīng)網(wǎng)絡(luò)算法，深入研究分析，探討電力巡檢過程中無人機自主飛行的優(yōu)化策略。

1? ? 多元化傳感器在電力巡檢中的應(yīng)用

1.1? ? 多元化傳感器的設(shè)計原理

工業(yè)中多元化傳感的設(shè)計原理最初起源于人及其他動物獲取信息的方式。生物界中幾乎所有的動物都具有不止一個用于感知世界的器官，比如我們?nèi)祟悾ㄟ^眼睛獲得視覺信息，通過鼻子獲得嗅覺信息，通過耳朵獲得聽覺信息，通過舌頭獲得味覺信息，這些從不同維度獲得的信息融合在一起，能讓人類更加準(zhǔn)確高效地感知這個世界。同時，如果其中一個感知器官暫時或永久失去功能，其他感知器官幾乎仍然可以準(zhǔn)確地感知世界。多元化傳感器就是基于這個原理，讓各個傳感器分別采集信息，然后對各維度的信息進行匯聚分析，從而達(dá)到高效準(zhǔn)確獲取物理世界信息的目的。

1.2? ? 多元化傳感器的實現(xiàn)方法

多元化傳感器的組合方式可以仿照電路系統(tǒng)大體分為三類，依次為串聯(lián)方式、并聯(lián)方式、串并聯(lián)融合方式。信息的融合大致發(fā)生在三個階段，通常稱作數(shù)據(jù)層、特征層、決策層。數(shù)據(jù)層就是在數(shù)據(jù)層面匯聚信息，屬于最低層次;特征層則是提取有效特征匯聚在一起進行分析，屬于中間層;決策層是事先對采集的數(shù)據(jù)進行預(yù)處理后匯聚信息，類似于常說的邊緣計算技術(shù)，屬于最高層次的信息融合。

多元化傳感器融合的核心是信息的融合，信息的融合需要采用現(xiàn)代化智能算法。常用的方法分為經(jīng)典方法和現(xiàn)代方法。經(jīng)典方法包括加權(quán)平均法、卡爾曼濾波、最小二乘法、極大似然估計、貝葉斯估計、品質(zhì)因素法、經(jīng)典推理法等?，F(xiàn)代方法包括聚類分析法、模版法、熵理論、模糊邏輯、遺傳算法、神經(jīng)網(wǎng)絡(luò)、模糊積分理論等。

2? ? 無人機電力巡檢業(yè)務(wù)需求分析

2.1? ? 無人機避障需求

我國輸電線路分布范圍廣，且地形復(fù)雜，遍及平原、高原、山地、丘陵、盆地，無人機在飛行過程中難免受環(huán)境影響，不能按照預(yù)定的航線飛行。除了在線路和桿塔正常定點飛行外，還有遇到過高的樹木、小鳥的巢穴、正在施工的人員或機器等不確定因素。為了避免無人機碰撞引發(fā)墜機或損壞線路的現(xiàn)象，利用多元化傳感器幫助無人機感知障礙物，然后調(diào)整飛行姿態(tài)和路徑是目前研究的重點。

2.2? ? 無人機自主飛行策略規(guī)劃

無人機自主飛行的先決和核心條件就是自動避障，所以多元化傳感器搭載在無人機平臺上，能夠幫助無人機采集自身及周邊環(huán)境信息，從而作出正確判斷，在緊急情況下自動避障，并在避障后自動調(diào)整回原航線。首先將線路障礙物劃分為靜態(tài)和動態(tài)兩大類。靜態(tài)避障相對簡單，將以無人機為圓心的區(qū)域劃分為幾個層次，第一層是安全區(qū)，即無需調(diào)整;第二層是規(guī)劃區(qū)，即需要隨時準(zhǔn)備調(diào)整;第三層是碰撞區(qū)，即需要立即作出調(diào)整。動態(tài)避障，需要在靜態(tài)避障的基礎(chǔ)上預(yù)測障礙物的運動軌跡，同時作出等待或繞行的決策。

