基于无人机的河道周边污染远程监测方法研究

苏海涛

(贵州省水利水电勘测设计研究院有限公司，贵阳 550002)

0 引 言

贵州省铜仁市是连接中南地区与西南边陲的纽带，该地区周围人口密集、工商农业相对集中，因此对于水资源的需求力度较大[1]。但随着城市化水平的提高，生活污水、工农业生产废水被排放到河流中，使当地水资源出现污染现象，因此急需找到一种监测方法来实时监控河道周边污染程度。传统方法1参考文献[2]和文献[3]的研究内容，将遥感技术与水质监测系统相结合，建立一个完整的远程监测体系；传统方法2则依据文献[4]和文献[5]，根据污染来源与分布特征，设置河道水质在线监测节点[2-5]，但两种方法使用的远程监测设备性能不高。

因此，以传统监测方法为研究基础，提出基于无人机的河道周边污染远程监测方法。无人机通过无线电遥控设备机器和计算机程控系统，智能化控制飞行线路，不仅具有成本低、结构简单的特点，还可以执行远距离拍摄任务[6]。此次研究以无人机基本参数为条件，研究全新的河道周边污染远程监测方法，为城市人口用水安全提供更加可靠的技术。

1 基于无人机的河道周边污染远程监测方法

1.1 建立无人机远程监测路径规划模型

无人机监测路径优劣程度受约束条件影响，而约束条件主要为航线距离。为了不影响污染远程监测效果，要求无人机从上一监测点运动到下一监测点时的使用时间，不能超过直线飞行时间和任务时间之和。因此，利用一个随机网络模拟无人机飞行空间，然后采用连续空间离散化的方法，将飞行空间简化成离散空间，建立一个概率地图。为了求得最优路径，以自由规划的方式规划二维空间，以随机概率将采样点分布于规划空间内，依照邻近原则相连采样点，形成概率地图。为了降低计算复杂度，选择的点为距离小于基站覆盖区域外直径的点，根据两点之间的弧段跨越长度，确定无人机远程监测最优路径的实际监测范围[7]。假设概率地图的表达式为：

W=(W1,We)

(1)

式中：W1为随机采样点；We为节点之间长度为e的连接线。

设置无人机最大航程、飞行起点以及目标终点，也就是污染监测任务中的两个监测节点，对无人机路径进行规划设置，计算表达式为：

L={Lstart,L1,…,LN,Ltarget}

(2)

式中：Lstart为无人机飞行起点；Ltarget为无人机监测目标；存在一个Li，且Li∈W1,i=1,2,…,N；同时存在{Li-1,Li}∈We。

根据所在区域监测信号连线{Li-1,Li}，此时存在不同的信号值，也就是弧收益，用Li-1,i表示，则{Li-1,Li}的长度为d(Li-1,Li)。因此得到目标函数计算公式，也就是满足监测信号强度的最优监测路径：

(3)

(4)

式中：ηij为弧收益。

利用上述模型控制无人机远程监测过程中的飞行轨迹，防止监测出现偏离既定范围的现象[9]。

1.2 基于障碍物特点设置模型避障算法

无人机在飞行监测过程中，受地面建筑以及植被等障碍物的影响，可能会影响既定航线，因此为了让上一环节中建立的规划模型能够发挥最大效用，基于障碍物特点设置模型避障算法。以障碍物特征点为基础，结合最大最小原则，寻找起始点与目标点之间的第一个子目标，再以第一个子目标为起点，寻找第二个子目标，按照上述方法以此类推，直到控制线路规划模型，帮助无人机找到一条无障碍路径。连接无人机起始点与目标点，在与此连线相交的、距离无人机最近的障碍物上，找到距离连线两侧最远的特征点，其中距离连线较近的点就是第一个子目标[10]。当无人机到达该目标点时，二者之间的连线仍然与障碍物相交，此时按照最大最小原则搜索下一个子目标，直至完成目标监测任务。假设无人机起始点坐标为O(XO,YO)，目标点坐标为(XZ,YZ)，障碍物特征点坐标设置为A(XA,YA)、B(XB,YB)以及C(XC,YC)。则连线OZ与3个特征点ABC之间的连线，可利用下式计算：

(5)

根据限制原则，需要障碍物特征点连线中，存在一条可以与OZ相交的直线，该线就是路径与障碍物的交点线段[11]。因此可知AB与OZ相交，其公式为：

(6)

当上述公式的计算结果为1时，则认为AB与OZ相交，此时的子目标点应满足下列监测条件：

(7)

