本發明涉及電力系統的運行檢修領域技術領域，具體涉及一種用于輸電線路巡檢無人機的三維航跡規劃方法。
背景技術：
近年來，隨著社會經濟的突飛猛進及城市規模的迅猛發展，生活與工業用電需求越來越大。在大用電需求的背后，以超/特高壓輸電線路(以下簡稱輸電線路)為主骨架的全國互聯大電網應運而生，電網規模也越來越大。然而，正是電網規模的迅猛擴大，輸電線路安全運行所面臨的挑戰和風險也與日俱增：極端自然災害、動植物侵入、人為外力破壞等非傳統因素造成的電網事故時有發生。隨著無人飛行器技術的發展，將無人飛行器應用于電力巡線已經成為可能。
輸電線路巡檢無人機航路問題與常規意義上的作戰無人機考慮因素具有較大差別。傳統作戰無人機在對既定敵方目標進行偵察時，主要對任務目標進行目標價值分析，自身約束條件(如：續航能力、有效載荷等)以及包括敵方雷達、防空武器在內的飛行作業環境的綜合分析，從而制定相關的飛行航路；而輸電線路巡檢無人機主要作業對象為高壓輸電線路及其沿途桿塔，雖不存在無人機隱蔽性需求，但需要在滿足安全距離的前提下，盡可能地貼近輸電線路興趣點進行觀察作業；另外，巡檢無人機作業時比常規作戰無人機任務環境更加苛刻的條件在于，現場環境只能通過無人機機載視頻成像發現航路前方的“威脅”，特別是在居民生活區進行輸電線路巡檢時航路規劃算法更加需要考慮空間中的不規則障礙物，這就需要航路規劃算法具有一定的自學能力，并能具有處理事務的能力。
目前還是沒有專門為輸電線路巡檢無人機設計的航跡規劃方法，導致了無人機無法用于輸電線路的巡檢。
技術實現要素：
本發明的目的在于提供一種用于輸電線路巡檢無人機的三維航跡規劃方法，該方法提高了航跡規劃效率，減少了無人機電力巡線的三維航跡規劃時間。
為解決上述技術問題，本發明公開的用于輸電線路巡檢無人機的三維航跡規劃方法，其特征在于，它包括如下步驟：
步驟1：對障礙物進行建模，在任意一個巡檢任務中，將所有障礙物和桿塔的坐標上傳至無人機機載計算機中，在無人機機載計算機的地圖中設置圓柱體模型包裹住每個的障礙物；
設障礙物中心經緯度坐標為(xi,yi)，能包裹住障礙物的最小圓半徑為：ri(i＝1，2，3，4……n)，n為障礙物總數，則能包裹住障礙物的最小圓柱體的平面投影方程為：
(x-xi)2+(y-yi)2≤ri2 (1)
式1中x、y分別為無人機實時經緯度坐標；
步驟2：根據已探測到的飛行環境信息，采用以下BP神經網絡算法進行無人機全局航跡規劃，獲得基準航跡；
所述的BP神經網絡算法包括1個隱含層和1個輸出層；
所述隱含層函數為tansig傳遞函數：
所述輸出層函數為purelin函數：
zBP＝ayBP+b (3)
其中式(2)為BP神經網絡隱含層的傳遞函數，屬于雙曲正切S型傳輸函數；式(3)為BP神經網絡輸出層使用的傳遞函數，屬于線性函數；xBP為無人機沿著輸電線路飛行會遇到的某個桿塔、某個障礙物的坐標，e為自然對數的底數；yBP為將xBP輸入BP神經網絡 后隱含層的輸出，zBP為輸出層的輸出坐標；a、b為對應某條輸電線路在BP神經網絡算法中所選擇的預設經驗參數；所有桿塔和障礙物的坐標輸入BP神經網絡，輸出一組坐標zBP；
根據上述求出的能包裹住障礙物的最小圓柱體的平面投影方程和對應的障礙物中心經緯度坐標(xi,yi)，確定以上各個障礙物最小圓柱體的具體位置和大小，然后在避開以上各個障礙物最小圓柱體的前提下將公式3輸出的坐標組zBP中的對應坐標點順次相連起來組成的路徑就是適合無人機飛行的巡檢路線，既能讓無人機有效避開障礙物，又能讓無人機保持在輸電線路附近飛行。
本發明的有益效果：
本發明對電力巡線無人機航跡規劃方法進行了研究，基于序列規劃思想，采用BP神經網絡算法規劃基準航跡，提高了航跡規劃效率，減少了無人機電力巡線的三維航跡規劃時間。
具體實施方式
以下結合具體實施例對本發明作進一步的詳細說明：
一種用于輸電線路巡檢無人機的三維航跡規劃方法，它包括如下步驟：
步驟1：對障礙物進行建模，在任意一個巡檢任務中，將所有障礙物和桿塔的坐標上傳至無人機機載計算機中，在無人機機載計算機的地圖中設置圓柱體模型包裹住每個的障礙物；
