本发明涉及电力系统的运行检修领域技术领域，具体涉及一种用于输电线路巡检无人机的三维航迹规划方法。
背景技术：
近年来，随着社会经济的突飞猛进及城市规模的迅猛发展，生活与工业用电需求越来越大。在大用电需求的背后，以超/特高压输电线路(以下简称输电线路)为主骨架的全国互联大电网应运而生，电网规模也越来越大。然而，正是电网规模的迅猛扩大，输电线路安全运行所面临的挑战和风险也与日俱增：极端自然灾害、动植物侵入、人为外力破坏等非传统因素造成的电网事故时有发生。随着无人飞行器技术的发展，将无人飞行器应用于电力巡线已经成为可能。
输电线路巡检无人机航路问题与常规意义上的作战无人机考虑因素具有较大差别。传统作战无人机在对既定敌方目标进行侦察时，主要对任务目标进行目标价值分析，自身约束条件(如：续航能力、有效载荷等)以及包括敌方雷达、防空武器在内的飞行作业环境的综合分析，从而制定相关的飞行航路；而输电线路巡检无人机主要作业对象为高压输电线路及其沿途杆塔，虽不存在无人机隐蔽性需求，但需要在满足安全距离的前提下，尽可能地贴近输电线路兴趣点进行观察作业；另外，巡检无人机作业时比常规作战无人机任务环境更加苛刻的条件在于，现场环境只能通过无人机机载视频成像发现航路前方的“威胁”，特别是在居民生活区进行输电线路巡检时航路规划算法更加需要考虑空间中的不规则障碍物，这就需要航路规划算法具有一定的自学能力，并能具有处理事务的能力。
目前还是没有专门为输电线路巡检无人机设计的航迹规划方法，导致了无人机无法用于输电线路的巡检。
技术实现要素：
本发明的目的在于提供一种用于输电线路巡检无人机的三维航迹规划方法，该方法提高了航迹规划效率，减少了无人机电力巡线的三维航迹规划时间。
为解决上述技术问题，本发明公开的用于输电线路巡检无人机的三维航迹规划方法，其特征在于，它包括如下步骤：
步骤1：对障碍物进行建模，在任意一个巡检任务中，将所有障碍物和杆塔的坐标上传至无人机机载计算机中，在无人机机载计算机的地图中设置圆柱体模型包裹住每个的障碍物；
设障碍物中心经纬度坐标为(xi,yi)，能包裹住障碍物的最小圆半径为：ri(i＝1，2，3，4……n)，n为障碍物总数，则能包裹住障碍物的最小圆柱体的平面投影方程为：
(x-xi)2+(y-yi)2≤ri2 (1)
式1中x、y分别为无人机实时经纬度坐标；
步骤2：根据已探测到的飞行环境信息，采用以下BP神经网络算法进行无人机全局航迹规划，获得基准航迹；
所述的BP神经网络算法包括1个隐含层和1个输出层；
所述隐含层函数为tansig传递函数：
所述输出层函数为purelin函数：
zBP＝ayBP+b (3)
其中式(2)为BP神经网络隐含层的传递函数，属于双曲正切S型传输函数；式(3)为BP神经网络输出层使用的传递函数，属于线性函数；xBP为无人机沿着输电线路飞行会遇到的某个杆塔、某个障碍物的坐标，e为自然对数的底数；yBP为将xBP输入BP神经网络 后隐含层的输出，zBP为输出层的输出坐标；a、b为对应某条输电线路在BP神经网络算法中所选择的预设经验参数；所有杆塔和障碍物的坐标输入BP神经网络，输出一组坐标zBP；
根据上述求出的能包裹住障碍物的最小圆柱体的平面投影方程和对应的障碍物中心经纬度坐标(xi,yi)，确定以上各个障碍物最小圆柱体的具体位置和大小，然后在避开以上各个障碍物最小圆柱体的前提下将公式3输出的坐标组zBP中的对应坐标点顺次相连起来组成的路径就是适合无人机飞行的巡检路线，既能让无人机有效避开障碍物，又能让无人机保持在输电线路附近飞行。
本发明的有益效果：
本发明对电力巡线无人机航迹规划方法进行了研究，基于序列规划思想，采用BP神经网络算法规划基准航迹，提高了航迹规划效率，减少了无人机电力巡线的三维航迹规划时间。
具体实施方式
以下结合具体实施例对本发明作进一步的详细说明：
一种用于输电线路巡检无人机的三维航迹规划方法，它包括如下步骤：
步骤1：对障碍物进行建模，在任意一个巡检任务中，将所有障碍物和杆塔的坐标上传至无人机机载计算机中，在无人机机载计算机的地图中设置圆柱体模型包裹住每个的障碍物；
