面向小区复杂环境燃气泄漏无人机巡检避障方法及系统与流程

摘要: 本发明涉及燃气泄漏巡检避障,尤其涉及面向小区复杂环境燃气泄漏无人机巡检避障方法及系统。背景技术:1、在燃气泄漏巡检场景中,居民楼密集分布、空中缆线交错、植被遮挡...
面向小区复杂环境燃气泄漏无人机巡检避障方法及系统与流程

本发明涉及燃气泄漏巡检避障,尤其涉及面向小区复杂环境燃气泄漏无人机巡检避障方法及系统。

背景技术:

1、在燃气泄漏巡检场景中,居民楼密集分布、空中缆线交错、植被遮挡严重,且存在大量空调外机、晾衣架、太阳能热水器等固定障碍物以及宠物、儿童玩具无人机等动态移动干扰源,无人机在低空低速飞行状态下执行燃气泄漏检测任务时,既需要从强背景噪声中提取微弱泄漏信号,又需要在狭窄通道和楼栋间隙中实时规避突发障碍,这对检测灵敏度和避障实时性提出了协同约束要求。

2、现有技术通常采用单一气相色谱传感器或红外吸收光谱仪搭载于无人机平台,通过采集气体浓度数据并设定固定阈值来判断泄漏点,同时依赖超声波测距或单目视觉配合传统人工势场法进行障碍物距离测量与绕行规划;在检测端,多采用锁相放大或小波阈值去噪方式对传感信号进行预处理后提取幅值变化,在避障端,则基于当前帧障碍物位置构建排斥力场并沿合力方向调整航向,检测路径与避障路径分开独立生成后通过加权叠加方式融合为最终飞行轨迹。

3、然而,现有技术存在两方面的缺陷:其一,固定阈值判断方式无法适应小区环境中风速、温湿度变化引起的基线漂移和干扰信号波动,导致弱泄漏事件在强背景波动下被频繁漏检或误报,同时锁相放大和小波去噪对非平稳随机干扰的抑制能力有限,难以在动态飞行过程中维持稳定的微弱特征提取性能;其二,传统人工势场法仅依赖当前瞬时障碍物位置信息进行规避决策,缺乏对障碍物运动趋势和过往交互经验的记忆与利用,在密集楼宇间遭遇突然出现的动态障碍时容易产生振荡或陷入局部极小值而无法有效脱困,且检测与避障两条路径的独立生成与后续加权融合方式割裂了泄漏浓度空间分布对路径选择的主导作用,致使无人机在需抵近检测泄漏源时常因避障约束而偏离最优抵近方向。

技术实现思路

1、为了克服现有技术存在的缺点与不足,本发明提供面向小区复杂环境燃气泄漏无人机巡检避障方法及系统。

2、本发明所采用的技术方案是,面向小区复杂环境燃气泄漏无人机巡检避障方法,包括以下步骤:s1,采集无人机搭载的多源传感阵列输出的射频混叠回波信号与激光干涉谱图信号,通过弱泄漏信号自适应增强算法执行频谱重组与相位补偿以提取微弱泄漏特征谱线;s2,依据微弱泄漏特征谱线的时间序列波动特性,经由深度循环双q决策优化模型在动作价值估计中叠加循环状态反馈,输出航向角修正量及速度调节量;s3,基于航向角修正量与速度调节量,驱动动态障碍博弈规避决策算法构建立体栅格代价势场,实时解算规避转向角与俯仰角;s4,利用小区燃气巡检时空数据智能分析引擎对泄漏特征谱线进行时空关联聚合,生成泄漏源置信度分布栅格图;s5,将泄漏源置信度分布栅格图与立体栅格代价势场进行叠加融合,以动态权重系数调整各栅格点综合代价值,输出避障巡航路径序列;s6,将避障巡航路径序列转化为飞行控制指令,施加于舵面及旋翼调速器。

3、进一步地,所述s1中弱泄漏信号自适应增强算法的表达式为:

4、;

