CN108280267B - 一种手抛式不间断飞行无人机的参数优化方法 - Google Patents

Abstract

本发明公开了一种手抛式不间断飞行无人机的参数优化方法，以能量平衡为基础，通过无人机质质量和飞行过程需用的能量两条主线迭代，建立了无人机曲面太阳能板的质量m_sc模型无人机的蓄电池的质量m_bat模型、最大点功率跟踪器的质量m_mppt模型、与其它部件无关的类别的固定质量m_fixed预测模型、无人机的结构质量m_af模型、推进组件的质量m_prop模型和无人机的总质量模型m_total，提升了无人机概念设计模型的精度，几乎涵盖了太阳能无人机概念设计阶段的全部参数，更系统的获得无人机概念设计的最优解。

Description

一种手抛式不间断飞行无人机的参数优化方法

技术领域

发明涉及技术领域，尤其涉及一种手抛式不间断飞行无人机的参数优化方法。

背景技术

目前，近年来，小型无人机的应用范围越来越广泛，对于小型无人机的不间断飞行时间要求也越来越高，例如边境巡逻、军事侦察等应用均要求无人机具备数小时的滞空时间，而高空通讯中继和大气监测则要求无人机达到数天甚至数月的航时能力。就目前的技术而言，采用太阳能电池为小型无人机提供动力，是实现小型无人机不间断飞行的唯一手段。因此，人们迫切期待一种合理的优化小型无人机的参数的方法，探索小型无人机概念设计的最优解，使得小型无人机的参数设计更加合理。

发明内容

本发明的目的是提供手抛式不间断飞行无人机的参数优化方法，能够更有效、更准确、更实用、更系统的探索无人机概念设计的最优解。

本发明采用的技术方案为：

一种手抛式不间断飞行无人机的参数优化方法，包括以下步骤：

A:采集无人机的固定参数，设定无人机的可变参数：采集的无人机固定参数包括升力系数C_L，阻力系数C_D，ρ空气密度ρ；设定的无人机的可变参数包括机翼面积S，翼展b和平飞速度v，根据经验统计得到的预估无人机的总质量m；

B:建立无人机曲面太阳能板的质量m_sc模型：

B1：获取无人机平飞时的需用功率P_lev：在水平定常飞行状态，无人机受到的力包括机翼产生的升力F₁、重力G、螺旋桨的拉力T、飞机阻力F₂；

G＝mg (2)

根据机翼产生的升力F₁用于平衡重力G，即F₁＝G，由公式(1)和公式(2)得到公式(4)；

根据螺旋桨的拉力T与飞机阻力F₂相平衡，即T＝F₂，得到公式(5)

根据公式(6)计算无人机平飞时的需用功率P_lev：

P_lev＝Tv (6)

由公式(4)可得，

将v和T带入公式(6)中，得到公式(7)，根据得到无人机平飞时的需用功率P_lev：

定义展弦比AR，AR＝b²/S，因此，将无人机平飞时的需用功率P_lev写为与展弦比AR相关的公式(8)：

B2：获得无人机总的电能消耗功率P_elec,tot：

η_ctrl表征电机控制器效率；η_mot表征电动机效率；η_grb表征减速器效率；η_plr表征螺旋桨效率；η_bec表征电机调速器效率；P_av表征航电系统能耗；P_pld表征载荷能耗；

B3：获得无人机平飞时每天的能量总消耗E_elec,tot1：

T_day表征白天时长，即太阳光辐射持续时间；T_night表征黑夜时长；η_chrg表征蓄电池充电效率；η_dchrg表征蓄电池夜间放电效率；

B4：获得无人机每天每平米太阳能板获得的太阳能E_day,density：

I_max表征最大辐射值；T_day表征辐射持续时间；η_wthr表征天气阴晴，0≤η_wthr≤1，η_wthr＝1表示理想的晴朗天气，η_wthr＝0表示理想的黑天；

B5：求取无人机太阳能板每天获取的电能量E_elec,tot2：

η_cbr表征曲面太阳能板效率；A_sc表征无人机上曲面太阳能板面积；η_wthr表征天气阴晴；η_mppt表征最大功率点跟踪器的效率；η_sc表征太阳能电池效率；η_cbr表征曲面太阳能板效率；

