基于bim的工程现场无人机协同巡检调度方法、系统
技术领域
1.本发明涉及工程现场巡检技术，具体涉及一种基于bim的工程现场无人机协同巡检调度方法、系统。
背景技术：2.建筑业是我国国民经济的支柱产业，在我国经济社会发展中都有着很关键的影响，目前我国每年的新建建筑数量仍正在增加，有些工程面临的地理环境复杂，建设难度大，工程量大施工工期紧张的问题，因此在施工阶段更要保证工程质量和进度，对于施工过程、施工质量的实时掌控尤为重要。
3.目前，在工程上基本都通过引入bim技术对工程进行把控，bim技术可以建立建筑工程的三维模型，利用数字化技术对该模型的相关数据进行记录，建立信息库。在bim中使用ifc标准格式的数据，可以针对不同的工程项目，通过一定的算法确定需要检查的对象，确定工程需要的检查点，从而方便对工程质量进行把控。
4.近年来，无人机技术不断成熟并得到广泛运用。无人机具有成本低、安全风险低、使用方便等优势，已经被陆续应用于各类巡检场景，其中也包括工程建设过程中的质量巡检。由于大型工程施工过程繁复，巡检任务随着施工进程不同而发生动态变化。此外，施工现场空间广，质量巡检任务多并且质量要求更高。
5.针对上述特点，工程业界亟需结合bim技术开发多无人机巡检协同方法，提高无人机作业的反应力和精准性，高质量地完成施工各时段的巡检任务。
技术实现要素：6.发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于bim的工程现场无人机协同巡检调度方法、系统。
7.技术方案：本发明的一种基于bim的工程现场无人机协同巡检调度方法，包括以下步骤：
8.s1、将施工质量验收属性关联到三维实体元素，在bim三维模型上自动生成需监控的目标点的位置信息以及检验批、检查项目以及检验部位属性的信息；
9.s2、基于所得需监控的目标点信息和监控资源信息，以监控质量最高为目标来构建多无人机协同巡检调度模型；
10.s3、通过禁忌搜索+动态规划混合算法对多无人机协同巡检调度模型进行求解，最终获取无人机的最优巡检路径规划及速度优化方案。
11.进一步地，所述步骤s2中多无人机路径优化模型的构建内容如下：
12.(1)、目标函数如式(1)所示：
13.14.i、j均为监控点编号，包括1个无人机场和n个巡检目标，无人机场编号为0，i∈[0,n]，j∈[0,n]，且i≠j；k为无人机编号，共k台无人机；巡检目标指所有需要巡检的区域，监控点指上述区域加上无人机场；；pi为巡检目标i的最短监视时长；t
ik
为编号为k的无人机在巡检目标i的实际监视时长；x
ijk
为决策变量，当编号为k的无人机从监控点i飞行到监控点j时，x
ijk
＝1，否则，x
ijk
＝0；
[0015]
(2)、约束条件如式(2)至式(20)所示：
[0016][0017][0018][0019][0020][0021][0022][0023][0024]
l
0k
＝0,k＝1,...,k
ꢀꢀꢀꢀꢀ
(30)
[0025][0026]
l
ik
＝a
ik
+t
ik
,i＝1,...,n,k＝1,...,k
ꢀꢀꢀꢀꢀ
(32)
[0027]a0k
≤t,k＝1,...,k
ꢀꢀꢀꢀꢀꢀꢀ
(33)
[0028][0029][0030]
[0031][0032][0033][0034]
x
ijk
∈{0,1},i＝0,...,n,j＝0,...,n,k＝1,...,k,i≠j
ꢀꢀꢀꢀꢀ
(40)
[0035]
其中：
[0036]
式(2)表示每台无人机最多到达无人机场一次；
[0037]
式(3)和式(4)表示每台被安排巡检任务的无人机必须从无人机场出发，且没有巡检任务的无人机不起飞，即保证无人机不空起飞，m为大于n+1的正数；
[0038]
式(5)表示每个巡检目标只能被一台无人机访问；
[0039]
式(6)表示每个监控点进出平衡约束；
[0040]
式(7)表示每台被安排巡检任务的无人机从无人机场出发的速度与回到无人机场的速度相等；
[0041]
式(8)和式(9)表示每台无人机对所安排的各巡检目标的实际监视时长不能短于其最短监视时长；
[0042]
式(10)表示每台被安排巡检任务的无人机从无人机场出发的时间为0；
[0043]
式(11)表示每台被安排巡检任务的无人机到达所安排各监控点的时间；
[0044]
式(12)表示每台被安排巡检任务的无人机离开所安排各监控点的时间；
[0045]
式(13)表示每台被安排巡检任务的无人机回到无人机场的时间不能超过无人机最长飞行时长；
[0046]
式(14)和式(15)表示每台被安排巡检任务的无人机到达和离开所安排各巡检目标的时间满足时间窗约束；
[0047]
式(16)表示每台被安排巡检任务的无人机在所安排各巡检目标区域加速或减速消耗的电量；
[0048]
式(17)表示每台被安排巡检任务的无人机在所安排各巡检目标区域匀速飞行消耗的电量；
[0049]
式(18)表示每台被安排巡检任务的无人机巡检消耗的电量不能超过无人机最大电量；
[0050]
式(19)表示每台被安排巡检任务的无人机飞行速度满足速度约束；
[0051]
式(20)表示决策变量取值约束；
[0052]
其中，d
ij
为监控点i与监控点j的距离；li为巡检目标i的监视路程长度；[ai,bi]为巡检目标i可被监视的时间段；α为无人机加速的加速度；-β为无人机减速的加速度；ρ1为无人机的加速功率；ρ2为无人机的减速功率；q为无人机的最大电量；t为无人机的最大飞行时
