張曙云 曾麗瓊 劉卓琦

(1.國(guó)網(wǎng)湖南省電力有限公司水電分公司，湖南 長(zhǎng)沙 410007；2.國(guó)網(wǎng)湖南省電力有限公司長(zhǎng)沙供電分公司，湖南 長(zhǎng)沙 410007)

近年來(lái)，隨著無(wú)線(xiàn)通信技術(shù)、GPS導(dǎo)航定位技術(shù)和自動(dòng)遙感技術(shù)的快速發(fā)展，無(wú)人機(jī)在工業(yè)生活各個(gè)領(lǐng)域中得到廣泛快速的應(yīng)用，在電力線(xiàn)路巡檢故障定位、山區(qū)防火救災(zāi)、工程地形測(cè)量等方面，與傳統(tǒng)方式相比，在工作效率、安全保障、減少成本上有了很大的提高。國(guó)內(nèi)外對(duì)無(wú)人機(jī)的應(yīng)用進(jìn)行了一系列的前沿性研究。文獻(xiàn)[1]詳細(xì)闡述了多旋翼無(wú)人機(jī)在庫(kù)區(qū)水域環(huán)境監(jiān)測(cè)中的應(yīng)用情況，通過(guò)分析固定翼式及旋翼式無(wú)人機(jī)的優(yōu)缺點(diǎn)，為不同微型多旋翼無(wú)人機(jī)系統(tǒng)使用提供典型流程；文獻(xiàn)[2]通過(guò)對(duì)自主研發(fā)的大型無(wú)人直升機(jī)多傳感器電力線(xiàn)路全自動(dòng)巡檢系統(tǒng)在廣東電網(wǎng)應(yīng)用及效果分析，驗(yàn)證了巡檢結(jié)果的可靠性和無(wú)人機(jī)巡檢的優(yōu)勢(shì)；文獻(xiàn)[3]基于離散動(dòng)作深度強(qiáng)化學(xué)習(xí)架構(gòu)，提出了一種新穎的option-DQN(option-deep Q-learning)算法，實(shí)現(xiàn)了高效的無(wú)人機(jī)數(shù)據(jù)采集和路徑規(guī)劃，使無(wú)人機(jī)在執(zhí)行任務(wù)時(shí)軌跡能自主學(xué)習(xí)優(yōu)化，更清晰、合理并能判斷無(wú)人機(jī)何時(shí)應(yīng)充電。這些研究從理論到實(shí)踐都對(duì)無(wú)人機(jī)的在電力、庫(kù)區(qū)監(jiān)控巡檢中應(yīng)用進(jìn)行了大膽探索，取得了一定的研究成果。文獻(xiàn)[4]提出了基于無(wú)人機(jī)的抽水蓄能電站巡檢方案，通過(guò)采用互聯(lián)網(wǎng)+無(wú)人機(jī)自動(dòng)化巡檢模式來(lái)改善巡檢工作，具有十分明顯的效果，但對(duì)于無(wú)人機(jī)的控制算法選擇及數(shù)據(jù)處理處理方面沒(méi)有給出明確方案。

本文提出在庫(kù)區(qū)巡檢中采用基于深度學(xué)習(xí)的多旋翼無(wú)人機(jī)巡檢模式，同時(shí)通過(guò)大數(shù)據(jù)技術(shù)對(duì)數(shù)據(jù)信息進(jìn)行深度挖掘，構(gòu)建智能診斷系統(tǒng)，對(duì)異常情況開(kāi)展檢測(cè)診斷，自動(dòng)產(chǎn)生實(shí)際環(huán)境狀態(tài)診斷和評(píng)估結(jié)果，最終通過(guò)專(zhuān)業(yè)人員復(fù)查，實(shí)現(xiàn)對(duì)庫(kù)區(qū)環(huán)境的遠(yuǎn)程監(jiān)控、數(shù)據(jù)采集、綜合診斷和評(píng)估分析，以自動(dòng)化巡檢替代傳統(tǒng)人工模式，極大減輕人力工作強(qiáng)度，并保障工作安全。

