王兆輝

(國網(wǎng)河北省電力有限公司，河北 石家莊 050000)

無人機(jī)在電力巡線過程中，可能遇到強(qiáng)電場設(shè)備擊穿、風(fēng)壓擾動、機(jī)載遙感設(shè)備最小視野距離限制等安全距離限制。因?yàn)檩旊娋€路自身的電壓場強(qiáng)在線路周邊會產(chǎn)生強(qiáng)電場，導(dǎo)致無人機(jī)上的電勢差可能擊穿無人機(jī)電子設(shè)備，所以無人機(jī)應(yīng)與線路保持一個(gè)最小安全距離[1]。因?yàn)闊o人機(jī)在遭遇突發(fā)風(fēng)壓、風(fēng)速異常等大氣對流問題時(shí)，會對其巡航線路造成影響，使無人機(jī)過度接近線路，以致發(fā)生碰撞或者被電場電勢差擊穿，所以也應(yīng)考慮突發(fā)風(fēng)壓擾動產(chǎn)生的安全距離需求。機(jī)載遙感設(shè)備，包括傾斜攝影設(shè)備及激光點(diǎn)云設(shè)備等，均需要一個(gè)最小視野距離，同樣對無人機(jī)安全距離提出了要求[2]。如果小于設(shè)備的安全距離，可能導(dǎo)致無人機(jī)設(shè)備的損壞[3]。

在常規(guī)安全距離相關(guān)數(shù)據(jù)的融合過程中，一般采用邏輯分析法進(jìn)行數(shù)據(jù)分析[4]。但無人機(jī)的實(shí)際運(yùn)行過程一般會面臨更復(fù)雜的環(huán)境，此時(shí)應(yīng)對無人機(jī)安全距離的數(shù)據(jù)融合模式進(jìn)行更深入的分析[5]。因?yàn)閺?fù)雜數(shù)據(jù)會產(chǎn)生混沌效應(yīng)，此時(shí)構(gòu)建邏輯分析模型或者模糊控制模型很難實(shí)現(xiàn)無人機(jī)的安全距離控制，所以應(yīng)在智能電網(wǎng)人工智能系統(tǒng)支持下，對無人機(jī)進(jìn)行基于動態(tài)機(jī)器學(xué)習(xí)的安全距離控制[6]。

1 無人機(jī)安全距離的數(shù)據(jù)來源

1.1 基于電場場強(qiáng)的無人機(jī)安全距離控制

輸電線路因?yàn)殡娎|輸電電壓所產(chǎn)生的線路周圍電場強(qiáng)度(下文稱場強(qiáng))可能產(chǎn)生較為顯著的電勢梯度，而無人機(jī)自身也存在一定的尺寸跨度，所以線路場強(qiáng)對無人機(jī)的影響并不顯著，但其場強(qiáng)梯度對無人機(jī)的損害則較為致命。這是因?yàn)閳鰪?qiáng)梯度在無人機(jī)兩側(cè)產(chǎn)生的電勢差，可能會導(dǎo)致無人機(jī)產(chǎn)生強(qiáng)感應(yīng)電流，使無人機(jī)設(shè)備被感應(yīng)電流擊穿[7]。

以±500 kV直流輸電線路為例，其周邊沒有交變電場，但會產(chǎn)生有一定梯度的穩(wěn)定電場，此電場會對無人機(jī)產(chǎn)生影響，帶來擊穿風(fēng)險(xiǎn)。Simulink仿真條件下，其場強(qiáng)分布規(guī)律見表1。

表1 ±500 kV輸電線路直線塔空間電場分布情況表(I=3 kA)

表1中，因?yàn)榫€塔內(nèi)側(cè)不能提供5.0 m的空間條件，所以線路內(nèi)側(cè)無法仿真5.0 m的場強(qiáng)數(shù)據(jù)，但通過仿真數(shù)據(jù)可知，隨著與線路之間的距離增大，場強(qiáng)顯著降低，達(dá)到5.0 m時(shí)，場強(qiáng)已經(jīng)下降到67 kV/m。

