本發(fā)明涉及一種基于運動學習的四旋翼無人機電塔巡檢方法，屬于無人機軌跡規(guī)劃技術領域。

背景技術：

近年來，四旋翼無人機以其簡單的機械結構和獨特的飛行方式而成為無人機研究領域中的熱點。它是一種非共軸多旋翼式飛行器，由于其特殊的設計結構，使得其可以實現(xiàn)多種飛行姿態(tài)。通過調(diào)節(jié)對稱分布的四個旋翼轉(zhuǎn)速，實現(xiàn)對飛行姿態(tài)的控制。與常規(guī)直升機相比，四個旋翼提供升力比單旋翼更均勻，因而飛行更加平穩(wěn)且機動性更強。四旋翼無人機體積小、隱蔽性好、飛行平穩(wěn)，特別適合近偵查、監(jiān)視等民用和軍用領域。在民用領域，四旋翼無人機主要被應用于地面檢測、抗災救險、高空拍攝等；在軍用領域，主要被用于軍事偵查、戰(zhàn)場監(jiān)控、情報收集等。

在電力系統(tǒng)中，電塔是電網(wǎng)輸電的重要基礎設施，電塔的維護及質(zhì)量檢測是現(xiàn)代電力系統(tǒng)運行與發(fā)展的重要保障。過去通過人工攀爬檢查電塔，登塔難度高危險性較大。與人工攀爬檢查方式不同，四旋翼無人機可輕松到達距離地面80多米高的塔頂，實現(xiàn)全方位高清拍攝，從而大大降低了巡檢難度和危險性。所以四旋翼無人機被廣泛應用于電塔電網(wǎng)巡檢。

但是，無人機技術密集及協(xié)同性強，使它的操縱越來越復雜；隨著現(xiàn)代電塔巡檢飛行任務的強度、難度的不斷增加，飛行操作手在生理和心理上會受到影響，單純依靠手控操作完成復雜的電塔巡檢任務變得越來越困難；因此三維軌跡規(guī)劃顯得至關重要。然而現(xiàn)有的三維空間軌跡規(guī)劃算法均在環(huán)境建模的基礎上添加諸多的約束條件通過各種算法搜索飛行路徑，搜索到路徑的優(yōu)越性依賴于環(huán)境模型的精確程度及算法的實時性和有效性，這樣的規(guī)劃方式不完全適合電塔巡檢的無人機軌跡規(guī)劃任務，搜索與規(guī)劃路徑的效率不高。

技術實現(xiàn)要素：

針對上述現(xiàn)有技術問題，本發(fā)明要解決的技術問題是：提供一種基于運動學習的四旋翼無人機電塔巡檢方法，使得四旋翼無人機具備自主巡檢電塔的能力，將人從復雜和繁重遙控任務解脫出來，并提高四旋翼無人機電塔巡檢的效率。

為解決上述技術問題，本發(fā)明采用如下技術方案：

一種基于運動學習的四旋翼無人機電塔巡檢方法，其特征在于具體包括如下步驟：

步驟S1：運動學習過程：通過遙控器示教四旋翼無人機完成一次具體的電塔巡檢任務，收集該具體的電塔巡檢任務三維軌跡序列作為運動學習樣本，基于動力學方程和運動學習樣本提取運動基元；所述三維軌跡序列即三個自由度的位移、速度、加速度信息；

步驟S2：泛化過程：為新的電塔巡檢任務設定起點終點，根據(jù)動力學方程和提取的運動基元泛化出新巡檢任務的三維軌跡序列，將新的三維軌跡序列作為導航路徑給四旋翼無人機完成電塔巡檢任務，若新的電塔巡檢任務中沒有障礙物則步驟S2后規(guī)劃結束；若新的電塔巡檢任務的規(guī)劃路徑上有障礙物，則進入步驟S3；

步驟S3：先確定障礙物大致的中心位置坐標，然后在已有學習基礎上通過設計耦合因子重新規(guī)劃出可行三維避障軌跡；最后將規(guī)劃出的可行避障軌跡給四旋翼無人機完成自主電塔巡檢任務。

上述技術方案中，步驟S1提取運動基元時，引入帶有恒定系數(shù)線性微分方程，將四旋翼無人機的點到點運動描述為一種帶有非線性強制項的動力學系統(tǒng)模型；通過遙控器示教四旋翼無人機完成一次具體的電塔巡檢任務，基于四旋翼無人機內(nèi)部的位置估計模塊，分別獲取四旋翼無人機上升階段和下降階段起點到終點三個自由度各自位移、速度和加速度的序列，基于獲得的學習樣本和動力學系統(tǒng)模型分別提取四旋翼無人機上升和下降階段的運動基元序列，提取到的基元序列作為后續(xù)步驟中自主規(guī)劃路徑的基礎。

