基于改進人工魚群算法的無人機紅外巡檢線路規(guī)劃

王紅星， 黃鄭， 錢波， 徐淇， 李波

(1.江蘇方天電力技術(shù)有限公司，江蘇，南京 211102;2.國網(wǎng)江蘇省電力有限公司常州供電分公司，江蘇，常州 213000)

0 引言

輸電線路作為保障電力運行的重要設(shè)備，加強對線路的巡檢尤為重要。傳統(tǒng)的輸電線路巡檢主要包括人工巡視、直升機巡視等，但由于輸電線路廣、巡檢地形復(fù)雜，給人工巡檢帶來極大的難度和不確定性，如采用直升機巡檢，費用也相對較高。因此，無人機紅外巡檢開始進入電力公司視野，并成為當(dāng)前輸電線路巡檢重要方式。通過無人機巡檢，可克服復(fù)雜地形和困難天氣因素的影響，基本實現(xiàn)全天候24 h的巡檢，但在無人機紅外巡檢中，核心問題為無人機路徑規(guī)劃。常用的無人機紅外巡檢路徑規(guī)劃包括A*算法、Apf算法，如：曹建秋等[1]采用改進變異灰狼算法對無人機路徑規(guī)劃進行優(yōu)化，得到航跡代價小、效果穩(wěn)定的無人機飛行路徑，但該方法存在計算量大的問題；王瓊等[2]采用Apf算法獲得了反饋性強的無人機航跡，但該方法在環(huán)境復(fù)雜的情況下容易出現(xiàn)局部極小值問題，因此無人機航線品質(zhì)無法得到保證。近些年來，人工魚群算法被廣泛應(yīng)用于路徑優(yōu)化，如賀風(fēng)婷等[3]、郭凡等[4]、陳靜靜等[5]、李新利等[6]、馬娜等[7]，由此可以看出人工魚群算法在路徑優(yōu)化方面受到熱捧。考慮到無人機巡檢中面臨威脅和最短路徑需求，本研究結(jié)合人工魚群算法的基本原理、優(yōu)勢以及缺陷，提出一種改進人工魚群算法的無人機紅外巡檢航點規(guī)劃方法，從而在提高紅外巡檢航點精度的同時，減少巡檢威脅。

1 人工魚群算法基本原理

人工魚群算法是參考魚群聚群、覓食、追尾、隨機行為而衍生的一種智能尋優(yōu)算法，具有收斂速度快、操作方便、邏輯簡單的特點。人工魚群算法原理是根據(jù)人工魚當(dāng)前狀態(tài)來選擇行為，包括自身當(dāng)前所處位置的的食物含量和食物感知分布，進而改善自己的狀態(tài)[8]。通過以上行為選擇，人工魚最終會落在幾個主要的局部極值點上，而求解極大值的過程則是執(zhí)行魚群算法的覓食、追尾、聚群等，然后比較各自環(huán)境中食物的含量，進而選擇下一步的行為。在魚群算法迭代過程中，若其尋優(yōu)結(jié)果的最優(yōu)解相較于公告牌信息有進步，則公告牌記錄最優(yōu)解信息并進行保存，反之則保留當(dāng)前公告牌信息，通過保留每次迭代運算最優(yōu)解，實現(xiàn)輸出的最終解，即為最優(yōu)解。具體執(zhí)行步驟：

1)初始化魚群規(guī)模N、個體的初始位置、步長step、擁擠度因子δ、人工魚視野visual、重復(fù)次數(shù)try-number等參數(shù)；