設障礙物中心經緯度坐標為(xi,yi)，能包裹住障礙物的最小圓半徑為：ri(i＝1，2，3，4……n)，n為障礙物總數，則能包裹住障礙物的最小圓柱體的平面投影方程為：
(x-xi)2+(y-yi)2≤ri2 (1)
式1中x、y分別為無人機實時經緯度坐標；
步驟2：根據已探測到的飛行環境信息(包括障礙物坐標和大小，桿塔坐標和高度)，采用以下BP神經網絡算法進行無人機全局航跡規劃，獲得基準航跡；
所述的BP神經網絡算法包括1個隱含層和1個輸出層；
所述隱含層函數為tansig傳遞函數：
所述輸出層函數為purelin函數：
zBP＝ayBP+b (3)
其中式(2)為BP神經網絡隱含層的傳遞函數，屬于雙曲正切S型傳輸函數；式(3)為BP神經網絡輸出層使用的傳遞函數，屬于線性函數；xBP為無人機沿著輸電線路飛行會遇到的某個桿塔、某個障礙物的坐標，e為自然對數的底數；yBP為將xBP輸入BP神經網絡后隱含層的輸出，zBP為輸出層的輸出坐標；a、b為對應某條輸電線路在BP神經網絡算法中所選擇的預設經驗參數；所有桿塔和障礙物的坐標輸入BP神經網絡，輸出一組坐標zBP；
根據上述求出的能包裹住障礙物的最小圓柱體的平面投影方程和對應的障礙物中心經緯度坐標(xi,yi)，確定以上各個障礙物最小圓柱體的具體位置和大小，然后在避開以上各個障礙物最小圓柱體的前提下將公式3輸出的坐標組zBP中的對應坐標點順次相連起來組成的路徑就是適合無人機飛行的巡檢路線，既能讓無人機有效避開障礙物，又能讓無人機保持在輸電線路附近飛行。
步驟3：根據以下方式對步驟2得到的無人機飛行巡檢路線進行優化：
計算步驟2的無人機飛行巡檢路線與期望飛行路線(期望飛行路線為人工在地圖上繪制的最優路線)之間的最小均方差，即得到無人機飛行巡檢路線與期望飛行路線之間的總誤差值；根據總誤差和梯度下降法對步驟2的BP神經網絡中各連接權值進行調整，經過若干次調整，將總誤差調整至預設的容許誤差范圍內，使BP神經網絡輸出的飛行路線與期望飛行路線基本重合(上述BP神經網絡優化的具體過程為現有技術詳見參考文獻：無人機航路規劃與威脅源模型研究《微計算機信息》2009年第25卷第7-1期，以及參考文獻： 一種基于神經網絡的移動機器人路徑規劃算法，《高技術通訊》2002,12(9)：42-45)。
步驟4：測量各個桿塔的高度，對上述生成的二維航跡中各個桿塔對應的坐標點賦予上述測量得到的對應高度，從而完成三維航跡規劃。
上述技術方案中用到的人工神經網絡(Artificial Neural Networks，ANN)是一種應用類似于大腦神經突觸聯接的結構進行信息處理的數學模型。BP(Back Propagation)神經網絡算法是是一種按誤差逆傳播算法訓練的多層前饋網絡。BP網絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。
高壓輸電線路為已建成輸電線路具有固定的經緯度坐標，輸電線路一般不發生變化。由于輸電線路桿塔相對地面高度為常數，輸電線路無人機可以起飛后先到達預定高度，在此高度上按照航路進行巡檢，并對航路上的障礙物進行航路修改，而對于輸電線路的航路規劃問題，則從三維空間航路問題簡化為二維航路規劃問題，這樣就神經網絡輸入上來講，可以大大提高算法的效率，并簡化神經網絡層數。
本發明的BP神經網絡能夠很好的解決固定高度的高壓輸電線路興趣點的巡視。而對于高度存在差異的輸電線路，可以通過機載云臺攝像機調整攝像機的姿態角則可以對待巡視的興趣點進行攝像、拍照等監控措施。
上述技術方案中，針對武漢周邊某220kV輸電線路，采集桿塔坐標、輸電線路沿線障礙物坐標。在MATLAB軟件中進行編碼，通過神經網絡工具箱進行仿真，對BP神經網絡進行訓練，在該案例中a取值范圍為0.83～0.85，b取值范圍為0.20～0.25，得到了較為理想的無人機巡檢飛行路線。
本說明書未作詳細描述的內容屬于本領域專業技術人員公知的現有技術。