3? ? 基于FNN的電力無人機避障方案設(shè)計

3.1? ? 基于多元化傳感器的無人機避障方案

我國電力巡檢環(huán)境復(fù)雜，無人機技術(shù)可以替代傳統(tǒng)的人工巡檢，但無人機避障問題亟待解決。近些年，傳感器技術(shù)得以迅速發(fā)展，目前可用于無人機避障的傳感器數(shù)不勝數(shù)。紅外傳感器通過物體表面溫度感知物體，但巡線時障礙物多數(shù)為沒有生命體征的物體，所以紅外傳感器不適合?？梢姽鈧鞲衅骺梢垣@得物體照片，但是無法判斷距離和位置，所以也不適合避障應(yīng)用。本文經(jīng)過對比分析，決定采用質(zhì)量輕、體積小、成本低的超聲波傳感器、激光傳感器和GPS傳感器。超聲波傳感器能發(fā)出超聲波，當(dāng)碰到物體時聲波返回，根據(jù)波速和時間可以計算物體距離是否在安全區(qū)。激光傳感器工作原理類似，只是發(fā)出的是激光。GPS可以定位位置信息，技術(shù)相當(dāng)成熟，在國內(nèi)外各個領(lǐng)域應(yīng)用廣泛。

3.2? ? FNN算法在電力無人機巡檢中的應(yīng)用

模糊理論和神經(jīng)網(wǎng)絡(luò)理論是近年來人工智能技術(shù)中的熱點。神經(jīng)網(wǎng)絡(luò)是模擬人的大腦處理信息，可以通過學(xué)習(xí)和聯(lián)想處理問題，人工干預(yù)少，但是對于一些邊界不清楚的模糊問題不能利用已學(xué)習(xí)的知識靈活處理。而模糊理論正好與其互補，它對于樣本要求低，能夠利用專家知識處理模糊問題，但是工作效率低且需要人為干涉。如果能將二者結(jié)合，則可彌補其各自的不足。本文首先通過激光傳感器、超聲波傳感器、GPS傳感器獲取無人機及周圍物體的位置及距離信息，然后結(jié)合無人機自身原定軌跡，通過FNN算法計算其是否處于危險區(qū)及規(guī)劃區(qū)，如果沒在則正常飛行，如果在則作出繞行或等待的決定，從而避免因為碰撞造成的經(jīng)濟損失。

無人機避障方案整體流程圖如圖1所示。

4? ? 結(jié)語

本文首先基于我國輸電線路巡檢環(huán)境惡劣的背景，思考無人機代替人工巡檢需要面臨的避障問題;然后提出通過搭載多元化傳感器感知物理世界信息，同時通過FNN算法處理多元化傳感器采集到的物理世界信息;最后綜合計算結(jié)果，為無人機作出繞行、等待、正常飛行的決定提供可靠依據(jù)。

[參考文獻]

[1] 郭劍東，王康，李志宇.基于凸面體圓弧航路的無人機自主避障算法[J/OL].控制與決策（2019-09-29）[2020-02-20].https：//doi.org/10.13195/j.kzyjc.2019.0768.

[2] 溫家鑫，趙國榮，趙超輪，等.基于改進人工勢場的無人機編隊避障[J/OL].飛行力學(xué)（2019-11-18）[2020-02-20].https：//doi.org/10.13645/j.cnki.f.d.20191116.008.

[3] 張樂，袁鎖中，黃永康.連續(xù)障礙環(huán)境下無人機實時避障控制[J/OL].電光與控制（2019-12-19）[2020-02-20].https：//kns.cnki.net/KCMS/detail/41.1227.TN.20191219.0920.006.html.

[4] 伍友利，葉圣濤，方洋旺，等.固定翼無人機群的集群和避障控制[J].國防科技大學(xué)學(xué)報，2019，41（5）：103-110.

[5] 申燕凱，段海濱，鄧亦敏，等.仿鴿群被動式慣性應(yīng)急避障的無人機集群飛行驗證[J].中國科學(xué)（信息科學(xué)），2019，49（10）：1343-1352.

[6] SALT L，HOWARD D，INDIVERI G，et al.Parameter Optimiz-ation and Learning in a Spiking Neural Network for UAV Obstacle Avoidance Targeting Neuromorphic Proce-ssors[J].Journal of Latex Class Files，2015，14（8）：1-14.

收稿日期：2020-03-04

作者簡介：包志鵬（1995—），男，甘肅永靖人，工程師，從事電網(wǎng)智能檢測研究應(yīng)用工作。