1 系統(tǒng)總體構(gòu)成

本文提出的基于深度學(xué)習(xí)的多旋翼無(wú)人機(jī)智能采集診斷系統(tǒng)的設(shè)計(jì)方案，在庫(kù)區(qū)巡檢中由基于多旋翼無(wú)人機(jī)深度學(xué)習(xí)算法的控制系統(tǒng)，以及多鏡頭數(shù)據(jù)圖像采集、GPS定位/GPRS數(shù)據(jù)傳輸、地面信息站數(shù)據(jù)處理智能診斷系統(tǒng)等組成(見(jiàn)圖1)。

圖1 總體系統(tǒng)結(jié)構(gòu)

在總體系統(tǒng)結(jié)構(gòu)中，主要采用以太網(wǎng)網(wǎng)絡(luò)來(lái)接收、控制連接框架內(nèi)的各個(gè)結(jié)構(gòu)。在數(shù)據(jù)采集方面，由多旋翼無(wú)人機(jī)搭載的全方位全景超廣角攝像頭、紅外熱像儀及激光雷達(dá)等數(shù)據(jù)采集設(shè)備，對(duì)庫(kù)區(qū)的地形地貌、水位流量、水工建筑物等相應(yīng)的圖形及測(cè)量數(shù)據(jù)進(jìn)行采集。由于5G通信技術(shù)的快速發(fā)展應(yīng)用，采用GPRS無(wú)線(xiàn)通信技術(shù)快速地將采集信息傳輸?shù)降孛嫘畔⒄痉?wù)器。服務(wù)器接收到信息之后將自動(dòng)進(jìn)行儲(chǔ)存處理，通過(guò)建立智能診斷系統(tǒng)，對(duì)信息進(jìn)行加工處理，引入數(shù)據(jù)挖掘算法，通過(guò)對(duì)采集的信息與正常狀態(tài)進(jìn)行自動(dòng)比對(duì)診斷，生成異常情況分析報(bào)告，在Web管理終端能對(duì)整個(gè)系統(tǒng)數(shù)據(jù)及異常報(bào)告進(jìn)行查看操作，同時(shí)也能操作無(wú)人機(jī)起飛控制平臺(tái)對(duì)其發(fā)出控制指令，無(wú)人機(jī)接收端設(shè)備將接受并執(zhí)行[5](見(jiàn)圖2)。

圖2 系統(tǒng)巡檢流程

通過(guò)方案實(shí)施能使工作人員對(duì)庫(kù)區(qū)自然地形環(huán)境及水電廠(chǎng)附近水工建筑物的狀態(tài)有一個(gè)直觀(guān)、清晰的了解，可快速監(jiān)測(cè)到異常情況及突發(fā)災(zāi)害的地點(diǎn)，提升整體的巡檢效率和結(jié)果的可靠性。

2 基于深度學(xué)習(xí)的旋翼無(wú)人機(jī)巡檢模式

2.1 多旋翼無(wú)人機(jī)設(shè)備原理

在應(yīng)用無(wú)人機(jī)開(kāi)展巡檢工作時(shí)，為確保無(wú)人機(jī)能夠順利完成相關(guān)的巡檢任務(wù)，要求無(wú)人機(jī)具備完善的功能和優(yōu)良的性能，這直接關(guān)系到無(wú)人機(jī)的類(lèi)型選擇。多旋翼無(wú)人機(jī)成本低，便于維護(hù)，機(jī)體小，在巡航過(guò)程中飛行控制靈活；常見(jiàn)的多旋翼無(wú)人機(jī)有四旋翼、六旋翼、八旋翼，其最大特點(diǎn)就是具有多對(duì)旋翼，每對(duì)旋翼的轉(zhuǎn)向相反，用來(lái)抵消彼此的反扭力矩，使控制更加精準(zhǔn)，采集數(shù)據(jù)針對(duì)性更強(qiáng)，同時(shí)飛行比一般無(wú)人機(jī)穩(wěn)定，在抗擾動(dòng)和安全性方面更好。所以在庫(kù)區(qū)這種山區(qū)環(huán)境中應(yīng)用更具優(yōu)勢(shì)。

