一种无人机防火监测自动巡检方案的设计
作者：朱健
来源：《江苏科技信息》 2018年第19期
船用靠球 摘要：随着无人机技术的不断发展，利用无人机来对大区域范围的传感器数据进行采集的方案成为可能，如采集森林、仓储等区域的温湿度以及防火监测等数据。文章提出了一种在监控节点部署稀疏、分布广的场景下，利用无人机对监控节点进行自然环境数据的采集，并基于遗传算法规划路径来自动巡检的方案。该方案灵活性高、成本低，对火灾防范和火灾及时发现具有重要的意义。关键词：无人机技术；传感器数据；防火监测；自动巡检中图分类号：TP393 文献标识码：A 0 引言
在一些非城市环境中，如仓储重地、森林区域等，火灾发生的主要因素与普通城市中电器、燃气和其他人为因素等所引发原因不一致。该类环境起火的原因往往是自然因素或可燃物自燃等情况，如果发现不及时往往会导致较大的损失。而且针对这类区域进行的火灾监测，面临地理面积大、检测设备分布广而难以实施较为即时的监控等难题。因而在这样大范围的场景当中，监测系统的建设方案对火灾预防具有重要的研究意义［1］。目前利用无线传感器网络进行大范围的火警监测预警的方案，得到了众多学者
的关注［2］。无线传感器网络由于其成本低廉、组网迅速。适用于在大范围区域内的防火感知，可以为火灾预警提供重要监测数据。从目前的基于无线传感器技术所组建的检测系统来看，数据的回传一般是基于完善的基础设施［3］，如移动或通过有线方式进行专线传输。这样的方案存在成本相对较高且对部署环境的基础设施具有一定的要求。随着无人机技术不断发展，无人机生产成本逐年降低且续航里程不断增加。利用无人机与无线传感器构建的火场监测数据采集系统与传统系统相比，其灵活性更强、实用场景更加丰富。因此，本文针对目前无线传感器网络的监控系统的不足，提出一种基于无人机作为数据采集的节点，不考虑基础设施的情况下，在大区域中稀疏部署的无线传感器节点下进行数据采集的方案。该方案中无人机基于遗传算法来寻最短路径，实现以最小航程来进行数据采集的机制。该方案具有灵活性强、成本低以及对部署环境的基础设施要求低等特点。
薄页纸 1 基于无人机防火区域自动巡检系统
1.1 环境数据的监测过程
点滴板
通常在预防可燃物自燃时需要考虑如下的一些条件：（1）环境温度是否达到易燃物可燃点。（2）确认周围可燃物数量，提前做好火灾防范，预防火势失控。（3）当前风速与风向。（4）空气中氧气浓度。（5）大气压压强。在本方案中，利用无线传感器对这些环境数据进行监测。传感器会针对不同的环境因素，将环境数据以图像，或者视频以及数字流等的方式，保存在无线传感器的缓存中。针
对大范围的防火区域，需要着重考虑无线传感器的部署问题。传统的无线传感器需要自组织无线传感器网络，且利用路由的方式实现传感器之间的数据传输，需要人工处理数据时还要考虑数据回传问题。而传感器之间的通信范围有限，因此在大区域中需要对该区域进行传感器进行密集部署。本文中，由于采用无人机的方式进行数据采集工作，因此对大范围的防火区域传感器布置只需进行稀疏部署，仅对该区域重要或必要的位置进行部署、监测。利用该方案可以节约监测系统的成本，并简化数据回传方案。
1.2 环境数据的采集过程
