一种基于路径规划的无人机喷涂方法与流程

本发明涉及信息，特别是涉及一种基于路径规划的无人机喷涂方法。

背景技术：

1、随着架空线路的不断发展和智能化程度的提高，架空线路的故障处理及维护处理成为了一个关键的问题，具体而言，现有架空线路的故障检测与定位仍然需要依赖人工干预，这种操作不仅浪费大量时间还会导致施工成本的不断上升，且准确地了解线路的状态对于维护工作至关重要，传统的监测方法可能无法实时获取线路的精确状态信息，或者无法对线路的不同部分进行细致的监测，如何开发高精度的线路状态监测技术以实时、准确地获取线路的各项参数和状态信息是目前亟需解决的问题。

2、进一步的，随着无人机、传感器等技术的应用，架空线路维护产生的数据量不断增加，需要高效地处理和管理这些大规模的数据并从中提取有用的信息以对维护工作进行指导和优化，传统的维修计划和优先级安排往往缺乏规划和科学性，导致维修周期的延长和资源的浪费，需要根据线路的重要性、故障的紧急程度和维修资源的可用性等因素，制定高效的维修计划和优先级安排。

3、更进一步的，架空线路维护往往在各种复杂的环境条件下如恶劣的天气、高海拔地区进行，如何使无人机在各种环境条件下都能正常运行，并保证其可靠性和稳定性，也是一个需要解决的难题。

技术实现思路

1、为解决上述技术问题，本发明的目的是提供一种基于路径规划的无人机喷涂方法以改善架空线路的故障检测与定位仍然需要依赖人工干预的问题。

2、基于此，本发明提供了一种基于路径规划的无人机喷涂方法，其包括如下步骤：

3、s1、获取架空线路图像数据，对线路图像进行分割，分割提取架空线路的关键部位图像；

4、s2、将提取关键部位图像与标准关键部位图像进行匹配，判断关键部位状态；

5、s3、若关键部位存在故障，则记录故障类型并建立三维测绘模型，标注故障位置坐标，获取故障周围的避障空间距离；

6、s4、建立故障扩散预测模型，根据的故障位置和故障类型，预测故障扩散区域；

7、s5、根据预测故障扩散范围和喷涂区域地形，规划无人机电路喷涂路径，优先喷涂故障扩散区域；

8、s6、根据扩散区域范围和无人机单次飞行时间的限制，判断在时间约束限制内，故障区域的处理优先级；

9、s7、根据故障处理优先级，确定喷涂路径，选择最佳喷嘴，设置喷涂速度和喷涂压力；

10、s8、使用无人机进行带电喷涂时，根据喷涂压力、喷涂速度，调整涂料粘稠度，检测喷嘴是否畅通，调整涂料完毕后，使用匹配的无人机进行带电喷涂。

11、本技术的一些实施例中，所述步骤s1包括：

12、s11、通过无人机现场拍摄获取包含架空线路的图像数据集，该图像数据集包含预设不同场景和预设不同光照条件下的架空线路图像；

13、s12、对获取到的图像进行去噪、调整大小并增强对比度；

14、s13、对图像进行标注以确认关键部位如铁塔、绝缘子和跳线的位置，并将标注数据集分为训练集和验证集；

15、s14、使用训练集对模型进行训练，通过交叉熵损失优化模型参数；

16、s15、对测试集中的架空线路图像进行分割，为图像分割后的区域打上标签，根据所述标签信息，提取出属于铁塔、绝缘子和跳线的分割区域图像。

17、本技术的一些实施例中，所述步骤s2包括：

18、s21、设定阈值区分关键部位状态并获取标准关键部位图像，包括正常状态下的样本图像以及故障状态的样本图像，将提取关键部位图像作为待检测关键部位图像；

19、s22、通过图像预处理，对标准关键部位图像和所述待检测关键部位图像进行归一化，调整到相同的大小和对比度；

20、s23、将经过预处理的标准关键部位图像输入卷积神经网络，输出部位状态类别，通过反向传播训练网络模型；

21、s24、将所述待检测关键部位图像输入经训练的卷积神经网络模型，基于匹配的相似度设定阈值来判断关键部位的状态，输出待检测关键部位的状态分类结果，若关键部位状态为故障，则输出故障提示如故障类型、关键部位名称和关键部位坐标。

