基于无人机的输电线路金具损伤带电智能检测方法与流程

本发明涉及输电线路检测领域，尤其涉及一种基于无人机的输电线路金具损伤带电智能检测方法。

背景技术：

1、随着我国电网规模的不断扩大和电压等级的持续提升，传统依赖人工巡检的输电线路金具检测方式在效率、安全性和精细化程度上已难以满足现代电网对安全稳定运行的要求，一方面，高空、带电、跨山谷等复杂环境作业使常规巡检存在较高人身风险且检测周期长、成本高、漏检率大，难以及时发现金具早期裂纹、腐蚀、松动等隐患；另一方面，现有红外、紫外等检测手段多依赖停电或近距作业，且对金具几何类损伤识别能力有限。

技术实现思路

1、为了解决上述问题，本发明的目的在于提供一种基于无人机的输电线路金具损伤带电智能检测方法，有效提高金具损伤带电检测效率和可靠性。

2、为实现上述目的，本发明采用以下技术方案：

3、基于无人机的输电线路金具损伤带电智能检测方法，包括以下步骤：

4、s1:获取输电线路基础数据，包括杆塔三维坐标、导线悬挂高度、线路走向和电压等级信息，建立线路的三维数字化模型；

5、s2:基于线路的三维数字化模型，根据不同电压等级确定的动态安全距离，采用改进的a路径搜索方法，综合考虑飞行效率、能耗优化和安全约束，生成最优巡检路径；

6、s3:获取输电线路金具的预估位置，为每个检测点设置悬停坐标和检测参数；

7、s4:无人机根据最优巡检路径、每个检测点设置悬停坐标和检测参数进行巡检并获取原始图像数据；

8、s5:对采集到的原始图像数据进行预处理，得到预处理后的图像数据；

9、s6:将预处理后的图像数据输入到改进后的yolov8检测网络，获取金具损伤类型及位置。

10、进一步的，获取输电线路基础数据，包括杆塔三维坐标、导线悬挂高度、线路走向和电压等级信息，建立线路的三维数字化模型，具体如下：

11、从电网公司的 gis系统与scada系统中导出线路的基础工程数据，包括杆塔编号、杆塔类型、坐标信息、导线悬挂点高度以及线路走向信息；对于未在数据库中的新建线路或地理坐标精度较低的区域，采用无人机高精度rtk测绘技术执行补测；

12、收集电压等级、电气间隙参数和金具布置标准设计数据，用于定义线路运行安全参数，根据电压等级，自动配置最小安全距离和带电作业安全边界；

13、利用 bim建模与点云重建融合技术建立三维数字化模型，将杆塔、导线、金结构对象以参数化形式导入建模引擎，通过三维几何重构和空间约束生成可交互的3d模型，导线悬挂点通过样条曲线拟合真实线路弧垂，杆塔结构由标准构件库自动匹配生成，最终模型中每一个对象都被赋予空间坐标、物理属性和唯一编号，实现数字化线路的空间语义完整性。

14、进一步的，基于线路的三维数字化模型，根据不同电压等级确定的动态安全距离，采用改进的a路径搜索方法，综合考虑飞行效率、能耗优化和安全约束，生成最优巡检路径，具体如下：

15、首先，在三维数字化线路空间模型中，定义无人机巡检空间状态 s(x,y,z)，并设置可行空间 ωs与禁飞空间 ωf：

16、；

17、其中，li 表示第 i 段导线或塔体；d((x,y,z),li)为无人机到线路或设备的最短欧氏距离；dsafe(v) 为与电压等级 v 相关的安全距离函数；

18、动态安全距离按经验公式建模为：

19、；

20、其中， α、β 为经验系数；

21、在可行空间 ωs中构建三维栅格图，并采用改进的a算法搜索最优巡检路径。

22、进一步的，改进的a算法引入了能耗项与姿态惩罚项，改进后的代价函数如下：

23、；

24、其中，g(n)为起点至当前节点的累计飞行代价；h(n)为目标点到当前节点的欧氏距离启发函数；ec(n)为单位距离能耗函数；θp(n)为姿态变化惩罚项，表示节点转弯角或俯仰角带来的飞控调整代价；w1,w2,w3,w4分别是四项的权重系数；