（1）利用具有短距通信能力的无线传感器来监测防火区域，得到如温度、氧气浓度、大气压强等环境数据。在需要实时监测的防火区域中，这些温度、氧气浓度、大气压强等数据是预防某些易燃物发生自燃的重要依据。对一些关键位置部署无线传感器进行环境监测，然后保存监测数据，等待无人机连接并采集这些数据。（2）在无人机的嵌入式芯片中，做好遗传算法的功能模块。在无人机起飞时，提前输入各个传感器节点的位置。等待无人机利用内置遗传算法模块，对输入的无线传感器位置做好路径规划后，无人机根据规划好的路径依次飞向各个无线传感器节点。（3）无人机每到达一个传感器节点的通信范围，便接收无线传感器节点传输的各种数据信息（包括图像和声音），采集传感器中的监测数据。（4）当无人机采集完所有传感器节点的数据后返回起始点，将数据交给数据处理中心，这样就做到了将这片区域的地面采集数据的及时回传。
利用无人机采集防火区域环境信息进行自动巡检，相较于传统人工巡检的方案具有如下的优点：（1）组网成本低。在无人机的飞行范围内可以对防火区域进行无线传感器的稀疏部署，减少无线传感器的部署数量，且无需设计数据回传路由，降低了硬件成本。（2）采集信息速度较快。传统的人工巡检依赖人的主观能动性，而基于无人机的防火监测自动巡检方案，利用遗传算法优化无人机路径。且利用无人机的高空优势，即使在复杂地形进行数据采集，速度也较快。（3）方案的拓展性高。该方案利用无人机行动灵活，无线传感器易部署等优势，可以对防火监测区域进行灵活组网，且并不受限于特定地形等条件。
2 一种基于遗传算法的路径规划模型
遗传算法是一种比较常见的路径优化算法，并且相较于传统的枚举、启发式、迪杰斯特拉算法等，它具有如下的优点：（1）遗传算法从体出发，概率为导向，在一定程度上很好地避免了陷入局部最优。（2）使用概率机制进行迭代，个体及种选择具有随机性［4-5］。本项目采用遗传算法进行无人机路径的规划，并在Matlab的环境下进行编程和仿真。 本方案中基于遗传算法的路径优化的基本步骤如下。
（1）随机生成由m 个个体组成的种，每个个体代表无人机在节点之间的飞行路径轨迹，可以表示为：N={N0,N1,N2,N3,N4,…,N0}，N 这个有序的集合表示无人机的航行路径图。
（2）适应度计算，适应度反映了大自然优胜劣汰的准则。在本文中，用无人机航行路径长短来象征该个体的好坏与否。而该个体路径总长度用集合D来表示：D={D12,D23,…,Dij,…,Dm1}，其中，Dij表示第i 个节点与第j 个节点之间的路径长度。本方案中采用适应度函数为：
fitness=100/所有节点之间的总距离
（3）根据适应度函数，保留无人机航行路径最短的个体进行交叉操作。即对无人机路径的规划方案进行拆分、重组，组合后新的个体成为新的种，以种为单位由适应度函数来筛选无人机路径短的个体，并保留优秀个体。
（4）在这其中选择小部分个体进行变异操作得到新的个体，并在下一次交叉中将这个个体放入需要交叉的种中。通过变异操作，随机得到携带新的染体个体，增加个体的随机性。
（5）经过若干次的适应度选择、染体交叉、染体变异等操作，以及适应度函数最终筛选后，个体保持拥有同一类染体。也就是说节点之间的总距离收敛，保留最终的个体组成的种并跳出迭代，否则继续（2）~（4）步骤。
挤压件 在仿真中，我们首先选择一个种，在这个种随机生成若干个个体。每个个体携带的染体，或者说基因序列即为无人机航行的路径规划方案。将该方案中路径的总距离作为评判该个体好坏的标准，
并利用适应度函数来筛选并保留这些好的个体。接下来进行交叉操作，以交叉概率来部分交换染体也就是交换上文中的基因序列。通过对优秀个体之间进行染体交换，可能得到总距离更短的个体，或者得到总距离更远的个体。但是通过适应度函数筛选，让种的个体朝着优秀个体上进化，反映了遗传父代优秀基因的个体生存的现象，这也正是遗传算法的核心思想。