B6：获取无人机上曲面太阳能板面积A_sc：

B7：建立无人机曲面太阳能板的质量m_sc模型：

m_sc＝A_sc(k_sc+k_enc) (14)

k_sc表征曲面太阳能板的面密度；k_enc表征曲面太阳能板封装的面密度

C:建立无人机的蓄电池的质量m_bat模型：

k_bat表征单位质量的能量密度；η_dchrg表征电池放电效率；P_elec,tot表征无人机总的电能消耗功率；T_night表征黑夜时长；

D:建立无人机的最大点功率跟踪器的质量m_mppt模型:具体包括以下步骤：

D1:获得最大点功率跟踪器的效率η_mppt；

η_mppt＝η_mpptdcdcη_mpptalgo (16)

η_mpptdcdc表征最大点功率跟踪器直流DC/DC之间的转换效率；η_mpptalgo表征最大点功率跟踪器跟踪逻辑效率

D2:获得最大点功率跟踪器的最大功率需求P_solmax；

P_solmax＝I_maxη_scη_cbrη_mpptA_sc (17)

表征I_max最大辐射值；表征η_sc太阳能电池效率；η_cbr表征曲面太阳能板效率；A_sc表征曲面太阳能板面积；η_mppt表征最大点功率跟踪器的效率；

D3:获取最大点功率跟踪器的质量m_mppt；

m_mppt＝k_mpptP_solmax (18)

k_mppt表征最大点功率跟踪器的质功比；

E:建立无人机中与其它部件无关的类别的固定质量m_fixed预测模型：

m_fixed＝m_av+m_pld (19)

m_av表征飞行控制器质量；m_pld表征任务载荷质量；

F:建立无人机的结构质量m_af模型：

F1:建立结构质量m_af的一个经验模型公式(20)：

F2:选取n个滑翔机，获取每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量m_iaf的经验模型公式：

根据k_iaf，以最小均方差的形式建立公式(20)中的k_af；

根据x_i1，以最小均方差的形式建立公式(20)中的x₁；

根据x_i2，以最小均方差的形式建立公式(20)中的x₂；

最小均方差的公式为：

,W_i表征k_iaf、x_i1、或x_i2，

表征n个W_i的平均值；

F3:从n个无人机的数据中，筛选出q个比经验模型公式(20)中预测的结构质量m_af更轻的滑翔机，获取所述的q个滑翔机的相关数据，所述的相关数据包括每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量m_iaf的经验模型公式；利用筛选出的q个滑翔机的相关数据，以最小均方差的形式进行迭代，建立公式(20)中新的k_af、x₁和x₂；

G:建立无人机的推进组件的质量m_prop模型：

m_prop＝k_propP_lev (21)

k_prop表征推进组件的质功比；P_lev表征无人机平飞时的需用功率；

H:建立无人机的总质量模型m_total：

m_total＝m_sc+m_bat+m_fixed+m_mppt+m_af+m_prop (22)

I:使得步骤A中预估无人机的总质量m等于步骤H中无人机的总质量模型m_total，即m＝m_total重复步骤A、B、C、D、E、F、G、H，再一次建立无人机的总质量模型m_total，直至预估无人机的总质量m与无人机的总质量模型m_total之间的误差小于允许值。

所述的手抛式不间断飞行无人机的参数优化方法的步骤F中，多次重复步骤F3，进一步提升无人机的结构质量m_af模型的精确度。

本发明以能量平衡为基础，通过无人机质质量和飞行过程需用的能量两条主线迭代，提升了无人机概念设计模型的精度，几乎涵盖了太阳能无人机概念设计阶段的全部参数，更有效、更准确、更实用、更系统的获得无人机概念设计的最优解，推动了以太阳能为能源的不间断飞行手抛式无人机的技术发展，满足边境巡逻、军事侦察、高空通讯和大气监测等对无人机综合要求高的平台的需求。

附图说明

图1为发明的流程图；

具体实施方式

如图1所示，本发明包括以下步骤：

A:采集无人机的固定参数，设定无人机的可变参数：采集的无人机固定参数包括升力系数C_L，阻力系数C_D，ρ空气密度ρ；设定的无人机的可变参数包括机翼面积S，翼展b和平飞速度v，根据经验统计得到的预估无人机的总质量m；

B:建立无人机曲面太阳能板的质量m_sc模型：

B1：获取无人机平飞时的需用功率P_lev：在水平定常飞行状态，无人机受到的力包括机翼产生的升力F₁、重力G、螺旋桨的拉力T、飞机阻力F₂；

G＝mg (2)