25、；

26、；

27、其中，ρ为空气密度；cd为阻力系数；a为无人机正投影面积；v为无人机瞬时速度；φ为飞行倾角；p0为悬停基础功率； δψ(n)表示相邻节点之间的航向角变化量，γ 为姿态惩罚因子；

28、综合目标函数优化为：

29、；

30、其中，path为从起点到终点经过所有检测点的完整飞行路径；j为总路径代价；n为路径上的单个节点；f(n)为单个节点的综合代价函数；

31、在满足以下约束：

32、(xn,yn,zn)∈ωs，即安全飞行空间；

33、vmin≤v(t)≤vmax；

34、∣a(t)∣≤amax；

35、其中，(xn,yn,zn)为路径节点n的三维空间坐标；v(t)为无人机在时刻t的瞬时飞行速度；vmin为最小飞行速度限制；vmax为最大飞行速度限制；a(t)为无人机在时刻t的加速度矢量；∣a(t)∣为加速度矢量的模长；amax为最大允许加速度；

36、在算法执行过程中，根据实时风速、电场强度及无人机姿态状态，动态调整安全边界dsafe，即：

37、；

38、其中，vw 为实时风速，δw 为风速安全修正系数；efield为电场强度测量值；为实时更新后的安全飞行距离；δe为电场影响权重；dsafe(v)为基准安全距离；

39、同时，在无人机视野建模中引入检测可见性约束 cv，仅当目标检测点在相机可视范围内时，节点规划有效：

40、；

41、其中，dview为相机视线方向矢量；rtarget为目标指向矢量；fov为视场角。

42、进一步的，无人机巡检的姿态控制采用四元数表示法避免万向节死锁问题，通过pid控制器和前馈补偿相结合的方式，实现无人机在复杂电磁环境下的稳定飞行，实时监测与输电线路的距离，当检测到安全距离接近预警阈值时，自动启动避让程序，通过调整飞行高度或横向位移确保安全间距。

43、进一步的，采用四元数表示法避免万向节死锁问题，通过pid控制器和前馈补偿相结合的方式，实现无人机在复杂电磁环境下的稳定飞行，具体如下：

44、采用四元数 q=[q0,q1,q2,q3]t 表示无人机姿态，其中：

45、q=q0+q1a+q2b+q3c；

46、其中，a表示绕x轴的90°旋转;b表示绕y轴的90°旋转;c表示绕z轴的90°旋转;

47、四元数与欧拉角的转换关系：

48、;

49、其中,

φ、θ、ψ分别为横滚角、俯仰角、偏航角;

50、四元数微分方程：

51、;

52、其中 ω=[0,ωx,ωy,ωz]t 为角速度四元数，表示四元数乘法运算;

53、展开形式:

54、；

55、pid控制器采用双环控制结构，包括外环姿态控制器和内环角速度控制器；

56、所述外环姿态控制器：

57、；

58、其中，

ωref为参考角速度矢量；为姿态比例增益矩阵；为姿态积分增益矩阵；为姿态微分增益矩阵；ωff为前馈角速度；

59、其中姿态误差eatt使用四元数误差：

60、；

61、其中，为符号函数；qe为误差四元数；为参考四元数的共轭；为实际测量的姿态四元数；

62、内环角速度控制器：

63、；

64、其中，τ为控制力矩矢量；为角速度比例增益矩阵；为角速度积分增益矩阵；为角速度微分增益矩阵；为角速度误差；τff为前馈力矩；

65、前馈补偿包括风力前馈补偿和电磁场干扰补偿，其中风力前馈补偿根据实时风速vwind计算风力干扰力矩：

66、；

67、其中，ρ为空气密度；cd为阻力系数；a为迎风面积；rcp为压心到质心的距离矢量；为无人机速度矢量；

68、电磁场干扰补偿建立电磁场对imu传感器的误差补偿模型：

69、；

70、其中， kem为电磁场补偿系数矩阵；ωcorrected为修正后的角速度；ωmeasured为imu测量的原始角速度；efield为电场强度矢量；

71、根据电磁环境强度动态调整控制参数：

72、；

73、其中，为调整后的比例增益；为基准比例增益；α为比例增益调整系数；enorm为归一化电场强度；为调整后的微分增益；为基准微分增益；β为微分增益调整系数。

74、进一步的，预警阈值设置，具体如下：

75、对于输电导线，建模为空间线段，无人机到导线的最短距离：

76、；

77、其中 p1,p2为导线端点坐标；dmin为无人机到导线的最短距离；pdrone为无人机当前位置坐标；

78、解析解：

79、；

80、其中，t为最优投影参数；

81、约束到 [0,1] 区间：

82、；

83、其中，tclamp为约束后的参数值；

84、最短距离：

85、；

86、建立多级预警机制：

87、dmin＜1.5×dsafe(v)为一级预警；

88、dmin＜1.2×dsafe(v)为二级预警；

89、dmin＜1.0×dsafe(v)为三级预警；

90、其中，dsafe(v)为电压等级安全距离。

91、进一步的，通过调整飞行高度或横向位移确保安全间距，具体如下：

92、建立人工势场，输电线路为排斥势场：

93、；

94、避让力：

95、；

96、其中,d为当前距离；d0为势场影响范围；dvec为指向最近障碍物的矢量；urep(p)为排斥势能函数；p为无人机当前位置矢量；

η为势场强度系数；d为无人机到输电线路的实际距离；d0为势场影响范围；frep为排斥力矢量；为势能函数的负梯度；dvec为从障碍物指向无人机的距离矢量；

97、当水平避让受限时，采用垂直避让：

98、；

99、其中，zavoid为目标避让高度，即垂直避让后无人机应到达的高度；zcurrent为无人机当前高度；zsafe为安全飞行高度；sign为避让方向判断函数；δzmin为最小垂直避让距离；

100、横向避让策略，计算最优横向避让方向：

101、；

102、其中， n为垂直于地面的单位矢量，vline为线路方向矢量；dlateral为横向避让方向单位矢量；

103、使用贝塞尔曲线生成平滑避让轨迹：

104、；

105、；

106、；

107、其中，p0为当前位置；p3为目标位置；p(t)为轨迹上任意点的位置；lavoid为避让轨迹的特征长度；davoid为起点处的避让方向单位矢量；dtarget为终点处的目标方向单位矢量。

108、进一步的，对采集到的原始图像数据进行预处理，具体如下：首先使用brisque算法计算图像的自然性评分，只有评分高于预设值的图像才进入后续处理流程；采用自适应伽马校正算法调整图像的亮度和对比度，确保在不同光照条件下都能获得较为均匀的图像效果；采用边缘保持的双边滤波器，在去除传感器噪声的同时保留图像的边缘细节信息，这对于后续的缺陷边界识别至关重要；使用限制对比度自适应直方图均衡化算法，对图像的局部区域进行对比度调整，突出金具表面的纹理特征和潜在缺陷，最终，所有图像都被调整为标准尺寸，同时建立原始坐标与标准化坐标之间的映射关系，确保检测结果能够准确映射回真实世界坐标。

109、进一步的，改进后的yolov8检测网络，基于标准yolov8基础上进行改进，主干网络采用改进的cspdarknet53，融入了注意力机制以增强对小目标金具的特征提取能力；颈部网络使用增强的fpn和pan结构，新增了低层特征融合路径，提高对不同尺度金具目标的检测性能；检测头部分针对金具缺陷的细粒度特征设计了多尺度anchor策略。

110、本发明具有如下有益效果：

111、1、本发明采用改进a算法的智能路径规划突破了传统固定路径的局限，能够根据不同电压等级的动态安全距离要求，综合考虑飞行效率、能耗优化和安全约束等多目标因子，自动生成最优巡检轨迹，既保证了检测的全面性，又最大化了作业效率；

112、2、本发明通过四元数姿态控制避免了万向节死锁问题，结合pid控制和前馈补偿实现了复杂电磁环境下的稳定飞行，同时建立了完整的安全监测和自动避让机制，确保无人机在带电环境中的作业安全。