1. 一种适用电力巡检的无人机航拍影像库建立、分类方法，其特征在于，包括如下步 骤， 步骤S1、建立影像库，并将影像库分为视频数据库、图片数据库和残次图像库三个子 库； 步骤S2、根据无人机巡检航拍采集的影像类别分类为视频数据和图片数据，并按各自 的命名规则进行文件命名； 步骤S3、视频文件及其航拍飞行数据存入视频数据库； 步骤S4、图片数据进行图片质量评估，按合格图片和不合格图片进行分类； 步骤S5、不合格图片存入残次图像库； 步骤S6、在合格图片上对存在的电力部件的类型、故障状态和位置进行标注，整合图片 中所有标注，生成标签文件，一张图片对应一份标签文件； 步骤S7、合格图片与标签文件存入图片数据库，得到无人机电力巡检航拍影像库。

2. 根据权利要求1所述的适用电力巡检的无人机航拍影像库建立、分类方法，其特征在 于，步骤S2中，命名规则为： 视频文件:所属地市公司编号+电压等级+线路名称+杆号范围-拍摄日期-三位文件编 号； 图片文件:所属地市公司编号+电压等级+线路名称+杆塔号-拍摄日期-三位文件编号。

3. 根据权利要求1所述的适用电力巡检的无人机航拍影像库建立、分类方法，其特征在 于，步骤S6中，标注的方法为使用外接矩形框对目标电力部件整体进行标注。

4. 一种基于权利要求1-3任一所述适用电力巡检的无人机航拍影像库建立、分类方法 的检索方法，其特征在于，根据用户输入关键字进行检索;检索内容为视频或图片文件名、 图片标注内容;影像库输出与检索关键字匹配的视频文件或图片文件，及其附属信息文件。

本发明涉及一种蜂群无人机平均故障间隔时间的确定方法及系统。所述方法，包括：确定蜂群无人机的控制参数集合中各控制参数服从的数学分布；根据各所述数学分布将所述控制参数集合划分为多个参数因素组；根据多个所述参数因素组进行析因实验，确定各所述参数因素组中所有控制参数的边际效应值；根据所述参数因素组中所有控制参数的边际效应值和对应参数因素组的数学分布计算对应参数因素组的平均故障间隔时间。本发明通过析因实验对蜂群无人机的参数进行敏感性分析，使用有限的试验次数来对实验涉及的所有响应因素进行分析，得到所有因素对实验目标的影响水平，从因素的显著性角度，精确地确定蜂群无人机的平均故障间隔时间取值。

本发明涉及蜂群无人机技术领域，特别是涉及一种蜂群无人机平均故障间隔时间的确定方法及系统。

对于无人机蜂群的方案设计和无人机蜂群的任务成功率，难以通过无人机实体进行多次验证，但是通过计算机仿真计算的方式，可以对无人机蜂群的控制参数值进行修改，对不同的参数组合进行多次计算，得到不同设计方案下的无人机蜂群的任务成功率。

蜂群无人机的平均故障间隔时间(MTBF)水平是无人机蜂群方案设计中最主要的可控参数，通过对蜂群无人机的参数进行敏感性分析，分析各个参数在不同取值上的敏感性，并通过敏感性分析找出蜂群无人机的MTBF的边际效应水平，可以用于指导蜂群无人机的设计。

对于现有的采用正交试验设计、均匀设计和D-最优设计等实验设计的分析方法针对无人机蜂群进行的研究，只能以较少的试验组合下找出最佳的实验目标方案，无法对蜂群涉及参数的敏感性进行分析。

本发明的目的是提供一种蜂群无人机平均故障间隔时间的确定方法及系统，本发明通过析因实验对蜂群无人机的参数进行敏感性分析，使用有限的试验次数来对实验涉及的所有响应因素进行分析，得到所有因素对实验目标的影响水平，从因素的显著性角度，精确地确定蜂群无人机的平均故障间隔时间取值，以更准确地指导蜂群无人机的设计。

