本发明涉及一种面向输电线路巡检的多旋翼航迹规划系统和方法，属于输电线路巡检的多旋翼无人机航迹技术领域。
背景技术：
近年来，由于无人机便于携带和操控，输电线路开始采用多旋翼无人机巡检，可在一定程度上替代人爬山和爬塔，具有机动、灵活、快速、高效、安全等突出特点，逐步成为有人直升机和人工巡检的有效补充。但是当前多旋翼无人机巡检系统存在专业针对性差、巡线航迹规划和操控任务繁杂、现场作业人员操作要求高等技术和应用问题，加之巡检环境复杂，会导致无人机在飞行过程中遇到障碍物失控，从而造成损失。因此，为了更加有针对性的开展无人机输电线路巡检工作，有必要发明一种针对无人机避障的航迹规划控制方法，需要对现有方法进行补充和完善。现有航迹规划方法大多为离线航迹规划，由于并未针对输电线路巡检，大多未考虑飞行过程中的地理高程、杆塔坐标等信息；航迹自主规划过程针对输电线路所处地理信息方面，缺乏专门的研究，没有融入到航迹规划中；GPS-RTK技术目前已经非常成熟，但在电力巡线中应用较少。
综上所述，现有技术存在如下问题：
(1)现有方法未考虑飞行过程中输电线路的地形特征、地理高程、杆塔坐标等信息；
(2)现有方法面向输电线路巡检大多采用普通的GPS模块，定位精度较差；
(3)现有方法未考虑无人机遇到障碍物之后的自主在线调整控制策略。
技术实现要素：
本发明要解决的技术问题是：提供一种面向输电线路巡检的多旋翼航迹规划系统和方法，以解决现有技术中存在的问题。
本发明采取的技术方案为：一种面向输电线路巡检的多旋翼航迹规划系统，包括GPS-RTK模块、障碍物检测模块、巡检多旋翼无人机和航迹规划控制模块，GPS-RTK模块包括差分GPS定位系统和RTK基站，差分GPS定位系统采用两台GPS接收机，分别作为基准站和无人机的移动站，基准站安装在场地上，移动站安装在无人机上，GPS-RTK模块用于获取巡检无人机的位置，航迹规划控制模块获取GPS-RTK模块的无人机位置和障碍物检测模块检测的障碍物信息，并结合地理信息对巡检多旋翼无人机进行离线航迹规划和在线航迹规划。
一种面向输电线路巡检的多旋翼航迹规划系统的规划方法，包括离散航迹规划方法和在线调整航迹规划方法。
离散航迹规划方法包括以下步骤：
第一步、利用等高线地图，将闭合的等高线曲线看成障碍物，提取等高线的高程数据信息，且以多旋翼无人机飞行高度作等高线，增加设定长度的膨胀系数，建立起等效障碍物模型；
第二步、确定无人机航迹规划的决策变量及约束条件；
首先，约束条件是无人机离地高度、无人机距障碍物的距离、最大航迹长度和巡检输电线路的任务要求，任务要求包括巡检杆塔顺序要求和巡检路径最短要求，决策变量是多旋翼无人机从起始点到终点的航迹代价最小，即最优航迹；
其次，将约束条件转化为航迹代价函数C：
式中，α,β,ω分别代表不同的系数，l代表航迹长度，h代表无人机的高度， f代表威胁因素，i代表第i个航迹段，n代表航迹段的个数；
第三步、建立航迹的优化模型，确定出适应度函数F：
式中，X代表约束条件违背量，C代表航迹代价函数，n代表航迹段的个数。当达到代价最大或者违背约束条件时，F＝0；
第四步、确定二进制的染色体编码及解码方法，即确定出个体的基因型x 及遗传算法的搜索空间；
第五步、确定个体适应度的量化评价方法，即确定出由目标函数值J(x) 到个体适应度函数F(x)的转换规则；
按照比例适应度分配的选取方法，从m条染色体中选取S个染色体组成繁殖池，对于某个染色体i，其适应度为Fi，则其被选择的概率为Pi，表达式如下：
第六步、设计遗传算子，即确定选择运算、交叉运算何变异运算的遗传算子的操作方法，通过进化算子的作用生成新的个体，将新个体加入到染色体中，并重复以上步骤，得到新个体的适应值；
第七步、将拓展后的染色体中适应值最小的染色体删除，使染色体恢复到原来的长度；
第八步、重复步骤五至步骤七，判断是否满足终止条件，终止条件为以下情况其一：(1)若进入到预先给定的最大次数，(2)某个最优个体再若干次迭代中适应值保持不变，(3)最优个体的适应度达到给定的阈值，若满足终止条件任一种情况则从m条染色体中选出最小的适应值的染色体为最优航迹。
在线调整航迹规划方法包括以下步骤：
