徐勇明，袁林峰，柯 達，李飛偉，范根法，劉慶生，馬學裕

(國網(wǎng)浙江嘉善縣供電有限公司，浙江 嘉興 314000)

0 引言

近年來，無人機巡檢逐漸成為電力巡檢中主要巡檢手段[1-2]，通過無人機搭載高像素相機來拍攝輸電線路通道中的圖像作為巡檢內(nèi)容，但輸電線路通道中環(huán)境復雜，多數(shù)在山林中[3-5]，巡檢人員遠程控制無人機只能通過相機狹窄視角來觀察周圍環(huán)境，容易導致無人機撞擊物體墜毀[6]。因此，自主的無人機巡檢系統(tǒng)將成為巡檢技術發(fā)展方向。

無人機自主飛行系統(tǒng)應該包括測距模型、控制算法和數(shù)據(jù)鏈路閉環(huán)。在國內(nèi)外研究中，呂明等[7]在已知UAV當前位置以及巡檢線路中桿塔GPS信息的前提下,利用由GPS信息快速計算兩點間距離的算法和地理坐標系轉換來對無人機自主控制；測距方面，Menendez等[8]使用邊緣增強和霍夫變換檢測圖像中的平行線對電力線提取，以當前圖像與參考圖像中平行導線間隙的變化估算當前導線與鏡頭的距離,另外,在提取電力線算法中進一步地使用高斯濾波及 Gabor 背景濾除，并融合慣性導航數(shù)據(jù)對距離進行估算[9]；Araar等[10]提出基于視覺的伺服系統(tǒng)，通過PID控制原理對無人機與輸電導線相對位置關系測距進行控制,實現(xiàn)無人機自主飛行；王亞先等[11]提出單目視覺測量無人機距離輸電導線的水平距離和垂直距離,來實現(xiàn)無人機在一定規(guī)則下的自動飛行和相機追蹤導線；祝琨等[12-13]采用雙目立體匹配的方法估計相機與物體之間的距離；Valipour等[14]提出一種基于高斯可控濾波器與概率霍夫線變換結合的導線檢測方法,并使用無跡卡爾曼濾波進行導線跟蹤；Nasseri等[15]提出一種基于粒子濾波的無人機航拍電力線檢測和跟蹤方法;基于深度學習方面，有人將無人機置于導線側面區(qū)域飛行，在簡單背景下進行導線提取，計算導線的消逝點(vanishing point，VP)，設計了一種基于深度學習技術的鐵塔檢測網(wǎng)絡 Tower RCNN[16]，結合VP與鐵塔檢測結果確定無人機飛行航向[17]; 文獻[18]利用透視原理恢復輸電線之間的平行結構，通過計算當前幀與參考幀之間導線間隙變化與導線束相平面位移，反推無人機與導線間的距離變化，從而控制導線與機體的安全距離。

但基于視覺的測距方案在巡檢時對光線要求嚴格，而際場景中環(huán)境復雜多變，故此方法難以在實際場景使用。為此，可采用激光雷達進行測距，使無人機的實時控制有更強的魯棒性[19]。

本文針對以上研究優(yōu)缺點，提出以正交雷達為測距傳感器，在多變環(huán)境中測距精度魯棒性強，在這基礎上建立無人機導線跟蹤飛行模型，以PID控制算法實現(xiàn)無人機控制，并且為了實現(xiàn)全線路自動巡檢，提出基于激光點云位置和塔頭特性來識別塔頭，實現(xiàn)自動跨塔。在無人機、正交雷達和地面站的數(shù)據(jù)鏈路中形成閉環(huán)，使得數(shù)據(jù)得以傳輸，實現(xiàn)實時有效的無人機導線跟蹤飛行。

1 正交雷達測距模型

正交雷達的具體參數(shù)如表1所示。

正交雷達掃描點處于一平面，其坐標系如圖1所示。無人機距離導線10 m認為是安全距離，這是因為按照該正交雷達參數(shù)中的角度分辨率，雷達能夠掃描0.034 m寬度的物體，此時精細導線的半徑足以被掃描到。

表1 正交雷達具體參數(shù)

圖1 雷達坐標系

正交雷達在輸電線路通道上方測距模型如圖2所示。在圖2中，正交雷達激光旋轉1圈就計為1個測量周期t。

圖2 正交雷達的測距模型

在測距模型中，無人機在導線的正上空，在俯視角如圖3所示。圖3中，DLF、DLB、DRF、DRB分別為無人機左前方、左后方、右前方、右后方距離導線的距離。

圖3 無人機可跟蹤巡檢姿態(tài)俯視圖

令EFB=|DLB-DLF|，ELR=|DLF-DRF|；并設β為航道姿態(tài)調(diào)整的前后測距誤差閾值；α為航向姿態(tài)調(diào)整的左右測距誤差閾值。

當EFB≤β，ELR≤α時，認為無人機處于可巡檢跟蹤姿態(tài)，此時無人機可以開始以一定巡檢速度v向前飛行。

當EFB>β，ELR>α時，如圖4所示，認為無人機處于航向調(diào)整姿態(tài)，此時無人機應進行航向角調(diào)整,其誤差量為Eangle。

(1)

圖4 無人機航向調(diào)整姿態(tài)俯視圖

當EFB≤β，ELR>α時，如圖5所示，認為無人機處于航道調(diào)整姿態(tài)，此時無人機應進行水平左右位置平移調(diào)整，其誤差量為Ed。

(2)