为实现上述目的，本发明提供了如下方案：

一种蜂群无人机平均故障间隔时间的确定方法，包括：

确定蜂群无人机的控制参数集合中各控制参数服从的数学分布；所述控制参数集合包括起飞失败的数量、遭受攻击时服从半钟型正态分布的标准差、机体层失效的参数、通讯层失效的参数、任务层失效的参数、攻击成功率、攻击能力、火力毁伤能力、搜寻打击能力和任务时间；

根据各所述数学分布将所述控制参数集合划分为多个参数因素组；所述参数因素组内的所有控制参数服从的数学分布相同；

根据多个所述参数因素组进行析因实验，确定各所述参数因素组中所有控制参数的边际效应值；所述边际效应值为所述参数因素组的显著性水平均达到设定显著性水平时各控制参数的取值；所述显著性水平为各控制参数对任务成功率的影响程度；

根据所述参数因素组中所有控制参数的边际效应值和对应参数因素组的数学分布计算对应参数因素组的平均故障间隔时间。

可选的，所述根据所述参数因素组中所有控制参数的边际效应值和对应参数因素组的数学分布计算对应参数因素组的平均故障间隔时间，具体为：

若所述参数因素组服从指数分布，则确定所述参数因素组中的控制参数的边际效应值为平均故障间隔时间。

可选的，所述根据所述参数因素组中所有控制参数的边际效应值和对应参数因素组的数学分布计算对应参数因素组的平均故障间隔时间，具体为：

若所述参数因素组服从威布尔分布，则根据公式计算平均故障间隔时间，其中，MTBF为平均故障间隔时间，k为形状参数，λ为尺度参数，为伽马函数。

可选的，所述根据多个所述参数因素组进行析因实验，确定各所述参数因素组中所有控制参数的边际效应值具体为：

设定所有参数因素组中各控制参数的水平值集合，所述水平值集合包括高水平值和低水平值；

确定多个不同的测试水平集合，各所述测试水平集合均为在所有的控制参数的水平值集合内选取一个水平值组成的集合；

对各所述测试水平集合分别进行析因实验得到各测试水平集合对应的任务成功率；

根据所有的任务成功率得到各所述参数因素组的显著性水平图；

根据所述显著性水平图，调整各所述参数因素组中所有控制参数的取值，直到各所述参数因素组的显著性水平均达到设定显著性水平，确定所述参数因素组中各调整后的控制参数的取值为对应参数因素组中各控制参数的边际效应值。

一种蜂群无人机平均故障间隔时间的确定系统，包括：

数学分布确定模块，用于确定蜂群无人机的控制参数集合中各控制参数服从的数学分布；所述控制参数集合包括起飞失败的数量、遭受攻击时服从半钟型正态分布的标准差、机体层失效的参数、通讯层失效的参数、任务层失效的参数、攻击成功率、攻击能力、火力毁伤能力、搜寻打击能力和任务时间；

参数因素组确定模块，用于根据各所述数学分布将所述控制参数集合划分为多个参数因素组；所述参数因素组内的所有控制参数服从的数学分布相同；

边际效应值确定模块，用于根据多个所述参数因素组进行析因实验，确定各所述参数因素组中所有控制参数的边际效应值；所述边际效应值为所述参数因素组的显著性水平均达到设定显著性水平时各控制参数的取值；所述显著性水平为各控制参数对任务成功率的影响程度；