5、其中,为时刻输出的增强后瞬时电场幅值,为时刻输入的原始混叠回波电场幅值,为角频率处的干涉相位谱函数,为激光干涉谱图信号的中心角频率,为以中心角频率和时间间隔为自变量的自适应传递函数;通过构建微弱泄漏特征谱线的幅度估计值,其中,为滑动时间窗宽度,为积分时间变量,为时刻的输出幅值模量,为相位补偿因子,为相位补偿因子对时间的变化率。

6、进一步地,所述s2中深度循环双q决策优化模型的表达式为:

7、;

8、其中,为目标动作价值函数,为时刻的状态向量,为时刻选取的航向角修正量及速度调节量组成的动作向量,为状态下执行动作获得的即时奖励,为折扣因子,为从循环记忆池中采样的状态转移样本数目,为样本索引,为第个样本中下一时刻状态向量,为动作空间中的候选动作,为评估动作价值函数;依据构建循环状态反馈修正项,其中,为循环回溯时间窗,为回溯步数索引,为最大回溯步数,为第步的衰减权重系数,为时刻的循环门控隐状态向量,为时刻执行的动作向量,为时刻的状态向量,输出航向角修正量及速度调节量基于与之和的梯度方向确定。

9、进一步地,所述s3中动态障碍博弈规避决策算法的表达式为:

10、;

11、

12、其中,为实时解算的规避转向角,为实时解算的规避俯仰角,为立体栅格代价势场中检测到的动态障碍物占据栅格总数,为障碍物栅格索引,为第个障碍物栅格的三维空间位置坐标向量,为位置处由栅格代价值导出的斥力势函数,分别为第个障碍物栅格在三维空间坐标系中的横轴、纵轴、竖轴坐标值,为防分母零奇异值的小量常数,规避转向角与规避俯仰角构成角向量。

13、进一步地,所述无人机搭载的多源传感阵列包括四通道差分式射频接收天线阵列和双波长激光收发探头组,其中射频接收天线阵列的工作中心频率设置为2.45ghz,双波长激光收发探头组包括1.65微米波段与3.33微米波段;弱泄漏信号自适应增强算法中频谱重组的窗函数采用汉宁窗,窗长为256个采样点,相位补偿的截止频率为15hz;深度循环双q决策优化模型中循环记忆池的容量设置为2048个转移样本,折扣因子取0.95,循环门控单元的隐状态维度为64维;动态障碍博弈规避决策算法中立体栅格代价势场的栅格尺寸设定为0.2米,斥力势函数的增益系数为2.5;小区燃气巡检时空数据智能分析引擎中时空关联聚合的时间窗口宽度为30秒,空间邻域半径为1.5米;叠加融合时动态权重系数在0.3至0.7范围内随无人机与泄漏源距离线性调节。

14、进一步地,所述s2包括以下分步骤:s21,获取微弱泄漏特征谱线的时间序列,将当前时刻谱线幅值与前一时刻谱线幅值的差值作为循环门控单元的输入增量,驱动隐状态迭代更新;s22,将迭代更新后的隐状态与当前时刻状态向量拼接,输入双q评估网络并行输出两组动作价值估计值;s23,选取两组动作价值估计值中的较小值作为保守估计基准,再以保守估计基准与循环状态反馈修正项的加和确定最优动作索引;s24,依据最优动作索引从动作空间中检索对应的航向角修正量及速度调节量并输出。

15、进一步地,所述s3包括以下分步骤:s31,读取当前时刻立体栅格代价势场中各栅格点的势函数值,提取势函数值超过动态阈值的栅格集合作为潜在威胁栅格群;s32,对潜在威胁栅格群中每一个栅格,计算其相对于无人机当前位置的空间方位角和高低角,生成威胁方向分布直方图;s33,在威胁方向分布直方图中定位累积威胁强度最小的角度区间,依据该角度区间的中心方向生成初步规避角度;s34,将初步规避角度与当前机体姿态角进行差分运算,经过比例调节后输出规避转向角与俯仰角。