式中：(Xi,Yi)、(Xj,Yj)为OZ连线两侧特征点。

综合上述计算，实现基于障碍物特点的模型避障算法[12]。

1.3 设计河道周边污染物远程监测追踪定位流程

根据无人机的监测数据，进行追踪定位预处理。河道污染源追踪定位过程中，受移动水的影响，污染物会随之活动，不断变化位置[13]。因此，将河道地图轮廓进行等间距栅格化处理，将每一监测水域设置范围划分编号，以二维数组的形式，标记这些栅格是否可用。然后测出处理污染物指标监测值，该值受监测设备、水温波动的影响，会存在一些误差，因此在导出监测结果之前，处理这些存在误差的数据。下列公式为剔除监测数据异常值时的基本计算过程：

(8)

式中：qn,i为第n个监测节点处、第i次监测下的数值；m为监测次数；εn为异常值剔除原则[14]。

按照上述远程监测追踪定位流程，对河道周边污染物进行远程监测，至此在无人机帮助下，实现对河道周边污染的远程监测优化[15]。

图1 数据远程监测追踪定位流程

2 实验与分析

2.1 器材选择与试飞测试

以贵州省思南县(新城区)乌江重点河段河道治理工程为此次实验测试对象，利用不同的监测方法，定位河道周边污染物扩散位置。实验将文中提出的监测方法作为实验组，将传统监测方法1和传统监测方法2作为对照组，根据不同测试组的监测方法，选择各个小组所需的监测设备，其中实验组的主要监测设备见图2。

组装该无人机，并将其与计算机之间建立连接，并测试该无人机是否稳定、安全，以满足长时间的实验测试要求。因此在保证无人机电量充足的前提下，进行为时40 min的试飞操作，图3为试飞过程中该无人机的任务执行情况。

图2 实验组监测设备

图3 无人机试飞

测试无人机飞行与监测画面效果后，利用3个测试组，对选定的河道水污染区域进行监测，根据监测结果分析不同监测方法之间存在的差异。

2.2 设定无人机监测线路

正式开始对比测试之前，设定文中提出监测方法应用下无人机的监测线路，见图4。

图4 不同采样点下无人机路径规划效果图

根据图4中测试结果，统计3次设置的采样点下，实验组远程监测的所用时间和监测成功率，见表1。

表1 不同采样点实验测试结果

根据测试结果可知，当采样点增多时，成功率会随之下降，计算时间则有所提升。因此，为了保证无人机监测线路更加合理，实验组设置的采样点不宜过大，相较于最短路径搜索，该方法更加注重路径长度满足监测要求，而不是过度追求监测线路长度。因此，实验组将采样点控制在500个。

2.3 污染指数监测

分别按照各自的方法搭建监测环境，然后开始监测河道周边区域内的污染情况，结果见图5。

图5 水体污染指标监测效果

根据图5中的对比测试结果可知，在测试时间条件相同的前提下，文中监测方法在无人机应用下，对河道中污染物浓度监测结果，与实际数据之间没有过大差异。而两个传统监测方法的所得结果，同样与实际数据之间没有过大差别。可见3个测试组的河道周边污染物指标监测结果可以信赖。

2.4 污染物分布监测

以当前的河道污染状态为前提，利用3个测试组监测河道周边水体表面的污染物分布情况，结果见图6。

图6 河道周边水体表面污染物分布状态监测

图6中，正数值和负数值表示不同河道方向。根据上述测试结果可以看出，在同样的测试背景条件下，文中方法的监测范围，完全覆盖了河道周边污染位置。而两个传统方法的监测范围，只局限在一个固定的区间内，当水体表面污染物分离时，没有追踪分离部分的污染物位置。综合上述测试结果可知，此次基于无人机的远程监测方法，具有更好的监测效果。

3 结 语

此次研究将传统远程监测方法作为参照，利用无人机替换传统监测方法中的硬件设施，依靠无人机多变动的特征，实现对河道周边污染的全方位监测。根据实验测试结果可知，此次研究的远程监测方法取得了不错的研究成果，但由于时间与个人精力限制，该方法还存在两点不足之处：第一该方法的计算过程较为复杂，稍有不慎就会使无人机偏离监测线路，影响最终监测结果；第二设置的实验周期较长，若遇见恶劣天气则无法启动无人机，会造成实验测试的不连续性。因此在今后的研究工作中，可以设置一个更加精简的算法模型，控制无人机监测线路，同时可以利用仿真实验，防止恶劣天气影响实验测试结果。