在此模式下對±500 kV直流線路的空間磁場強(qiáng)度進(jìn)行基于Simulink的仿真，其磁場分布規(guī)律見表2。

表2 ±500 kV輸電線路直線塔空間磁場分布情況表(I=3 kA)

表2中，±500 kV輸電線路的磁場分布下降強(qiáng)度與表1中的電場強(qiáng)度類似，但下降幅度更大。表1中的電場強(qiáng)度數(shù)據(jù)級別的下降幅度為80.0%，而表2中的磁場強(qiáng)度的下降幅度為93.6%。

根據(jù)電磁場的比奧-沙伐定律，當(dāng)導(dǎo)線內(nèi)實(shí)時(shí)電流強(qiáng)度為I時(shí)，其回路周邊磁感應(yīng)強(qiáng)度B可以表達(dá)為：

(1)

式中：μ為空氣介質(zhì)的磁導(dǎo)率；x，y為被測量點(diǎn)即無人機(jī)出現(xiàn)位置距離導(dǎo)線的法向水平距離和垂直距離。

圖1所示為無人機(jī)的電磁場擊穿故障樹，無人機(jī)的機(jī)械構(gòu)建跨度、導(dǎo)線中的電流值、空氣磁導(dǎo)率、無人機(jī)距離導(dǎo)線的距離，共同構(gòu)成了無人機(jī)擊穿的故障原因，故障條件疊加模式為邏輯“與”。

圖1 無人機(jī)電磁場擊穿故障樹示意圖

1.2 基于風(fēng)壓擾動的無人機(jī)安全距離控制

假定無人機(jī)巡航過程中，突發(fā)大氣對流現(xiàn)象，產(chǎn)生的陣風(fēng)風(fēng)速為vf，那么無人機(jī)會在巡航方向上疊加一個(gè)速度分量vf，該分量會使無人機(jī)以一定速率向?qū)Ь€靠近。此時(shí)假定無人機(jī)的最大平飛速率為vmax且其最大加速度為amax，就可以得到一系列控制公式。

此時(shí)，無人機(jī)疊加后向?qū)Ь€靠近的巡航速度v′如式(2)所示：

v′=v0sinφ0+vfsinφf

(2)

式中：v0,vf分別為無人機(jī)當(dāng)時(shí)的巡航速率和疊加風(fēng)速；φ0,φf分別為無人機(jī)巡航速度矢量與導(dǎo)線法線的夾角和疊加風(fēng)速矢量與導(dǎo)線法線的夾角。

此時(shí)，無人機(jī)利用最大加速度修正該速度時(shí)其自身移動的距離B為：

(3)

式中：amax為無人機(jī)最大加速度，此時(shí)無人機(jī)的避障策略為全部加速度施加在其與導(dǎo)線法向反向的矢量方向上。

由此可以基本斷定，無人機(jī)的風(fēng)壓擾動產(chǎn)生安全事故的條件數(shù)據(jù)如圖2所示。

圖2 無人機(jī)風(fēng)壓擾動偏航故障樹示意圖

圖2中，對風(fēng)速和無人機(jī)巡航速度可以使用矢量進(jìn)行控制，也可以使用其對輸電線路法線的速率值進(jìn)行控制，圖中4個(gè)條件的故障條件疊加模式為邏輯與。

1.3 遙感設(shè)備最小應(yīng)用距離決定的安全距離

遙感設(shè)備最小應(yīng)用距離的一般限制條件為被遙感設(shè)備的尺寸，即通過電力建設(shè)管理信息系統(tǒng)(BIM系統(tǒng))查出鐵塔等設(shè)備的高度、寬度等尺寸，從而獲得被遙感設(shè)備的尺寸，再查表獲取遙感設(shè)備的最小應(yīng)用距離。如果無人機(jī)攜帶多個(gè)遙感設(shè)備，則應(yīng)選擇所有設(shè)備最小應(yīng)用距離的最大值進(jìn)行安全距離控制。

圖3為遙感設(shè)備因最小距離失效故障樹，遙感目標(biāo)尺寸、設(shè)備最小應(yīng)用距離、無人機(jī)巡航距離等數(shù)據(jù)共同形成了遙感設(shè)備失效故障，該3個(gè)條件的故障條件疊加模式為邏輯與。