2)計算魚群中所有個體的適應(yīng)度值，并賦予最優(yōu)個體公告牌；

3)評價魚群中所有個體，并對其執(zhí)行魚群聚群、覓食等行為，同時更新個體，生成新的魚群；

4)評價新魚群中的所有個體，若其中存在個體優(yōu)于公告牌，則用該個體替代公告牌；

5)判斷是否滿足終止條件，若滿足最優(yōu)解在誤差范圍內(nèi)或達到最大迭代次數(shù)，則結(jié)束算法，反之則返回步驟3)，算法繼續(xù)。

以上步驟如圖1所示。

圖1 人工魚群算法實現(xiàn)流程圖

2 人工魚群算法改進

無人機紅外巡檢可認為是在一定范圍內(nèi)尋找最優(yōu)路徑，所以可將魚群算法應(yīng)用到無人機紅外巡檢路線規(guī)劃中。研究[9-10]認為，由于魚群算法自身后期收斂速度慢、收斂精度低等，容易導(dǎo)致算法陷入局部收斂，難以獲得全局最優(yōu)解。因此，本文對魚群算法進行改進，通過引入自適應(yīng)策略改進人工魚視野，以提高算法的收斂速度及收斂精度，通過引入人工魚群進化策略，保證算法子代個體質(zhì)量，確保算法整體的搜索精度。

2.1 自適應(yīng)策略的人工魚視野

人工魚視野決定魚群的收斂速度。根據(jù)魚群算法特性和領(lǐng)域?qū)W習(xí)思想，提出采用式(1)的人工魚群視野自適應(yīng)改進策略：

(1)

通過上述改進看出，人工魚的視野隨人工魚的適應(yīng)度值進行動態(tài)調(diào)整。人工魚群在genuc代內(nèi)，其自適應(yīng)度值不斷變化，視野也隨之動態(tài)調(diào)整，通過這種動態(tài)調(diào)整，魚群向最優(yōu)解靠近，并進行精細搜索；達到genuc代后，人工魚自適應(yīng)度值維持穩(wěn)定，即人工魚視野保持不變，說明此時魚群可能已經(jīng)陷入局部收斂，應(yīng)進行全局大范圍的重新搜索，并將genuc代的人工魚視野值設(shè)定為重新搜索的視野初始值。

2.2 人工魚群進化策略

考慮到無人機紅外巡檢的復(fù)雜度和計算量，參考馬梓元等的思路，引入人工魚群進化策略，在該策略中，采用無性繁殖淘汰每代進化中較差的個體，保留較優(yōu)的個體，確保算法整體搜索精度。具體步驟是在聚群、追尾、覓食等行為步驟后，根據(jù)每代人工魚適應(yīng)度值對人工魚個體進行優(yōu)劣排序，然后篩選、淘汰適應(yīng)度值較低的人工魚個體，最后選擇適應(yīng)度值較高的人工魚個體，以替代淘汰的人工魚個體。具體改進如圖2所示。

圖2 人工魚群算法進化策略改進

通過圖2的改進，可保證算法中的子代個體質(zhì)量，確保整體搜索精度。

3 基于改進魚群算法的無人機紅外巡檢路徑規(guī)劃

3.1 威脅模型構(gòu)建

無人機紅外巡檢航線規(guī)劃中，由于實際環(huán)境存在障礙物，需在避開障礙物的前提下按照規(guī)劃路徑進行飛行。設(shè)無人機從原點出發(fā)，在飛行中有n個半徑不同的圓形障礙物區(qū)間，具體如圖3所示。根據(jù)障礙區(qū)間半徑、起點與目標(biāo)點距離、輸出的標(biāo)準(zhǔn)精度，將路徑分為n-1段。采用二維符號xi、yi表示路徑點，則每個航跡點的橫坐標(biāo)可表示為(x1,…,xn)，縱坐標(biāo)yi則表示航跡規(guī)劃的任務(wù)。

圖3 無人機紅外巡檢路線規(guī)劃威脅模型

為與實際情況更為貼合，將無人機的飛行區(qū)域網(wǎng)格劃分為10*8。在飛行區(qū)域內(nèi)設(shè)置6個障礙物，用圓形表示，其中心點坐標(biāo)和威脅半徑如表1所示。

表1 障礙物位置

無人機紅外巡檢的起點為坐標(biāo)原點(0,0)，目標(biāo)點坐標(biāo)為(90,34)。設(shè)從原點到終點總需經(jīng)過n個中間點，那么無人機飛行路徑的長度則可以表示為

R={S,(x1,y1),…,(xn,yn),E}

(2)