长；v
min
为无人机的最慢飞行速度；v
max
为无人机的最快飞行速度；v
ik
为无人机k在监控点i的匀速飞行速度；a
ik
为无人机k到达监控点i的时间；l
ik
为无人机k离开监控点i的时间；q
ik1
为无人机k在巡检目标i内加速或减速的电量消耗量；q
ik2
为无人机k在巡检目标i内匀速飞行的电量消耗量。
[0053]
进一步地，所述步骤(3)的具体过程为：
[0054]
s301、根据节约算法生成初始巡检路径规划方案；
[0055]
s301a、为每一个巡检目标设置一台单独的无人机进行巡检；
[0056]
s301b、计算每台无人机的飞行里程；
[0057]
s301c、依据飞行里程，按照节约里程公式求得相应的节约里程数，生成节约里程表，节约里程公式如下所示：
[0058]sij
＝d
i0
+d
0j-d
ij
,i＝1,
…
,n,j＝1,
…
,n,i≠j
[0059]sij
表示将巡检目标j从当前无人机巡检路径中删除，插到巡检目标i之后巡检，所节约的无人机飞行里程数；d
ij
为监控点i与监控点j的距离；
[0060]
s301d、如果节约里程表存在非负数，则进入步骤s301e，如果都为负数，则结束，得到初始路径规划方案；
[0061]
s301e、将节约里程数按从大到小顺序排列，从节约里程数最大的两条路径开始，按照最低飞行速度计算合并后无人机离开各个监视目标的时间；
[0062]
s301f、若满足最晚离开时间约束公式(15)，则合并两条飞行路线，并返回步骤s301b；若不满足，则在节约里程表中删除本方案，返回步骤s301d；
[0063]
s302、对初始巡检路径规划方案采用禁忌搜索+动态规划混合算法进行优化，获得最优无人机巡检方案；
[0064]
s302a、对初始巡检路径规划方案进行动态规划，从而获得最优巡检速度；
[0065]
s302b、对获得的巡检方案进行成本计算，成本函数为：
[0066][0067]
pi表示每个巡检目标i的最短监视时长，ti表示每个巡检目标i的实际监视时长；
[0068]
s302c、设置参数m和n，m为禁忌搜索算法最大循环次数、n为实施扰动时需积累的连续未更新最优解次数，从第一次循环开始；
[0069]
s302d、判断当前循环是否超过最大循环次数m，如果超过，则结束循环，输出最优巡检方案和最大成本；否则，进入下一步；
[0070]
s302e、依次使用relocate算子、exchange算子和cross算子，针对当前方案构建邻域解空间；
[0071]
s302f、提取邻域解空间中满足破禁原则和不被禁忌的邻域解，选择邻域解中成本最高的巡检方案作为当前解；
[0072]
s302g、如果当前解高于最优解，则更新最优解为当前解，连续未更新最优解次数更新为0，循环次数加1，返回s302d，否则进入下一步；
[0073]
s302h、判断是否满足扰动条件，即连续未更新最优解次数是否不小于n，如果是，则随机选择一个可行邻域解作为当前解，连续未更新最优解次数更新为0，循环次数加1，返
回s302d，否则，连续未更新最优解次数加1，循环次数加1，返回s302d。
[0074]
进一步地，所述步骤s302a中利用动态规划算法获得最佳巡检速度方案的具体过程如下：
[0075]
s302a-1、将无人机飞行速度简化为整数，范围从v
min
到v
max
，将无人机到某一个巡检目标时的电量总消耗量简化为整数，范围从0到q，将无人机到某一个巡检目标时的总飞行时间简化为整数，范围从0到t；
[0076]
s302a-2、假设无人机开始巡检和结束巡检的速度为v
min
；
[0077]
s302a-3、从最后一个巡检目标开始，到第一个巡检目标结束，遍历初始巡检路径规划方案中每一台无人机的各个巡检目标；
[0078]
s302a-4、对于最后一个巡检目标，枚举上一个巡检目标所有可能的巡检速度、已消耗电量和已飞行时间，根据状态转移公式计算最后一个巡检目标的最佳巡检收益，状态转移公式如下：
[0079][0080]
(v0,q
k-1
,t
k-1
,v
k-1
)表示状态，即开始巡检速度为v0、第k-1个巡检目标结束时的电量总消耗量为q
k-1
、第k-1个巡检目标结束时的总飞行时间为t
k-1
、第k-1个巡检目标巡检速度为v
k-1
；vk(v0,q
k-1
,t
k-1
,v
k-1
)表示在该状态下，从第k个巡检目标到巡检结束的总监视收益；pk为第k个巡检目标的最短监视时长；tk为第k个巡检目标的实际监视时长；pk(t
k-pk)表示第k个巡检目标的监视收益；
[0081]
s302a-5、对于其他巡检目标，枚举上一个巡检目标所有可能的巡检速度、已消耗电量和已飞行时间，根据状态转移公式计算每个巡检目标的最佳巡检收益，状态转移公式如下：
[0082][0083]
s302a-6、将无人机开始巡检和结束巡检的速度+1，返回s302a-3，直到无人机速度超过v
max
，最后比较各速度下的巡检收益，并输出最佳的巡检收益和巡检方案，总巡检收益计算公式如下：
[0084][0085]
进一步地，所述步骤s302d中构建邻域解空间时先使用relocate算子将一个巡检目标从当前路径中删除，插入除当前路径以外的任意一条巡检路径的任意一个位置；然后使用exchange算子将一条巡检路径中的任意两个巡检目标交换位置；最后使用cross算子来任选两条巡检路径，分别选择路径中的任意一个巡检目标，交换这两个目标之后的巡检路径。
