張曙云 曾麗瓊 劉卓琦

(1.國網(wǎng)湖南省電力有限公司水電分公司，湖南 長沙 410007；2.國網(wǎng)湖南省電力有限公司長沙供電分公司，湖南 長沙 410007)

近年來，隨著無線通信技術(shù)、GPS導(dǎo)航定位技術(shù)和自動遙感技術(shù)的快速發(fā)展，無人機在工業(yè)生活各個領(lǐng)域中得到廣泛快速的應(yīng)用，在電力線路巡檢故障定位、山區(qū)防火救災(zāi)、工程地形測量等方面，與傳統(tǒng)方式相比，在工作效率、安全保障、減少成本上有了很大的提高。國內(nèi)外對無人機的應(yīng)用進行了一系列的前沿性研究。文獻[1]詳細闡述了多旋翼無人機在庫區(qū)水域環(huán)境監(jiān)測中的應(yīng)用情況，通過分析固定翼式及旋翼式無人機的優(yōu)缺點，為不同微型多旋翼無人機系統(tǒng)使用提供典型流程；文獻[2]通過對自主研發(fā)的大型無人直升機多傳感器電力線路全自動巡檢系統(tǒng)在廣東電網(wǎng)應(yīng)用及效果分析，驗證了巡檢結(jié)果的可靠性和無人機巡檢的優(yōu)勢；文獻[3]基于離散動作深度強化學習架構(gòu)，提出了一種新穎的option-DQN(option-deep Q-learning)算法，實現(xiàn)了高效的無人機數(shù)據(jù)采集和路徑規(guī)劃，使無人機在執(zhí)行任務(wù)時軌跡能自主學習優(yōu)化，更清晰、合理并能判斷無人機何時應(yīng)充電。這些研究從理論到實踐都對無人機的在電力、庫區(qū)監(jiān)控巡檢中應(yīng)用進行了大膽探索，取得了一定的研究成果。文獻[4]提出了基于無人機的抽水蓄能電站巡檢方案，通過采用互聯(lián)網(wǎng)+無人機自動化巡檢模式來改善巡檢工作，具有十分明顯的效果，但對于無人機的控制算法選擇及數(shù)據(jù)處理處理方面沒有給出明確方案。

本文提出在庫區(qū)巡檢中采用基于深度學習的多旋翼無人機巡檢模式，同時通過大數(shù)據(jù)技術(shù)對數(shù)據(jù)信息進行深度挖掘，構(gòu)建智能診斷系統(tǒng)，對異常情況開展檢測診斷，自動產(chǎn)生實際環(huán)境狀態(tài)診斷和評估結(jié)果，最終通過專業(yè)人員復(fù)查，實現(xiàn)對庫區(qū)環(huán)境的遠程監(jiān)控、數(shù)據(jù)采集、綜合診斷和評估分析，以自動化巡檢替代傳統(tǒng)人工模式，極大減輕人力工作強度，并保障工作安全。

1 系統(tǒng)總體構(gòu)成

本文提出的基于深度學習的多旋翼無人機智能采集診斷系統(tǒng)的設(shè)計方案，在庫區(qū)巡檢中由基于多旋翼無人機深度學習算法的控制系統(tǒng)，以及多鏡頭數(shù)據(jù)圖像采集、GPS定位/GPRS數(shù)據(jù)傳輸、地面信息站數(shù)據(jù)處理智能診斷系統(tǒng)等組成(見圖1)。

圖1 總體系統(tǒng)結(jié)構(gòu)

