【技術實現步驟摘要】
本專利技術涉及無人機巡檢，特別是涉及一種基于改進a星算法的變電站無人機自主巡檢航線生成方法。
技術介紹
1、隨著無人機技術的發展，無人機在多個領域得到了廣泛應用。然而，在復雜的變電站環境中，無人機的路徑規劃和避障問題成為制約其廣泛應用的關鍵問題之一。目前的路徑規劃算法如a算法已經被廣泛應用于二維平面路徑規劃中，但在三維空間中直接應用傳統a算法面臨著計算效率低、路徑不優化以及無法實時避障的問題。
2、在無人機的三維空間避障與路徑規劃中，當前的技術方案主要包括以下幾類：
3、1、三維路徑規劃算法的初步應用。針對無人機在三維空間中的應用，已有部分研究將二維算法擴展至三維，如三維a算法。該算法通過增加一個維度，使路徑規劃能夠在三維空間中進行。然而，傳統三維a算法在復雜環境中的計算效率較低，尤其是當空間中障礙物密集或面積較大時，計算量成倍增長，容易導致路徑規劃時間過長，不適合實時性要求較高的任務。
4、2、基于潛在場(potential?field)的避障方法。潛在場方法通過將目標點設置為吸引源，障礙物設置為排斥源，引導無人機沿著潛在場的梯度方向移動。然而，潛在場方法存在局部極小值問題，即無人機可能陷入某些無法達到目標的區域。此外，潛在場方法在處理復雜障礙物環境時，往往難以提供一條優化的路徑，且容易在空間密集障礙物區域產生震蕩現象。
5、3、基于rrt(快速探索隨機樹)的路徑規劃。rrt算法是一種廣泛應用于機器人路徑規劃的算法，能夠快速生成一條從起點到目標點的路徑。rrt算法的優點是能夠處理
6、4、實時動態避障。無人機的實時動態避障技術通常依賴于傳感器(如lidar、攝像頭)對環境的實時感知，并通過局部路徑規劃算法(如dwa)對飛行路徑進行動態調整。這類技術能夠有效應對突發障礙物，但在復雜環境中，局部路徑規劃可能陷入局部極小值，導致無人機無法繼續前進或陷入重復循環。此外，動態避障通常與全局路徑規劃分離進行，容易出現路徑不連續或多次調整的情況，影響無人機的飛行穩定性。
7、現有無人機巡檢規劃路徑技術存在以下不足：
8、1、計算效率低下：傳統的三維路徑規劃算法(如三維a星算法)在處理復雜三維環境時，計算量龐大，無法滿足實時性的要求。
9、2、路徑不平滑：像rrt這樣的算法在三維空間中生成的路徑往往不夠平滑，存在較多的冗余節點和急劇轉折，影響無人機的飛行穩定性和效率。
10、3、局部極小值問題：潛在場方法以及局部動態避障方法容易在復雜環境中陷入局部極小值，導致路徑規劃失敗或效率低下。
11、4、缺乏全局與局部結合的路徑規劃：現有的實時動態避障技術往往與全局路徑規劃分離進行，導致路徑的連續性和整體優化較差，影響無人機在復雜環境中的飛行表現。
技術實現思路
1、本專利技術的目的是提供一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，以解決現有技術中存在的問題。本專利技術通過改進a星算法，并結合變電站環境的特點，實現了高效、實時的路徑規劃及避障。
2、本專利技術的技術方案如下：
3、一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，巡檢航線規劃路徑中節點，采用以下步驟生成：計算節點的評價函數f(n)，在擴展航線節點的每一步過程中，始終選取評價函數f(n)的函數值最小的節點作為子節點，進而再以該子節點作為父節點進行下一步航線子節點的擴展與尋優，即依次尋找評價函數f(n)值最小的子節點，形成尋優航線；
4、評價函數f(n)的表達式為：
5、f(n)＝g(n)+α[h(n)+h(p)]
6、式中：g(n)為起始節點到當前節點的實際航線代價；h(n)為當前節點到目標點的估計航線代價；h(p)為當前子節點的父節點到目標點的距離；α為權重值。
7、所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，將起點作為第1個節點放入close列表中，計算周圍最多8個節點的評價函數，由于飛行邊界和障礙的原因，周圍節點數可能小于8，并將這些節點及節點信息放入open列表中，若open列表中已存在當前節點，則比較該節點的評價函數值，將評價函數值較小的節點信息更新至open列表中；在open列表中，選取評價函數值最小的節點作為當前節點的子節點；然后將選中的子節點作為父節點，同時將其參數信息放入close列表中，使用新的父節點再進行子節點擴展并計算各子節點的評價函數值，通過比較評價函數值得到新的子節點，并不斷更新close和open列表，直至搜索到目標點。
8、所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，在擴展子節點時，如果當前節點的空間方向上存在障礙物時，則不擴展柵格對角線上的節點作為子節點，即不生成距離障礙物小于1個柵格單位距離的對角線航線。
9、所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，g(n)為起始節點到當前節點的實際航線代價；h(n)為當前節點到目標點的估計航線代價，采用歐幾里得距離作為航線代價的計算方法，其表達式為：
10、
11、
12、式中：(xi,yi)為當前點坐標；(xs,ys)為起始點坐標；(xt,yt)為目標點坐標。
13、所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，以二維空間環境為例，在擴展子節點時，如果當前節點的x正、x負、y正、y負方向上存在障礙物時，則不擴展柵格對角線上的節點作為子節點，即不生成距離障礙物小于1個柵格單位距離的對角線航線。
14、所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，結合a星算法與floyd算法對生成的尋優航線進行簡化處理，通過使用floyd算法從起始點到目標點進行了多次迭代優化，縮短了規劃出的航線長度。
15、所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，考慮障礙物密度，如果當前節點附近障礙物密度較高，增加啟發式代價，從而避免無人機飛入障礙物密集區，
16、h′(n)＝h(n)+w×density(n)；
17、其中，w為權重系數，density(n)表示節點n附近的障礙物密度。
18、所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，所述的規劃路徑中包含不必要的轉折點和急劇變化的方向時，進行以下處理：
19、使用b-spline對規劃路徑進行平滑，使得路徑更加平滑和自然；
20、
21、其中，c(t)是曲線的坐標，pi是控制點，ni,p(t)是第i個控制點的b樣條本文檔來自技高網...
