麥俊佳,郭 圣,徐振磊,曾懿輝

(廣東電網(wǎng)公司 佛山供電局,佛山 528000)

1 引言

架空輸電線路運行環(huán)境復雜多變,容易受到自然和人為因素破壞而導致各種故障,為了保證輸電線路的安全可靠運行,電力部門制定了嚴格的巡視工作規(guī)范,對輸電線路進行定期的巡視[1].

傳統(tǒng)的人工巡視因受地形限制,不但危險性高、工作量大,而且效率低下,已不能滿足輸電線路巡檢要求.有人直升機巡視雖然不受地理條件限制,具有巡線速度快的優(yōu)勢,但作業(yè)成本高、巡視操作難度大、作業(yè)規(guī)范性差、質(zhì)量參差不齊,難以在大多數(shù)省級、地市級線路運維單位推廣使用.隨著多旋翼無人機的出現(xiàn),其安全可靠、操作簡單的特性在輸電線路巡視中得到廣泛應(yīng)用[2].

近年來,國內(nèi)外眾多專家學者已對無人機電力線路巡檢技術(shù)做了大量的研究.如南方電網(wǎng)彭向陽等對無人機電力線路安全巡檢系統(tǒng)及關(guān)鍵技術(shù)進行了研究,較為全面地闡述了電力線路巡檢無人直升機的技術(shù)要點[2]；國家電網(wǎng)何惠清等探索了小型多旋翼無人機在架空輸電線路巡檢應(yīng)用,對無人機智能巡檢系統(tǒng)進行了描述[3].而在國外,依托已有的先進無人機技術(shù),相關(guān)研究的重點已經(jīng)轉(zhuǎn)向關(guān)注后續(xù)的圖像識別和數(shù)據(jù)處理等方面,如西班牙馬德里大學的Campoy 等致力于計算機視覺技術(shù)應(yīng)用于無人機巡線導航的研究,即利用圖像處理算法和跟蹤技術(shù),在GPS 的輔助下實現(xiàn)無人機的巡線導航[4].雖然較多的學者已對無人機電力線路巡檢技術(shù)進行了詳細的分析,但大多數(shù)研究集中在人工操控無人機巡檢方面,少數(shù)探索無人機電力線路智能巡檢技術(shù)也缺乏對該技術(shù)進行系統(tǒng)的分析及應(yīng)用研究.本文在學習總結(jié)國內(nèi)外相關(guān)研究的基礎(chǔ)上,進一步探索改進,提出了一種輸電線路多旋翼無人機自動駕駛智能巡檢系統(tǒng)及方法,重點介紹了巡檢系統(tǒng)結(jié)構(gòu)、功能、關(guān)鍵技術(shù)及應(yīng)用分析,該系統(tǒng)的實現(xiàn)大大提高電網(wǎng)巡檢效率,有效地解決了輸電專業(yè)無人機巡視方面的實際問題,具有較強的實際意義.

2 系統(tǒng)結(jié)構(gòu)

輸電線路多旋翼無人機自動駕駛智能巡檢系統(tǒng)主要由3 個部分組成,分別為智能終端、飛行平臺和機巡作業(yè)平臺.其中智能終端接收機巡作業(yè)平臺發(fā)送的自動飛行航線信息,實現(xiàn)對飛行平臺無人機的智能控制,同時將作業(yè)數(shù)據(jù)傳輸給機巡作業(yè)平臺進行分析處理.飛行平臺完成各種作業(yè)數(shù)據(jù)的采集,并將數(shù)據(jù)傳輸給智能終端和機巡作業(yè)平臺.機巡作業(yè)平臺根據(jù)作業(yè)數(shù)據(jù)規(guī)劃自動駕駛航線,并進行后期的照片處理.系統(tǒng)總體結(jié)構(gòu)如圖1所示.

圖1 多旋翼無人機自動巡檢系統(tǒng)總體結(jié)構(gòu)圖

2.1 智能終端

智能終端主要用于操控無人機飛行,通過數(shù)據(jù)鏈路和圖傳鏈路與飛行平臺實時連接,實現(xiàn)飛行狀態(tài)監(jiān)測、飛行任務(wù)管理、飛行安全檢查、作業(yè)數(shù)據(jù)管理等功能.其主要包括智能匹配、桿塔數(shù)據(jù)管理、地圖顯示、任務(wù)管理、飛行參數(shù)顯示、飛行安全檢查和作業(yè)數(shù)據(jù)管理等七大功能模塊.

