一种基于网格分割的区域巡检任务分配方法及系统与流程

摘要: 本申请涉及无人机巡检,更具体地,涉及一种基于网格分割的区域巡检任务分配方法及系统。背景技术:1、随着无人机集群技术在电力巡检领域的广泛应用,如何高效、鲁棒地将大...
一种基于网格分割的区域巡检任务分配方法及系统与流程

本申请涉及无人机巡检,更具体地,涉及一种基于网格分割的区域巡检任务分配方法及系统。

背景技术:

1、随着无人机集群技术在电力巡检领域的广泛应用,如何高效、鲁棒地将大面积巡检区域的任务分配给多架无人机成为关键技术挑战。现有任务分配方法通常采用固定尺寸网格划分目标区域,该方法在地形平坦区域尚可适用,但在跨越山区、平原、河流等多种地形的复杂场景下,固定网格无法适应地形起伏变化,导致山区网格任务量过大而平原网格资源闲置,负载严重不均衡。此外,基于遗传算法或标准粒子群算法的优化方法在处理大规模多约束优化问题时收敛速度慢、易陷入局部最优,且缺乏对执行过程中突发状况如电量骤降、天气突变的动态响应能力,系统鲁棒性不足。

技术实现思路

1、为解决上述技术问题,本发明提出了一种基于网格分割的区域巡检任务分配方法及系统。

2、本发明技术方案为:

3、一方面,本发明提出一种基于网格分割的区域巡检任务分配方法,包括以下步骤:

4、对目标巡检区域进行初始网格划分,构建多约束代价函数,并基于各网格代价计算结果采用改进四叉树-分水岭混合算法进行自适应递归分割,同时基于导线弧垂模型动态剔除禁飞区,得到巡检任务网格集合;

5、基于巡检任务网格集合构建基于电化学-动力耦合能耗模型的多目标优化函数,采用混沌柯西变异量子粒子群算法对多目标优化函数进行求解,得到各无人机的任务序列与航迹构成的初始分配方案;

6、在任务执行过程中,基于改进合同网协议的边缘分布式三级动态调整机制,对初始分配方案进行动态修正。

7、优选的,所述多约束代价函数包含高程标准差、高压走廊电磁干扰指数和历史风切变指数三个分量;当网格的多约束代价函数的值超过预设阈值时触发四叉树分裂,并在分裂后的网格边界处采用分水岭算法进行平滑处理。

8、优选的,所述多目标优化函数以最小化整体巡检完成时间、最大化集群能耗均衡度、最大化高优先级任务覆盖率以及最小化电池放电深度惩罚项为目标;所述多目标优化函数的约束条件包括单机总航程不超过续航里程的预设比例、单机任务网格数不超过总网格数的预设比例、以及与电力设施的安全距离不小于预设值。

9、优选的,所述电池放电深度惩罚项在放电深度超过预设阈值时启动指数级惩罚因子。

10、优选的,所述混沌柯西变异量子粒子群算法采用混沌映射初始化种群,并在全局最优停滞时引入柯西变异算子跳出局部最优,采用非线性函数调整收缩扩张系数。

11、优选的,所述收缩扩张系数采用非线性凹函数递减;所述混沌映射为logistic混沌映射;当全局最优适应度连续预设代数无改善时,对当前最优粒子施加柯西变异扰动。

12、优选的,所述三级动态调整机制包括预测性常规重平衡、异常快速无缝迁移及气象时空走廊规避;其中,所述预测性常规重平衡基于各无人机实时状态前置预测剩余电量与任务完成时间,当集群任务完成时间的方差超过预设阈值时触发,采用贪心算法以最小化剩余完成时间为目标重新分配未完成任务。

13、另一方面,本发明还提供一种基于网格分割的区域巡检任务分配系统,包括:

14、网格分割模块,对目标巡检区域进行初始网格划分,构建多约束代价函数,并基于各网格代价计算结果采用改进四叉树-分水岭混合算法进行自适应递归分割,同时基于导线弧垂模型动态剔除禁飞区,得到巡检任务网格集合;