第一步、将用GPS-RTK测量的坐标信息与障碍物模型建立后，根据任务要求(一般包括巡检杆塔顺序要求或巡检路径最短要求)，建立飞机坐标点与目标点G(xt，yt，zt)，将障碍物信息(坐标、高度、大小)转化为多个单元栅格，飞机坐标点位于栅格顶点；
第二步、为了躲避障碍物，多旋翼无人机的飞控航迹规划算法生成了新的n个航迹点，生成的新的航迹点不止一个，因此需要计算代价，确定选择唯一的航迹点。计算可能的航迹点到目标位置的代价估值R：
式中，(xi,yi,zi)为第i点的坐标值，(xt,yt,zt)为目标点的坐标值；
第三步、根据公式以及公式(4)得到各个可能的航迹点的总代价函数f：
f(n)＝R(n)+C(n) (5)
将f(n)中所有的数放入open表中，选择最小的数作为下一个航迹点放到 close表中，在初始化时，将起始点放入open表中，close表置空；
第四步、将步骤三中得到的下一个航迹点作为下一步循环的当前航迹点，重复步骤一到步骤三，直到某一点与目标点的距离达到障碍物检测装置的最大距离，即无人机前向与目标点之间无障碍物，停止航迹搜索；
第五步、从得到的close表中最后航迹向上追溯，直到起始点，再加入目标点，则可得到从扫描到障碍物到下一个目标点的局部最优飞行航迹。
有益效果：与现有技术相比，本发明的效果如下：
(1)本发明考虑飞行过程中输电线路的地形特征、地理高程、杆塔坐标等信息，加之任务约束条件，离线规划航迹；
(2)本发明通过将RTK基站布置好，通过无人机上的移动站，获取巡检时飞机精确的位置坐标，通过无人机上的障碍物检测模块，得到障碍物信息；
(3)本发明可实现无人机预设航迹飞行、在线实时调整航迹飞行。通过飞机参数、杆塔坐标、地理高程、作业规程等信息，以及巡线任务等约束条件，预先自动生成离线参考航迹。巡检过程中，根据高精度RTK定位飞机坐标，结合障碍物检测模块，在线调整巡检航迹，避免无人机发生碰撞。
附图说明
图1是本发明的控制系统整体框图；
图2是本发明的GPS-RTK模块数据链路框图；
图3是遗传算法流程图。
具体实施方式
下面结合附图及具体的实施例对本发明进行进一步介绍。
实施例：如图1-图3所示，一种面向输电线路巡检的多旋翼航迹规划系统，包括GPS-RTK模块、障碍物检测模块、巡检多旋翼无人机和航迹规划控制模块，GPS-RTK模块包括差分GPS定位系统和RTK基站，差分GPS定位系统采用两台GPS接收机，分别作为基准站和无人机的移动站，基准站安装在场地上，移动站安装在无人机上，GPS-RTK模块用于获取巡检无人机的位置，航迹规划控制模块获取GPS-RTK模块的无人机位置和障碍物检测模块检测的障碍物信息，并结合地理信息，采用离线航迹规划模块和在线调整航迹规划模块对巡检多旋翼无人机进行离线航迹规划和在线航迹规划。
GPS-RTK模块可以测出无人机的实时位置坐标，结合RTK基站，获取巡检多旋翼的精确定位数据，传送给地面站系统的航迹规划控制模块。航迹规划控制模块根据地理信息、任务约束条件等离线规划出多旋翼的参考航迹。安装在多旋翼上的障碍物检测装置在飞行过程中实时扫描，将获取的障碍物信息传送给地面站系统的航迹规划控制模块。航迹规划控制模块根据障碍物信息、地形高度等调整局部航迹，使四旋翼能够有效规避障碍物，正常飞行。
GPS-RTK模块的数据链路构成如图2所示，在工作过程中，RTK基准站将接收的卫星载波信号和自身坐标信息，通过中转装置，传送给巡检多旋翼的接收机。巡检多旋翼的信号发送接收天线分别接收GPS卫星载波信息以及 RTK基站信息，并通过相位差分算法，实时计算出多旋翼的精确定位数据。
航迹规划控制模块，是地面站中的软件模块部分。该模块算法分为离线航迹规划和在线实时调整航迹规划两部分。首先由改进的遗传算法离线规划航迹。在飞行过程中，根据障碍物信息，通过改进的A*算法实时修正局部航迹。
障碍物检测装置安装在多旋翼无人机的顶端，在飞行作业过程中，通过不断扫描前向方向，将得到的障碍物信息回传给地面站系统的航迹规划控制模块，该模块可以根据采集信息，选择不同的控制策略，从而制定局部最优路径，使无人机规避障碍威胁。
一种面向输电线路巡检的多旋翼航迹规划系统的规划方法，包括离散航迹规划方法和在线调整航迹规划方法。
离线航迹规划模块包括地理信息和任务约束条件等数据、离线规划算法两部分，首先通过等高线地图数据，把闭合的等高线看成是障碍物，提取其高程信息。其次，根据无人机的最小转弯半径、最大俯仰角，以及待巡检的杆塔三维坐标等约束，采用改进的遗传算法，结合高程信息，最终得到参考的离线航迹。离散航迹规划方法包括以下步骤：