圖3 遙感設(shè)備因最小距離失效故障樹示意圖

2 電力巡線無人機(jī)安全距離控制的數(shù)據(jù)融合算法

2.1 傳統(tǒng)數(shù)據(jù)融合模式

傳統(tǒng)模式下，通過上述3個(gè)故障樹分別算得無人機(jī)安全距離，分別為LA,LB,LC，那么無人機(jī)的安全距離L為：

L=max(LA+LB,LC)

(4)

式中：LA,LB,LC分別為電磁場決定的安全距離、風(fēng)壓環(huán)境決定的安全距離、設(shè)備最小應(yīng)用距離決定的安全距離。

其中LC為多個(gè)遙感設(shè)備最小應(yīng)用距離的最大值，詳見公式(5)：

LC=max(L1,L2,…,Ln)

(5)

式中：L1～Ln分別為第1個(gè)～第n個(gè)遙感設(shè)備的最小應(yīng)用距離。

2.2 基于機(jī)器學(xué)習(xí)的數(shù)據(jù)融合模式

基于機(jī)器學(xué)習(xí)的數(shù)據(jù)融合模式，是將圖1、圖2、圖3中的3個(gè)故障樹的所有11個(gè)條件數(shù)據(jù)進(jìn)行融合，最終在基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法下，直接求得其安全距離L，如圖4所示。

圖4 基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)技術(shù)在數(shù)據(jù)融合中的應(yīng)用

圖4中，輸入數(shù)據(jù)并未包含上述3個(gè)故障樹中的無人機(jī)巡航路徑點(diǎn)沿輸電線路法線方向至輸電線路的距離。因?yàn)檩斎霐?shù)值屬于求解數(shù)值，那么無人機(jī)巡航路徑點(diǎn)到輸電線路的距離必須大于用基于機(jī)器學(xué)習(xí)的數(shù)據(jù)融合模式計(jì)算出的安全距離。該模式將所有輸入數(shù)據(jù)進(jìn)行去量綱歸一化后，輸入一個(gè)神經(jīng)網(wǎng)絡(luò)模塊和安全距離帶量綱值。

表3中，共設(shè)計(jì)了7層隱藏層，其中：第1,2,3層的統(tǒng)計(jì)學(xué)意義是將輸入數(shù)據(jù)充分整理，使其初步融合，所以其應(yīng)使用多項(xiàng)式函數(shù)進(jìn)行節(jié)點(diǎn)函數(shù)設(shè)計(jì)；第4,5層的統(tǒng)計(jì)學(xué)意義是將數(shù)據(jù)細(xì)節(jié)充分放大，使集中在數(shù)軸0點(diǎn)附近的數(shù)據(jù)充分向右擴(kuò)散，且不影響數(shù)據(jù)之間的順序和邏輯關(guān)系，所以其應(yīng)采用對數(shù)函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計(jì)，在節(jié)點(diǎn)函數(shù)中，e取近似值2.718 281 8；第6,7層的統(tǒng)計(jì)學(xué)意義是將前面步驟充分規(guī)整和放大的數(shù)據(jù)關(guān)系進(jìn)行狀態(tài)空間疊加治理，使數(shù)據(jù)進(jìn)一步融合，所以其節(jié)點(diǎn)函數(shù)使用線性函數(shù)進(jìn)行治理。

表3 神經(jīng)網(wǎng)絡(luò)模塊設(shè)計(jì)細(xì)節(jié)表

在神經(jīng)網(wǎng)絡(luò)之前的去量綱模塊中，針對所有整列數(shù)據(jù)，均采用Z-Score進(jìn)行歸一化處理，即判斷每個(gè)輸入值與平均值的差值與整列數(shù)據(jù)標(biāo)準(zhǔn)差的比值：

(6)