根据机翼产生的升力F₁用于平衡重力G，即F₁＝G，由公式(1)和公式(2)得到公式(4)；

根据螺旋桨的拉力T与飞机阻力F₂相平衡，即T＝F₂，得到公式(5)

根据公式(6)计算无人机平飞时的需用功率P_lev：

P_lev＝Tv (6)

由公式(4)可得，

将v和T带入公式(6)中，得到公式(7)，根据得到无人机平飞时的需用功率P_lev：

定义展弦比AR，AR＝b²/S，因此，将无人机平飞时的需用功率P_lev写为与展弦比AR相关的公式(8)：

B2：获得无人机总的电能消耗功率P_elec,tot：

η_ctrl表征电机控制器效率；η_mot表征电动机效率；η_grb表征减速器效率；η_plr表征螺旋桨效率；η_bec表征电机调速器效率；P_av表征航电系统能耗；P_pld表征载荷能耗；

B3：获得无人机平飞时每天的能量总消耗E_elec,tot1：

T_day表征白天时长，即太阳光辐射持续时间；T_night表征黑夜时长；η_chrg表征蓄电池充电效率；η_dchrg表征蓄电池夜间放电效率；

B4：获得无人机每天每平米太阳能板获得的太阳能E_day,density：

I_max表征最大辐射值；T_day表征辐射持续时间；η_wthr表征天气阴晴，0≤η_wthr≤1，η_wthr＝1表示理想的晴朗天气，η_wthr＝0表示理想的黑天；

B5：求取无人机太阳能板每天获取的电能量E_elec,tot2：

η_cbr表征曲面太阳能板效率；A_sc表征无人机上曲面太阳能板面积；η_wthr表征天气阴晴；η_mppt表征最大功率点跟踪器的效率；η_sc表征太阳能电池效率；η_cbr表征曲面太阳能板效率；

B6：获取无人机上曲面太阳能板面积A_sc：

B7：建立无人机曲面太阳能板的质量m_sc模型：

m_sc＝A_sc(k_sc+k_enc) (14)

k_sc表征曲面太阳能板的面密度；k_enc表征曲面太阳能板封装的面密度

C:建立无人机的蓄电池的质量m_bat模型：

k_bat表征单位质量的能量密度；η_dchrg表征电池放电效率；P_elec,tot表征无人机总的电能消耗功率；T_night表征黑夜时长；

D:建立无人机的最大点功率跟踪器的质量m_mppt模型:具体包括以下步骤：

D1:获得最大点功率跟踪器的效率η_mppt；

η_mppt＝η_mpptdcdcη_mpptalgo (16)

η_mpptdcdc表征最大点功率跟踪器直流DC/DC之间的转换效率；η_mpptalgo表征最大点功率跟踪器跟踪逻辑效率

D2:获得最大点功率跟踪器的最大功率需求P_solmax；

P_solmax＝I_maxη_scη_cbrη_mpptA_sc (17)

表征I_max最大辐射值；表征η_sc太阳能电池效率；η_cbr表征曲面太阳能板效率；A_sc表征曲面太阳能板面积；η_mppt表征最大点功率跟踪器的效率；

D3:获取最大点功率跟踪器的质量m_mppt；

m_mppt＝k_mpptP_solmax (18)

k_mppt表征最大点功率跟踪器的质功比；

E:建立无人机中与其它部件无关的类别的固定质量m_fixed预测模型：

m_fixed＝m_av+m_pld (19)

m_av表征飞行控制器质量；m_pld表征任务载荷质量；

F:建立无人机的结构质量m_af模型：

F1:建立结构质量m_af的一个经验模型公式(20)：

F2:选取n个滑翔机，获取每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量m_iaf的经验模型公式：

根据k_iaf，以最小均方差的形式建立公式(20)中的k_af；

根据x_i1，以最小均方差的形式建立公式(20)中的x₁；

根据x_i2，以最小均方差的形式建立公式(20)中的x₂；

最小均方差的公式为：

,W_i表征k_iaf、x_i1、或x_i2，

表征n个W_i的平均值；

F3:从n个无人机的数据中，筛选出q个比经验模型公式(20)中预测的结构质量m_af更轻的滑翔机，获取所述的q个滑翔机的相关数据，所述的相关数据包括每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量m_iaf的经验模型公式；利用筛选出的q个滑翔机的相关数据，以最小均方差的形式进行迭代，建立公式(20)中新的k_af、x₁和x₂；

