无人机仿真培训系统在电网中的应用

薛 江，李军锋，王 鹏，熊 山，冯伟夏

（广东电网有限责任公司教育培训评价中心，广东 广州 510520）

无人机仿真培训系统在电网中的应用

薛 江，李军锋，王 鹏，熊 山，冯伟夏

（广东电网有限责任公司教育培训评价中心，广东 广州 510520）

针对无人机在电网中大规模应用的现状，开发了无人机巡线考评仿真系统，包含飞控模块、视景仿真模块和培训考评模块。飞控模块是以飞行动力学为基础，结合物理遥控器和仿真云台形成的无人机仿真操控平台；视景仿真模块包括2个部分，即为广东省地形地貌建模，为全省输电线路自动建模。培训考评模块包含杆塔验收、树障勘查、杆塔勘查的培训系统和绕杆飞行、超视距缺陷查找的考评认证系统。实际应用表明，该系统可以有效提升机巡作业培训效果，提高AOPA认证通过率。

无人机；飞控模块；视景仿真模块；培训考评模块

仿真培训系统是我国电网专业技术人员提高专业技能必不可少的现代工具，它主要被应用于变电站仿真培训、输电线路带电作业仿真培训、电网调控仿真培训[1]等。近年来，电网中无人机巡线的规模不断扩大[2]，导致无人机操控手培训需求急增，而专业的无人机仿真培训考评系统在国内并不多见。在此背景下，广东电网教育培训评价中心率先开展了无人机仿真培训与考评认证的研究。

在电网中，无人机主要运用于线路巡视、竣工验收、电力施工中的展放导线、自然灾情之后的灾情勘察、应急抢修和故障清除等[3]。目前，广东电网无人机操控手在上岗前都要进行大量的实操培训，并通过AOPA（中国航空器拥有者及驾驶员协会）认证考试之后才能持证上岗。而真机实操培训成本比较高，效率低下。为了解决这一问题，本文开发了适用于电网作业和电网考评的无人机巡线考评仿真系统。

电网中现存的仿真培训系统主要针对业务逻辑和安全意识进行培训，而无人机的培训既需要对机巡作业的业务逻辑和安全意识进行培训，又需要对无人机的操控技能进行培训。市面上主流的无人机操控模拟器包括国内的凤凰模拟器和国外的RealFlight模拟器，但它们都存在一定的缺陷——它们的培训场景采用全景摄像生成，并没有进行真实的实景建模，同时，缺少电网业务培训和针对无人机考试的特殊培训。本文开发了无人机巡线考评仿真培训系统，首先开发了无人机的飞控模块，其次对广东全省地形地貌和输电线路建模，最后结合DL/T 1482—2015《架空输电线路无人机巡检作业技术导则》和《广东电网有限责任公司架空输电线路多旋翼无人机作业技术导则（试行）》实现了杆塔验收、树障勘查、杆塔勘查的无人机巡线业务仿真和自动考评。与国内外研究成果相比，该系统主要有以下几方面的创新：①实现了包含遥控器输入和云台拍照的无人机飞控仿真系统，逼真模拟了无人机的飞控操作；②实现了覆盖范围广、数据精确的省级输电网3D建模，包括1 285条、共计28 270 km输电线路和79 732个输电杆塔；③实现了电网场景典型无人机巡线业务仿真培训，包括杆塔验收、树障勘查、杆塔勘查等；④实现了无人机自动考评，设置了自动评分模块，实现实时自动评分和错误提示。

1 系统总体设计

无人机巡线考评仿真系统包含飞控模块、视景仿真模块和培训考评模块。其中，培训考评模块分为两部分，即用于机巡作业人员日常训练的培训系统，用于参加AOPA考前培训和无人机竞赛前培训的考评认证系统。

飞控模块主要是根据遥控器的遥控指令（包括无人机自主控制和操纵杆控制的切换指令，无人机油门和方向控制杆指令，机载设备控制等指令），利用飞控仿真算法计算出无人机的实时飞行参数（位置、速度、姿态）和云台参数（是否拍摄、对焦、方向）。

视景仿真模块是对整个广东省的地形地貌和输电线路进行三维建模。在无人机仿真视景中，主流的大规模绘制技术采用高清贴图等简单处理，仅支持固定视角的三维体验。而本文采用多数据源的卫星影像图和数字高程模型图（DEM）进行全过程、多视角输电线路场景的三维模拟，并支持数据交互，设计了全新的视景实时仿真引擎。该模块的优势是：①根据台账信息中的杆塔类型（耐张塔、转角塔、直0线塔），从模型库中选择相应的杆塔模型进行匹配，塔的位置由台账信息中的经度（度、分、秒）、纬度（度、分、秒）确定，摆放方向与该塔的进线和出线的角平分线一致。②塔与塔之间的线路采用三角网格建立，220 kV采用的是二分裂模式，500 kV采用的是四分裂模式。线路轨迹的模拟分为静态模型和风偏模型。