第一步、利用等高线地图，将闭合的等高线曲线看成障碍物，提取等高线的高程数据信息，且以多旋翼无人机飞行高度作等高线，增加设定长度的膨胀系数，建立起等效障碍物模型；
第二步、确定无人机航迹规划的决策变量及约束条件；
首先，约束条件是无人机离地高度、无人机距障碍物的距离、最大航迹长度和巡检输电线路的任务要求(一般包括巡检杆塔顺序要求或巡检路径最短要求)；
其次，将约束条件转化为航迹代价函数C：
式中，α,β,ω分别代表不同的系数，l代表航迹长度，h代表无人机的高度， f代表威胁因素，i代表第i个航迹段，n代表航迹段的个数；
第三步、建立航迹的优化模型，确定出适应度函数F：
式中，X代表约束条件违背量，C代表航迹代价函数，n代表航迹段的个数。当达到代价最大或者违背约束条件时，F＝0；
第四步、确定二进制的染色体编码及解码方法，即确定出个体的基因型x 及遗传算法的搜索空间；
第五步、确定个体适应度的量化评价方法，即确定出由目标函数值J(x) 到个体适应度函数F(x)的转换规则；
按照比例适应度分配的选取方法，从m条染色体中选取S个染色体组成繁殖池，对于某个染色体i，其适应度为Fi，则其被选择的概率为Pi，表达式如下：
第六步、设计遗传算子，即确定选择运算、交叉运算何变异运算的遗传算子的操作方法，通过进化算子的作用生成新的个体，将新个体加入到染色体中，并重复以上步骤，得到新个体的适应值；
在本实施例中，选取的最小航迹长度为2km，最低飞行高度为30m。种群大小为80，每次迭代选取40条航迹进行操作。根据无人机自身操作性能，最大俯冲/爬升角为30°，最大转弯角为30°。随机从繁殖池中取出两条染色体，计算他们的平均适应度和最大适应度。采用的参数值如下：
遗传交叉算子0.25，变异算子、扰动算子、插入算子、删除算子、交换算子为0.1，平滑算子、定向扰动算子为1。测试结果显示，从第30代部分最优航迹可以看出，遗传算法按照预定目标进行搜索，对最后的近似最优航迹进行分析，航迹很好的规避了障碍物威胁，转弯角和爬升/俯仰角也满足此无人机的自身性能要求；
第七步、将拓展后的染色体中适应值最小的染色体删除，使染色体恢复到原来的长度；
第八步、重复步骤五至步骤七，判断是否满足终止条件，终止条件为以下情况其一：(1)若进入到预先给定的最大次数，(2)某个最优个体再若干次迭代中适应值保持不变，(3)最优个体的适应度达到给定的阈值，若满足终止条件任一种情况则从m条染色体中选出最小的适应值的染色体为最优航迹。
在线调整航迹控制模块指航迹实时调整控制算法，障碍物检测模块检测到障碍物信息之后，该控制模块根据障碍物信息、飞机的实时位置以及地理环境信息实时进行威胁代价分析，局部规划路径，根据每条路径计算出最优值，实时修正航迹。在线调整航迹规划方法包括以下步骤：
第一步、将用GPS-RTK测量的坐标信息与障碍物模型建立后，根据任务要求(一般包括巡检杆塔顺序要求或巡检路径最短要求)，建立飞机坐标点与目标点G(xt，yt，zt)，将障碍物信息(坐标、高度、大小)转化为多个单元栅格，飞机坐标点位于栅格顶点；
第二步、为了躲避障碍物，多旋翼无人机的飞控航迹规划算法生成了新的n个航迹点，生成的新的航迹点不止一个，因此需要计算代价，确定选择唯一的航迹点。计算可能的航迹点到目标位置的代价估值R：
式中，(xi,yi,zi)为第i点的坐标值，(xt,yt,zt)为目标点的坐标值；
第三步、根据公式以及公式(4)得到各个可能的航迹点的总代价函数f：
f(n)＝R(n)+C(n) (5)
将f(n)中所有的数放入open表中，选择最小的数作为下一个航迹点放到close表中，在初始化时，将起始点放入open表中，close表置空；
第四步、将步骤三中得到的下一个航迹点作为下一步循环的当前航迹点，重复步骤一到步骤三，直到某一点与目标点的距离达到障碍物检测装置的最大距离，即无人机前向与目标点之间无障碍物，停止航迹搜索；
第五步、从得到的close表中最后航迹向上追溯，直到起始点，再加入目标点，则可得到从扫描到障碍物到下一个目标点的局部最优飞行航迹。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。