2.2 基于深度學(xué)習(xí)的多旋翼無(wú)人機(jī)

深度學(xué)習(xí)的概念由Hinton在2006年提出，深度學(xué)習(xí)是通過(guò)模擬人的神經(jīng)網(wǎng)絡(luò)，使其具備像人一樣的學(xué)習(xí)能力，對(duì)目標(biāo)進(jìn)行不斷的優(yōu)化學(xué)習(xí)。目前深度學(xué)習(xí)算法已廣泛應(yīng)用于人工智能、模式識(shí)別和智能檢測(cè)等領(lǐng)域，在多旋翼無(wú)人機(jī)飛行巡航定位路徑選擇過(guò)程中，需要綜合大量數(shù)據(jù)信息，如天氣情況、三維空間數(shù)據(jù)、風(fēng)速等，這些數(shù)據(jù)結(jié)構(gòu)復(fù)雜，綜合處理分析難度大。深度學(xué)習(xí)能通過(guò)學(xué)習(xí)深層次非線(xiàn)性網(wǎng)絡(luò)結(jié)構(gòu)，來(lái)表征用戶(hù)的海量數(shù)據(jù)，具有強(qiáng)大的從多旋翼無(wú)人機(jī)飛行數(shù)據(jù)信息庫(kù)中學(xué)習(xí)數(shù)據(jù)信息本質(zhì)特征的能力，從而進(jìn)行深層次特征表示，通過(guò)自動(dòng)特征學(xué)習(xí)，將不同數(shù)據(jù)映射到同一個(gè)隱空間中，以獲得數(shù)據(jù)的統(tǒng)一表征。相對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)算法，深度學(xué)習(xí)突出從海量數(shù)據(jù)中進(jìn)行學(xué)習(xí)，解決傳統(tǒng)機(jī)器學(xué)習(xí)算法難以處理海量數(shù)據(jù)中存在的高維、冗雜以及高噪等的問(wèn)題，使挖掘數(shù)據(jù)潛在特征更加方便快捷，能高效完成對(duì)多旋翼無(wú)人機(jī)采集到的數(shù)據(jù)的處理。

深度學(xué)習(xí)常用的算法有卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、生成對(duì)抗網(wǎng)絡(luò)(GAN)，見(jiàn)表1。

表1 三種算法的對(duì)比

由表1可知，采用深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)算法，無(wú)人機(jī)能更好地實(shí)現(xiàn)自動(dòng)規(guī)劃路線(xiàn)，自動(dòng)尋找目的地，并能在飛行過(guò)程中識(shí)別航行過(guò)程中長(zhǎng)期不變的物體，通過(guò)采集定位、航線(xiàn)數(shù)據(jù)等信息，經(jīng)過(guò)多次訓(xùn)練，實(shí)現(xiàn)高效的無(wú)人機(jī)數(shù)據(jù)采集和路徑規(guī)劃，使無(wú)人機(jī)能夠進(jìn)行自主巡航。

3 智能診斷系統(tǒng)的構(gòu)建

3.1 系統(tǒng)架構(gòu)

系統(tǒng)采用SOA(Service-Oriented Architecture，面向服務(wù)的架構(gòu))技術(shù)架構(gòu)，基本架構(gòu)主要由異常指標(biāo)專(zhuān)家?guī)臁?shí)時(shí)監(jiān)測(cè)與智能診斷和Web應(yīng)用三部分組成[6](見(jiàn)圖3)。

