受限条件下5G信号质量对多无人机电力巡检路径规划的影响研究

来源:互联网周刊
关键字:信号衰减,路径规划,无人机
发布时间:2025-01-12 19:10

　　文/牛磊1）宗欣妍2） 1）国网河南省驻马店供电公司 2）国网河南省西平县供电公司

　　摘要：本文针对5G通信环境下无人机路径规划优化问题进行了研究。考虑到5G信号的宽带特性和通信衰减模型的影响，提出了一种结合信号衰减和无人机续航能力的路径规划方法。在仿真分析中，首先建立了5G信号的衰减模型，并利用该模型对飞行路径进行优化，同时引入适应度函数对路径规划的质量进行评估。结果表明，通过5G信号环境下的优化策略，无人机能够有效应对信号衰减的挑战，实现最优路径规划，提升任务完成效率。期望该研究能够为无人机在5G网络环境下的应用提供理论支持，为未来的通信技术和无人机协同作业提供实践参考。

　　关键词：5G通信；信号衰减；路径规划；无人机

　　引言

　　随着5G通信技术的不断发展，低延迟和高带宽的优势使其在无人机领域的应用成为可能。特别是在电力巡检、监控等任务中，无人机不仅需要处理复杂的飞行路径规划问题，还要面临通信信号覆盖和稳定性的挑战[1]。传统的无人机路径规划多依赖于固定的通信环境，而在5G网络环境下，信号的衰减效应和带宽的影响对路径规划有着重要的制约作用[2]。本研究通过仿真分析，深入探讨了5G通信对无人机路径规划的影响，并提出针对性的优化方法，为未来无人机在5G网络环境下的应用提供了理论指导[3]。

　　1. 电力巡检场景下5G信号质量分布建模

　　随着5G技术的广泛应用，在电力巡检中对信号质量的要求更为严格，因此，本文深入探讨了5G信号的带宽、信号传播损耗、网络覆盖性能等方面[4]。具体来说，本文研究了在城区宏站（urban macro，UMa）场景下的5G信号传播模型，考虑了视距传播（LOS）与非视距传播（NLOS）的结合，并分析了带宽和模型宽度如何影响信号的覆盖与路径损耗。5G信号的传播模型主要通过以下公式进行描述，即

　　式中，LdB为路径损耗（单位：dB），d是信号传播的距离（单位：米），n是路径损耗指数，A是常数项，代表其他环境因素的影响。在5G信号的传播中，信号质量不仅受到传播距离的影响，还与网络带宽的要求密切相关，带宽越大，信号的衰减越明显。

　　式中，BW为信号的带宽，C为信号的容量，SNR为信噪比。该公式表明，在同样的信噪比条件下，带宽越大，信号的容量也越大，意味可以传输更多的数据。然而，带宽的增加也可能导致更高的路径损耗，因此，在5G网络部署中需要平衡带宽和信号强度，以确保稳定的通信质量。通过分析不同带宽需求对信号质量的影响，可以更精确地预测电力巡检场景下的信号覆盖情况，并根据实际需求进行优化调整。例如，在变电站区域内，由于信号传播可能受到建筑物、设备等遮挡，非视距传播会显著增加[5]。

　　2. 信号约束下的多无人机电力巡检路径规划

　　针对多无人机电力巡检路径规划问题，本文提出了一种基于遗传算法的路径优化方法，结合5G信号质量和飞行路径约束条件，如图1所示。

　　在电力巡检的实际应用中，无人机的航迹规划不仅需要考虑飞行距离，还须充分考虑信号质量、带宽需求和网络覆盖等因素，尤其在使用5G网络进行实时数据传输时，信号的稳定性和带宽的要求对路径选择有重要影响。遗传算法是一种基于自然选择和遗传机制的优化算法。在考虑信号约束的情况下，适应度函数可以表示为

　　式中，PathLength是无人机飞行的总距离，PathLoss是信号衰减，反映了信号的衰减程度，a和β是权重系数，用于调节飞行距离和信号质量对路径选择的影响。为计算信号损耗，考虑到5G信号的视距传播（LOS）与非视距传播（NLOS）特点，路径损耗公式可以改为

