本发明属于无人机巡检输电线路中电磁兼容领域，具体涉及一种基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法。
背景技术：
1、无人机在电力系统中的应用通常是对输电线路进行巡视和检修，例如：无人机定航线进行安全巡视、清扫输电线路上的覆冰、清理线路或杆塔上的杂物等。随着应用的不同，无人机上所携带的装置也不同，例如巡视时无人机上面会装设高清摄像头或者红外装置，可以对线路的情况做全面的检查，将杆塔、线路甚至周围环境的状况通过红外设置导入到电脑中显示。在冬天气温较低，线路上有覆冰时，可以保证平衡的情况下，在无人机机臂处悬挂金属棒来撞击导线从而使覆冰脱落。无人机也可以进一步与ai算法相结合，自动按照预先设计的航线进行巡视，自动识别线路中异常的状况，例如绝缘子破损老化，导线损伤、线路附着杂物等。无人机在开展上述工作的同时一般需要靠近输电线路，但此时导线对无人机会产生一定的无线电干扰而影响无人机正常工作。因此应采用合适的电磁屏蔽方法来提高其抗干扰的能力，从而使无人机能执行好带电作业任务，排除线路隐患。
2、国内外在电力无人机上的研究广泛，但大部分研究的方向是无人机的避障方法、自动巡视路线、故障的区分等方面，在无人机的带电作业、飞行的安全问题上，主要的安全措施是令无人机和输电线路保持一定的距离，并没有从无人机本身的电磁屏蔽来考虑，进一步提高其抗电磁干扰的能力。
3、文献[1]:dequan chen,xianghua guo,po huang,et al.safety distanceanalysis of 500kv transmission line tower uav patrol inspection[j].ieeeletters on electromagnetic compatibility practice and applications,2020,2(4):124-128.通过仿真计算出距离线路不同方向处无人机机身的电场和磁场的大小，根据电磁场的保护阈值来确定无人机的电磁屏蔽安全距离。该方法通过电场和磁场随距离的衰减特性，采用防护安全距离进行被动防护，无法应用于接触式或者近距离无人机辅助巡检和作业任务。
4、文献[2]:王永胜,李伟,郭文卿.强电磁环境下无人机的电磁防护技术[j].安全与电磁兼容,2020(5):95-99.分析了强电磁辐射下无人机的电磁耦合路径和毁伤效应，针对无人机的光电系统、天线端口及机体部分分别给出了施加屏蔽网栅、高性能导电膜及孔洞类屏蔽罩的方法，但该研究只停留在理论阶段，并未验证其可行性。该方法并未对机体部分的孔洞类屏蔽罩进行优化设计，而开孔方式会影响屏蔽罩的质量、散热、通讯等问题。
5、文献[3]:程二威,陈亚洲,刘卫东,等.无人机外壳屏蔽效能测试方法[j].强激光与粒子束,2017,29(11):55-60.通过数值仿真计算了电磁波辐射方向无人机主体内部电磁场分布的作用，得到了无人机屏蔽罩的屏蔽效能随屏蔽材料的电导率和磁导率变化的规律。该方法并未考虑无人机外壳的散热开孔对其屏蔽作用的影响，开孔可能会导致磁场较大的变化。本发明针对无人机施加屏蔽罩考虑了不同散热开孔的结构对其屏蔽作用的影响，并针对屏蔽罩孔缝的结构进行优化，求解出满足无人机抗干扰阈值的设计方案。
6、文献[4]:杜进桥,张施令,李乃一,等.特高压交流盆式绝缘子电场分布计算及屏蔽罩结构优化[j].高电压技术,2013,39(12):3037-3043.通过有限元计算屏蔽罩对交流盆式绝缘子表面电场分布的影响，将屏蔽罩的设计变量进行拟合，并采用了遗传算法对屏蔽罩结构进行优化，求解计算出屏蔽效果最佳的设计方案。该方法仅适用于特高压交流盆式绝缘子的电场屏蔽，并不适用于无人机抗干扰屏蔽罩的优化，原因在于无人机遭受的电磁辐射除了存在工频电场和工频磁场以外，还存在高频电磁波干扰。
7、在现有的无人机抗干扰方法中，大多数的抗电磁干扰研究是从无人机的内部电子元件设计做起的，从外部屏蔽罩来做的较少。
技术实现思路
1、本发明提供一种基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，该方法主要考虑对电力无人机的屏蔽罩进行设计和优化，提高其抗干扰能力。具备应用性强、计算量小且高效准确的优点。
2、本发明采取的技术方案为：