[0086]
进一步地，所述relocate算子执行步骤为：
[0087]
(a)、从第一个巡检目标出发，将其从当前所安排无人机队伍中删除，插入除此之外的每一台无人机巡检队伍中的每一个巡检位置，以生成新的路径规划方案；
[0088]
(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；
[0089]
(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；
[0090]
(d)、比较每一个解的成本，选择一个成本最高的relocate解。
[0091]
进一步地，所述exchange算子执行步骤为：
[0092]
(a)、对于relocate算子生成的巡检方案中的每一台无人机，任选其巡检路径中的两个巡检目标，交换巡检顺序，以生成新的路径规划方案；
[0093]
(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；
[0094]
(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；
[0095]
(d)、比较每一个解的成本，选择一个成本最高的exchange解。
[0096]
进一步地，所述cross算子执行步骤为：
[0097]
(a)、对于exchange算子生成的巡检方案，任选两台无人机，选择两条巡检路线中的两个巡检目标为交换点，交换该交换点其后的巡检路线，以生成新的路径规划方案；
[0098]
(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；
[0099]
(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；
[0100]
(d)、比较每一对无人机选择各个交换点的交换成本，选择每对无人机交换的最优解。
[0101]
本发明还公开一种基于bim的工程现场无人机协同巡检调度方法的系统，包括环境监测设备、bim三维模型和多台无人机，所述无人机上搭载有数据收集器、数据传感器、三维引擎相机、gps定位和摄像头；
[0102]
bim revit建立工程现场三维模型，利用timeliner生成挂有施工进度计划的标准模型，同时通过navisworks进行动画模拟，最后使用bimserve.org生成质量检查点相关信息，利用质量检查点相关信息进行巡检路径优化；
[0103]
将bim三维模型中的数据进行坐标数据转换，通过三维引擎相机建立bim三维模型和无人机的之间的对应关系，将巡检信息输入到无人机中；
[0104]
无人机接收到bim的数据信息以及通过5g设备网络接收到现场的环境监测设备的相关信息，然后判断是否开始巡检，若符合条件则开始巡检；
[0105]
巡检时通过数据收集器以及数据传感器进行现场数据记录，通过5g网络设备将巡检数据实时传回到bim平台，最后进行数据比对，判断是否需要人工现场复核。
[0106]
有益效果：本发明使用bim技术对施工过程进行实时把控，并精准获取巡检任务信息，并进一步考虑巡检需求、续航能力、空间距离等多种现实约束，整体性地对多台无人机的巡检任务分派、路径规划、巡检速度控制多方面进行决策，以优化总体巡检质量，从而提升施工现场的作业效率，提高施工安全度，与现有技术相比，本发明具有以下优点：
[0107]
1)、本发明基于bim结合时间维度、工程建设过程的三维空间和监测需求信息，利用无人机优势，进行全面地实时监测并反馈信息，供管理者及时判断，可实现工程物理实体
建造与计算机虚体建造的协同，指导施工过程有效、安全、高质量开展。
[0108]
2)、本发明全面考虑巡检需求、空间位置、监测质量等多方面因素，提出多无人机协同巡检路径的双层算法，高效生成无人机巡检任务分配方案、巡检路径规划方案以及巡检时间、速度控制方法，以最优化工程现场巡检质量。
附图说明
[0109]
图1为本发明的整体调度流程示意图；
[0110]
图2为本发明中禁忌搜索-动态规划算法流程示意图；
[0111]
图3(a)为生成可行邻域空间relocate算子示意图；
[0112]
图3(b)为生成可行邻域空间exchange算子示意图；
[0113]
图3(c)为生成可行邻域空间cross算子示意图；
[0114]
图4为本发明一实施例的系统结构图。
具体实施方式
[0115]
下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
[0116]
如图4所示，本发明的基于bim的工程现场无人机协同巡检调度方法的系统，包括环境监测设备、bim三维模型和多台无人机，所述无人机上搭载有数据收集器、数据传感器、三维引擎相机、gps定位和摄像头；bim revit建立工程现场三维模型，利用timeliner生成挂有施工进度计划的标准模型，同时通过navisworks进行动画模拟，最后使用bimserve.org生成质量检查点相关信息，利用质量检查点相关信息进行巡检路径优化；将bim三维模型中的数据进行坐标数据转换，通过三维引擎相机建立bim三维模型和无人机的之间的对应关系，将巡检信息输入到无人机中；无人机接收到bim的数据信息以及通过5g设备网络接收到现场的环境监测设备的相关信息，然后判断是否开始巡检，若符合条件则开始巡检；巡检时通过数据收集器以及数据传感器进行现场数据记录，通过5g网络设备将巡检数据实时传回到bim平台，最后进行数据比对，判断是否需要人工现场复核。