智能匹配模塊可智能匹配無人機的機型、作業(yè)的線路和桿塔名稱,為作業(yè)提供了安全穩(wěn)定的運行環(huán)境.桿塔數(shù)據(jù)管理模塊用于儲存高精度桿塔坐標、高度及輸電桿塔等三維模型信息,同時該模塊可與網(wǎng)絡(luò)云端數(shù)據(jù)庫互聯(lián),從而實現(xiàn)數(shù)據(jù)共享.地圖顯示模塊可載入三維地圖,實時查看桿塔模型、電子圍欄、無人機和飛行航線.任務(wù)管理模塊用于管理不同線路巡視的作業(yè)任務(wù),作業(yè)人員只需按提醒的操作步驟執(zhí)行即可完成自動巡檢全過程.飛行參數(shù)顯示模塊可獲取無人機實時飛行、相機云臺和激光雷達參數(shù),包括無人機飛行速度、距離、高度、相機曝光參數(shù)等等基礎(chǔ)數(shù)據(jù),并顯示在智能終端.飛行安全檢查模塊用于檢查無人機的實時位置,并控制無人機在飛行時不能進入電子圍欄區(qū)域,以此保證無人機巡視作業(yè)安全.作業(yè)數(shù)據(jù)管理模塊用于管理無人機的作業(yè)數(shù)據(jù),包括作業(yè)記錄數(shù)據(jù)和所拍攝照片.

2.2 飛行平臺

飛行平臺為無人機作業(yè)及數(shù)據(jù)采集的主要平臺.系統(tǒng)主要采用RTK 無人機,其基于RTK 載波相位差分技術(shù)可在強電磁場中實現(xiàn)厘米級定位,保證了無人機作業(yè)位置和采集信息的準確性[5].其搭載的激光雷達、可見光相機和紅外測溫相機分別完成輸電線路激光點云、桿塔坐標與高度、設(shè)備可見光相片與紅外測溫相片等信息的采集.

2.3 機巡作業(yè)平臺

機巡作業(yè)平臺是數(shù)據(jù)處理、存儲與應(yīng)用的主要作業(yè)平臺.該平臺主要包括自動駕駛模塊和智能分析模塊.

自動駕駛模塊用于規(guī)劃無人機高精度精細化巡檢自動駕駛航線,對飛行平臺采集的高精度點云數(shù)據(jù)進行矢量化、對象化處理,提取關(guān)鍵點信息,根據(jù)智能控制算法自動生成無人機高精度精細化巡檢自動駕駛航線.智能分析模塊用于處理無人機巡視作業(yè)數(shù)據(jù),對無人機作業(yè)后拍攝的不同設(shè)備部件進行一一匹配、重命名及歸檔整理,同時對設(shè)備缺陷照片進行識別提取,整理命名,最終生成作業(yè)報告.

3 系統(tǒng)功能

多旋翼無人機自動駕駛智能巡檢系統(tǒng)功能主要是在保證輸電線路安全、無人機安全的前提下,實現(xiàn)無人機自動駕駛,進行輸電線路精細化巡檢,并智能分析作業(yè)數(shù)據(jù),最終形成作業(yè)報告.系統(tǒng)功能流程圖如圖2所示.根據(jù)前期采集的高精度桿塔坐標與高度信息,系統(tǒng)智能終端可自動規(guī)劃最優(yōu)的無人機激光建模飛行路線,操控激光雷達無人機實現(xiàn)激光雷達自動飛行.上傳高精度激光點云數(shù)據(jù)至機巡作業(yè)平臺,平臺依據(jù)智能算法自動規(guī)劃無人機精細化巡檢自動駕駛航線,將航線反饋給智能終端,即可操控RTK 無人機實現(xiàn)自動駕駛飛行巡視作業(yè).上傳作業(yè)數(shù)據(jù)至機巡作業(yè)平臺,平臺依據(jù)人工智能圖像識別算法對作業(yè)照片識別提取、缺陷分類、重命名及歸檔整理,生成作業(yè)報告.