G:建立无人机的推进组件的质量m_prop模型：

m_prop＝k_propP_lev (21)

k_prop表征推进组件的质功比；P_lev表征无人机平飞时的需用功率；

H:建立无人机的总质量模型m_total：

m_total＝m_sc+m_bat+m_fixed+m_mppt+m_af+m_prop (22)

I:使得步骤A中预估无人机的总质量m等于步骤H中无人机的总质量模型m_total，即m＝m_total重复步骤A、B、C、D、E、F、G、H，再一次建立无人机的总质量模型m_total，直至预估无人机的总质量m与无人机的总质量模型m_total之间的误差小于允许值。所述的手抛式不间断飞行无人机的参数优化方法，所述的步骤F中，多次重复步骤F3，进一步提升无人机的结构质量m_af模型的精确度。

以下具体说明本发明的理念：

A:采集无人机的固定参数，设定无人机的可变参数：无人机的参数包括升力系数C_L，阻力系数C_D，ρ空气密度ρ，机翼面积S，翼展b，平飞速度v，根据经验统计预估无人机的总质量m；

B:建立无人机曲面太阳能板的质量m_sc模型：

B1：获取无人机平飞时的需用功率P_lev：在水平定常飞行状态，无人机受到的力包括机翼产生的升力F₁、重力G、螺旋桨的拉力T、飞机阻力F₂；

G＝mg (2)

根据机翼产生的升力F₁用于平衡重力G，即F₁＝G，由公式(1)和公式(2)得到公式(4)；

根据螺旋桨的拉力T与飞机阻力F₂相平衡，即T＝F₂，得到公式(5)

根据公式(6)计算无人机平飞时的需用功率P_lev：

P_lev＝Tv (6)

由公式(4)可得，

将v和T带入公式(6)中，得到公式(7)，根据得到无人机平飞时的需用功率P_lev：

定义展弦比AR，AR＝b²/S，因此，将无人机平飞时的需用功率P_lev写为与展弦比AR相关的公式(8)：

B2：获得无人机总的电能消耗功率P_elec,tot：考虑电机控制器效率η_ctrl、电动机效率η_mot、减速器效率η_grb、螺旋桨效率η_plr、电机调速器效率η_bec、航电系统能耗P_av和载荷能耗P_pld，利用公式(9)，获得无人机总的电能消耗功率P_elec,tot；

B3：获得无人机平飞时每天的能量总消耗E_elec,tot1：考虑蓄电池充电效率η_chrg和蓄电池夜间放电效率η_dchrg，根据公式(10)，获得无人机平飞时每天的能量总消耗E_elec,tot1；

T_day表征白天时长，即太阳光辐射持续时间；T_night表征黑夜时长；

公式(10)中，认为在黑夜时长T_night中，蓄电池仅放电，不充电，白天时长T_day中等效为由太阳能能源直接供电，因此仅仅在黑夜时长T_night考虑了蓄电池充电效率η_chrg和蓄电池夜间放电效率η_dchrg；实际上，黄昏和黎明时刻，蓄电池也为无人机供电，存在太阳能能源和电池能源之间的转换过程；但为了简化计算过程，本发明设定该过程是瞬态的。所述设定的有效性来自转化过程相对很短，可忽略；B4：获得无人机每天每平米太阳能板获得的太阳能E_day,density：考虑辐射模型曲线需符合不同的时间或地域，用最大辐射值I_max和辐射持续时间T_day的三角函数模型表达辐射的曲线，两个参数I_max和T_day与地理位置和日期相关；考虑天气情况，用反应天气阴晴的参数η_wthr反应天气情况，0≤η_wthr≤1，η_wthr＝1表示理想的晴朗天气，η_wthr＝0表示理想的黑天；根据公式(11)获得无人机每天每平米太阳能板获得的太阳能E_day,density；

B5：求取无人机太阳能板每天获取的电能量E_elec,tot2：考虑无人机太阳能板上太阳光入射角度，用η_cbr表征曲面太阳能板效率，根据无人机上曲面太阳能板面积A_sc、反应天气阴晴的参数η_wthr、最大功率点跟踪器的效率η_mppt、太阳能电池效率η_sc、曲面太阳能板效率η_cbr，再利用公式(12)求取无人机太阳能板每天获取的电能量E_elec,tot2；

