一种多无人机协同电力巡检的任务分配方法

    公开(公告)号:CN113011780A

    公开(公告)日:2021-06-22

    申请号:CN202110394113.4

    申请日:2021-04-13

    IPC分类号: G06Q10/06 G06Q50/06 G06N3/12

    摘要: 本发明公开了一种多无人机协同电力巡检的任务分配方法,包括:获取驻车点位置、任务集合与无人机集合;计算各任务杆塔与驻车点的实际距离;构建多无人机协同电力巡检的任务分配模型,分配模型以用时最长的无人机完成所分配任务子集的时间最小化为优化目标,任务分配模型的假设及约束条件根据电力巡检实际情况设定;采用遗传算法求解任务分配模型,得到实现优化目标且满足约束条件的整体最优解。本发明根据现有电力巡检实际情况以及无人机电力巡检任务要求,能够实现输入相关坐标及参数信息,求解得出无人机的任务序列,并保证多架无人机任务时间相近,减少无人机的等待浪费,最小化单个驻车点所有无人机完成全部巡检任务的总时间,提升电力巡检效率。

    一种多无人机协同电力巡检的任务分配方法

    公开(公告)号:CN113011780B

    公开(公告)日:2022-05-31

    申请号:CN202110394113.4

    申请日:2021-04-13

    IPC分类号: G06Q10/06 G06Q50/06 G06N3/12

    摘要: 本发明公开了一种多无人机协同电力巡检的任务分配方法,包括:获取驻车点位置、任务集合与无人机集合;计算各任务杆塔与驻车点的实际距离;构建多无人机协同电力巡检的任务分配模型,分配模型以用时最长的无人机完成所分配任务子集的时间最小化为优化目标,任务分配模型的假设及约束条件根据电力巡检实际情况设定;采用遗传算法求解任务分配模型,得到实现优化目标且满足约束条件的整体最优解。本发明根据现有电力巡检实际情况以及无人机电力巡检任务要求,能够实现输入相关坐标及参数信息,求解得出无人机的任务序列,并保证多架无人机任务时间相近,减少无人机的等待浪费,最小化单个驻车点所有无人机完成全部巡检任务的总时间,提升电力巡检效率。

    一种风电场一次调频控制方法、装置及存储介质

    公开(公告)号:CN118412886A

    公开(公告)日:2024-07-30

    申请号:CN202410892345.6

    申请日:2024-07-04

    摘要: 本发明公开了一种风电场一次调频控制方法、装置及存储介质,所述方法包括获取风电场中风机的风速数据,将所述风速数据输入差分自回归移动平均模型,获得风电场未来风速的预测数据;将风电场未来风速的预测数据输入Bi‑NMPC模型中,所述Bi‑NMPC模型包括U‑MPC模型和L‑NMPC模型;利用U‑MPC模型对风电场未来风速的预测数据进行处理,得到风机参考功率分配数据;利用L‑NMPC模型对风机参考功率分配数据进行处理,得到不同的控制信号;以控制所述风电场中每台风机的出力;本发明可以有效地利用风电场中每台风机的频率调节潜力,实现不同风速下的合理功率分配,获得更好的一次调频控制效果。

    一种基于频谱识别的无人机侦测方法与装置

    公开(公告)号:CN112346043B

    公开(公告)日:2023-10-10

    申请号:CN202011229752.7

    申请日:2020-11-06

    IPC分类号: G01S13/42 G01S13/72 G01S7/02

    摘要: 本发明公开了一种基于频谱识别的无人机侦测方法与装置,涉及无人机侦测技术领域,为解决现有技术中在商业禁空区周围会有其他无线电信号干扰到区域内无人机的侦测的问题。电源安装基座的顶部设置有组装套轴,且组装套轴与电源安装基座通过螺栓连接,所述组装套轴的上方设置有中心轴座,且中心轴座与组装套轴固定连接,所述中心轴座的上方设置有中心轴柱,且中心轴柱贯穿中心轴座延伸至电源安装基座的内部,所述中心轴柱中段的外侧设置有环形无线侦测雷达,所述中心轴柱的顶部设置有电控旋转轴。

    一种无人机巡检缺陷图像的识别方法、系统、装置及介质

    公开(公告)号:CN115797808A

    公开(公告)日:2023-03-14

    申请号:CN202211540316.0

    申请日:2022-12-01

    摘要: 本发明公开了一种无人机巡检缺陷图像的识别方法、系统、装置及介质,方法:获取无人机巡检的待识别图像并进行预处理;将预处理后的待识别图像输入训练好的神经网络模型进行缺陷识别并获取识别结果;其中,训练好的神经网络模型获取包括:获取无人机巡检的样本图像集,对样本图像集中各样本图像进行缺陷标注,构成带标注图像集;对带标注图像集中各带标注图像进行预处理,并划分为训练集和测试集;构建以多尺度的注意力机制网络结构Swin‑Transformer、特征金字塔网络结构SA‑FPN为骨架的神经网络模型;通过训练集对神经对构建好的神经网络模型进行训练,再利用测试集对神经网络模型进行测试,得到训练好的神经网络模型;本发明相比传统的CNN结构,其识别性能更好。