圖5 無人機航道調(diào)整姿態(tài)俯視圖

無人機跟蹤控制過程如圖6所示，形成控制閉環(huán)。

圖6 控制流程

2 跨塔算法

無人機巡檢過程需要跨越轉角塔來實現(xiàn)全線路的自動巡檢，那么就需要無人機在導線跟蹤飛行過程中，識別前方為塔頭后進入跨塔飛行狀態(tài)。

首先需要對塔頭識別，其算法為根據(jù)塔頭的點云位置特征進行識別。當無人機和正交雷達以本文的測距模型飛行時，在無人機左前方和右前方的激光點云位置會呈現(xiàn)如圖7所示的情況。

定義左前方方向采集到的點云數(shù)據(jù)集合為SLF，其中集合的點云數(shù)據(jù)為P(y,z)，右前方方向采集到的點云數(shù)據(jù)集合為SRF，其中集合的點云數(shù)據(jù)為P(x,z)；NSLF，NSRF分別為集合SLF、SRF的點云數(shù)量；HLF、HRF為點云集合SLF、SRF中點云在Z軸方向的最大距離；η為識別塔頭時左前激光掃描的點云在Z軸方向的閾值；ι為識別塔頭時右前激光掃描的點云在Z軸方向的閾值；κ為識別塔頭時左前激光掃描的點云數(shù)量閾值；λ為識別塔頭時右前激光掃描的點云數(shù)量閾值。則有：

圖7 正交雷達掃描塔頭點云示意

(3)

(4)

當HLF<η、HRF<ι、NSLF>κ、NSRF>λ時，認為無人機進入跨塔飛行狀態(tài)，按照當前飛行方向前進，再進入跟蹤姿態(tài)調(diào)整狀態(tài)，繼續(xù)跟蹤飛行，過程如圖8所示。

圖8 無人機跨塔飛行過程

3 無人機自主控制算法

根據(jù)PID控制原理，PID算法為

(5)

u(t)為被控制量；e(t)為實際輸出值和期望輸出值之間誤差;KP為比例系數(shù)；KI為積分系數(shù)；KD為微分系數(shù)。其中，KP是直接影響到實際控制效果的，在合理的數(shù)值范圍內(nèi)KP越大，控制效果越好，越短時間回到期望值，但也容易導致抖動，無法穩(wěn)定于期望值；KD影響的是控制量向期望值靠近時的加速度，即使得靠近期望值的過程相對平滑；而只有KD控制會導致控制量一直與期望保持一個恒量差值，KI是來抵消這個恒量的。

將上述航向角誤差Eangle和航道偏移誤差Ed作為PID控制算法的控制量，具體控制流如圖9所示。

圖9 PID控制流程

4 無人機跟蹤系統(tǒng)架構

為了實現(xiàn)飛行跟蹤系統(tǒng)數(shù)據(jù)鏈路的閉環(huán)，利用無線傳輸方式，將正交雷達掃描的點云數(shù)據(jù)發(fā)送給地面站，地面站通過藍牙與控制端通信，在控制端實現(xiàn)算法控制，并將控制指令發(fā)送給無人機進行控制，架構如圖10所示。

圖10 無人機跟蹤系統(tǒng)數(shù)據(jù)傳輸架構

5 實驗分析與結果

5.1 實驗條件

在實驗中，在某雙回路的線路中進行測試，無人機采用DJI的御2，參數(shù)β=0.1、α=0.1、η=7 m、ι=7 m、κ=50、λ=50。實驗內(nèi)容為測試無人機跟蹤姿態(tài)調(diào)整的穩(wěn)定性，以及測試無人機過塔繼續(xù)跟蹤的成功率。在穩(wěn)定性測試中，當飛手將搭載正交雷達的無人機飛行至導線上空并發(fā)送自動巡線指令后，無人機接收指令開始進行跟蹤姿態(tài)調(diào)整，并記錄跟蹤飛行過程中航向角的變化和水平左右速度變化。

5.2 實驗結果分析

無人機在自動巡檢中，航向角變化趨勢和水平速度變化趨勢如圖11所示。

在實際測試中，線路一共有53座基塔。在跟蹤飛行中，當無人機1組電池電量耗完時則計為1次巡檢。全條線路飛行測試完成后，所得數(shù)據(jù)如表2所示，其中，平均跨塔成功率為96%。

從實驗結果可以看出，基于正交雷達的無人機導線跟蹤飛行算法在跟蹤過程中的調(diào)整過程是穩(wěn)定可控可行的。在跨塔飛行中，容易導致失敗的情況都為轉角塔且其轉向角度較大，雷達掃描點云丟失了導線信息，但這種情況實際數(shù)量很少，并且丟失導線跟蹤后可以通過切換回手動模式，再進行手動校正。

圖11 航向角變化趨勢和水平速度變化趨勢

表2 巡檢過程跨塔數(shù)據(jù)

6 結束語

提出了基于自觸發(fā)原理的脈沖式正交雷達在輸電線路上的測距模型，利用PID控制無人機實現(xiàn)精細導線跟蹤，并且在實際場景中測試其跟蹤飛行過程的穩(wěn)定性和可行性。為了進一步地加強全自動流程，加入跨塔算法，在大部分情況下都能實現(xiàn)跨塔飛行繼續(xù)進行導線跟蹤飛行。本方法提高了巡檢效率，為無人機電力巡檢自動化提供新的思路。