本发明涉及无人机巡检航线规划领域，具体为无人机巢巡检航线规划方法及系统。
背景技术：
1、随着无人机技术的快速发展，无人机在巡检领域的应用越来越广泛。在目前无人机任务巡检模式下，主要依靠工作人员根据现场采集的点云信息，依靠自己的经验及规定的绘制规则，先将需要巡视的点使用规划工具将它们连接并设置相应的动作从而绘制出一条无人机可以执行的航线任务，无人机按照后台下发的航线进行航线任务，现有的无人机巢巡检航线规划方法往往由于需要人工计算规划，导致工作效率低下，无法满足大规模巡检的需求；传统的规划方法可能无法准确考虑无人机的续航能力、环境因素等，导致规划出的航线并非最优；无法根据实时数据动态调整航线，以适应复杂多变的巡检；即现有的无人机巢巡检航线规划方法往往存在效率低下、精度不足、缺乏智能化等问题，为此我们提出了无人机巢巡检航线规划方法及系统。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本发明提供了无人机巢巡检航线规划方法，解决了上述的问题。
3、(二)技术方案
4、为实现上述所述目的，本发明提供如下技术方案：无人机巢巡检航线规划方法，包括以下步骤：
5、s1：接收巡检任务，具体包括巡检区域、巡检目标及巡检要求；
6、s2：分析巡检区域的地理信息和环境因素，判断对无人机飞行的影响；
7、s3：根据无人机的性能参数，以及巡检任务的要求，生成初始航线规划；
8、s4：利用智能优化算法，对初始航线规划进行优化，得到最优航线规划；
9、s5：在无人机执行巡检任务时，通过实时数据对航线规划进行动态调整。
10、优选的，所述s1接收巡检任务具体包括以下步骤：
11、s11：任务输入，巡检任务通过地面控制站或远程服务器进行输入，任务信息应明确、详细，并具备可编辑性；
12、s12：任务解析，系统对输入的巡检任务进行解析，提取关键信息，如巡检区域的具体坐标范围、巡检目标的类型(如电力线路、光伏电站等)、巡检的精度要求(如高清照片拍摄间隔、红外测温范围等)；
13、s13：任务验证，对解析后的任务信息进行验证，确保信息的准确性和完整性，如发现错误或遗漏，系统应提供反馈并提示用户修正。
14、优选的，所述s12任务解析还包括巡检区域数字化和巡检目标参数化；
15、巡检区域数字化：将巡检区域通过地理信息系统(gis)进行数字化处理，生成包含地形、地貌、障碍物等信息的电子地图，系统可根据这些信息自动规划出避开障碍物的安全航线；
16、巡检目标参数化：将巡检目标的具体要求转化为系统可识别的参数。例如，对于电力线路巡检，可以设定线路断裂、塔架变形、绝缘体损伤等问题的检测阈值和检测方式。
17、优选的，所述s2分析巡检区域的地理信息和环境因素具体包括：
18、地理信息获取与分析
19、数据来源：利用地理信息系统(gis)获取巡检区域的数字化地图，包括地形、地貌、道路网、建筑物分布等信息；
20、数据解析：对获取的数字地图进行解析，提取出对无人机巡检有影响的关键因素，如高程变化、地形起伏、潜在障碍物等；
21、数据可视化：通过可视化工具将解析后的地理信息以三维模型或二维地图的形式展示，便于直观了解巡检区域的地形地貌；
22、风速与风向分析
23、数据来源：利用气象数据库或实时气象观测站获取巡检区域的风速、风向数据；
24、数据分析：分析风速、风向数据的历史记录，了解巡检区域的风况特点，如季节性变化、日变化等；
25、影响评估：评估风速、风向对无人机飞行的影响，如飞行稳定性、能耗等，为航线规划提供参考；
26、天气状况分析
27、数据来源：利用天气预报系统或实时气象观测站获取巡检区域的天气状况数据，包括温度、湿度、降水、雾霾等；
28、数据预测：根据历史天气数据和气象模型预测巡检期间的天气状况；
29、影响评估：评估天气状况对无人机飞行的影响，如能见度、飞行安全等，为巡检任务的安排提供参考；
30、其他环境因素分析
31、电磁环境：分析巡检区域的电磁环境，了解电磁干扰源及其对无人机通信的影响；