上述技術方案中，步驟S2中，設定新的電塔巡檢任務起點和終點，將學到的運動基元帶入有非線性強制項的動力學系統(tǒng)模型，并使用同一正則系統(tǒng)，泛化出一條離散的運動軌跡點，即為所需的電塔巡檢路徑，若新的巡檢任務無障礙物則步驟S2后規(guī)劃結束，將規(guī)劃的軌跡點給四旋翼無人機完成電塔巡檢任務；

上述技術方案中，步驟S3通過在動力學方程中設計耦合因子，在原有的運動基元和動力學方程基礎上重新泛化出可行三維軌跡序列，將三維軌跡序列作為電塔巡檢的導航路徑給四旋翼無人機完成自主電塔巡檢任務。

上述技術方案中，步驟S3詳細步驟如下：

步驟S31：設定在上升階段和下降階段，在三維笛卡爾空間中從起點到目標點的運動過程中有障礙物，首先確定障礙物大致中心為o＝[o₁ o₂ o₃]^T，在帶有非線性強制項的動力學系統(tǒng)模型中加入耦合因子C_t從而構建帶避障功能的動力學系統(tǒng)；對于三個自由度的運動，各自帶避障功能的動力學系統(tǒng)有其各自的耦合因子C_t＝[C_t,1 C_t,2 C_t,3]^T，C_t,j(j＝1,2,3)；耦合因子中加入了一個垂直于當前速度方向的運動，是距離矢量與速度矢量的函數(shù)；其中其中μ為速度向量與障礙物中心坐標和當前位置坐標差向量(o-y)的夾角；R為旋轉(zhuǎn)矩陣，決定運動軌跡繞障礙物的旋轉(zhuǎn)方向，k和β為常量。

步驟S32：在三個自由度各自的動力學方程中，均添加各自的耦合因子構建帶避障功能的動力學系統(tǒng)；根據(jù)各個自由度在步驟S1中所提取的運動基元，設定好起點和終點，由帶避障功能的動力學系統(tǒng)泛化出各自自由度的軌跡序列，從而三個自由度的序列組成四旋翼無人機三維的避障軌跡，進而無人機根據(jù)規(guī)劃路徑完成電塔巡檢任務。

綜上所述，本發(fā)明公開了一種基于運動學習的四旋翼無人機電塔巡檢方法，針對一次電塔巡檢任務的運動進行學習，對四旋翼無人機的三維運動引入學習框架，將一次電塔巡檢飛行任務軌跡作為運動學習的樣本，基于動力學方程提取出其運動基元；進而基于學習到的運動基元可推廣到新的電塔巡檢飛行任務，對于新的電塔巡檢任務，則可通過已學習的運動基元在設定起點和終點后泛化出可行的軌跡點；若新的電塔巡檢路徑上有障礙物，則可通過在原有的學習基礎上設計耦合因子重新規(guī)劃出可行的避障路徑；最后將規(guī)劃出的軌跡點提供給四旋翼無人機用于四旋翼無人的自主飛行完成電塔巡檢。

對比傳統(tǒng)的無人機路徑規(guī)劃方法如蟻群算法、粒子群算法、A*算法等，本發(fā)明方法特有之處在于：

(1)引入了運動學習機制，基于這樣一種機制，四旋翼無人機不僅能夠復制其學習到的運動，而且能夠泛化出滿足不同目標點的路徑完成三維空間飛行任務，同時能夠進行避障。

(2)傳統(tǒng)的無人機路徑規(guī)劃方法由于未引入學習機制，面對相同或相似的環(huán)境原先的規(guī)劃結果并沒有對現(xiàn)有的規(guī)劃有任何幫助。從而本方法擺脫傳統(tǒng)的三維路徑規(guī)劃對環(huán)境建模與搜索算法性能的依賴，完善了四旋翼無人機的自主軌跡規(guī)劃的方法，提高了四旋翼無人機的軌跡規(guī)劃能力和電塔巡檢效率。