在總體系統(tǒng)結(jié)構(gòu)中，主要采用以太網(wǎng)網(wǎng)絡(luò)來接收、控制連接框架內(nèi)的各個結(jié)構(gòu)。在數(shù)據(jù)采集方面，由多旋翼無人機搭載的全方位全景超廣角攝像頭、紅外熱像儀及激光雷達等數(shù)據(jù)采集設(shè)備，對庫區(qū)的地形地貌、水位流量、水工建筑物等相應(yīng)的圖形及測量數(shù)據(jù)進行采集。由于5G通信技術(shù)的快速發(fā)展應(yīng)用，采用GPRS無線通信技術(shù)快速地將采集信息傳輸?shù)降孛嫘畔⒄痉?wù)器。服務(wù)器接收到信息之后將自動進行儲存處理，通過建立智能診斷系統(tǒng)，對信息進行加工處理，引入數(shù)據(jù)挖掘算法，通過對采集的信息與正常狀態(tài)進行自動比對診斷，生成異常情況分析報告，在Web管理終端能對整個系統(tǒng)數(shù)據(jù)及異常報告進行查看操作，同時也能操作無人機起飛控制平臺對其發(fā)出控制指令，無人機接收端設(shè)備將接受并執(zhí)行[5](見圖2)。

圖2 系統(tǒng)巡檢流程

通過方案實施能使工作人員對庫區(qū)自然地形環(huán)境及水電廠附近水工建筑物的狀態(tài)有一個直觀、清晰的了解，可快速監(jiān)測到異常情況及突發(fā)災(zāi)害的地點，提升整體的巡檢效率和結(jié)果的可靠性。

2 基于深度學習的旋翼無人機巡檢模式

2.1 多旋翼無人機設(shè)備原理

在應(yīng)用無人機開展巡檢工作時，為確保無人機能夠順利完成相關(guān)的巡檢任務(wù)，要求無人機具備完善的功能和優(yōu)良的性能，這直接關(guān)系到無人機的類型選擇。多旋翼無人機成本低，便于維護，機體小，在巡航過程中飛行控制靈活；常見的多旋翼無人機有四旋翼、六旋翼、八旋翼，其最大特點就是具有多對旋翼，每對旋翼的轉(zhuǎn)向相反，用來抵消彼此的反扭力矩，使控制更加精準，采集數(shù)據(jù)針對性更強，同時飛行比一般無人機穩(wěn)定，在抗擾動和安全性方面更好。所以在庫區(qū)這種山區(qū)環(huán)境中應(yīng)用更具優(yōu)勢。

2.2 基于深度學習的多旋翼無人機

深度學習的概念由Hinton在2006年提出，深度學習是通過模擬人的神經(jīng)網(wǎng)絡(luò)，使其具備像人一樣的學習能力，對目標進行不斷的優(yōu)化學習。目前深度學習算法已廣泛應(yīng)用于人工智能、模式識別和智能檢測等領(lǐng)域，在多旋翼無人機飛行巡航定位路徑選擇過程中，需要綜合大量數(shù)據(jù)信息，如天氣情況、三維空間數(shù)據(jù)、風速等，這些數(shù)據(jù)結(jié)構(gòu)復(fù)雜，綜合處理分析難度大。深度學習能通過學習深層次非線性網(wǎng)絡(luò)結(jié)構(gòu)，來表征用戶的海量數(shù)據(jù)，具有強大的從多旋翼無人機飛行數(shù)據(jù)信息庫中學習數(shù)據(jù)信息本質(zhì)特征的能力，從而進行深層次特征表示，通過自動特征學習，將不同數(shù)據(jù)映射到同一個隱空間中，以獲得數(shù)據(jù)的統(tǒng)一表征。相對于傳統(tǒng)的機器學習算法，深度學習突出從海量數(shù)據(jù)中進行學習，解決傳統(tǒng)機器學習算法難以處理海量數(shù)據(jù)中存在的高維、冗雜以及高噪等的問題，使挖掘數(shù)據(jù)潛在特征更加方便快捷，能高效完成對多旋翼無人機采集到的數(shù)據(jù)的處理。

深度學習常用的算法有卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、生成對抗網(wǎng)絡(luò)(GAN)，見表1。