太阳能板中排布有多个太阳能片，太阳能片并不是在一个水平面上，而是贴合在弯曲的翼型上。在一系列相连的太阳能片，处于最低的辐射边界限制了其余的太阳能片；这种情况主要发生在日出或日落时刻，当太阳的仰角很低，并且飞机的朝向不利时；基于以上原因，太阳能片之间的连线关系应认真考虑，沿着翼展方向连接以便存在相同的入射角更适宜，为了在设计方法中体现所述的太阳能片排布对太阳能转化效率的影响，引入曲面太阳能板效率η_cbr；

B6：获取无人机上曲面太阳能板面积A_sc：根据能量守恒定律，无人机平飞时每天的能量总消耗E_elec,tot1＝E_elec,tot2，即可由公式(11)和公式(12)得到无人机上曲面太阳能板面积A_sc；

B7：建立无人机曲面太阳能板的质量m_sc模型：根据曲面太阳能板的面密度k_sc和曲面太阳能板封装的面密度k_enc，利用公式(14)建立无人机曲面太阳能板的质量m_sc模型；

m_sc＝A_sc(k_sc+k_enc) (14)

太阳能板的封装是将太阳能板互相连通并封装在两个不反射的透明层里。因此，曲面太阳能板的质量m_sc包括太阳能电池质量和它的封装质量；

C:建立无人机的蓄电池的质量m_bat模型：根据单位质量的能量密度k_bat，电池放电效率η_dchrg，无人机总的电能消耗功率P_elec,tot，黑夜时长T_night，利用公式(15)计算出蓄电池的质量m_bat；

蓄电池的质量m_bat与需要存储的能量成正比，存储能量为消耗功率和夜间时长的乘积，并与单位质量的能量密度k_bat成反比；

D:建立无人机的最大点功率跟踪器的质量m_mppt模型:具体包括以下步骤：

D1:根据最大点功率跟踪器直流DC/DC之间的转换效率η_mpptdcdc和最大点功率跟踪器跟踪逻辑效率η_mpptalgo，利用公式(16)求取最大点功率跟踪器的效率η_mppt；

η_mppt＝η_mpptdcdcη_mpptalgo (16)

事实上，跟踪点不是定值而是在其附近振荡；对于一款设计良好的最大功率点跟踪器，需保证η_mpptdcdc≥97％，η_mpptalgo≥98％，从而η_mppt≥95％；

D2:根据最大辐射值I_max、太阳能电池效率η_sc、曲面太阳能板效率η_cbr、曲面太阳能板面积A_sc和最大点功率跟踪器的效率η_mppt，利用公示(17)求取最大点功率跟踪器的最大功率需求P_solmax；

P_solmax＝I_maxη_scη_cbrη_mpptA_sc (17)

D3:根据最大点功率跟踪器的质功比k_mppt和最大点功率跟踪器的最大功率需求P_solmax，利用公式(18)获得最大点功率跟踪器的质量m_mppt；

m_mppt＝k_mpptP_solmax (18)

E:建立无人机中质量与其它部件无关的类别的固定质量m_fixed预测模型：

所述的与其它部件尺寸无关的类别包括飞行控制器质量m_av和任务载荷质量m_pld；

m_fixed＝m_av+m_pld (19)

F:建立无人机的结构质量m_af模型：

F1:基于已有的滑翔机数据，提出结构质量m_af的一个经验模型公式(20)：

F2:选取n个滑翔机，获取每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量W_iaf的经验模型公式：

根据k_iaf，以最小均方差的形式建立公式(20)中的k_af；

根据x_i1，以最小均方差的形式建立公式(20)中的x₁；

根据x_i2，以最小均方差的形式建立公式(20)中的x₂；

最小均方差的公式为：

,W_i表征k_iaf、x_i1、或x_i2，

表征n个W_i的平均值；

F3:从n个无人机的数据中，筛选出q个比经验模型公式(20)中预测的结构质量m_af更轻的滑翔机，获取所述的q个滑翔机的相关数据，所述的相关数据包括每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量m_iaf的经验模型公式；利用筛选出的q个滑翔机的相关数据，以最小均方差的形式进行迭代，建立公式(20)中新的k_af、x₁和x₂；