[0117]
本实施例的基于bim的工程现场无人机协同巡检调度方法，包括以下步骤：
[0118]
步骤s1、将施工质量验收属性关联到三维实体元素上，在bim三维模型上自动生成需监控的目标点位置信息以及检验批、检查项目以及检验部位属性的信息；
[0119]
步骤s2、基于所得需监控的目标点信息和监控资源信息，以监控质量最高为目标来构建多无人机协同巡检调度模型；
[0120]
(1)、目标函数如式(1)所示：
[0121][0122]
i、j均为监控点编号，包括1个无人机场和n个巡检目标，无人机场编号为0，i∈[0,n]，j∈[0,n]，且i≠j；k为无人机编号，共k台无人机；pi为巡检目标i的最短监视时长；t
ik
为编号为k的无人机在巡检目标i的实际监视时长；x
ijk
为决策变量，当编号为k的无人机从监控点i飞行到监控点j时，x
ijk
＝1，否则，x
ijk
＝0；
[0123]
(2)、约束条件如式(2)至式(20)所示：
[0124][0125][0126][0127][0128][0129][0130][0131][0132]
l
0k
＝0,k＝1,...,k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(50)
[0133][0134]
l
ik
＝a
ik
+t
ik
,i＝1,...,n,k＝1,...,k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(52)
[0135]a0k
≤t,k＝1,...,k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(53)
[0136][0137][0138][0139][0140][0141][0142]
[0143]
x
ijk
∈{0,1},i＝0,...,n,j＝0,...,n,k＝1,...,k,i≠j
ꢀꢀꢀꢀꢀꢀꢀ
(60)
[0144]
其中：
[0145]
式(2)表示每台无人机最多到达无人机场一次；
[0146]
式(3)和式(4)表示每台被安排巡检任务的无人机必须从无人机场出发，保证无人机不空起飞，m为大于n+1的正数；
[0147]
式(5)表示每个巡检目标只能被一台无人机访问；
[0148]
式(6)表示每个监控点进出平衡约束；
[0149]
式(7)表示每台被安排巡检任务的无人机从无人机场出发的速度与回到无人机场的速度相等；
[0150]
式(8)和式(9)表示每台无人机对所安排的各巡检目标的实际监视时长不能短于其最短监视时长；
[0151]
式(10)表示每台被安排巡检任务的无人机从无人机场出发的时间为0；
[0152]
式(11)表示每台被安排巡检任务的无人机到达所安排各监控点的时间；
[0153]
式(12)表示每台被安排巡检任务的无人机离开所安排各监控点的时间；
[0154]
式(13)表示每台被安排巡检任务的无人机回到无人机场的时间不能超过无人机最长飞行时长；
[0155]
式(14)和式(15)表示每台被安排巡检任务的无人机到达和离开所安排各巡检目标的时间满足时间窗约束；
[0156]
式(16)表示每台被安排巡检任务的无人机在所安排各巡检目标区域加速或减速消耗的电量；
[0157]
式(17)表示每台被安排巡检任务的无人机在所安排各巡检目标区域匀速飞行消耗的电量；
[0158]
式(18)表示每台被安排巡检任务的无人机巡检消耗的电量不能超过无人机最大电量；
[0159]
式(19)表示每台被安排巡检任务的无人机飞行速度满足速度约束；
[0160]
式(20)表示决策变量取值约束；
[0161]
其中，d
ij
为监控点i与监控点j的距离；li为巡检目标i的监视路程长度；[ai,bi]为巡检目标i可被监视的时间段；α为无人机加速的加速度；-β为无人机减速的加速度；ρ1为无人机的加速功率；ρ2为无人机的减速功率；q为无人机的最大电量；t为无人机的最大飞行时长；v
min
为无人机的最慢飞行速度；v
max
为无人机的最快飞行速度；v
ik
为无人机k在监控点i的匀速飞行速度；a
ik
为无人机k到达监控点i的时间；l
ik
为无人机k离开监控点i的时间；q
ik1
为无人机k在巡检目标i内加速或减速的电量消耗量；q
ik2
为无人机k在巡检目标i内匀速飞行的电量消耗量；
[0162]
步骤s3、通过禁忌搜索+动态规划混合算法对多无人机协同巡检调度模型进行求解，最终获取无人机的最优巡检路径规划及速度优化方案。
[0163]
具体流程如图2所示：s301、根据节约算法生成初始巡检路径规划方案；
[0164]
s301a、为每一个巡检目标设置一台单独的无人机进行巡检；
[0165]
s301b、计算每台无人机的飞行里程；
[0166]
s301c、依据飞行里程，按照节约里程公式求得相应的节约里程数，节约里程公式
如下所示：
[0167]sij
＝d
i0
+d
0j-d
ij
,i＝1,
…
,n,j＝1,
…
,n,i≠j
[0168]sij
表示将监控目标j从当前无人机巡检路径中删除，插到监控目标i之后巡检，所节约的无人机飞行里程数；d
ij