表1 三種算法的對比

由表1可知，采用深度學習中卷積神經(jīng)網(wǎng)絡(luò)算法，無人機能更好地實現(xiàn)自動規(guī)劃路線，自動尋找目的地，并能在飛行過程中識別航行過程中長期不變的物體，通過采集定位、航線數(shù)據(jù)等信息，經(jīng)過多次訓(xùn)練，實現(xiàn)高效的無人機數(shù)據(jù)采集和路徑規(guī)劃，使無人機能夠進行自主巡航。

3 智能診斷系統(tǒng)的構(gòu)建

3.1 系統(tǒng)架構(gòu)

系統(tǒng)采用SOA(Service-Oriented Architecture，面向服務(wù)的架構(gòu))技術(shù)架構(gòu)，基本架構(gòu)主要由異常指標專家?guī)?、實時監(jiān)測與智能診斷和Web應(yīng)用三部分組成[6](見圖3)。

圖3 系統(tǒng)功能構(gòu)架

智能診斷系統(tǒng)的功能實現(xiàn)通過兩個步驟：第一，通過對無人巡航采集傳輸回地面信息站中的圖像數(shù)據(jù)等信息進行存儲并實時分析，將信息展示到Web管理終端，供工作人員對現(xiàn)場環(huán)境的在線監(jiān)控；第二，將實時采集到的數(shù)據(jù)信息與數(shù)據(jù)庫中原有的數(shù)據(jù)信息進行對比，反映環(huán)境狀態(tài)的變化，通過事先設(shè)置的判別標準，進行自動診斷并得出環(huán)境狀態(tài)評價結(jié)果。

3.2 智能診斷分析流程

通過對無人機采集到的圖形數(shù)據(jù)等信息進行大數(shù)據(jù)挖掘分析，將日常巡檢中的異常情況處理方法和水庫庫區(qū)環(huán)境狀態(tài)參數(shù)正常變化情況建立在專家數(shù)據(jù)庫系統(tǒng)中，通過將采集到信息與數(shù)據(jù)庫中所設(shè)定的標準參數(shù)進行比較，對存在的異常情況進行快速判斷和分析(見圖4)。

圖4 智能診斷分析流程

將專家數(shù)據(jù)庫系統(tǒng)中數(shù)據(jù)信息作為機器學習樣本，采集系統(tǒng)的統(tǒng)計數(shù)據(jù)進行機器學習，創(chuàng)建庫區(qū)環(huán)境狀態(tài)評估、異常情況定位、采集異常等分析診斷模型，并由分析診斷模型對采集數(shù)據(jù)進行驗證，快速鎖定異常區(qū)域，并得到庫區(qū)環(huán)境整體狀態(tài)診斷評價結(jié)果。通過其中的算法取得分析結(jié)果，根據(jù)庫區(qū)環(huán)境良好狀態(tài)下的圖像數(shù)據(jù)信息設(shè)定專家打分評估規(guī)則表，從而實現(xiàn)根據(jù)采集的數(shù)據(jù)信息判斷出庫區(qū)環(huán)境的整體狀態(tài)，并對其進行分析和評價打分。

4 結(jié) 語

無人機在軍事、民用、工業(yè)、農(nóng)和服務(wù)行業(yè)等各領(lǐng)域得到了廣泛的應(yīng)用，通過對無人機進行深入的研究與分析，提出了一種基于深度學習的多旋翼無人機智能采集診斷系統(tǒng)設(shè)計方案，從基于深度學習的多旋翼無人機巡檢模式和智能診斷系統(tǒng)構(gòu)建兩個方面對方案進行了詳細分析和敘述，并對多旋翼無人機應(yīng)用優(yōu)勢進行了詳細介紹，通過對深度學習中的基本算法進行對比分析，選擇出了更適合的控制算法，并構(gòu)建出相應(yīng)的系統(tǒng)控制設(shè)計流程與架構(gòu)，為實際應(yīng)用提供參考，與采用傳統(tǒng)的人工巡檢方式相對比，任務(wù)完成效率高，能實現(xiàn)智能化巡檢，在惡劣環(huán)境中有更強的適應(yīng)能力，具有廣闊的推廣應(yīng)用價值。fffff4