平均故障间隔时间确定模块，用于根据所述参数因素组中所有控制参数的边际效应值和对应参数因素组的数学分布计算对应参数因素组的平均故障间隔时间。

可选的，所述平均故障间隔时间确定模块包括：

第一时间确定单元，用于若所述参数因素组服从指数分布，则确定所述参数因素组中的控制参数的边际效应值为平均故障间隔时间。

可选的，所述平均故障间隔时间确定模块包括：

第二时间确定单元，用于若所述参数因素组服从威布尔分布，则根据公式计算平均故障间隔时间，其中，MTBF为平均故障间隔时间，k为形状参数，λ为尺度参数，为伽马函数。

可选的，所述边际效应值确定模块包括：

水平值设定单元，用于设定所有参数因素组中各控制参数的水平值集合，所述水平值集合包括高水平值和低水平值；

测试水平集合确定单元，用于确定多个不同的测试水平集合，各所述测试水平集合均为在所有的控制参数的水平值集合内选取一个水平值组成的集合；

任务成功率确定单元，用于对各所述测试水平集合分别进行析因实验得到各测试水平集合对应的任务成功率；

显著性水平图确定单元，用于根据所有的任务成功率得到各所述参数因素组的显著性水平图；

边际效应值确定单元，用于根据所述显著性水平图，调整各所述参数因素组中所有控制参数的取值，直到各所述参数因素组的显著性水平均达到设定显著性水平，确定所述参数因素组中各调整后的控制参数的取值为对应参数因素组中各控制参数的边际效应值。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明通过析因实验对蜂群无人机的参数进行敏感性分析，通过将不同的实验参数进行组合，在每一次完全析因实验中，因子水平的所有可能的组合都被研究到，从而分析所有因子对目标变量的效应，可以使用有限的试验次数来分析实验涉及的响应因素对实验目标的影响水平，从因素的显著性角度，精确地确定蜂群无人机的平均故障间隔时间取值，以更准确地指导蜂群无人机的设计。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的蜂群无人机平均故障间隔时间的确定方法的流程图；

图2为本发明实施例蜂群无人机平均故障间隔时间的确定系统的结构框图；

图3为本发明实施例提供的蜂群无人机平均故障间隔时间的确定方法在实际应用中的流程图。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本实施例提供了一种蜂群无人机平均故障间隔时间的确定方法，如图1所示，所述方法包括：

101：确定蜂群无人机的控制参数集合中各控制参数服从的数学分布。所述控制参数集合包括起飞失败的数量、遭受攻击时服从半钟型正态分布的标准差、机体层失效的参数、通讯层失效的参数、任务层失效的参数、攻击成功率、攻击能力、火力毁伤能力、搜寻打击能力和任务时间；所述数学分布可以为指数分布或威布尔分布。

102：根据各所述数学分布将所述控制参数集合划分为多个参数因素组。所述参数因素组内的所有控制参数服从的数学分布相同。

103：根据多个所述参数因素组进行析因实验，确定各所述参数因素组中所有控制参数的边际效应值。所述边际效应值为所述参数因素组的显著性水平均达到设定显著性水平时各控制参数的取值；所述显著性水平为各控制参数对任务成功率的影响程度。

104：根据所述参数因素组中所有控制参数的边际效应值和对应参数因素组的数学分布计算对应参数因素组的平均故障间隔时间。

在实际应用中若所述参数因素组服从指数分布，104具体为确定所述参数因素组中的控制参数的边际效应值为平均故障间隔时间。

若某失效模式服从指数分布，则密度函数形式：0≤t＜∞,0＜θ＜∞，其中：1/θ代表失效率，θ为指数分布的平均寿命，t为时间。

MTBF即平均故障间隔时间,也就是平均寿命，即θ。

在实际应用中若所述参数因素组服从威布尔分布，104具体为根据公式计算平均故障间隔时间，其中，MTBF为平均故障间隔时间，k为形状参数，λ为尺度参数，为伽马函数。

若某失效模式服从威布尔分布，则密度函数形式：0≤t＜∞,0＜k＜∞,0＜λ＜∞，其中：k为形状参数，λ为尺度参数。

MTBF即平均故障间隔时间，也就是平均寿命，即

在实际应用在103具体为：

设定所有参数因素组中各控制参数的水平值集合，所述水平值集合包括高水平值和低水平值。

确定多个不同的测试水平集合，各所述测试水平集合均为在所有的控制参数的水平值集合内选取一个水平值组成的集合。

对各所述测试水平集合分别进行析因实验得到各测试水平集合对应的任务成功率。

根据所有的任务成功率得到各所述参数因素组的显著性水平图。

根据所述显著性水平图，调整各所述参数因素组中所有控制参数的取值，直到各所述参数因素组的显著性水平均达到设定显著性水平，确定所述参数因素组中各调整后的控制参数的取值为对应参数因素组中各控制参数的边际效应值。