为监视目标i与监视目标j的距离；
[0169]
s301d、如果节约里程表存在非负数，则进入步骤s301e，如果都为负数，则结束，得到初始路径规划方案；
[0170]
s301e、将节约里程数按从大到小顺序排列，从节约里程数最大的两条路径开始，按照最低飞行速度计算合并后无人机离开各个监视目标的时间；
[0171]
s301f、若满足最晚离开时间约束，即模型中的公式(15)，则合并两条飞行路线，并返回步骤s301b；若不满足，则在节约里程表中删除本方案，返回步骤s301d；
[0172]
s302、对初始巡检路径规划方案采用禁忌搜索+动态规划混合算法进行优化，获得最优无人机巡检方案；
[0173]
s302a、对初始巡检路径规划方案进行动态规划，从而获得最优巡检速度；
[0174]
s302b、对获得的巡检方案进行成本计算，成本函数为：
[0175][0176]
pi表示每个巡检目标i的最短监视时长，ti表示每个巡检目标i的实际监视时长；
[0177]
s302c、设置参数m、n，m为禁忌搜索算法最大循环次数、n为实施扰动时需积累的连续未更新最优解次数。从第一次循环开始。
[0178]
s302d、判断当前循环是否超过最大循环次数m，如果超过，则算法结束，输出最优巡检方案和最大成本；否则，进入下一步；
[0179]
s302e、依次使用relocate算子、exchange算子和cross算子，针对当前方案构建邻域解空间；
[0180]
s302f、提取邻域解空间中满足破禁原则和不被禁忌的邻域解，选择邻域解中成本最高的巡检方案作为当前解；
[0181]
s302g、如果当前解高于最优解，则更新最优解为当前解，连续未更新最优解次数更新为0，循环次数加1，返回s302d，否则进入下一步；
[0182]
s302h、判断是否满足扰动条件，即连续未更新最优解次数是否不小于n，如果是，则随机选择一个邻域解作为当前解，连续未更新最优解次数更新为0，循环次数加1，返回s302d，否则，连续未更新最优解次数加1，循环次数加1，返回s302d。
[0183]
进一步地，所述步骤s302a中利用动态规划算法获得最佳巡检速度方案的具体过程如下：
[0184]
s302a-1、将无人机飞行速度简化为整数，范围从v
min
到v
max
，将无人机到某一个巡检目标时的电量总消耗量简化为整数，范围从0到q，将无人机到某一个巡检目标时的总飞行时间简化为整数，范围从0到t；
[0185]
s302a-2、假设无人机开始巡检和结束巡检的速度为v
min
；
[0186]
s302a-3、从最后一个巡检目标开始，到第一个巡检目标结束，遍历初始巡检路径规划方案中每一台无人机的各个巡检目标；
[0187]
s302a-4、对于最后一个巡检目标，枚举上一个巡检目标所有可能的巡检速度、已消耗电量和已飞行时间，根据状态转移公式计算最后一个巡检目标的最佳巡检收益，状态转移公式如下：
[0188][0189]
(v0,q
k-1
,t
k-1
,v
k-1
)表示状态，即开始巡检速度为v0、第k-1个巡检目标结束时的电量总消耗量为q
k-1
、第k-1个巡检目标结束时的总飞行时间为t
k-1
、第k-1个巡检目标巡检速度为v
k-1
；vk(v0,q
k-1
,t
k-1
,v
k-1
)表示在该状态下，从第k个巡检目标到巡检结束的总监视收益；pk为第k个巡检目标的最短监视时长；tk为第k个巡检目标的实际监视时长；pk(t
k-pk)表示第k个巡检目标的监视收益；
[0190]
s302a-5、对于其他巡检目标，枚举上一个巡检目标所有可能的巡检速度、已消耗电量和已飞行时间，根据状态转移公式计算每个巡检目标的最佳巡检收益，状态转移公式如下：
[0191][0192]
s302a-6、将无人机开始巡检和结束巡检的速度+1，返回s302a-3，直到无人机速度超过v
max
，最后比较各速度下的巡检收益，并输出最佳的巡检收益和巡检方案，总巡检收益计算公式如下：
[0193][0194]
如图3所示，本实施例的步骤s302d中构建邻域解空间时先使用relocate算子将一个巡检目标从当前路径中删除，插入除当前路径以外的任意一条巡检路径的任意一个位置；然后使用exchange算子将一条巡检路径中的任意两个巡检目标交换位置；最后使用cross算子来任选两条巡检路径，分别选择路径中的任意一个巡检目标，交换这两个目标之后的巡检路径。
[0195]
如图3(a)所示，本实施例的relocate算子执行步骤为：
[0196]
(a)、从第一个巡检目标出发，将其从当前所安排无人机队伍中删除，插入除此之外的每一台无人机巡检队伍中的每一个巡检位置，以生成新的路径规划方案；
[0197]
(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；
[0198]
(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；
[0199]
(d)、比较每一个解的成本，选择一个成本最高的relocate解。
[0200]
如图3(b)所示，本实施例的exchange算子执行步骤为：
[0201]
(a)、对于relocate算子生成的巡检方案中的每一台无人机，任选其巡检路径中的两个巡检目标，交换巡检顺序，以生成新的路径规划方案；
[0202]
(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；