F4:：多次重复步骤F3，进一步提升公式(20)的精确度；

本实施例中，选取了415款滑翔机，经过5次迭代后得到

x₁＝1.59、x₂＝1.30；g表征重力加速度；

H:建立无人机的推进组件的质量m_prop模型：无人机的推进组件包括控制电路、电机、减速器、螺旋桨，根据经验公式和经验统计获得控制电路的质功比、电机的质功比、减速器的质功比、螺旋桨的质功比；再根据经验公式和经验统计，利用控制电路的质功比、电机的质功比、减速器的质功比、螺旋桨的质功比获得推进组件的质功比k_prop；最后无人机平飞时的需用功率P_lev，利用公式(21)建立无人机的推进组件模型；

m_prop＝k_propP_lev (21)

螺旋桨的质量m_plr的经验公式只考虑线性关系，即m_plr＝k_plrP_plr，P_plr表征螺旋桨功率，

k_plr表征螺旋桨的质功比；根据经验统计，在不同的起飞条件下，控制电路的质功比、电机的质功比、减速器的质功比、螺旋桨的质功比、推进组件的质功比k_prop如表1所示：

表1

无人机的推进组件的质量m_prop模型需参考起飞条件，对于以长距离滑跑加速起飞的飞机，起飞功率比平飞的功率还要低，但对于手抛方式飞机要快速增加速度并获得高度，电机必须提供比平飞更高的加速能力，推进组件的质功比k_prop较大，参数优化过程中，根据不同的起飞条件，选择不同的推进组件的质功比k_prop；

I:建立无人机的总质量模型m_total：根据无人机曲面太阳能板的质量m_sc模型、无人机蓄电池的质量m_bat模型、无人机的最大点功率跟踪器的质量m_mppt模型、无人机与其它部件尺寸无关的类别的固定质量m_fixed、无人机的结构质量m_af模型、无人机的推进组件的质量m_prop模型、利用公式(22)建立无人机的总质量模型m_total；

m_total＝m_sc+m_bat+m_fixed+m_mppt+m_af+m_prop (22)

J:在保证能量平衡条件下，使得步骤A中预估无人机的总质量m等于无人机的总质量模型m_total，即m＝m_total重复步骤A、B、C、D、E、F、G、H，再一次建立无人机的总质量模型m_total，直至预估无人机的总质量m等于无人机的总质量模型m_total之间的误差小于允许值，无人机的总质量模型m_total达到最优。

发明以能量平衡为基础，通过无人机质质量和飞行过程需用的能量两条主线迭代，提升了无人机概念设计模型的精度，几乎涵盖了太阳能无人机概念设计阶段的全部参数，更有效、更准确、更实用、更系统的获得无人机概念设计的最优解，推动了以太阳能为能源的不间断飞行手抛式无人机的技术发展，满足边境巡逻、军事侦察、高空通讯和大气监测等对无人机综合要求高的平台的需求。

Claims (2)

1.一种手抛式不间断飞行无人机的参数优化方法，其特征在于：包括以下步骤：

A:采集无人机的固定参数，设定无人机的可变参数：采集的无人机固定参数包括升力系数C_L，阻力系数C_D，ρ空气密度ρ；设定的无人机的可变参数包括机翼面积S，翼展b和平飞速度v，根据经验统计得到的预估无人机的总质量m；

B:建立无人机曲面太阳能板的质量m_sc模型：

B1：获取无人机平飞时的需用功率P_lev：在水平定常飞行状态，无人机受到的力包括机翼产生的升力F₁、重力G、螺旋桨的拉力T、飞机阻力F₂；

G＝mg (2)

根据机翼产生的升力F₁用于平衡重力G，即F₁＝G，由公式(1)和公式(2)得到公式(4)；

根据螺旋桨的拉力T与飞机阻力F₂相平衡，即T＝F₂，得到公式(5)

根据公式(6)计算无人机平飞时的需用功率P_lev：

P_lev＝Tv (6)

由公式(4)可得，

将v和T带入公式(6)中，得到公式(7)，根据得到无人机平飞时的需用功率P_lev：

定义展弦比AR，AR＝b²/S，因此，将无人机平飞时的需用功率P_lev写为与展弦比AR相关的公式(8)：

B2：获得无人机总的电能消耗功率P_elec,tot：

η_ctrl表征电机控制器效率；η_mot表征电动机效率；η_grb表征减速器效率；η_plr表征螺旋桨效率；η_bec表征电机调速器效率；P_av表征航电系统能耗；P_pld表征载荷能耗；