附圖說明

圖1是本發(fā)明四旋翼無人機電塔巡檢示教示意圖；

圖2是本發(fā)明四旋翼無人機自主規(guī)劃三維軌跡進行電塔巡檢示意圖；

圖3是本發(fā)明四旋翼無人機自主規(guī)劃三維避障軌跡進行電塔巡檢示意圖；

圖4是本發(fā)明基于運動學習的四旋翼無人機電塔巡檢方法運動學習及泛化過程；

圖5是本發(fā)明四旋翼無人機的多自由度運動學習原理圖(以三個自由度為例)。

具體實施方式

下面結合附圖和實例對本發(fā)明作更進一步的說明。

本發(fā)明所提出的方法首先需要對一次具體的電塔巡檢任務進行學習，圖1是四旋翼無人機電塔巡檢示教示意圖。如圖1所示，電塔巡檢過程分為上升過程(實現(xiàn))和下降過程(虛線)；上升過程中起點為點A，終點為點B；下降過程中起點為點B，終點為點C。由于上升過程和下降過程是起點和終點不同，并且是兩種不同的運動形式，因此需要單獨對同種性質(zhì)的運動進行分析，本文僅以上升過程為例詳細闡述本方法的具體步驟。

圖1為通過遙控器控制四旋翼無人機進行電塔巡檢示意圖，以上升過程(A到B)為例，基于四旋翼無人機內(nèi)部的位置信息處理模塊收集上升過程中的四旋翼無人機運動軌跡點集，并根據(jù)動力學方程提取運動基元。圖2為四旋翼無人機自主規(guī)劃三維空間軌跡進行電塔巡檢示意圖，根據(jù)學習到的運動基元并設定好新任務的起點和終點，自主泛化出相應的電塔巡檢三維軌跡，然后給四旋翼無人機完成巡檢任務。圖3為四旋翼無人機自主規(guī)劃避障三維軌跡進行電塔巡檢示意圖，當新的電塔巡檢任務路徑上有障礙物(如：樹)時，則原有的軌跡規(guī)劃方法不在適用，通過設計在動力學方程中加入耦合因子，重新規(guī)劃出可行的三維避障軌跡，然后給四旋翼無人機完成電塔巡檢任務。

上述技術方案整個過程的具體實現(xiàn)步驟如下：

步驟S1：提取四旋翼無人機電塔巡檢過程的運動基元流程圖如圖4，包含了以下步驟：

步驟S11：引入帶有恒定系數(shù)線性微分方程并稱之為動力學系統(tǒng)，此系統(tǒng)作為對運動學習的基礎，對于一個自由度的運動y，其運動方程為：

式(1)和(2)中α_v和β_v為正常數(shù)，τ表示時間常數(shù)，g為吸引點也為常數(shù)。選取合適的值如β_v＝α_v/4且τ>0，則系統(tǒng)臨界阻尼，y能夠避免周期性振動而最快地收斂于g。此動力學系統(tǒng)中y收斂于g的過程可以看作是離散的點到點的運動過程。但是上述系統(tǒng)只能得到一種特定的臨界阻尼運動，為推廣到更廣泛具有一般形式的運動，則在式(1)中加入非線性強制項f。f設計為一種徑向基核函數(shù)線性加權和的形式，進而得到更一般的點到點運動擬合形式。

ψ_i(s)＝exp(-h_i(s-c_i)²) (4)

式(3)為f函數(shù)的具體形式，式中N表示徑向基核函數(shù)ψ_i(s)的個數(shù)；式(4)為徑向基核函數(shù)函數(shù)的具體表達式，h_i＞0且決定核函數(shù)的寬，c_i是徑向基核函數(shù)的中心，其中h_N＝h_N-1,i＝1,...N，式(5)稱為正則系統(tǒng)，決定式(4)中變量s的動態(tài)特性，s的初始狀態(tài)為s(0)＝1。進而改進動力學方程為：

式(6)將一般的點到點運動描述為一種帶有非線性強制項的動力學系統(tǒng)，非線性強制項f(s)隨時間衰減，最終系統(tǒng)收斂于(v,y)＝(0,g)，從而此動力學系統(tǒng)能夠擬合不同的運動形式。

步驟S12：提取四旋翼無人機電塔巡檢任務的運動基元過程如下。式(6)中非線性強制項f(s)中的權重w_i即為運動基元。在圖1中通過遙控器示教四旋翼無人機一次具體的電塔巡檢任務即從A到B點(以上升過程為例)，得到其三維空間運動軌跡序列。其中一個自由度的序列，位移、速度和加速度的序列為t∈{Δt,2Δt,...,nΔt}，其中Δt表示步長。離散系統(tǒng)的運動的起點y₀＝y(tǒng)_demo(0)，運動軌跡終點g＝y(tǒng)_demo(nΔt)，運動時間常數(shù)τ＝nΔt。將式(7)代入(6)，并將已知的運動序列帶入得式：