4 系統(tǒng)關(guān)鍵技術(shù)

隨著RTK 載波相位差分高精度定位技術(shù)、高精度激光雷達建模技術(shù)和人工智能圖像識別技術(shù)的成熟,為輸電線路高質(zhì)量智能巡檢作業(yè)提供了技術(shù)條件支持,下面將闡述輸電線路多旋翼無人機自動駕駛智能巡檢系統(tǒng)關(guān)鍵技術(shù).

4.1 激光雷達無人機自動駕駛建模航線控制算法

激光雷達無人機配備有RTK 載波相位差分技術(shù)、導航系統(tǒng)和高精度激光雷達,可在強電磁場中實現(xiàn)厘米級定位和導航,保證了無人機自動駕駛飛行的穩(wěn)定性和精準性[5].然而人工操控激光雷達無人機進行三維建模仍然存在著難度大、風險高、作業(yè)速度不均勻、建模效果不好等問題.激光雷達無人機自動駕駛技術(shù)能有效解決人工操控建模的問題.結(jié)合雷達掃描區(qū)域和輸電線路結(jié)構(gòu)尺寸,包括桿塔高度、橫擔最大長度、最下相導線高度、走向,規(guī)劃無人機自動激光雷達建模航線,激光雷達掃描示意圖如圖3所示.

圖3 激光雷達掃描示意圖

為得到高質(zhì)量建模效果,理論上無人機距離帶電線路越近越好,慮到飛行安全,提出了無人機與輸電線路線行中心保持的水平距離需滿足式(1)要求：

式中,Da為線行中心與無人機保持的水平距離,單位m；L為桿塔最長橫擔長度,單位m；n為輸電線路安全距離,單位m,對應(yīng)110 kV、220 kV、500 kV 輸電線路安全距離分別為5、6、8.5 米.

無人機與水平地面保持的垂直距離理論值由式(2)求得：

式中,Ha為無人機與水平地面保持的垂直距離理論值,單位m；H為桿塔結(jié)構(gòu)高度,單位m；L為桿塔最長橫擔長度,單位m；n為輸電線路安全距離,單位m；α為激光雷達開角,單位rad.

為得到最佳的建模效果,根據(jù)塔高與激光雷達射程,提出無人機飛行高度值需滿足式(3)要求：

式中,h為無人機實際飛行高度,單位m；Ha為無人機與水平地面保持的垂直距離理論值,單位m；R為激光雷達射程,單位m；α為激光雷達開角,單位rad；i為飛行次數(shù).以上高度,為激光雷達無人機建模時飛行的高度,根據(jù)雷達掃描區(qū)域范圍、桿塔結(jié)構(gòu)尺寸,分別規(guī)劃無人機航線為單架次、雙架次、三架次等作業(yè),以使激光雷達掃描區(qū)域可覆蓋整個輸電線路結(jié)構(gòu).根據(jù)式(1)-(3)可計算無人機激光建模飛行的最優(yōu)路線,規(guī)劃路線上傳至無人機,由此完成激光雷達無人機自動駕駛建模作業(yè).

4.2 無人機自動駕駛精細化巡檢航線控制算法

無人機自動駕駛精細化巡檢航線主要由系統(tǒng)機巡作業(yè)平臺規(guī)劃實現(xiàn).機巡作業(yè)平臺可通過分析激光雷達無人機采集的高精度點云數(shù)據(jù),提取關(guān)鍵點信息,計算優(yōu)化,再依次組合成自動駕駛航線.輸電線路的關(guān)鍵節(jié)點為鐵塔,鐵塔一般分為直線塔,轉(zhuǎn)角塔,耐張塔,分歧塔,換位塔,終端塔等,每一種塔型均具有不同的空中飛行巡視路徑參數(shù),即飛機起降位置；塔腳、塔頂懸停位置；相機拍攝角度；照片拍攝數(shù)量；每相序?qū)Ь€、地線懸停位置等.下面以典型的四回路直線塔為例,具體說明鐵塔精細化巡視路徑及懸停節(jié)點.四回路直線塔自動巡檢關(guān)鍵點設(shè)計如圖4所示,結(jié)合巡視作業(yè)的塔形和設(shè)備,一共設(shè)置了16 個懸停位置關(guān)鍵點,無人機按照圖中規(guī)劃順序依次懸停作業(yè).不同的懸停位置調(diào)整云臺相機角度,進行不同設(shè)備的巡檢拍攝工作,其中懸停位置1 線路前進方向右邊塔身處,可拍攝塔腳和桿塔線路名牌等設(shè)備照片；懸停位置2 至7,11 至16可拍攝導線、防震錘、絕緣子串和金具等設(shè)備照片；懸停位置8 至10 可拍攝地線、塔頭和防震錘等設(shè)備照片.