[0203]
(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；
[0204]
(d)、比较每一个解的成本，选择一个成本最高的exchange解。
[0205]
如图3(c)所示，本实施例的cross算子执行步骤为：
[0206]
(a)、对于exchange算子生成的巡检方案，任选两台无人机，选择两条巡检路线中的两个巡检目标为交换点，交换该交换点其后的巡检路线，以生成新的路径规划方案；
[0207]
(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；
[0208]
(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；
[0209]
(d)、比较每一对无人机选择各个交换点的交换成本，选择每对无人机交换的最优解。
[0210]
实施例：
[0211]
根据图4和图1所示，bim的多台无人机飞行器的工程现场协同巡检调度系统包括环境监测设备、bim三维模型和多台无人机，所述无人机上搭载有数据收集器、数据传感器、三维引擎相机、gps定位和摄像头。具体可分为施工管理阶段、质量管理阶段和无人机调度阶段。
[0212]
在施工管理阶段，通过bim revit生成工程实体的bim三维模型，根据项目工程进行划分，对工程的各个专业模型按照构件进行拆解，利用timeliner功能模拟施工进度，生成甘特图，看到各个时间段所需的施工部分，生成挂接有施工进度计划的标准模型。
[0213]
在质量管理阶段，使用navisworks对施工现场的情况进行动画模拟，将bim中的数据采用ifc数据形式进行导出，ifc数据与施工质量验收信息进行关联，即将施工质量验收属性关联到三维实体元素上，利用bimserve.org自动生成检验批以及针对抽查方案自动生成检查点，并进行验收资料的录入；自动生成检验批、检查项目和检查点后，在bim三维模型上便可以显示当前检查点，已生成的相关数据被保存至数据库中。
[0214]
在无人机调度阶段，基于由bim三维模型上所得需监控的目标点位置信息和监控资源信息，以监控质量最高为目标来构建多无人机协同巡检调度模型，通过禁忌搜索+动态规划混合算法对多无人机协同巡检调度模型进行求解，最终获取无人机的最优巡检路径规划及速度优化方案。
[0215]
本实施例的环境监测设备包括风速监测模块、风向监测模块、温度监测模块和雨量监测模块。环境监测设备通过5g网络设备将相关数据参数传输到无人机设置模块以及数据采集模块。
[0216]
本实施例的无人机搭载有gps定位系统、三维引擎相机以及相关摄像装置。通过bim技术将其中确定的巡检路线和相关数据导入到三维引擎中，通过坐标系转换的方法建立无人机和三维引擎相机之间的对应关系，设置出无人机的巡检路线。无人机通过gps定位系统以及摄像装置等按照巡检路线进行巡检；无人机数据采集模块包括在无人机上安装数据收集器以及数据传感器等，通过对环境监测器传输而来的数据参数以及巡检信息的数据进行综合分析，判断是否具备巡航条件，若不符合巡航条件(如天气因素等)，则数据采集模块将返回到相关bim平台中；若符合巡航条件，根据巡航路线则无人机自动开始进行巡检工
作。
[0217]
如图3所示，图3(a)为生成可行邻域空间relocate算子示意图；图3(b)为生成可行邻域空间exchange算子示意图；图3(c)为生成可行邻域空间cross算子示意图；
[0218]
图3中的实线与虚线表示两条不同的巡检路径；左图为更改前的巡检路径，右图为经过算子操作后的巡检路径。
技术特征：1.一种基于bim的工程现场无人机协同巡检调度方法，其特征在于：包括以下步骤：s1、将施工质量验收属性关联到三维实体元素，在bim三维模型上自动生成需监控的目标点的位置信息以及检验批、检查项目以及检验部位属性的信息；s2、基于所得需监控的目标点信息和监控资源信息，以监控质量最高为目标来构建多无人机协同巡检调度模型；s3、通过禁忌搜索+动态规划混合算法对多无人机协同巡检调度模型进行求解，最终获取无人机的最优巡检路径规划及速度优化方案。2.根据权利要求1所述的基于bim的工程现场无人机协同巡检调度方法，其特征在于：所述步骤s2中多无人机路径优化模型的构建内容如下：(1)、目标函数如式(1)所示：i、j均为监控点编号，包括1个无人机场和n个巡检目标，无人机场编号为0，i∈[0,n]，j∈[0,n]，且i≠j；k为无人机编号，共k台无人机；p
i
为巡检目标i的最短监视时长；t
ik
为编号为k的无人机在巡检目标i的实际监视时长；x
ijk
为决策变量，当编号为k的无人机从监控点i飞行到监控点j时，x
ijk
＝1，否则，x
ijk
＝0；(2)、约束条件如式(2)至式(20)所示：(2)、约束条件如式(2)至式(20)所示：(2)、约束条件如式(2)至式(20)所示：(2)、约束条件如式(2)至式(20)所示：(2)、约束条件如式(2)至式(20)所示：(2)、约束条件如式(2)至式(20)所示：(2)、约束条件如式(2)至式(20)所示：(2)、约束条件如式(2)至式(20)所示：l
0k
＝0,k＝1,...,k
ꢀꢀꢀꢀ
(10)l
ik
＝a
ik
+t
ik
,i＝1,...,n,k＝1,...,k
ꢀꢀꢀꢀ
(12)a
0k
≤t,k＝1,...,k