3、基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，包括以下步骤：
4、步骤s1：建立无人机仿真模型和屏蔽罩模型，通过控制变量法和灵敏度分析方法，确定无人机内部电磁强度影响因素；
5、步骤s2：采用正交试验设计方法，确定不同电磁强度影响因素的组合条件，并采用矩量法计算各种组合条件下无人机内部电场强度；
6、步骤s3：采用全局搜索能力强的粒子群算法pso确定bp神经网络初始的权值和阈值，探索bp神经网络权重的搜索空间，通过模拟粒子在解空间中的搜索以及进行迭代更新，从而寻找最优解。
7、步骤s4：采用局部优化能力强、具有反向传播的bp神经网络，在每次迭代过程中对bp神经网络进行权重的局部调整，以逐步优化网络的性能，进而实现屏蔽罩结构最优解的获取。
8、所述步骤s1中，通过三维可视化实体模拟软件建立无人机仿真模型，通过feko仿真求解屏蔽前无人机内部场强；通过三维可视化实体模拟软件建立屏蔽罩模型，通过feko仿真求解屏蔽后无人机内部场强；
9、步骤s1中，设置激励源为平面波，求解的角度为求解面上的0～360°，每间隔18°设置一个求解方向，幅值为442.3v/m，频率为2.5-3mhz，求解的场域设置为水平方向经过无人机中心点的平面，观测点为带屏蔽罩的无人机内部中心点。
10、步骤s1中，对于屏蔽罩的优劣判断，主要通过无人机内部中心点所测得干扰场强的大小来判断，干扰场强越小，屏蔽罩的性能越好；无人机内部电磁强度影响因素主要包括开口结构、屏蔽罩材质、屏蔽罩开孔位置，改变屏蔽罩的开口结构(方形和圆形)、屏蔽罩材质(铝金属、纳米晶以及镍铁合金)、屏蔽罩开孔位置(边缘开口距离无人机屏蔽罩边长的距离为d1，令上下方形开口之间的距离为d2，开孔数量n)，能够确定无人机内部电磁强度影响因素。
11、所述步骤s2中，当频率为2.5-3mhz时，装设圆形开口屏蔽罩的内部场强远高于装设方形开口屏蔽罩的内部场强，故可知方形开口屏蔽罩的屏蔽性能优于圆形开口屏蔽罩的性能；
12、铝材质屏蔽罩的效果相对最好、性能较为稳定，材料的成本也相对较低；
13、屏蔽后无人机的内部电场强度与屏蔽罩的结构参数：边缘开口距离无人机屏蔽罩边长的距离为d1，令上下方形开口之间的距离为d2，开孔数量n是一种非线性的映射关系。在满足屏蔽罩整体长度l、宽度w、高度h的条件下，如图4(b)所示，将不同方案下的d1、d2分别取为10、15、20、25mm，将开口数目n取值为确定的60、100、140、180，采用三因素四水平方案来提供学习和训练的数据，通过矩量法计算三因素四水平方案的结果。
14、通过矩量法计算三因素四水平方案的结果，具体结果如表1所示。由表1可知，无人机内部电场强度大小与边缘开口距离无人机屏蔽罩边长的距离为d1、上下方形开口之间的距离为d2、开孔数量n存在相关性。
15、所述步骤s3包括以下步骤：
16、s3.1：确定bp神经网络的输入层节点数、隐层节点数、输出节点数，初始化bp神经网络的连接权值、阈值长度，作为粒子群算法pso的编码。
17、s3.2：对粒子群的种群规模、最大迭代次数t、学习因子、粒子位置、粒子速度最大值和最小值进行初始化设置。
18、s3.3：计算粒子的适应度函数f(x)，得到粒子的最优解与种群最优解。记录粒子最好的位置，粒子群算法pso选择全局最优值的过程就是获取bp神经网络最佳权值和阈值的过程。
19、s3.4：如果粒子群的迭代次数超过最大迭代次数t，或者其输出的准确性达到了预期的标准，那么粒子群就会停止迭代。迭代停止后粒子群算法pso将所搜索到的种群最优位置赋予bp神经网络的初始阈值和权值。否则继续s3.3，继续迭代至算法收敛。
20、所述步骤s4中，bp神经网络训练过程，包括如下步骤：
21、step1:将bp神经网络进行初始化，根据输入量个数、输出量个数、隐含层层数和隐含层的神经元个数，初始化各层之间的权值、各层之间的阈值a和b以及传递函数。
22、step2:计算隐含层中的输出结果，根据输入量、权值wij、a和传递函数得到隐含层的输出值h。
23、
24、式中，n为输入量的个数，j为隐含层的节点数，f为输入层到隐含层的传递函数，hj为隐含层的第j个节点的输出值；wij为输入层与隐层权值；xi为第i个输入样本；l为隐含层的节点总数量；aj为隐含层的第j个节点的阈值。
25、step3：计算输出层的输出结果，根据隐含层的输出、权值hjw、b和传递函数得到输出结果o。