由式(8)可得通過學習得到的非線性強制項的序列，為找到式(6)中合適的權重w_i，則將問題轉(zhuǎn)化為函數(shù)逼近，即使得f盡可能接近f_demo。為估計運動基元即權值w_i將式(3)改寫成式(9)。對應的T和w如式(10)和(11)。

Tw＝f≈f_demo (9)

w＝[w₁…w_N]^T (11)

通過最小二乘法可計算出線性方程(9)的w_i，即為此個自由度的運動基元；其余兩個自由度的運動基元提取過程類似。通過以上步驟可求得上升階段A到B處三個自由度各自的運動基元。

步驟S2：四旋翼無人機根據(jù)提取的運動基元對于新的電塔巡檢任務，首先設定任務的起點和終點，然后泛化出相應的三維軌跡序列，過程如下。以一個自由度為例，設定新的電塔巡檢任務起點y₀和終點g，將學到的運動基元式(11)帶入式(6)，規(guī)劃出一條離散的運動軌跡點，從而達到泛化的過程，以上的一個自由度運動的學習和泛化過程見流程圖4。上述過程是針對一個自由度的運動，對于空間中三個自由的運動還需保證時間的耦合性，即時間上的運功同步和一致。因此，三個自由度各自的動力學方程中的正則系統(tǒng)式(5)必須保證一致，見圖5。至此，對于新的電塔巡檢任務，依據(jù)步驟S1中學習到的三個自由度各自的運動基元，并使用同一正則系統(tǒng)，在設定好如圖2中的起點A′和終點B′(以上升運動過程為例)后，根據(jù)式(6)計算出各個自由度的軌跡序列，形成由A′到B′的路徑，即為所需的電塔巡檢路徑。對于新的電塔巡檢任務中，若無障礙物則經(jīng)過步驟S2完成軌跡規(guī)劃，將三維軌跡點給四旋翼無人機后巡檢結束。

步驟S3：當新的電塔巡檢任務中有障礙物時，則原來的規(guī)劃方法不能適用，需要重新可行規(guī)劃。詳細步驟如下：

步驟S31：在三維笛卡爾空間中，點到點的運動其位置向量為y＝[y₁ y₂ y₃]^T和對應的速度向量為目標點為g＝[g₁ g₂ g₃]^T。在從起點到目標點的運動過程中有障礙物，設障礙物大致球心為o＝[o₁ o₂ o₃]^T，如圖3。在(6)中加入耦合因子C_t從而構建帶避障功能的動力學系統(tǒng)，即式(12)。

對于三個自由度的運動，各自的動力學系統(tǒng)有其各自的耦合因子，寫成向量形式為C_t＝[C_t，1 C_t，2 C_t，3]^T，C_t，j(j＝1,2,3)即為規(guī)劃避障路徑的關鍵。C_t具體解算如式(13)，其中μ為速度向量與障礙物中心坐標和當前位置坐標差向量(o-y)的夾角，見式(14)，R為旋轉(zhuǎn)矩陣決定運動軌跡繞障礙物的旋轉(zhuǎn)方向，k和β為常量，這里取k＝1000,β＝20/π。耦合因子中加入了一個垂直于當前速度方向的運動，是距離矢量與速度矢量的函數(shù)。

步驟S32：在每個自由度各自的動力學方程中，均添加各自的耦合因子，如式(12)。根據(jù)各個自由度在步驟S1中所提取的運動基元，設定好起點A″和終點B″坐標(以上升過程為例)，由式(12)泛化出三個自由度的軌跡序列，從而三個自由度的序列組成四旋翼無人機三維的避障軌跡，進而無人機根據(jù)規(guī)劃路徑完成電塔巡檢任務，如圖3。

綜上所述，本發(fā)明所提出四旋翼無人機三維空間的電塔巡檢方法，是一種基于運動學習的軌跡規(guī)劃方法，通過對一次具體的電塔巡檢任務的學習，對于新的電塔巡檢任務能夠自主規(guī)劃出可行路徑提供給四旋翼無人機，具有很高的工程實用價值。

本發(fā)明保護范圍不僅局限于以上所述的較佳實施方式，凡在與本發(fā)明相同原理下的變更或潤飾均應包含在本發(fā)明的保護范圍之內(nèi)。