15、任务生成模块,基于巡检任务网格集合构建基于电化学-动力耦合能耗模型的多目标优化函数,采用混沌柯西变异量子粒子群算法对多目标优化函数进行求解,得到各无人机的任务序列与航迹构成的初始分配方案;

16、动态调整模块,在任务执行过程中,基于改进合同网协议的边缘分布式三级动态调整机制,对初始分配方案进行动态修正。

17、再一方面,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任一实施例所述的一种基于网格分割的区域巡检任务分配方法。

18、再一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的一种基于网格分割的区域巡检任务分配方法。

19、本发明具有如下有益效果:

20、1、通过构建包含高程标准差、电磁干扰指数和风切变指数的多约束代价函数,采用改进四叉树-分水岭混合算法进行自适应网格分割,山区网格精细、平原网格稀疏,有效匹配地形复杂度,提高任务分配的合理性。

21、2、采用混沌柯西变异量子粒子群算法,通过混沌映射初始化种群提高多样性,非线性凹函数递减收缩扩张系数平衡全局探索与局部开发,柯西变异跳出局部最优,相比传统遗传算法收敛速度提升显著。

22、3、基于改进合同网协议的三级动态调整机制,实现预测性常规重平衡、异常快速无缝迁移和气象时空走廊规避,能够在执行过程中实时响应负载不均衡、设备故障和恶劣天气,确保巡检任务完成率。

23、4、多目标优化函数引入电池放电深度惩罚项,当放电深度超过阈值时启动指数级惩罚,有效避免无人机过度放电,延长电池使用寿命。

1.一种基于网格分割的区域巡检任务分配方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于网格分割的区域巡检任务分配方法,其特征在于:所述多约束代价函数包含高程标准差、高压走廊电磁干扰指数和历史风切变指数三个分量;当网格的多约束代价函数的值超过预设阈值时触发四叉树分裂,并在分裂后的网格边界处采用分水岭算法进行平滑处理。

3.根据权利要求1所述的一种基于网格分割的区域巡检任务分配方法,其特征在于:所述多目标优化函数以最小化整体巡检完成时间、最大化集群能耗均衡度、最大化高优先级任务覆盖率以及最小化电池放电深度惩罚项为目标;所述多目标优化函数的约束条件包括单机总航程不超过续航里程的预设比例、单机任务网格数不超过总网格数的预设比例、以及与电力设施的安全距离不小于预设值。

4.根据权利要求3所述的一种基于网格分割的区域巡检任务分配方法,其特征在于:所述电池放电深度惩罚项在放电深度超过预设阈值时启动指数级惩罚因子。

5.根据权利要求1所述的一种基于网格分割的区域巡检任务分配方法,其特征在于:所述混沌柯西变异量子粒子群算法采用混沌映射初始化种群,并在全局最优停滞时引入柯西变异算子跳出局部最优,采用非线性函数调整收缩扩张系数。

6.根据权利要求5所述的一种基于网格分割的区域巡检任务分配方法,其特征在于:所述收缩扩张系数采用非线性凹函数递减;所述混沌映射为logistic混沌映射;当全局最优适应度连续预设代数无改善时,对当前最优粒子施加柯西变异扰动。

7.根据权利要求1所述的一种基于网格分割的区域巡检任务分配方法,其特征在于:所述三级动态调整机制包括预测性常规重平衡、异常快速无缝迁移及气象时空走廊规避;其中,所述预测性常规重平衡基于各无人机实时状态前置预测剩余电量与任务完成时间,当集群任务完成时间的方差超过预设阈值时触发,采用贪心算法以最小化剩余完成时间为目标重新分配未完成任务。

8.一种基于网格分割的区域巡检任务分配系统,其特征在于,包括:

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的一种基于网格分割的区域巡检任务分配方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种基于网格分割的区域巡检任务分配方法。