26、
27、式中，m为输出量的个数，k的取值为1，2，…，m；ok为输出层的第k个节点的输出值；hjw为隐层与输出层权值；jk表第k个隐层输入值；bk为输入层与隐层第k个节点的阈值。
28、step4:误差计算，根据输出层o和期望y得到网络预测误差e。
29、e＝yk-ok
30、式中，k的取值为1，2，…，m；yk表示第k组对应的期望值。
31、step5:更新权值和阈值。
32、判断算法的结果是否满足误差，若不满足，则返回step2。
33、步骤s5：通过矩量法求解出上述设计方案下屏蔽罩的屏蔽效果，具体是将安装优化后屏蔽罩的无人机暴露于工频电磁当中，计算无人机内部最大电场强度，分析无人机内部场强是否满足国家标准；另外，屏蔽罩在削弱输电线路对无人机产生的无线电干扰的同时还应保证不屏蔽无人机的控制信号，将无人机遥控器的发射场强作为平面波辐照的幅值，通过feko仿真计算无人机屏蔽前后天线接收场强，分析屏蔽罩是否将无人机通信信号屏蔽。
34、本发明一种基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，有益效果如下：
35、1)本发明采用pso-bp混合算法对无人机内部干扰场强进行预测，pso-bp混合算法通过粒子群算法的全局搜索能力优化了神经网络的权值和阈值。结合了粒子群优化(pso)的全局搜索能力和反向传播(bp)的局部优化能力，可以用于神经网络的权重调整及优化。确保无人机安全有效地执行带电作业任务，减少了计算量和计算时间，方便快捷，有利于工程应用。
36、2)针对电力无人机抗干扰屏蔽罩的优化设计，本发明提供一种基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，考虑屏蔽罩散热开孔对其屏蔽效果的影响，通过pso-bp混合算法训练得到屏蔽罩结构与其屏蔽效果之间的多维非线性函数映射关系，进而求解出屏蔽罩的最优设计方案，与穷举法相比，节省了计算时间，更贴切工程实际应用。
37、3)本发明利用优化算法建立屏蔽罩结构参数与无人机内部场强之间的多维非线性函数映射关系，计算出不同屏蔽罩结构参数下的无人机内部场强，确定最优的屏蔽罩设计方案，减少了计算量和计算时间，方便快捷，有利于工程应用。
1.基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：所述步骤s1中，通过三维可视化实体模拟软件建立无人机仿真模型，通过feko仿真求解屏蔽前无人机内部场强；通过三维可视化实体模拟软件建立屏蔽罩模型，通过feko仿真求解屏蔽后无人机内部场强。
3.根据权利要求2所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：设置激励源为平面波，求解的角度为求解面上的0～360°，每间隔18°设置一个求解方向，求解的场域设置为水平方向经过无人机中心点的平面，观测点为带屏蔽罩的无人机内部中心点。
4.根据权利要求3所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：对于屏蔽罩的优劣判断，通过无人机内部中心点所测得干扰场强的大小来判断，干扰场强越小，屏蔽罩的性能越好；
5.根据权利要求1所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：所述步骤s2中，
6.根据权利要求5所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：通过矩量法计算三因素四水平方案的结果，无人机内部电场强度大小与边缘开口距离无人机屏蔽罩边长的距离为d1、上下方形开口之间的距离为d2、开孔数量n存在相关性。
7.根据权利要求1所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：所述步骤s3包括以下步骤：
8.根据权利要求1所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：所述步骤s4中，bp神经网络训练过程，包括如下步骤：
9.根据权利要求1所述基于pso-bp混合算法的输电线路巡检无人机电磁干扰屏蔽罩设计方法，其特征在于：还包括步骤s5：通过矩量法求解出上述设计方案下屏蔽罩的屏蔽效果，具体是：