B3：获得无人机平飞时每天的能量总消耗E_elec,tot1：

T_day表征白天时长，即太阳光辐射持续时间；T_night表征黑夜时长；η_chrg表征蓄电池充电效率；η_dchrg表征蓄电池夜间放电效率；

B4：获得无人机每天每平米太阳能板获得的太阳能E_day,density：

I_max表征最大辐射值；T_day表征辐射持续时间；η_wthr表征天气阴晴，0≤η_wthr≤1，η_wthr＝1表示理想的晴朗天气，η_wthr＝0表示理想的黑天；

B5：求取无人机太阳能板每天获取的电能量E_elec,tot2：

η_cbr表征曲面太阳能板效率；A_sc表征无人机上曲面太阳能板面积；η_wthr表征天气阴晴；η_mppt表征最大功率点跟踪器的效率；η_sc表征太阳能电池效率；

B6：获取无人机上曲面太阳能板面积A_sc：

B7：建立无人机曲面太阳能板的质量m_sc模型：

m_sc＝A_sc(k_sc+k_enc) (14)

k_sc表征曲面太阳能板的面密度；k_enc表征曲面太阳能板封装的面密度C:建立无人机的蓄电池的质量m_bat模型：

k_bat表征单位质量的能量密度；P_elec,tot表征无人机总的电能消耗功率；T_night表征黑夜时长；

D:建立无人机的最大点功率跟踪器的质量m_mppt模型:具体包括以下步骤：

D1:获得最大点功率跟踪器的效率η_mppt；

η_mppt＝η_mpptdcdcη_mpptalgo (16)

η_mpptdcdc表征最大点功率跟踪器直流DC/DC之间的转换效率；η_mpptalgo表征最大点功率跟踪器跟踪逻辑效率

D2:获得最大点功率跟踪器的最大功率需求P_solmax；

P_solmax＝I_maxη_scη_cbrη_mpptA_sc (17)

表征I_max最大辐射值；表征η_sc太阳能电池效率；η_cbr表征曲面太阳能板效率；A_sc表征曲面太阳能板面积；η_mppt表征最大点功率跟踪器的效率；

D3:获取最大点功率跟踪器的质量m_mppt；

m_mppt＝k_mpptP_solmax (18)

k_mppt表征最大点功率跟踪器的质功比；

E:建立无人机中与其它部件无关的类别的固定质量m_fixed预测模型：

m_fixed＝m_av+m_pld (19)

m_av表征飞行控制器质量；m_pld表征任务载荷质量；

F:建立无人机的结构质量m_af模型：

F1:建立结构质量m_af的一个经验模型公式(20)：

F2:选取n个滑翔机，获取每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量m_iaf的经验模型公式：

根据k_iaf，以最小均方差的形式建立公式(20)中的k_af；

根据x_i1，以最小均方差的形式建立公式(20)中的x₁；

根据x_i2，以最小均方差的形式建立公式(20)中的x₂；

最小均方差的公式为：

W_i表征k_iaf、x_i1、或x_i2，

表征n个W_i的平均值；

F3:从n个无人机的数据中，筛选出q个比经验模型公式(20)中预测的结构质量m_af更轻的滑翔机，获取所述的q个滑翔机的相关数据，所述的相关数据包括每个滑翔机的结构质量m_iaf、机翼面积S_i、展弦比AR_i，以及每个无人机的结构质量m_iaf的经验模型公式；利用筛选出的q个滑翔机的相关数据，以最小均方差的形式进行迭代，建立公式(20)中新的k_af、x₁和x₂；

G:建立无人机的推进组件的质量m_prop模型：

m_prop＝k_propP_lev (21)

k_prop表征推进组件的质功比；P_lev表征无人机平飞时的需用功率；

H:建立无人机的总质量模型m_total：

m_total＝m_sc+m_bat+m_fixed+m_mppt+m_af+m_prop (22)

I:使得步骤A中预估无人机的总质量m等于步骤H中无人机的总质量模型m_total，即m＝m_total重复步骤A、B、C、D、E、F、G、H，再一次建立无人机的总质量模型m_total，直至预估无人机的总质量m与无人机的总质量模型m_total之间的误差小于允许值。

2.根据权利要求1所述的手抛式不间断飞行无人机的参数优化方法，其特征在于：所述的步骤F中，多次重复步骤F3，提升无人机的结构质量m_af模型的精确度。

Images