基于强化学习的电力杆塔巡检视点转移策略研究

摘要

旋翼飞行机器人由于其垂直起降、定点悬停、低空低速飞行的飞行特性成为架空电力线路巡检的有效手段。电力杆塔作为输电线路最核心部分，对其图像数据采集的效果决定了整个巡检任务的完成质量。而使用旋翼飞行机器人巡检电力杆塔普遍存在飞机和杆塔安全无法保障、飞行时间有限数据采集不全面、图像数据的可用性低以及容易受到干扰等问题。针对以上问题，本文提出了一种基于强化学习的电力杆塔巡检方法。
　　本文首先将视点规划概念引入巡检任务。深入分析了电力杆塔的外形特征，针对杆塔的结构特征建立了安全区域模型，充分保障巡检过程中飞机和电塔的安全。在此基础上对视点进行抽取，划分了电力杆塔周围的广义视点和有效视点范围。实验结果表明，对巡检视点进行有效规划，使巡检路径控制在有效视点周围内，能够有效提高图像数据的可用性。
　　本文通过强化学习算法对巡检行为进行规划。通过对巡检任务的分解，制定强化学习任务目标。本文重点分析在理想环境、随机干扰环境以及阵风扰动环境下的视点转移策略学习过程以及算法效率。实验结果表明，经过强化学习，飞行机器人能够大幅度缩短巡检任务完成时间，能够很好地适应随机扰动和阵风扰动环境，根据环境的变化做出相应的行为。实验同时证明，在提高巡检速度降低飞机能耗的同时，规划后的行为还能够降低图像数据的冗余度，为后续的故障检测提供高质量的图像数据。
　　本文研究的电力杆塔巡检方法为输电线路巡检提供了新的思路。通过引入强化学习进行视点规划，能够在最短的时间内访问到最有可能包括电力杆塔故障信息的视点位置，最大程度上节省了飞行时间，同时保证采集到的图像数据的质量，对于输电线路故障检测及日常维护都具有重要意义。

目录

声明

摘要

第1章 绪论

1．1 课题背景及研究的目的和意义

1．2 国内外研究现状

1．2．1 旋翼飞行机器人研究现状

1．2．2 视觉传感器规划研究现状

1．2．3 强化学习方法研究现状

1．3 本文的研究内容和组织结构

第2章 电力杆塔巡检视点建模研究

2．1 安全区域建模

2．2 巡检视点建模

2．2．1 飞行巡检视觉传感器系统

2．2．2 视点建模

2．3 确定观测目标

2．4 确定有效视点

2．5 本章小结

第3章 电力杆塔巡检任务分解及过程优化

3．1 巡检任务分解

3．1．1 基于强化学习的巡检任务

3．1．2 巡检任务分解

3．2 优化反馈函数

3．3 巡检环境及行为模型分析

3．4 本章小结

第4章 基于强化学习的电力杆塔巡检视点转移策略

4．1 实验任务描述

4．2 理想环境下的视点转移策略研究

4．2．1 环境模型分析

4．2．2 构造动作集

4．2．3 实验结果分析

4．3 随机扰动环境下的视点转移策略研究

4．3．1 环境模型分析

4．3．2 构造动作集

4．3．3 实验结果分析

4．4 阵风扰动环境下的视点转移策略研究

4．4．1 环境模型分析

4．4．2 构造动作集

4．4．3 实验结果分析

4．5 户外模拟实验

4．6 本章小结

第5章 结论与展望

5．1 本文研究工作总结

5．2 未来研究展望

参考文献

致谢

攻读硕士学位期间发表的论文及其他成果

攻读硕士学位期间参加的科研工作