　　式中，n是路径损耗指数，通常取值范围为2到4，d是变电站设备之间的距离，在5G网络中，路径损耗与带宽需求密切相关，因此，在不同的传输条件下，信号质量的衰减程度有所不同。此外，考虑到最大路径损耗值对信号质量的影响，可以通过以下公式估算信号质量。其中，PLmax是最大允许路径损耗，用于归一化信号质量。该公式能够综合评估视距传播和非视距传播下的信号质量，为多无人机路径规划提供了有效的信号质量依据[6]。具体的飞行路程约束计算公式为

　　式中，Vmax是无人机的最大飞行速度，Tflight是飞行时间，Speed是巡检过程中无人机的实际飞行速度。通过此公式，可以确保每架无人机在飞行过程中不会超过最大续航时间，避免因路径过长而导致任务无法完成[7]。最终，综合的适应度函数可以表示为

　　式中，γ是续航时间的权重系数，确保路径规划不仅满足信号质量要求，还能在时间限制内完成巡检任务。这种方法能够有效地解决在复杂电力巡检环境下，如何在保证信号质量的前提下优化无人机航迹的问题。Endurance 表示无人机的续航能力，通常由电池容量和飞行功率共同决定。它在路径规划中反映了无人机能够持续飞行的时间长短，是优化航迹时需要综合考虑的重要参数之一。

　　3. 仿真分析

　　本文研究主要聚焦在条件受限时5G通信环境下无人机的路径规划问题，特别是在通信带宽、信号衰减、续航能力的影响下，如何优化无人机的飞行路径。与传统的飞行路径规划问题不同，5G网络的信号质量和带宽限制对路径规划有着直接影响，因此，需要引入5G信号衰减模型来综合评估无人机在不同信号环境下的飞行效果。

　　3.1 信号衰减模型与路径规划

　　在5G通信环境中，信号衰减是影响通信质量的主要因素。信号衰减（PathLoss）可以通过以下公式计算，即

　　式中，PathLoss（d）表示在距离处的信号衰减值，PathLoss（d0）为参考距离d0处的信号衰减值，n为环境因子（通常取值为2到5之间），而d为飞行距离。通过这个模型，能够模拟无人机飞行过程中，信号随距离增加而衰减的情况。为保证无人机能够在5G通信网络下顺利执行任务，需要考虑路径规划时的信号衰减和飞行高度的影响。假设无人机的飞行高度与变电站的设备高度相同，那么其通信质量也会受到飞行路径中信号衰减的影响。为对信号衰减进行评估，还需要考虑飞行路径的优化，使无人机在路径规划中选择信号质量较好的路线，从而提高任务执行的效率[8]。

　　3.2 适应度函数

　　为综合考虑信号质量和无人机的续航能力，本研究提出了一个综合适应度函数（fitness function），该函数结合了信号衰减和续航时间（endurance）两方面的因素。适应度函数可以表示为

　　式中，W1和W2分别是信号衰减和续航时间的权重系数，PathLossmax为最大允许的信号衰减，Endurancemax为无人机最大续航时间。信号衰减部分通过计算路径上的每个点的衰减值，结合实际通信需求来进行优化。续航时间部分则考虑了无人机的最大飞行时间，确保路径规划不会超过其续航能力。此外，适应度函数中还考虑了其他因素，如飞行速度（Vsalesmen）、角速度（（Wsalesmen）、加速度（（Asalesmen）等，这些因素会影响无人机的飞行时间和路径选择[9]。

　　3.3 模型参数设定

　　在进行仿真分析时，需要根据实际的飞行环境和任务需求设定一系列系统参数，这些参数对路径规划的优化至关重要。本次仿真所使用的关键系统参数如表1所示。

　　3.4 仿真结果分析

　　通过设定以上参数，仿真结果可以帮助评估在不同信号条件下无人机飞行路径的合理性。特别是在5G网络环境中，通信带宽和信号衰减对路径规划的影响尤为重要。根据实验结果，信号衰减较大的区域会导致无人机飞行速度和续航时间的下降，从而影响整体任务的完成效率。最终，适应度函数的优化过程不仅保证了路径的最优性，同时也确保了任务能够在规定的时间和电量限制内完成[10]。

　　4. 结果

　　通过5G信号衰减模型计算，发现信号衰减在远距离和高楼层环境中显著增加，影响无人机的飞行效率和通信稳定性。实验中，使用Pathloss模型估算信号衰减，在信号衰减较大的区域优化飞行路径。适应度函数结合了信号衰减和无人机续航能力，通过优化权重系数找到最优路径。仿真结果表明，优化后的路径有效减少了信号衰减的影响，确保任务顺利完成。在信号较差区域，适应度函数增加续航能力权重；在信号良好区域，选择较短路径提高效率。优化后的路径规划不仅提高了飞行效率，还确保了信号质量和任务完成率，尤其在5G网络环境下，考虑信号衰减使路径规划更加精准。