32、空域限制：了解巡检区域的空域限制，如禁飞区、限高区等，确保无人机在合法空域内飞行；
33、交通状况：对于巡检区域附近可能存在的航空器活动或交通流量进行分析，避免与无人机发生冲突。
34、优选的，所述s3根据无人机的性能参数以及巡检任务的要求，生成初始航线规划具体包括以下步骤：
35、s31：航线设计，根据无人机性能参数和巡检任务要求，设计合理的航线，考虑无人机的续航能力，合理安排巡检点之间的距离和停留时间，考虑地形和障碍物的影响，设计避开障碍物的安全航线；
36、s32：航点设置，在航线上设置合适的航点，用于无人机的导航和定位，根据巡检目标的特点和要求，在关键位置设置航点，确保无人机能够准确到达并完成任务；
37、s33：任务分配，如果巡检任务涉及多个无人机协同作业，需要根据无人机的性能参数和巡检任务要求进行合理的任务分配，考虑无人机之间的协同配合和相互干扰问题，确保整个巡检任务的顺利进行。
38、优选的，所述s4中智能优化算法中包括以下算法：
39、遗传算法：遗传算法模拟自然选择和遗传机制，通过迭代搜索最优解，适用于处理复杂、非线性的优化问题，尤其适合航线规划这类具有多个约束条件的问题；
40、神经网络：神经网络通过学习大量数据来发现输入与输出之间的复杂关系，在航线规划中，可以利用神经网络预测无人机的飞行性能，从而优化航线；
41、强化学习算法：强化学习算法通过试错来学习最优策略，适用于需要连续决策的问题，在航线规划中，可以利用强化学习算法调整无人机的飞行参数，如速度、高度等，以达到最优效果。
42、优选的，所述s4利用智能优化算法，对初始航线规划进行优化，得到最优航线规划，具体包括以下步骤：
43、s41：目标函数定义，根据巡检任务的要求，定义目标函数，如巡检时间最短、能量消耗最低、飞行安全性最高等，目标函数应能够量化评价航线规划的优劣；
44、s42：约束条件设置，根据无人机的性能参数和巡检区域的地理环境，设置合理的约束条件，约束条件应包括无人机的最大续航能力、飞行速度、飞行高度、地形障碍物等；
45、s43：算法参数配置，根据所选的智能优化算法，配置相应的参数，如种群大小、迭代次数、学习率等，参数配置应根据实际问题和算法特性进行合理调整；
46、s44：算法执行与优化，将初始航线规划作为算法的输入，执行智能优化算法，算法通过迭代搜索，不断调整航线规划的参数，以优化目标函数，在迭代过程中，可以利用各种启发式搜索策略来加速优化过程；
47、s45：结果评估与输出，对优化后的航线规划进行评估，检查是否满足约束条件并达到最优目标，如果不满足要求，可以调整算法参数或重新选择智能优化算法进行优化，如果满足要求，则输出最优航线规划，供无人机执行巡检任务使用。
48、优选的，所述s5在无人机执行巡检任务时，通过实时数据对航线规划进行动态调整，具体包括：
49、一、实时数据收集：
50、传感器数据：无人机搭载的高清摄像头、红外线摄像头、温度传感器等传感器实时收集巡检区域的图像、温度、湿度等数据；
51、飞行状态数据：收集无人机的飞行高度、速度、姿态、剩余电量等状态数据，确保无人机在安全状态下执行任务；
52、二、数据分析与决策：
53、障碍物检测：利用图像识别技术，分析摄像头传回的图像数据，实时检测巡检区域内的障碍物，如树木、建筑等；
54、异常识别：通过对比历史数据和实时数据，识别出巡检目标(如电力线路、变电站设备等)的异常状况，如温度异常、损坏等；
55、路径优化：基于实时数据和无人机性能参数，利用智能优化算法(如遗传算法、神经网络、强化学习算法等)对航线规划进行动态调整，避开障碍物，优化飞行路径，确保无人机能够高效、安全地完成巡检任务；
56、三、动态调整航线规划：
57、避障调整：当检测到障碍物时，无人机能够自动调整飞行高度、速度或航向，以避开障碍物；
58、异常点重点巡检：对于识别出的异常点，无人机可以自动调整航线，增加在该区域的巡检时间和巡检精度，以获取更多的异常信息；