【技術保護點】
1.一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，巡檢航線規劃路徑中節點，采用以下方法生成：計算節點的評價函數f(n)，在擴展航線節點的每一步過程中，始終選取評價函數f(n)的函數值最小的節點作為子節點，進而再以該子節點作為父節點進行下一步航線子節點的擴展與尋優，即依次尋找評價函數f(n)值最小的子節點，形成尋優航線；
2.根據權利要求1所述的一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，將起點作為第1個節點放入CLOSE列表中，計算周圍最多8個節點的評價函數，由于飛行邊界和障礙的原因，周圍節點數可能小于8，并將這些節點及節點信息放入OPEN列表中，若OPEN列表中已存在當前節點，則比較該節點的評價函數值，將評價函數值較小的節點信息更新至OPEN列表中；在OPEN列表中，選取評價函數值最小的節點作為當前節點的子節點；然后將選中的子節點作為父節點，同時將其參數信息放入CLOSE列表中，使用新的父節點再進行子節點擴展并計算各子節點的評價函數值，通過比較評價函數值得到新的子節點，并不斷更新CLOSE和OPEN列表，直至搜索到目標點
3.根據權利要求1所述的一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，在擴展子節點時，如果當前節點的空間方向上存在障礙物時，則不擴展柵格對角線上的節點作為子節點，即不生成距離障礙物小于1個柵格單位距離的對角線航線。
4.根據權利要求1所述的一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，g(n)為起始節點到當前節點的實際航線代價；h(n)為當前節點到目標點的估計航線代價，采用歐幾里得距離作為航線代價的計算方法，其表達式為：
5.根據權利要求3所述的一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，以二維空間環境為例，在擴展子節點時，如果當前節點的X正、X負、Y正、Y負方向上存在障礙物時，則不擴展柵格對角線上的節點作為子節點，即不生成距離障礙物小于1個柵格單位距離的對角線航線。
6.根據權利要求1或3所述的一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，結合A星算法與Floyd算法對生成的尋優航線進行簡化處理，通過使用Floyd算法從起始點到目標點進行了多次迭代優化，縮短規劃出的航線長度。
7.根據權利要求1所述的一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，考慮障礙物密度，如果當前節點附近障礙物密度較高，增加啟發式代價，從而避免無人機飛入障礙物密集區，
8.根據權利要求1所述的一種基于優化A星算法的變電站無人機自主巡檢航線生成方法，其特征在于，所述的規劃路徑中包含不必要的轉折點和急劇變化的方向時，進行以下處理：
...【技術特征摘要】
1.一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，巡檢航線規劃路徑中節點，采用以下方法生成：計算節點的評價函數f(n)，在擴展航線節點的每一步過程中，始終選取評價函數f(n)的函數值最小的節點作為子節點，進而再以該子節點作為父節點進行下一步航線子節點的擴展與尋優，即依次尋找評價函數f(n)值最小的子節點，形成尋優航線；
2.根據權利要求1所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，將起點作為第1個節點放入close列表中，計算周圍最多8個節點的評價函數，由于飛行邊界和障礙的原因，周圍節點數可能小于8，并將這些節點及節點信息放入open列表中，若open列表中已存在當前節點，則比較該節點的評價函數值，將評價函數值較小的節點信息更新至open列表中；在open列表中，選取評價函數值最小的節點作為當前節點的子節點；然后將選中的子節點作為父節點，同時將其參數信息放入close列表中，使用新的父節點再進行子節點擴展并計算各子節點的評價函數值，通過比較評價函數值得到新的子節點，并不斷更新close和open列表，直至搜索到目標點。
3.根據權利要求1所述的一種基于優化a星算法的變電站無人機自主巡檢航線生成方法，其特征在于，在擴展子節點時，如果當前節點的空間方向上存在障礙物時，則不擴展柵格對角線上的節點作為子節點，即不生成...
【專利技術屬性】
技術研發人員：陳挺，章書朋，陳晶晶，周斌，戴永東，王茂飛，鞠玲，王肖，王神玉，孔文卓，
申請(專利權)人：國網江蘇省電力有限公司泰州供電分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。