為得到高質(zhì)量巡檢作業(yè)圖片,理論上無人機距離帶電線路越近越好,但慮到飛行安全,提出了選取的關(guān)鍵點與邊導線和桿塔的距離需滿足式(4)的要求：其中,l1,l2分別為在磁場干擾下,保持無人機操控系統(tǒng)正常工作條件下至線路兩側(cè)邊導線的最小安全距離,單位m；l3,l4為在電場干擾下,保持無人機操控系統(tǒng)正常工作條件下至線路兩側(cè)邊導線的最小安全距離,單位m；x1為允許風速條件下瞬時導致無人機偏離航點的最大距離,單位m；x2為規(guī)劃航點與無人機GPS 定位儀數(shù)據(jù)實際位置的距離誤差,單位m；v為無人機巡視飛行速度,單位m/s；t為無線通訊系統(tǒng)最長延時,單位s；a1為多旋翼無人機軸距與半螺旋槳長度之和,單位m.根據(jù)式(4)和不同的桿塔模型可計算最優(yōu)的無人機懸停位置關(guān)鍵點,依次提取組合,由此得出無人機自動駕駛精細化巡檢的最優(yōu)航線,規(guī)劃路線上傳至無人機,即可完成無人機自動駕駛精細化巡檢作業(yè).

圖4 自動巡檢關(guān)鍵點設(shè)計圖

4.3 人工智能圖像識別作業(yè)數(shù)據(jù)處理方法

隨著人工智能技術(shù)的發(fā)展,深度學習為輸電線路作業(yè)數(shù)據(jù)智能處理提供了新的思路.無人機作業(yè)過程中有大量的圖像數(shù)據(jù)需要處理,對于圖像特征的提取與分類一直是無人機智能化作業(yè)領(lǐng)域的一個基礎(chǔ)而重要的研究方向.卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)提供了一種端到端的深度學習模型,模型中的參數(shù)可以通過傳統(tǒng)的梯度下降方法進行訓練,經(jīng)過訓練的卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)W習到圖像中的特征,并且完成對圖像特征的提取和分類.收集一定量的原始數(shù)據(jù)并進行相應(yīng)處理,輸入到CNN 訓練框架中,經(jīng)過反復迭代,最終生成合格的圖像識別模型.通過調(diào)用該識別程序,即可對大量的數(shù)據(jù)進行智能化分析.如圖5所示,典型的卷積神經(jīng)網(wǎng)絡(luò)主要由輸入層、卷積層、下采樣層(池化層)、全連接層和輸出層組成.

圖5 卷積神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)的輸入通常為原始圖像X.本文用Hi表示卷積神經(jīng)網(wǎng)絡(luò)第i層的特征圖(H0=X).假設(shè)Hi是卷積層,Hi的產(chǎn)生過程可以描述為：

其中,Wi表示第i層卷積核的權(quán)值向量；運算符號“ ?”代表卷積核與第i-1 層圖像或者特征圖進行卷積操作,卷積的輸出與第i層的偏移向量bi相加,最終通過非線性的激勵函數(shù)f(x)得到第i層的特征圖Hi.