在飞控模块和视景仿真模块的基础上，培训考评模块增加了无人机飞行轨迹的记录和云台拍摄照片的记录。依据巡线和考评的业务逻辑，实时分析上述记录，最终实现了杆塔验收、树障勘查、杆塔勘查、绕杆飞行、超视距缺陷查找等业务技术和操作技能的培训与考评。

2 关键技术实现

在视景仿真模块中，植被建模需要从卫星影像中分割出对应的植被区域，再使用预先建好的植被模型在区域内自动建模。本文采用基于种子点蔓延的植被自动分割算法[4]，首先选取严格种子点，再运用一定的蔓延准则算法进行蔓延，最终在图像中分割出植被区域。

2.1 初始种子点的选择

设E为植被像素集合，A＝｛A1，A2，…，Am｝为输入图像中m块不相交的植被区域，R＝｛（x1，y1），…，（xn，

yn）｝为初始种子点集合，则理想的R应满足以下2个条件：①R E，即初始种子点必为植被点，以保证蔓延时植被区域识别的正确性；②∀Ai∈A，∃r（xi，yi）∈R满足r∈Ai，即图像中每一个植被区域中至少有一个植被点被选中。本文先建立了卫星影像中典型植被的（R，G，B）样本库，在初始种子点选取上采用遍历图像并严格比对的方法，只有图像中像素点的（R，G，B）值与样本库中的值完全一致时，才选为初始种子点，并形成初始种子点集合和初始种子点图像。

2.2 种子点蔓延算法

在设计蔓延算法时要考虑3个问题，即起始点，终止点，蔓延准则。本文首先将图像转换为灰度图像，采用初始种子点的灰度值的算术平均数作为起始点，使用最大类间方差法得到的阈值作为终止点，遍历它们间的每一个阈值得到序列图像，采用像素点的连通性作为蔓延准则，最终得到植被分割图像。

整个算法由2次扫描实现，一次为正向扫描，一次为反向扫描。在正向扫描的过程中，判断当前种子点图像中每一个点的右邻接点、下邻接点在序列图像中是否为前景，如果是，则将该前景点加入种子点。反向扫描是判定当前种子点的左邻接点、上邻点。扫描之后，更新种子点图像，最终得到完整的植被分割结果。

3 系统应用

本文所述研究成果已在广东电网有限责任公司培训中心投入运行，并在江门局和惠州局进行了试点部署，已对相关生产和考试人员进行了杆塔验收、树障勘查、杆塔勘查、绕杆飞行、超视距缺陷查找等业务技术和操作技能的培训，取得了良好的效果。无人机巡视技能培训系统包含巡线模式和作业培训模式，目前已在广东电网19个地市局都设立了相应的起飞点。

巡线模式默认了模拟的时段和天气，可以调整姿态模式和手动模式，加快了无人机的飞行速度，以方便培训人员快速地完成整个线路的巡线操作培训。

作业培训模式可以选择模拟时段（上午、中午、下午）、天气设置（晴天、多云、雾、雨、雪）、环境设置（山火、滑坡、风力）、风力设置（无风、3级、5级）和训练内容（杆塔验收科目一、二、三，树障勘查，杆塔勘查）。

无人机考试和自动评判包括2个科目——绕杆飞行和超视距缺陷查找。绕杆飞行是AOPA考试的实操科目，而超视距缺陷查找是电网无人机巡线业务的核心，同时，它们也是广东电网无人机竞赛的2个科目。系统内置了自动评分功能，可以根据考生的飞行路径和拍照结果进行实时自动评判和错误提示。

4 结束语

无人机巡线考评仿真系统的应用实现了电网场景中的无人机巡线业务培训和考评认证，提高了无人机的培训效率，扩大了无人机在电网中的使用规模，为广东电网“机器代人”战略的推进打下了坚实的基础。与传统的无人机仿真系统相比，真实的电网场景建模提供了逼真的业务培训环境，自动化的考评系统有效解决了传统培训成本高、效率低的问题。虽然无人机巡线考评仿真系统明显优于传统培训仿真系统，但仍存在一定不足。比如，仿真场景是基于平面显示器显示的，缺失深度信息，沉浸感不足，而如何结合VR头盔等立体显示设备是下一步重点研究的内容。

［1］刘健，谢旭，牛四清，等.电网调控仿真培训系统设计与实现［J］.电力系统自动化，2013（13）：127-131.

［2］彭向阳，钱金菊，麦晓明，等.大型无人直升机电力线路全自动巡检技术及应用［J］.南方电网技术，2016（02）：24-31，76.

［3］刘国嵩，贾继强.无人机在电力系统中的应用及发展方向［J］.东北电力大学学报，2012（01）：53-56.

［4］薛江，王知衍.序列图像种子蔓延肤色识别算法［J］.计算机辅助设计与图形学学报，2015，27（11）：2094-2099.

TP391；TM73

A

10.15913/j.cnki.kjycx.2017.20.155

2095－6835（2017）20－0155－02

薛江（1986—），男，博士，研究方向为图像识别及仿真系统。

〔编辑：白洁〕