式中：Y輸為歸一化輸出值；μ1為整列數(shù)據(jù)的平均值；σ為整列數(shù)據(jù)的標(biāo)準(zhǔn)差。

為了實(shí)現(xiàn)對無人機(jī)秒級主動避障控制，無人機(jī)每秒至少要獲得200個(gè)周期的相關(guān)數(shù)據(jù)，即無人機(jī)的自動避障數(shù)據(jù)采集頻率大于200 Hz。如果用于數(shù)據(jù)判斷的整列數(shù)據(jù)引用最新100個(gè)數(shù)據(jù)記錄，那么其實(shí)際數(shù)據(jù)預(yù)熱時(shí)間為0.5 s，在實(shí)際飛行過程中，其對避障參數(shù)的判斷周期同樣穩(wěn)定在200 Hz以上。

3 兩種安全距離判斷算法的仿真結(jié)果比較

本文在Simulink仿真平臺上，采用傳統(tǒng)方案和神經(jīng)網(wǎng)絡(luò)方案對無人機(jī)巡檢±500 kV輸電線路的安全距離判斷能力進(jìn)行仿真，然后對結(jié)果進(jìn)行對比分析。在最小距離的判斷領(lǐng)域，其數(shù)據(jù)結(jié)果見表4。

表4 最小距離判斷結(jié)果的對比表 單位：m

表4中，除查表獲得的LC外，用神經(jīng)網(wǎng)絡(luò)方案算得的LA、LB及(LA+LB)和L，均較傳統(tǒng)方案有一定程度的減小。因?yàn)闊o人機(jī)實(shí)際控制最小巡航距離要大于而非等于L，所以用該改進(jìn)型神經(jīng)網(wǎng)絡(luò)安全距離判斷方案得出的L值應(yīng)小于傳統(tǒng)方案的L值，平均縮小幅度為3.5 m。該空間的縮小可以充分提升無人機(jī)的調(diào)度自由度。

因?yàn)闊o人機(jī)嵌入式系統(tǒng)的計(jì)算能力遠(yuǎn)小于桌面級工作站和機(jī)架式計(jì)算主機(jī)，所以應(yīng)對本文模型在無人機(jī)嵌入式系統(tǒng)中的響應(yīng)表現(xiàn)進(jìn)行研究，一方面確保其數(shù)據(jù)計(jì)算周期不超過200 Hz條件下的時(shí)間間隔(即5 ms)，另一方面應(yīng)保持計(jì)算資源的適度冗余，以確保無人機(jī)巡航過程中主控嵌入式系統(tǒng)不至于宕機(jī)。試驗(yàn)用無人機(jī)的機(jī)載嵌入板系統(tǒng)包含1個(gè)全志A31處理器(計(jì)算核心為4個(gè)ARM-A7處理核心)，1個(gè)ARM MALI-400MP2浮點(diǎn)處理器(GPU)(計(jì)算核心為8個(gè)MALI處理核心)，1個(gè)DDR3的2 GB動態(tài)處理器。

2個(gè)方案中，其系統(tǒng)占用量和響應(yīng)速度見表5。

表5 系統(tǒng)資源利用情況對比表

表5中，雖然神經(jīng)網(wǎng)絡(luò)方案的響應(yīng)周期略長于傳統(tǒng)方案，但可以將響應(yīng)周期穩(wěn)定在5 ms以內(nèi)且保留了一定的系統(tǒng)冗余；雖然神經(jīng)網(wǎng)絡(luò)方案的CPU、GPU、RAM占用率均高于傳統(tǒng)方案，但系統(tǒng)計(jì)算資源仍足夠冗余并可以保障系統(tǒng)穩(wěn)定運(yùn)行。為了進(jìn)一步提升系統(tǒng)性能，可以在無人機(jī)系統(tǒng)中部署專用嵌入板實(shí)現(xiàn)對該算法的運(yùn)行，或進(jìn)一步提升嵌入系統(tǒng)的算力。

4 結(jié)束語

通過數(shù)據(jù)融合算法的革新，本文在確保無人機(jī)嵌入設(shè)備算力冗余的前提下，實(shí)現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)的電力巡線無人機(jī)安全距離動態(tài)確認(rèn)方法。通過對算法的仿真對比可以看出，該算法能較大程度縮小人機(jī)安全距離保護(hù)范圍和保護(hù)區(qū)，為無人機(jī)作業(yè)空間提供了一定數(shù)據(jù)支持。