　　5. 案例分析

　　国网河南省驻马店供电公司采用5G技术优化无人机巡检路径。在该案例中，通过对不同区域信号衰减情况的分析，得出了如下信号强度与飞行路径的优化数据。优化路径涉及信号衰减模型和遗传算法的结合，具体应用过程如下：在前文所述公示为遗传算法优化提供基础数据的前提下，通过自由空间传播模型（FSPL）计算每个区域的信号衰减，并根据衰减程度调整路径。例如，区域D的信号衰减较大（9dB），通过路径调整，使飞行时间减少28%。模型公式为

　　L(d)=20log10(d)+20log10(f)+20log10(4π/c)

　　式中，L(d)表示信号衰减，单位为dB。d表示信号传播距离，单位为米，f表示信号频率，单位为Hz，c表示光速，值为3×108m/s。在该案例中，重点在于单一区域内的信号衰减具体计算及路径调整策略。使用自由空间传播模型（FSPL）的公式。主要为了针对不同飞行距离d、信号频率f和光速c下，准确评估信号衰减值L（d），从而直接指导路径优化的局部调整。

　　遗传算法通过模拟自然选择优化飞行路径，减少不必要的飞行。通过信号衰减计算和遗传算法优化路径，任务效率提高。优化前后的数据对比如表2所示，数据表明，特别是在信号损失较大的区域（如区域D），优化后的路径减少了23%的巡检时间。

　　信号衰减模型和遗传算法的结合使得巡检任务的效率显著提升，优化后的路径有效减少了飞行时间，并确保信号稳定，展示了算法的实际应用效果。

　　结语

　　本文研究通过结合5G通信技术，探索了在5G信号环境下的无人机路径规划优化问题。通过建立信号衰减模型，并引入适应度函数对飞行路径进行优化，研究表明，5G网络的高带宽、低延迟特性为无人机提供了更加稳定的通信保障。在信号衰减的影响下，无人机的飞行效率和续航能力得到了有效的平衡。通过仿真分析，证明了优化后的路径规划能够在5G通信带宽下显著提高任务完成效率与稳定性。本文研究为未来无人机在复杂通信环境下的应用提供了重要参考，也为5G通信技术在无人机领域的实际应用奠定了基础。

　　参考文献：

　　[1]陈鑫,王路平,陈冕,等.基于BEVFusion算法的电力巡检无人机研究[J].机械设计,2024,41(S2):30-34.

　　[2]杨继阳,欧阳权,丛玉华,等.基于Transformer改进强化学习的无人机电力巡检规划[J].机械与电子,2024,42(10):54-60,68.

　　[3]欧宇航,胡明辉.无人机电力巡检通信最佳协作中继选择方法研究[J].自动化仪表,2024,45(10):70-74,79.

　　[4]唐阳.基于深度强化学习的电力系统多无人机巡检路径规划[J].电脑编程技巧与维护,2024(10):134-136,159.

　　[5]张保平,田启泉,彭勇.基于改进YOLOv4的无人机电力巡检障碍物目标检测研究[J].现代传输,2024(4):56-59.

　　[6]陈博帆,潘可达,陈静川,等.面向电力巡检场景的多无人机任务分配与路径规划方法[J/OL].南方电网技术,1-9[2024-11-20].http://kns.cnki.net/kcms/detail/44.1643.TK.20240801.0934.002.html.

　　[7]杨芳,郑维龙.基于无人机遥感技术的电力巡检方案研究[J].晋城职业技术学院学报,2024,17(4):85-88.

　　[8]尹为松,杨彬彬,范海波,等.无人机路径规划在电力巡检中的应用研究[J].产业科技创新,2024,6(3):118-121.

　　[9]王鹏飞.5G无人机自动巡线技术在电力输电线路巡检的实现策略[J].中国高新科技,2023(10):69-70.

　　[10]王欣然.电力系统无人机全自动精细化巡检方案[J].数字传媒研究,2022,39(5):27-29.

　　作者简介：牛磊，硕士研究生，工程师，821659904@qq.com，研究方向：变电运维；宗欣妍，本科，助理工程师，研究方向：电气试验。