设障碍物中心经纬度坐标为(xi,yi)，能包裹住障碍物的最小圆半径为：ri(i＝1，2，3，4……n)，n为障碍物总数，则能包裹住障碍物的最小圆柱体的平面投影方程为：
(x-xi)2+(y-yi)2≤ri2 (1)
式1中x、y分别为无人机实时经纬度坐标；
步骤2：根据已探测到的飞行环境信息(包括障碍物坐标和大小，杆塔坐标和高度)，采用以下BP神经网络算法进行无人机全局航迹规划，获得基准航迹；
所述的BP神经网络算法包括1个隐含层和1个输出层；
所述隐含层函数为tansig传递函数：
所述输出层函数为purelin函数：
zBP＝ayBP+b (3)
其中式(2)为BP神经网络隐含层的传递函数，属于双曲正切S型传输函数；式(3)为BP神经网络输出层使用的传递函数，属于线性函数；xBP为无人机沿着输电线路飞行会遇到的某个杆塔、某个障碍物的坐标，e为自然对数的底数；yBP为将xBP输入BP神经网络后隐含层的输出，zBP为输出层的输出坐标；a、b为对应某条输电线路在BP神经网络算法中所选择的预设经验参数；所有杆塔和障碍物的坐标输入BP神经网络，输出一组坐标zBP；
根据上述求出的能包裹住障碍物的最小圆柱体的平面投影方程和对应的障碍物中心经纬度坐标(xi,yi)，确定以上各个障碍物最小圆柱体的具体位置和大小，然后在避开以上各个障碍物最小圆柱体的前提下将公式3输出的坐标组zBP中的对应坐标点顺次相连起来组成的路径就是适合无人机飞行的巡检路线，既能让无人机有效避开障碍物，又能让无人机保持在输电线路附近飞行。
步骤3：根据以下方式对步骤2得到的无人机飞行巡检路线进行优化：
计算步骤2的无人机飞行巡检路线与期望飞行路线(期望飞行路线为人工在地图上绘制的最优路线)之间的最小均方差，即得到无人机飞行巡检路线与期望飞行路线之间的总误差值；根据总误差和梯度下降法对步骤2的BP神经网络中各连接权值进行调整，经过若干次调整，将总误差调整至预设的容许误差范围内，使BP神经网络输出的飞行路线与期望飞行路线基本重合(上述BP神经网络优化的具体过程为现有技术详见参考文献：无人机航路规划与威胁源模型研究《微计算机信息》2009年第25卷第7-1期，以及参考文献： 一种基于神经网络的移动机器人路径规划算法，《高技术通讯》2002,12(9)：42-45)。
步骤4：测量各个杆塔的高度，对上述生成的二维航迹中各个杆塔对应的坐标点赋予上述测量得到的对应高度，从而完成三维航迹规划。
上述技术方案中用到的人工神经网络(Artificial Neural Networks，ANN)是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。BP(Back Propagation)神经网络算法是是一种按误差逆传播算法训练的多层前馈网络。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。
高压输电线路为已建成输电线路具有固定的经纬度坐标，输电线路一般不发生变化。由于输电线路杆塔相对地面高度为常数，输电线路无人机可以起飞后先到达预定高度，在此高度上按照航路进行巡检，并对航路上的障碍物进行航路修改，而对于输电线路的航路规划问题，则从三维空间航路问题简化为二维航路规划问题，这样就神经网络输入上来讲，可以大大提高算法的效率，并简化神经网络层数。
本发明的BP神经网络能够很好的解决固定高度的高压输电线路兴趣点的巡视。而对于高度存在差异的输电线路，可以通过机载云台摄像机调整摄像机的姿态角则可以对待巡视的兴趣点进行摄像、拍照等监控措施。
上述技术方案中，针对武汉周边某220kV输电线路，采集杆塔坐标、输电线路沿线障碍物坐标。在MATLAB软件中进行编码，通过神经网络工具箱进行仿真，对BP神经网络进行训练，在该案例中a取值范围为0.83～0.85，b取值范围为0.20～0.25，得到了较为理想的无人机巡检飞行路线。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。