在个体交叉的过程中，选择小部分个体进行染体变异操作。即在给定变异概率的基础上，选择部分基因序列进行变异，例如：{N0,N1,N2,N3,…,N0}的基因序列经过变异，生成另一个不同的基因序列{N0,N1,N3,N2,…,N0}，相当于路径变为从0出发到传感器节点1后，直接下一个采集点为传感器节点3。通过对个体的染体变异，生成的下一代个体拥有和上一代都不同的基因序列，让结果具有随机性，避免整个仿真陷入潜在的局部最优的情况。最后通过适应度函数，继续选择优秀的个体生存，其他个体淘汰掉，并继续交叉，变异，筛选反复迭代。通过这一系列操作，最终可以收敛于一种携带优秀染体的个体，即路径最短的规划方案。
本模型中基本参数设置，如表1所示。
考虑无人机在飞行中避免因为高速飞行造成数据采集中途断开连接，在本次仿真模型中取适中的无人机飞行速度10 m/s。在远距离稀疏部署传感器节点的场景中，取传感器节点个数为10个负责监测环境。为了让整个仿真实验具有随机性，来尽量避免后面的迭代过程中陷入局部最优的状况，染体变异概率取0.2，交叉概率取0.4。最初的无人机会随机生成若干条防火区域的巡检路径，在遗传算法中用一个个体来代表一个随机路径。传感器节点之间的路径选择作为个体的染体，例如一条随机路径从节点0开始，依次经过1，2，…，9号传感器节点，最后再回到0号节点。那么映射这条路径的个体的基因组合表示为{N0,N1,…,N9,N0}的有序集合，后续的交叉、变异、适应度筛选都基于此基因序列，通过对该基因序列的组合筛选到最短的路径。
变径套
3 在稀疏节点情况下无人机巡检路径的结果
如图1所示，上图为初始种的一个个体，初始种随机生成，也就是说一种路径方案随机生成。
但目的与源一致，保证实现数据回传的构思。从该随机路径方案不难看出，虽然无人机可以实现遍历各个传感器节点，但是在采集数据的过程中，多条路径出现重叠情况。这样会造成无人机电量的浪费，数据采集时效受到严重影响。通过仿真实验可以得出，若按此次生成的随机路径来规划无人机的航线，无人机飞行的总距离将达到4 154.2 m。
波峰焊锡条
图1中的下图为经过遗传算法反复迭代500次后成功收敛的路径，可以明显发现该条路径连贯，无重叠路径。经过仿真计算得出，收敛后的路径的总长度为2 633.8 m。这相较于之前的随机路径，总共节约了1 520.4 m，相对于随机路径减少了36.6%。仿真实验结果显示，利用无人机采集传感器数据，并且基于遗传算法规划无人机航行路径的方案。相较于随机路径方案而言能够有效减少无人机的航行总距离，达到节约无人机能量与节约采集时效的目的。这为利用无人机来对防火区域进行监测的自动巡
检方案的实现，提供了重要理论依据。
4 结语
我国科技进步伴随着越来越多的智能化产品推出，这些产品在一些耗时耗力的工作上，能够很大程度上帮助到人们。所以如何有效利用科技的力量，解决人们目前在工作中面对的实际问题，帮助人们从科技进步的产品中受益是我们值得思考且实践的。所以在需要对大范围区域进行防火监测的场景中，同样希望借助科技的力量提高效率。如果依靠传统的人工巡检，需要大量的人力、物力来组织安排对防火区域监测的任务安排。而且传统人力在监测过程中，对时效没有充分的保证，监测数据的精确程度以及消息反馈情况过于依赖人的主观能动性。这些都是在对防火区域进行监测、巡检中所要遇到的实际难题。
针对上述难题，本文提出了一种基于遗传算法的路径生成方案设计，应用于无人机火场区域自动巡检的应用。实验结果显示，该方案可以较快地生成路径，并且明显优于随机方案，同时保证了数据的回传。在多点巡检场景中，以及实现路径规划的智能化，在无人值守的大范围火场巡检方案中，具有较大的应用意义。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议