16、进一步地,所述s4包括以下分步骤:s41,将泄漏特征谱线的幅值按采样时刻标记于三维空间坐标上,形成带时间戳的稀疏泄漏事件点云;s42,对稀疏泄漏事件点云中的每一个事件点,以该点为中心向周围邻域扩散置信度贡献值,贡献值随空间欧氏距离呈指数衰减;s43,将同一栅格位置处来自不同事件点的置信度贡献值进行累加,并对累加结果做时间窗口内的滑动平均处理;s44,将滑动平均处理后的累加置信度值归一化至栅格图上,输出泄漏源置信度分布栅格图。

17、进一步地,所述s5包括以下步骤:s51,提取泄漏源置信度分布栅格图中置信度值大于预设高置信度阈值的栅格点,标记为高优先级巡检目标点;s52,读取立体栅格代价势场中各栅格点的基础避障代价值,在高优先级巡检目标点所在栅格处将基础避障代价值乘以衰减因子;s53,以当前无人机位置为起点、高优先级巡检目标点为终点,采用动态权重系数将衰减后的避障代价值与置信度值加权求和获得综合代价值;s54,在综合代价值栅格图上执行梯度下降搜索,生成连接起点与终点的避障巡航路径序列。

18、面向小区复杂环境燃气泄漏无人机巡检避障系统,该系统应用于面向小区复杂环境燃气泄漏无人机巡检避障方法,包括:射频激光混叠信号采集单元,该单元由四通道差分射频接收天线与双波长激光收发探头构成,采集混叠回波信号与干涉谱图信号并输出至自适应谱线增强单元;自适应谱线增强单元,其输入端连接射频激光混叠信号采集单元的输出端,内部封装弱泄漏信号自适应增强算法,对输入信号执行频谱重组和相位补偿后输出微弱泄漏特征谱线至双q循环决策调控单元;双q循环决策调控单元,其输入端分别连接自适应谱线增强单元的输出端和机体姿态传感模块的输出端,内部封装深度循环双q决策优化模型,输出航向角修正量及速度调节量至动态势场博弈规避单元;动态势场博弈规避单元,其输入端连接双q循环决策调控单元的输出端,内部封装动态障碍博弈规避决策算法,实时解算规避转向角与俯仰角并馈送至时空数据融合规划单元;时空数据融合规划单元,其输入端同时连接自适应谱线增强单元的输出端和动态势场博弈规避单元的输出端,内部封装小区燃气巡检时空数据智能分析引擎,生成泄漏源置信度分布栅格图并叠加立体栅格代价势场后输出避障巡航路径序列;飞行姿态伺服执行单元,其输入端连接时空数据融合规划单元的输出端,包括舵面驱动器与旋翼调速器,将避障巡航路径序列转化为舵面偏转指令与旋翼转速指令并分别施加于相应执行机构。

19、有益效果:本发明提出面向小区复杂环境燃气泄漏无人机巡检避障方法及系统,通过弱泄漏信号自适应增强算法中的频谱重组与相位补偿机制,在强背景波动环境下持续稳定地提取微弱泄漏特征谱线,解决了固定阈值判断方式因基线漂移和干扰波动导致漏检或误报的缺陷,同时利用深度循环双q决策优化模型中的循环门控隐状态对历史避障交互经验的记忆与反馈,解决了传统人工势场法仅依赖当前瞬时障碍物位置信息的局限,有效抑制了密集楼宇间动态障碍引起的规避振荡和局部极小值困境,再通过将泄漏源置信度分布栅格图与立体栅格代价势场进行动态加权叠加融合,使检测所获得泄漏浓度空间分布信息直接主导避障路径规划中的综合代价值计算,解决了现有技术中检测路径与避障路径独立生成后再行拼接而割裂泄漏信息对路径主导作用的缺陷,在保障无人机安全飞行的前提下提升了泄漏源抵近定位的准确性与巡航路径的合理性。