22、本技术的一些实施例中，所述步骤s3包括：

23、s31、通过无人机的相机和激光雷达，获取线路周边图像，建立线路周边地形和建筑障碍物的三维测绘模型，并获取无人机的gps位置数据和无人机与线路目标的相对位置关系；

24、s32、基于无人机所在位置获取故障部位的坐标信息，使用所述三维测绘模型计算故障部位在线路上的坐标，将故障部位的坐标信息转换为线路的绝对坐标；

25、s33、在所述三维测绘模型中标记故障坐标，根据故障在线路上的绝对坐标，获取线路周边环境的三维数据。

26、本技术的一些实施例中，所述步骤s4包括：

27、s41、获取历史故障数据，包括故障的位置坐标、类型和环境条件以及扩散范围；

28、s42、对数据进行预处理，过滤掉异常数据，并进行归一化处理；

29、s43、根据所述历史故障数据提取影响故障扩散的特征如故障类型、电流参数和气候条件，构建故障样本的特征向量；

30、s44、建立故障扩散预测模型，输入获得的故障特征，预测故障的扩散区域，输出预测故障的扩散区域；

31、s45、若预测故障的扩散区域结果与实际不符，则获取扩散后的样本数据，对模型迭代优化；

32、s46、将预测故障的扩散区域在三维测绘模型上进行标注。

33、本技术的一些实施例中，所述步骤s5包括：

34、s51、使用故障扩散预测模型，预测故障的扩散区域，根据预测结果，确定故障扩散区域的边界坐标；

35、s52、使用三维测绘模型，对喷涂区域的障碍物分布进行分析；

36、s53、基于故障扩散区域和喷涂区域的障碍物分布分析，进行无人机电路喷涂路径规划；

37、s54、根据障碍物分布因素，使用快速扩张随机树生成最优喷涂路径，并将其作为喷涂路径的关键点，指导无人机的飞行和喷涂操作；

38、s55、在路径规划过程中，将故障扩散区域作为优先喷涂的目标区域，确保及时覆盖故障区域；

39、s56、根据无人机的转弯半径，对路径进行优化平滑处理，获取初始路径，根据无人机的尺寸、机动性能和安全要求，确定无人机的转弯半径限制；

40、s57、使用样条路径插值对初始路径进行处理，调整路径的控制点或参数，在平滑处理过程中，根据无人机的转弯半径限制，调整路径的曲率和转弯角度，确保无人机顺利转弯而不超出限制；

41、s58、建立一个卷积神经网络模型分析喷涂效果，使用已知良好喷涂样本和未覆盖区域样本输入卷积神经网络模型进行监督学习，卷积神经网络模型输出未覆盖区域；

42、s59、喷涂完成后，将喷涂完成后的图像输入训练好的卷积神经网络模型，输出未覆盖的区域，即喷涂角度不够导致的覆盖不完全的部分，判断是否存在因喷涂角度不够未覆盖的区域，若存在因喷涂角度不够未覆盖的区域，优化喷涂路径。

43、本技术的一些实施例中，所述步骤s6包括：

44、s61、使用故障扩散预测模型，预测故障的扩散区域，确定故障扩散区域的边界坐标；

45、s62、根据无人机的电池容量、飞行速度和续航能力，确定无人机单次飞行时间的限制；

46、s63、根据故障区域的面积和距离无人机起点的距离判断在时间约束限制内故障区域的处理优先级，扩散区域越大和障碍距离越近，优先级越高；

47、s64、将故障区域按照优先级进行排序，确定处理的顺序；

48、s65、根据排序后的优先级，制定时间约束内的处理计划，优先级高于预设优先级的区域安排在首次飞行喷涂计划中，优先级低于预设优先级的区域放入第二轮飞行计划，根据实时风险和能量消耗数据，动态优化无人机喷涂作业的安全性和效率；

49、s66、所述根据实时风险和能量消耗数据，动态优化无人机喷涂作业的安全性和效率，构建综合风险评估模型，风险评估公式如下：

50、r＝a＊(1/e)+b＊w+c＊(1/t)+d＊d

51、其中，r为风险值，系数a、b、c、d代表因素的权重，1/e表示电池剩余能量的倒数，电量越低，风险越高，w直接表示风速，风速越大，风险越高，1/t为剩余作业时间的倒数，时间越短，风险越高，d表示距离最近充电站的距离，距离越远，风险越高；