59、电量管理：根据无人机的剩余电量和巡检任务的剩余时间，动态调整飞行速度和巡检范围，确保无人机能够安全返回；
60、四、实时反馈与监控：
61、数据传输：将实时数据和航线调整信息通过无线传输技术实时传输至地面控制中心，使操作人员能够实时监控无人机的飞行状态和巡检任务执行情况；
62、人工干预：在特殊情况下，操作人员可以手动干预航线规划，确保无人机能够按照预定的要求执行巡检任务。
63、无人机巢巡检航线规划系统，应用于上述无人机巢巡检航线规划方法，包括航线规划模块、导航控制模块、传感器模块和数据处理中心，且航线规划模块、导航控制模块、传感器模块和数据处理中心的数据传输端相互连接，并全部连接于无人机机巢。
64、优选的，所述航线规划模块是基于智能算法进行航线规划，所述导航控制模块用于确保无人机按照规划的航线进行飞，传感器模块用于提供实时环境数据，支持航线规划的动态调整，所述数据处理中心负责数据的收集、处理和分析。
65、(三)有益效果
66、与现有技术相比，本发明提供了无人机巢巡检航线规划方法，具备以下有益效果：
67、1、该无人机巢巡检航线规划方法，通过智能算法自动规划航线、实时数据动态调整航线以及支持多架无人机协同作业等功能特点，能够大大提高巡检效率和精度，满足大规模巡检的需求。
68、2、该无人机巢巡检航线规划方法，通过在无人机巢巡检航线规划过程中，对巡检区域的地理信息和环境因素进行准确分析，可以更加全面、准确地分析巡检区域的地理信息和环境因素，这些信息将为后续的航线规划提供有力支持，确保无人机能够在安全、高效的状态下执行巡检任务，同时，这些信息也有助于提前识别潜在风险并制定相应的应对措施，提高巡检任务的可靠性和成功率。
69、3、该无人机巢巡检航线规划方法，通过利用智能优化算法对初始航线规划进行优化，可以得到更加合理、高效的最优航线规划，这不仅可以提高无人机的巡检效率和安全性，还可以降低巡检成本，为无人机巡检任务提供更加可靠的技术支持。
70、4、该无人机巢巡检航线规划方法，使得无人机在执行巡检任务时能够充分利用实时数据对航线规划进行动态调整，确保无人机在复杂多变的环境中高效、安全地完成巡检任务。这不仅可以提高巡检效率，还可以降低巡检成本。
1.无人机巢巡检航线规划方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的无人机巢巡检航线规划方法，其特征在于：所述s1接收巡检任务具体包括以下步骤：
3.根据权利要求2所述的无人机巢巡检航线规划方法，其特征在于：所述s12任务解析还包括巡检区域数字化和巡检目标参数化；
4.根据权利要求3所述的无人机巢巡检航线规划方法，其特征在于：所述s2分析巡检区域的地理信息和环境因素具体包括：
5.根据权利要求4所述的无人机巢巡检航线规划方法，其特征在于：所述s3根据无人机的性能参数以及巡检任务的要求，生成初始航线规划具体包括以下步骤：
6.根据权利要求5所述的无人机巢巡检航线规划方法，其特征在于：所述s4中智能优化算法中包括以下算法：
7.根据权利要求6所述的无人机巢巡检航线规划方法，其特征在于：所述s4利用智能优化算法，对初始航线规划进行优化，得到最优航线规划，具体包括以下步骤：
8.根据权利要求7所述的无人机巢巡检航线规划方法，其特征在于：所述s5在无人机执行巡检任务时，通过实时数据对航线规划进行动态调整，具体包括：
9.无人机巢巡检航线规划系统，其特征在于：包括航线规划模块、导航控制模块、传感器模块和数据处理中心，且航线规划模块、导航控制模块、传感器模块和数据处理中心的数据传输端相互连接，并全部连接于无人机机巢。
10.根据权利要求9所述的无人机巢巡检航线规划系统，其特征在于：所述航线规划模块是基于智能算法进行航线规划，所述导航控制模块用于确保无人机按照规划的航线进行飞，传感器模块用于提供实时环境数据，支持航线规划的动态调整，所述数据处理中心负责数据的收集、处理和分析。