下采樣層通常跟隨在卷積層之后,依據(jù)一定的下采樣規(guī)則對特征圖進行下采樣.下采樣層的功能主要有兩點：1)對特征圖進行降維；2)在一定程度上保持特征的尺度不變特性.假設(shè)Hi是下采樣層：

經(jīng)過多個卷積層和下采樣層的交替?zhèn)鬟f,卷積神經(jīng)網(wǎng)絡(luò)依靠全連接網(wǎng)絡(luò)對針對提取的特征進行分類,得到基于輸入的概率分布Y(li表示第i個標簽類別).如式(7)所示,卷積神經(jīng)網(wǎng)絡(luò)本質(zhì)上是使原始矩陣(H0)經(jīng)過多個層次的數(shù)據(jù)變換或降維,映射到一個新的特征表達(Y)的數(shù)學模型.

訓練過程中,卷積神經(jīng)網(wǎng)絡(luò)常用的優(yōu)化方法是梯度下降方法.殘差通過梯度下降進行反向傳播,逐層更新卷積神經(jīng)網(wǎng)絡(luò)的各個層的可訓練參數(shù)(W和b).學習速率參數(shù)(η)用于控制殘差反向傳播的強度：

本系統(tǒng)人工智能圖像識別技術(shù)正是基于上述CNN深度學習框架[6-9],對現(xiàn)有的機巡數(shù)據(jù)進行訓練,在多次訓練后生成可調(diào)用模型.無人機自動駕駛作業(yè)結(jié)束后,作業(yè)數(shù)據(jù)通過智能終端管理,上傳至機巡作業(yè)平臺進一步分析處理.通過調(diào)用模型,機巡作業(yè)平臺內(nèi)置了功能完善的圖像識別模型服務(wù),可對無人機作業(yè)后拍攝的不同設(shè)備部件進行一一匹配、重命名及歸檔整理,同時對設(shè)備缺陷照片進行識別提取,整理命名,最終生成作業(yè)報告.這大大減少了數(shù)據(jù)處理、圖片歸檔工作量,提高了缺陷查找的準確度,提升了工作效率.

5 系統(tǒng)應(yīng)用實踐

為驗證多旋翼無人機自動駕駛智能巡檢系統(tǒng)的有效性,對110 kV 三興線N1-N19 塔全線進行了激光掃描建模并開展了自動精細化巡檢測試.自動精細化巡檢采用大疆M210 RTK 多旋翼無人機,搭ZENMUSE X4S 相機,測試線路長度全長約4.5 公里,線路位于山區(qū),精細化巡檢難度較大.

本次多旋翼無人機自動精細化巡檢測試按照系統(tǒng)功能流程,綜合運用了RTK 載波相位差分高精度定位技術(shù)、高精度激光雷達建模技術(shù)、無人機自動精細化巡檢方法和人工智能圖像識別作業(yè)數(shù)據(jù)處理方法,完成了110 kV 三興線全線的自動精細化巡檢作業(yè),并最終生成了作業(yè)報告.其中智能終端任務(wù)界面如圖6所示,110 kV 三興線激光掃描建模結(jié)果如圖7所示,測試共發(fā)現(xiàn)桿塔本體重大缺陷12 處,部分缺陷如圖8所示.相比傳統(tǒng)的人工操作無人機巡檢方式,自動駕駛智能巡檢大大提升了無人機的作業(yè)準確性和安全性,有效提高了無人機的作業(yè)效率,減少了數(shù)據(jù)處理工作量,保證了作業(yè)效果.具體特征對比如表1所示.

6 結(jié)語

本文針對現(xiàn)有架空輸電線路定期巡檢技術(shù)的缺點與不足,提出了一種輸電線路多旋翼無人機自動駕駛智能巡檢系統(tǒng),重點介紹了巡檢系統(tǒng)結(jié)構(gòu)、功能流程、關(guān)鍵技術(shù)及應(yīng)用分析.通過應(yīng)用實踐,證明了系統(tǒng)的有效性.該系統(tǒng)的實現(xiàn)有效地提高了無人機飛行的智能性、準確性、安全性,同時保證了輸電線路巡檢作業(yè)的高效性,提高輸電線路無人機巡檢效果、作業(yè)效率和安全,具有很好的應(yīng)用前景.

圖6 智能終端任務(wù)界面

圖7 激光掃描建模模

圖8 部分巡檢缺陷圖

表1 人工操控無人機巡檢與自動駕駛智能巡檢方式特征對比