52、s67、构建能量消耗预测模型，能量消耗预测公式如下：

53、c＝a＊p+b＊s＾2+y＊|v|

54、其中，c为能量消耗量，a，b、y为根据设备特性调整的系数，p代表喷涂功率消耗，s＾2表示飞行速度的平方，|v|为垂直速度变化的绝对值；

55、s68、结合综合风险评估模型和能量消耗预测模型的输出，实时调整无人机的飞行高度、速度和喷涂参数，在风险评估值超过预设阀值或能量消耗高于预设值时，自动调整飞行计划；

56、s69、通过无人机的传感器，实时获取风速、电池电量、位置和飞行时间数据，将获取的数据实时反馈给综合风险评估模型和能量消耗预测模型，在风险高于预设风险或能量低于预设能量时，启动应急预案。

57、本技术的一些实施例中，所述步骤s7包括：

58、s71、根据确定的故障区域优先级，将其对应的喷涂路径载入无人机的飞控系统；

59、s72、根据优先区域类型，选择适合路径线型的喷嘴类型，若所述优先区域为平面，则选择平面雾化喷嘴，若为曲面，则选择带偏斜的圆锥喷嘴；

60、s73、根据故障区域优先级，确定喷嘴流量；

61、s74、根据喷嘴流量和喷嘴类型选择最佳喷嘴；

62、s75、根据故障区域大小和所述喷嘴流量，计算所需喷涂速度；

63、s76、根据所述喷嘴流量和所述喷涂速度确定喷涂所需压力。

64、本技术的一些实施例中，所述步骤s8包括：

65、s81、根据喷涂压力和速度参数以及喷嘴通畅性的约束，确定涂料的粘稠度范围，对涂料进行旋转粘度测试，获取涂料的粘稠度数据；

66、s82、判断涂料是否顺利经过喷嘴进行喷涂，若喷嘴堵塞或不畅通，说明涂料粘稠度过高，稀释或调整涂料的成分，降低涂料的粘稠度，若过度喷涂和涂料流失，说明涂料粘稠度过低，增稠或调整涂料的成分，增加涂料的粘稠度；

67、s83、根据喷涂过程中的导电要求，调整涂料的成分，使其具有导电性，判断涂料的附着性是否满足要求，若不满足要求，调整涂料的成分提高涂料的附着性；

68、s84、根据涂料的粘稠度、导电性和附着性，确定最终的涂料配方，选择具有匹配涂料粘稠度的无人机喷涂。

69、s85、所述根据实时环境数据，调整无人机喷涂操作的涂料粘稠度，预测涂料行为公式如下：

70、p＝a＊t+b＊h+c＊v+d＊l；

71、其中，p代表预测的喷涂参数、t代表环境温度、h代表环境湿度、v代表风速、l代表涂料特性粘稠度、a，b，c，d为调整系数；

72、s86、在无人机上安装环境监测设备，实时收集温度、湿度和风速数据，获取涂料的实时流变特性数据，包括粘度和流动性；

73、s87、使用涂料行为公式，根据实时监测数据调整喷涂速度、压力和喷嘴角度，当温度升高或风速增大时，调整喷涂压力和速度，保持涂料的均匀分布；

74、s88、根据实际喷涂测试数据校准和优化公式中的参数，定期更新模型以适应新的涂料特性和环境。

75、本发明实施例提供的一种基于路径规划的无人机喷涂方法，与现有技术相比，其有益效果在于：

76、本发明提供了一种基于路径规划的无人机喷涂方法，通过自动化的图像处理和分割技术，快速获取架空线路的关键部位图像，与标准图像进行匹配，判断关键部位的状态，提高维护人员的工作效率，减少人工巡检和故障定位的时间和成本。进一步的，本技术结合故障位置和类型信息，预测故障的扩散区域，有助于维护人员提前采取措施，避免故障进一步扩大。更进一步的，本技术根据预测的故障扩散范围和喷涂区域地形，利用无人机进行电路喷涂，优先喷涂故障扩散区域，对路径进行优化平滑处理，提高喷涂的效果和覆盖范围。实际上，根据扩散区域范围、无人机单次飞行时间限制以及实时风险和能量消耗数据，动态优化无人机喷涂作业的安全性和效率，根据实际情况确定故障区域的处理优先级，提高作业效率。通过调整涂料粘稠度，使用匹配的无人机进行带电喷涂，提高喷涂操作的安全性，根据实时环境数据，调整无人机喷涂操作的涂料粘稠度，进一步确保操作的安全性和效果。