一種無人機災害應急巡檢路徑智能規(guī)劃系統(tǒng)與方法 技術領域 [0001] 本發(fā)明涉及無人機技術領域，具體涉及一種無人機災害應急巡檢路徑智能規(guī)劃系統(tǒng)與方法。 背景技術 [0002] 無人機災害應急巡檢路徑智能規(guī)劃是指在災害發(fā)生后，利用人工智能技術對無人機的巡檢路徑進行自動化和智能化的規(guī)劃?，F有技術中，通過災害的類型、地形條件、氣象信息等因素，自動生成最優(yōu)的無人機巡檢路線，以確保無人機能夠高效、快速地覆蓋受災區(qū)域，及時獲取災害現場的關鍵信息。但是，現有技術中的智能規(guī)劃算法可能由于災害環(huán)境的復雜性或未考慮某些突發(fā)因素，而出現路徑規(guī)劃不當的情況。例如，算法可能會選擇一條看似最短但實際上危險性較高的路徑，或忽視某些重要的區(qū)域，導致巡檢效率低下。同時，如果無人機巡檢路徑規(guī)劃不當，可能導致重要災情信息的漏報或誤報，救援指揮中心可能因此做出錯誤的資源調配決策。 發(fā)明內容 [0003] 本發(fā)明的目的是提供一種無人機災害應急巡檢路徑智能規(guī)劃系統(tǒng)與方法，以解決背景技術中不足。 [0004] 為了實現上述目的，本發(fā)明提供如下技術方案：一種無人機災害應急巡檢路徑智能規(guī)劃方法，包括以下步驟： [0005] S1：將災害區(qū)域劃分為若干個子災害監(jiān)測區(qū)域，并獲取各個子災害監(jiān)測區(qū)域內的實時災害數據； [0006] S2：對子災害監(jiān)測區(qū)域內的實時災害數據進行分析，判斷各子災害區(qū)域不同時間段內的災害面積變化趨勢，確定各子災害區(qū)域的惡化度； [0007] S3：將各子災害區(qū)域的惡化度與梯度標準閾值進行比較，將子災害區(qū)域劃分為不同的風險等級，根據智能規(guī)劃算法生成初步巡檢路徑，并確定不同風險等級子災害區(qū)域的巡檢路徑優(yōu)先級； [0008] S4：實時監(jiān)控無人機在不同風險等級災害區(qū)域內巡檢過程中的飛行能耗波動狀態(tài)和巡檢覆蓋率變化情況，評估智能規(guī)劃算法對無人機巡檢路徑規(guī)劃的準確性； [0009] S5：根據智能規(guī)劃算法對無人機巡檢路徑規(guī)劃的準確性和各子災害區(qū)域的惡化度，對其使用模糊邏輯后動態(tài)調整無人機巡檢路徑的優(yōu)先級。 [0010] 優(yōu)選的，S2中，對各個子災害區(qū)域不同時間段內的災害面積變化趨勢進行分析，實時獲取各個時間段內災害面積的變化率和擴展速度，將災害面積的變化率和擴展速度轉化為綜合特征向量后構建決策樹模型，根據模型輸出結果預測子災害區(qū)域的風險性； [0011] 收集各個子災害區(qū)域在不同時間段內的災害面積數據，從時間序列數據中提取特征，計算各個時間段內的災害面積變化率，即計算當前時間段災害面積減去上一時間段災害面積的差值比上上一時間段災害面積；計算單位時間內的災害擴展速度，即計算當前災害面積減去上一時間段災害面積的差值比上時間差； [0012] 將災害面積的變化率和擴展速度轉化為特征向量，對于每個子災害區(qū)域的每個時間段，構建一個特征向量xi=[變化率，擴展速度]； [0013] 將收集到的特征向量數據集劃分為訓練集和測試集； [0014] 使用訓練集中的特征向量和對應的風險性標簽，訓練決策樹模型，決策樹通過遞歸地將數據分割成更小的子集，找到最能區(qū)分惡化度的分割條件； [0015] 使用訓練好的決策樹模型，在測試集上進行惡化度預測，輸入測試集的特征向量，輸出各個子災害區(qū)域的惡化度。 [0016] 優(yōu)選的，S3中，將各子災害區(qū)域的惡化度與梯度標準閾值進行比較，將子災害區(qū)域劃分為不同的風險等級，根據智能規(guī)劃算法生成初步巡檢路徑，并確定不同風險等級子災害區(qū)域的巡檢路徑優(yōu)先級； [0017] 將模型輸出的各個子災害區(qū)域的惡化度與梯度標準閾值進行比較，梯度標準閾值包括第一標準閾值和第二標準閾值，且第一標準閾值小于第二標準閾值，將各個子災害區(qū)域的惡化度分別與第一標準閾值和第二標準閾值進行對比； [0018] 若各個子災害區(qū)域的惡化度大于第二標準閾值，將子災害區(qū)域劃分為高風險災害區(qū)域，并生成一級預警信號；若各個子災害區(qū)域的惡化度大于等于第一標準閾值且小于等于第二標準閾值，將子災害區(qū)域劃分為中風險災害區(qū)域，并生成二級預警信號；若各個子災害區(qū)域的惡化度小于第一標準閾值，將子災害區(qū)域劃分為低風險災害區(qū)域，并生成三級預警信號。 [0019] 優(yōu)選的，S4：實時監(jiān)控無人機在巡檢過程中的飛行能耗波動狀態(tài)并生成飛行能耗波動指數，則飛行能耗波動指數的獲取方法為： [0020] 實時采集無人機當前電池的剩余電量 ，以及采集無人機當前的功率消耗 ，功率消耗通過電流和電壓的乘積計算得到； [0021] 設定固定的時間間隔Δt，在每個時間間隔內記錄一次能耗數據，在每個時間間隔內，計算能耗變化率 ，表示功率消耗的變化量，表達式為： ；其中， 為當前時刻的功率消耗， 為上一時刻的功率消耗；計算一段時間內所有瞬時能耗變化率的標準差 ，表達式為： ；式中，其中， 為能耗

1.一種無人機災害應急巡檢路徑智能規(guī)劃方法，其特征在于：包括以下步驟； S1：將災害區(qū)域劃分為若干個子災害監(jiān)測區(qū)域，并獲取各個子災害監(jiān)測區(qū)域內的實時災害數據； S2：對子災害監(jiān)測區(qū)域內的實時災害數據進行分析，判斷各子災害區(qū)域不同時間段內的災害面積變化趨勢，確定各子災害區(qū)域的惡化度； S3：將各子災害區(qū)域的惡化度與梯度標準閾值進行比較，將子災害區(qū)域劃分為不同的風險等級，根據智能規(guī)劃算法生成初步巡檢路徑，并確定不同風險等級子災害區(qū)域的巡檢路徑優(yōu)先級； S4：實時監(jiān)控無人機在不同風險等級災害區(qū)域內巡檢過程中的飛行能耗波動狀態(tài)和巡檢覆蓋率變化情況，評估智能規(guī)劃算法對無人機巡檢路徑規(guī)劃的準確性； 所述步驟S4具體包括：實時監(jiān)控無人機在巡檢過程中的飛行能耗波動狀態(tài)并生成飛行能耗波動指數，則飛行能耗波動指數的獲取方法為： 實時采集無人機當前電池的剩余電量 ，以及采集無人機當前的功率消耗 ，功率消耗通過電流和電壓的乘積計算得到；設定固定的時間間隔Δt，在每個時間間隔內記錄一次能耗數據，在每個時間間隔內，計算能耗變化率 ，表示功率消耗的變化量，表達式為： ；其中， 為當前時刻的功率消耗， 為上一時刻的功率消耗；計 算一段時間內所有瞬時能耗變化率的標準差 ，表達式為： ；式中，其中， 為能耗變化率的平均值，N為時間間隔 數，通過能耗波動標準差和瞬時能耗變化率的絕對值之和計算飛行能耗波動指數FP，表達式為： ；式中， 為飛行能耗波動指數， 表示每個時 間間隔內能耗變化率的絕對值； S5：根據智能規(guī)劃算法對無人機巡檢路徑規(guī)劃的準確性和各子災害區(qū)域的惡化度，對其使用模糊邏輯后動態(tài)調整無人機巡檢路徑的優(yōu)先級。 2.根據權利要求1所述的一種無人機災害應急巡檢路徑智能規(guī)劃方法，其特征在于：S2中，對各個子災害區(qū)域不同時間段內的災害面積變化趨勢進行分析，實時獲取各個時間段內災害面積的變化率和擴展速度，將災害面積的變化率和擴展速度轉化為綜合特征向量后構建決策樹模型，根據模型輸出結果預測子災害區(qū)域的風險性； 收集各個子災害區(qū)域在不同時間段內的災害面積數據，從時間序列數據中提取特征，計算各個時間段內的災害面積變化率，即計算當前時間段災害面積減去上一時間段災害面積的差值比上上一時間段災害面積；計算單位時間內的災害擴展速度，即計算當前災害面積減去上一時間段災害面積的差值比上時間差；