ꢀꢀꢀꢀ
(13)
x
ijk
∈{0,1},i＝0,...,n,j＝0,...,n,k＝1,...,k,i≠j
ꢀꢀꢀꢀ
(20)其中：式(2)表示每台无人机最多到达无人机场一次；式(3)和式(4)表示每台被安排巡检任务的无人机必须从无人机场出发，且没有巡检任务的无人机不起飞，即保证无人机不空起飞，m为大于n+1的正数；式(5)表示每个巡检目标只能被一台无人机访问；式(6)表示每个监控点进出平衡约束；式(7)表示每台被安排巡检任务的无人机从无人机场出发的速度与回到无人机场的速度相等；式(8)和式(9)表示每台无人机对所安排的各巡检目标的实际监视时长不能短于其最短监视时长；式(10)表示每台被安排巡检任务的无人机从无人机场出发的时间为0；式(11)表示每台被安排巡检任务的无人机到达所安排各监控点的时间；式(12)表示每台被安排巡检任务的无人机离开所安排各监控点的时间；式(13)表示每台被安排巡检任务的无人机回到无人机场的时间不能超过无人机最长飞行时长；式(14)和式(15)表示每台被安排巡检任务的无人机到达和离开所安排各巡检目标的时间满足时间窗约束；式(16)表示每台被安排巡检任务的无人机在所安排各巡检目标区域加速或减速消耗的电量；式(17)表示每台被安排巡检任务的无人机在所安排各巡检目标区域匀速飞行消耗的
电量；式(18)表示每台被安排巡检任务的无人机巡检消耗的电量不能超过无人机最大电量；式(19)表示每台被安排巡检任务的无人机飞行速度满足速度约束；式(20)表示决策变量取值约束；其中，d
ij
为监控点i与监控点j的距离；l
i
为巡检目标i的监视路程长度；[a
i
,b
i
]为巡检目标i可被监视的时间段；α为无人机加速的加速度；-β为无人机减速的加速度；ρ1为无人机的加速功率；ρ2为无人机的减速功率；q为无人机的最大电量；t为无人机的最大飞行时长；v
min
为无人机的最慢飞行速度；v
max
为无人机的最快飞行速度；v
ik
为无人机k在监控点i的匀速飞行速度；a
ik
为无人机k到达监控点i的时间；l
ik
为无人机k离开监控点i的时间；q
ik1
为无人机k在巡检目标i内加速或减速的电量消耗量；q
ik2
为无人机k在巡检目标i内匀速飞行的电量消耗量。3.根据权利要求1所述的基于bim的工程现场无人机协同巡检调度方法，其特征在于：所述步骤(3)的具体过程为：s301、根据节约算法生成初始巡检路径规划方案；s301a、为每一个巡检目标设置一台单独的无人机进行巡检；s301b、计算每台无人机的飞行里程；s301c、依据飞行里程，按照节约里程公式求得相应的节约里程数，生成节约里程表，节约里程公式如下所示：s
ij
＝d
i0
+d
0j-d
ij
,i＝1,
…
,n,j＝1,
…
,n,i≠js
ij
表示将巡检目标j从当前无人机巡检路径中删除，插到巡检目标i之后巡检，所节约的无人机飞行里程数；d
ij
为监控点i与监控点j的距离；s301d、如果节约里程表存在非负数，则进入步骤s301e，如果都为负数，则结束，得到初始路径规划方案；s301e、将节约里程数按从大到小顺序排列，从节约里程数最大的两条路径开始，按照最低飞行速度计算合并后无人机离开各个监视目标的时间；s301f、若满足最晚离开时间约束公式(15)，则合并两条飞行路线，并返回步骤s301b；若不满足，则在节约里程表中删除本方案，返回步骤s301d；s302、对初始巡检路径规划方案采用禁忌搜索+动态规划混合算法进行优化，获得最优无人机巡检方案；s302a、对初始巡检路径规划方案进行动态规划，从而获得最优巡检速度；s302b、对获得的巡检方案进行成本计算，成本函数为：p
i
表示每个巡检目标i的最短监视时长，t
i
表示每个巡检目标i的实际监视时长；s302c、设置参数m和n，m为禁忌搜索算法最大循环次数、n为实施扰动时需积累的连续未更新最优解次数，从第一次循环开始；s302d、判断当前循环是否超过最大循环次数m，如果超过，则结束循环，输出最优巡检方案和最大成本；否则，进入下一步；
s302e、依次使用relocate算子、exchange算子和cross算子，针对当前方案构建邻域解空间；s302f、提取邻域解空间中满足破禁原则和不被禁忌的邻域解，选择邻域解中成本最高的巡检方案作为当前解；s302g、如果当前解高于最优解，则更新最优解为当前解，连续未更新最优解次数更新为0，循环次数加1，返回s302d，否则进入下一步；s302h、判断是否满足扰动条件，即连续未更新最优解次数是否不小于n，如果是，则随机选择一个可行邻域解作为当前解，连续未更新最优解次数更新为0，循环次数加1，返回s302d，否则，连续未更新最优解次数加1，循环次数加1，返回s302d。4.根据权利要求3所述的基于bim的工程现场无人机协同巡检调度方法，其特征在于：所述步骤s302a中利用动态规划算法获得最佳巡检速度方案的具体过程如下：s302a-1、将无人机飞行速度简化为整数，范围从v
min
到v
max
，将无人机到某一个巡检目标时的电量总消耗量简化为整数，范围从0到q，将无人机到某一个巡检目标时的总飞行时间简化为整数，范围从0到t；s302a-2、假设无人机开始巡检和结束巡检的速度为v
min
；s302a-3、从最后一个巡检目标开始，到第一个巡检目标结束，遍历初始巡检路径规划方案中每一台无人机的各个巡检目标；s302a-4、对于最后一个巡检目标，枚举上一个巡检目标所有可能的巡检速度、已消耗电量和已飞行时间，根据状态转移公式计算最后一个巡检目标的最佳巡检收益，状态转移公式如下：v