在區(qū)域內(nèi)判斷路徑是否可行，首先是以區(qū)域內(nèi)的點為初始點，用一個數(shù)組保存障礙物的頂點信息，然后再用一組數(shù)組表示每條路徑與圓相切的頂點信息。設(shè)某路徑與障礙物圓相切，則cv加1，統(tǒng)計該路徑與障礙物相切的切點總數(shù)：

(3)

3.2 航線問題描述與模型構(gòu)建

無人機紅外巡檢路線規(guī)劃需避開障礙物和規(guī)劃最短路徑，因此路線距離的目標(biāo)函數(shù)可表示為：

(4)

由于橫坐標(biāo)x被平分為n等份，因此xi+1-xi為常數(shù)，且由劃分步數(shù)、X坐標(biāo)距離、每步坐標(biāo)間橫向距離決定。本研究將X坐標(biāo)距離數(shù)值設(shè)為90，步數(shù)設(shè)置為12，每步坐標(biāo)間的橫向距離為7.5，則xi+1-xi=7.5。

3.3 基于改進人工魚群算法的最優(yōu)路徑求解

根據(jù)以上的模型和改進的人工魚群算法，用人工魚群算法對目標(biāo)函數(shù)進行求解。具體求解步驟：

(1)導(dǎo)入網(wǎng)格模型和障礙物的數(shù)據(jù)，生成無人機模擬路徑規(guī)劃模型；

(2)初始化人工魚群算法的各個參數(shù)，包括步長、重復(fù)次數(shù)等；

(3)生成初始化魚群，執(zhí)行聚群、追尾和覓食行為，并利用步長自適應(yīng)策略更新步長；

(4)計算人工魚個體的適應(yīng)度值，利用個體進化策略評估人工魚的行為，并選擇更為優(yōu)秀的個體執(zhí)行魚群行為；

(5)計算每個人工魚的適應(yīng)度，選擇適應(yīng)度最高的人工魚刷新公告板；

(6)判斷是否達到算法條件，若達到則輸出最優(yōu)路徑長度，沒有則繼續(xù)(4)。

4 仿真實驗

4.1 實驗環(huán)境及參數(shù)設(shè)置

仿真編程軟件采用MATLAB 2018a，魚數(shù)規(guī)模N=10，最大迭代數(shù)NC=300，移動步長step=0.4，δ=0.618，visual=1。

4.2 算法比較

為驗證提出的改進人工魚群算法的可行性和優(yōu)越性，分別采用改進人工魚群算法、步長自適應(yīng)人工魚群算法、傳統(tǒng)人工魚群算法進行50次無人機紅外巡檢航點規(guī)劃仿真，得到圖4的路線規(guī)劃二維路徑圖和圖5的三維路徑規(guī)劃圖。

圖4 3種優(yōu)化算法下無人機紅外巡檢路徑二維圖

圖5 不同優(yōu)化算法下的無人機紅外巡檢路徑三維圖

3種優(yōu)化算法下航線的平均長度和線路的平均長度方差如表2和表3。

表2 不同算法的路線平均值

表3 不同算法仿真的路線方差

由表2可知，相較于傳統(tǒng)人工魚群算法和步長自適應(yīng)人工魚群算法規(guī)劃的無人機紅外巡檢航線，提出的改進人工魚群算法規(guī)劃的航線平均長度更短，說明提出的算法更優(yōu)越、效率更高。

由表3可知，提出的改進人工魚群算法的方差小于傳統(tǒng)人工魚群算法和步長自適應(yīng)人工魚群算法方差，說明尋優(yōu)結(jié)果更接近真實值，即算法的穩(wěn)定性更好、尋優(yōu)效果更準(zhǔn)確。

5 總結(jié)

本研究提出的基于改進人工魚群算法的無人機紅外巡檢規(guī)劃可準(zhǔn)確避開障礙物區(qū)間，且相較于傳統(tǒng)人工魚群算法，具有更短、更優(yōu)的規(guī)劃路徑，進而縮短了檢修人員到達搶修地點的時間，提高了工作效率。但本研究的局限在于只是從仿真的角度改進人工魚群算法在航點線路的優(yōu)化進行研究，以上優(yōu)化效果還有待進一步實際應(yīng)用論證。