如图2所示，本实施例提供了一种与上述方法对应的蜂群无人机平均故障间隔时间的确定系统，所述系统包括：

数学分布确定模块A1，用于确定蜂群无人机的控制参数集合中各控制参数服从的数学分布；所述控制参数集合包括起飞失败的数量、遭受攻击时服从半钟型正态分布的标准差、机体层失效的参数、通讯层失效的参数、任务层失效的参数、攻击成功率、攻击能力、火力毁伤能力、搜寻打击能力和任务时间；所述数学分布可以为指数分布或威布尔分布。

参数因素组确定模块A2，用于根据各所述数学分布将所述控制参数集合划分为多个参数因素组；所述参数因素组内的所有控制参数服从的数学分布相同。

边际效应值确定模块A3，用于根据多个所述参数因素组进行析因实验，确定各所述参数因素组中所有控制参数的边际效应值；所述边际效应值为所述参数因素组的显著性水平均达到设定显著性水平时各控制参数的取值；所述显著性水平为各控制参数对任务成功率的影响程度。

平均故障间隔时间确定模块A4，用于根据所述参数因素组中所有控制参数的边际效应值和对应参数因素组的数学分布计算对应参数因素组的平均故障间隔时间。

作为一种可选的实施方式，所述平均故障间隔时间确定模块包括：

第一时间确定单元，用于若所述参数因素组服从指数分布，则确定所述参数因素组中的控制参数的边际效应值为平均故障间隔时间。

作为一种可选的实施方式，所述平均故障间隔时间确定模块包括：

第二时间确定单元，用于若所述参数因素组服从威布尔分布，则根据公式计算平均故障间隔时间，其中，MTBF为平均故障间隔时间，k为形状参数，λ为尺度参数，为伽马函数。

作为一种可选的实施方式，所述边际效应值确定模块包括：

水平值设定单元，用于设定所有参数因素组中各控制参数的水平值集合，所述水平值集合包括高水平值和低水平值。

测试水平集合确定单元，用于确定多个不同的测试水平集合，各所述测试水平集合均为在所有的控制参数的水平值集合内选取一个水平值组成的集合。

任务成功率确定单元，用于对各所述测试水平集合分别进行析因实验得到各测试水平集合对应的任务成功率。

显著性水平图确定单元，用于根据所有的任务成功率得到各所述参数因素组的显著性水平图。

边际效应值确定单元，用于根据所述显著性水平图，调整各所述参数因素组中所有控制参数的取值，直到各所述参数因素组的显著性水平均达到设定显著性水平，确定所述参数因素组中各调整后的控制参数的取值为对应参数因素组中各控制参数的边际效应值。

本实施例提供了所述方法在实际应用中的具体过程，如图3所示：

根据试验目的、条件约束等，确定影响无人机蜂群命中目标概率的参数：

无人机蜂群的参数涉及一共16个参数：

(1蜂群无人机起飞失败的数量

2蜂群无人机遭受攻击时服从半钟型正态分布的标准差

3蜂群无人机机体层失效的参数(失效率)

4蜂群无人机通讯层失效的参数(威布尔分布的比例参数)

5蜂群无人机通讯层失效的参数(威布尔分布的形状参数)

6蜂群无人机任务层失效的参数μ1(机型1)

7蜂群无人机任务层失效的参数μ2(机型2)

8蜂群无人机任务层失效的参数μ3(机型3)

9蜂群无人机任务层失效的参数λ

10蜂群无人机通讯链路存在时的攻击成功率P1

11蜂群无人机通讯链路不存在时的攻击成功率P2

12蜂群无人机攻击静态目标的攻击能力P3

13蜂群无人机攻击动态目标的攻击能力P4

14蜂群无人机攻击目标的火力毁伤能力P5

15蜂群无人机的搜寻打击能力P6

(根据参数划分试验因素)