k
(v0,q
k-1
,t
k-1
,v
k-1
)＝max
vk
p
k
(t
k-p
k
)(v0,q
k-1
,t
k-1
,v
k-1
)表示状态，即开始巡检速度为v0、第k-1个巡检目标结束时的电量总消耗量为q
k-1
、第k-1个巡检目标结束时的总飞行时间为t
k-1
、第k-1个巡检目标巡检速度为v
k-1
；v
k
(v0,q
k-1
,t
k-1
,v
k-1
)表示在该状态下，从第k个巡检目标到巡检结束的总监视收益；p
k
为第k个巡检目标的最短监视时长；t
k
为第k个巡检目标的实际监视时长；p
k
(t
k-p
k
)表示第k个巡检目标的监视收益；s302a-5、对于其他巡检目标，枚举上一个巡检目标所有可能的巡检速度、已消耗电量和已飞行时间，根据状态转移公式计算每个巡检目标的最佳巡检收益，状态转移公式如下：s302a-6、将无人机开始巡检和结束巡检的速度+1，返回s302a-3，直到无人机速度超过v
max
，最后比较各速度下的巡检收益，并输出最佳的巡检收益和巡检方案，总巡检收益计算公式如下：5.根据权利要求3所述的基于bim的工程现场无人机协同巡检调度方法，其特征在于：所述步骤s302d中构建邻域解空间时先使用relocate算子将一个巡检目标从当前路径中删除，插入除当前路径以外的任意一条巡检路径的任意一个位置；然后使用exchange算子将一条巡检路径中的任意两个巡检目标交换位置；最后使用cross算子来任选两条巡检路径，分别选择路径中的任意一个巡检目标，交换这两个目标之后的巡检路径。
6.根据权利要求5所述的基于bim的工程现场无人机协同巡检调度方法，其特征在于：所述relocate算子执行步骤为：(a)、从第一个巡检目标出发，将其从当前所安排无人机队伍中删除，插入除此之外的每一台无人机巡检队伍中的每一个巡检位置，以生成新的路径规划方案；(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；(d)、比较每一个解的成本，选择一个成本最高的relocate解。7.根据权利要求5所述的基于bim的工程现场无人机协同巡检调度方法，其特征在于：所述exchange算子执行步骤为：(a)、对于relocate算子生成的巡检方案中的每一台无人机，任选其巡检路径中的两个巡检目标，交换巡检顺序，以生成新的路径规划方案；(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；(d)、比较每一个解的成本，选择一个成本最高的exchange解。8.根据权利要求5所述的基于bim的工程现场无人机协同巡检调度方法，其特征在于：所述cross算子执行步骤为：(a)、对于exchange算子生成的巡检方案，任选两台无人机，选择两条巡检路线中的两个巡检目标为交换点，交换该交换点其后的巡检路线，以生成新的路径规划方案；(b)、每生成一个新的路径规划方案，需以无人机最高飞行速度为巡检速度，判断每一个巡检目标的巡检开始时间是否早于规定的巡检开始时间，如果更早，则删除此方案；再以无人机最低飞行速度为巡检速度，判断每一个巡检目标的巡检结束时间是否晚于规定的巡检结束时间，如果更晚，则删除此方案；(c)、对生成的所有方案利用动态规划算法求得最佳巡检速度，计算解的成本；(d)、比较每一对无人机选择各个交换点的交换成本，选择每对无人机交换的最优解。9.一种实现权利要求1至8任意一项所述基于bim的工程现场无人机协同巡检调度方法的系统，其特征在于：包括环境监测设备、bim三维模型和多台无人机，所述无人机上搭载有数据收集器、数据传感器、三维引擎相机、gps定位和摄像头；bim revit建立工程现场三维模型，利用timeliner生成挂有施工进度计划的标准模型，同时通过navisworks进行动画模拟，最后使用bimserve.org生成质量检查点相关信息，利用质量检查点相关信息进行巡检路径优化；将bim三维模型中的数据进行坐标数据转换，通过三维引擎相机建立bim三维模型和无人机的之间的对应关系，将巡检信息输入到无人机中；无人机接收到bim的数据信息以及通过5g设备网络接收到现场的环境监测设备的相关
信息，然后判断是否开始巡检，若符合条件则开始巡检；巡检时通过数据收集器以及数据传感器进行现场数据记录，通过5g网络设备将巡检数据实时传回到bim平台，最后进行数据比对，判断是否需要人工现场复核。
技术总结本发明公开一种基于BIM的工程现场无人机协同巡检调度方法、系统，将施工质量验收属性关联到三维实体元素，在BIM三维模型上自动生成需监控的目标点的位置信息以及检验批、检查项目以及检验部位属性的信息；基于所得需监控的目标点信息和监控资源信息，以监控质量最高为目标来构建多无人机协同巡检调度模型；通过禁忌搜索+动态规划混合算法对多无人机协同巡检调度模型进行求解，最终获取无人机的最优巡检路径规划及速度优化方案。使用BIM技术对施工过程进行实时把控，并精准获取巡检任务信息，对多台无人机的巡检任务分派、路径规划、巡检速度控制多方面进行决策，以优化总体巡检质量，从而提升施工现场的作业效率，提高施工安全度。全度。全度。
技术研发人员：陶莎 俞俊英 庞欣怡
受保护的技术使用者：南京大学
技术研发日：2022.03.17
技术公布日：2022/7/5
