面向集合任务的多无人机电力巡检任务分配方法研究

作     者：赵慧敏 罗贺 阴酉龙 林世忠 王国强 

作者机构：合肥工业大学管理学院 过程优化与智能决策教育部重点实验室 安徽省空天系统智能管理工程研究中心 国网安徽省电力有限公司无人机巡检作业管理中心 安徽送变电工程有限公司 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2024年

核心收录：

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金面上项目（71971075，72271076，71871079） 国家自然科学基金基础科学中心项目（72188101） 国家重点研发计划项目（2019YFE0110300） 安徽省博士后研究人员科研活动经费资助项目（2022B587） 

主　　题：电力巡检 多无人机 任务分配 强化学习 遗传算法 

摘      要：在无人机电力巡检过程中，一个待巡检部件通常对应多个位置不同且均符合拍摄要求的任务点，这些拍摄任务点构成一个集合任务。为了保证巡检质量，通常要求无人机多次采集待巡检部件的图片，即访问集合任务中的多个拍摄任务点。本文针对上述特点，将面向集合任务的多无人机电力巡检任务分配问题建模为最小最大化多站点家庭旅行商问题（Minmax Multi-Depot Family Traveling Salesman Problem， Minmax-MDFTSP），并设计了一种强化遗传算法框架。在该框架下，提出了染色体校验及修正机制、组合交换变异算子、基于贪婪策略的局部调优算子，设计了基于强化学习的遗传算法参数调优方法。性能实验结果表明，本文方法在求解质量和求解效率方面均具有明显优势。此外，通过消融实验验证了强化遗传算法框架中各个部分的有效性。最后结合实际场景下的具体案例，通过实地飞行验证了本文方法相对于现有巡检方式的优势。