将所有参数归类，进行因素划分，可分为析因实验中的7个因素。该蜂群涉及的参数较多，有16个参数，不可能将16个控制参数全部单独作为因素来设计析因实验，如果是两水平，16因素的析因实验，这样会有2的16次方次的实验序数。而这些参数中大部分服从对应的分布，且通过对该无人机蜂群的分析可知，无人机的自身失效、或者遭受攻击的过程都是服从对应的数学分布，参数也是决定各个分布的MTBF水平的参数，所以将参数按分布来划分因素，然后进行析因试验的设计。前面已经列举了无人机蜂群的16个控制参数，其中，任务时间T为固定值，不在析因实验范围内，起飞失败服从泊松分布，遭受攻击服从半钟型正态分布，这两个参数为较独立的参数，且参数水平较为固定，无法随意更改。机体层、通讯层、任务层服从相应分布，属于任务过程中的自身失效，也是本专利重点研究的内容，服从的相应分布即对应蜂群无人机的MTBF水平。对涉及MTBF水平的参数进行归类，按照无人机蜂群的三层结构进行划分。攻击成功率为通过调研得到的参数值，将通讯链路存不存在涉及的两个参数划分为一组，对动静目标进行攻击的参数及火力毁伤能力、搜寻打击能力划为一组。共划分为7组参数，对应析因实验设计中的7个因素。

(设计析因实验表，确定各试验因素高低水平)

首先设定参数低水平为试验参数的80％，高水平为试验参数的120％进行试验。析因实验采用全因子设计，每组取一个中心点。即该实验要进行129组不同参数组合的仿真。在每一次析因实验设计完成后，各参数的取值为固定值，析因实验是考察各因素对目标变量影响程度的实验，通过将不同因素在不同水平上进行组合，对所有组合的试验结果进行分析参数敏感性。一般在设计实验时，水平数不超过3，在本实验中水平数为2，即高水平和低水平。通过实验仿真发现在参数高水平为原始参数值的110％，低水平为原始参数值的90％时，试验分析结果不准确，各参数效应系数差别不大。而参数高水平为原始参数值的130％，低水平为原始参数值的70％时，有较多试验参数的高水平取值会明显不符合实际情况。

(根据试验结果分析各因素显著性水平)：

析因实验的对象为无人机蜂群在执行某确定的任务后，通过多次仿真得到的任务成功率，任务成功率为目标变量。

各因素的参数值为经过广泛调研以及结合任务中的实际情况来确定。例如，经过广泛调研，蜂群无人机在起飞时，失败的概率约为10％，乘以该蜂群的无人机总数所得到的值即为起飞失败架数所服从泊松分布的均值。

无人机机体层、通讯层、任务层的MTBF参数为本专利重点研究的参数，通过多次析因实验分析无人机MTBF涉及的参数对目标变量即任务成功率的敏感性，当MTBF参数在对任务成功率的敏感性分析在边际效应附近时，取该MTBF水平作为蜂群无人机性能水平设计方案。

设定初始参数值，即无人机蜂群所涉及的16个控制参数及初始值，其中机体层失效、通讯层失效、任务层失效所涉及的参数服从相应的分布，且可以进行更改，将不同的实验参数进行组合，进行析因实验，将实验结果输入minitab软件得到分析结果图(标准化效应正态图或标准化效应Pareto图)，得到各因素的显著性水平。

(根据因素显著性水平调整参数取值，多次试验寻找各因素边际效应值)

可以根据分析结果图看出因素显著性水平排序，进行分析将效应不显著的因素的参数值进行调整来寻找边际效应。

根据调整后的参数值进行析因实验，将实验结果输入minitab软件得到分析结果图，可以根据分析结果图看出因素显著性水平排序，进行分析将效应不显著的因素的参数值进行调整，直到根据调整后的参数值进行析因实验后各因素的显著性水平达到设定显著性水平。

(根据各因素边际效应值，确定蜂群无人机的推荐MTBF取值)

根据调整后的参数值和其服从的数学分布确定各因素的MTBF取值。

本发明通过析因实验对蜂群无人机的参数进行敏感性分析，通过将不同的实验参数进行组合，在每一次完全析因实验中，因子水平的所有可能的组合都被研究到，从而分析所有因子对目标变量的效应，可以使用有限的试验次数来获得最优的实验目标响应结果水平，使得得到的平均故障间隔时间更加精确，后期指导蜂群无人机的设计时精确度更高。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。