圖3 系統(tǒng)功能構(gòu)架

智能診斷系統(tǒng)的功能實(shí)現(xiàn)通過(guò)兩個(gè)步驟：第一，通過(guò)對(duì)無(wú)人巡航采集傳輸回地面信息站中的圖像數(shù)據(jù)等信息進(jìn)行存儲(chǔ)并實(shí)時(shí)分析，將信息展示到Web管理終端，供工作人員對(duì)現(xiàn)場(chǎng)環(huán)境的在線(xiàn)監(jiān)控；第二，將實(shí)時(shí)采集到的數(shù)據(jù)信息與數(shù)據(jù)庫(kù)中原有的數(shù)據(jù)信息進(jìn)行對(duì)比，反映環(huán)境狀態(tài)的變化，通過(guò)事先設(shè)置的判別標(biāo)準(zhǔn)，進(jìn)行自動(dòng)診斷并得出環(huán)境狀態(tài)評(píng)價(jià)結(jié)果。

3.2 智能診斷分析流程

通過(guò)對(duì)無(wú)人機(jī)采集到的圖形數(shù)據(jù)等信息進(jìn)行大數(shù)據(jù)挖掘分析，將日常巡檢中的異常情況處理方法和水庫(kù)庫(kù)區(qū)環(huán)境狀態(tài)參數(shù)正常變化情況建立在專(zhuān)家數(shù)據(jù)庫(kù)系統(tǒng)中，通過(guò)將采集到信息與數(shù)據(jù)庫(kù)中所設(shè)定的標(biāo)準(zhǔn)參數(shù)進(jìn)行比較，對(duì)存在的異常情況進(jìn)行快速判斷和分析(見(jiàn)圖4)。

圖4 智能診斷分析流程

將專(zhuān)家數(shù)據(jù)庫(kù)系統(tǒng)中數(shù)據(jù)信息作為機(jī)器學(xué)習(xí)樣本，采集系統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，創(chuàng)建庫(kù)區(qū)環(huán)境狀態(tài)評(píng)估、異常情況定位、采集異常等分析診斷模型，并由分析診斷模型對(duì)采集數(shù)據(jù)進(jìn)行驗(yàn)證，快速鎖定異常區(qū)域，并得到庫(kù)區(qū)環(huán)境整體狀態(tài)診斷評(píng)價(jià)結(jié)果。通過(guò)其中的算法取得分析結(jié)果，根據(jù)庫(kù)區(qū)環(huán)境良好狀態(tài)下的圖像數(shù)據(jù)信息設(shè)定專(zhuān)家打分評(píng)估規(guī)則表，從而實(shí)現(xiàn)根據(jù)采集的數(shù)據(jù)信息判斷出庫(kù)區(qū)環(huán)境的整體狀態(tài)，并對(duì)其進(jìn)行分析和評(píng)價(jià)打分。

4 結(jié) 語(yǔ)

無(wú)人機(jī)在軍事、民用、工業(yè)、農(nóng)和服務(wù)行業(yè)等各領(lǐng)域得到了廣泛的應(yīng)用，通過(guò)對(duì)無(wú)人機(jī)進(jìn)行深入的研究與分析，提出了一種基于深度學(xué)習(xí)的多旋翼無(wú)人機(jī)智能采集診斷系統(tǒng)設(shè)計(jì)方案，從基于深度學(xué)習(xí)的多旋翼無(wú)人機(jī)巡檢模式和智能診斷系統(tǒng)構(gòu)建兩個(gè)方面對(duì)方案進(jìn)行了詳細(xì)分析和敘述，并對(duì)多旋翼無(wú)人機(jī)應(yīng)用優(yōu)勢(shì)進(jìn)行了詳細(xì)介紹，通過(guò)對(duì)深度學(xué)習(xí)中的基本算法進(jìn)行對(duì)比分析，選擇出了更適合的控制算法，并構(gòu)建出相應(yīng)的系統(tǒng)控制設(shè)計(jì)流程與架構(gòu)，為實(shí)際應(yīng)用提供參考，與采用傳統(tǒng)的人工巡檢方式相對(duì)比，任務(wù)完成效率高，能實(shí)現(xiàn)智能化巡檢，在惡劣環(huán)境中有更強(qiáng)的適應(yīng)能力，具有廣闊的推廣應(yīng)用價(jià)值。fffff4