CN113120235B - 一种基于能量分析的载重无人机任务规划方法 - Google Patents

Abstract

本发明公开了一种基于能量分析的载重无人机任务规划方法，该方法根据载重无人机旋翼的空气动力学分析得到载重无人机功率和质量的关系模型，然后根据该模型进行模型飞行试验以及模型求解；然后结合载重无人机电池参数以及实际飞行标定，得到电池真实能量信息以及可用能量信息；再利用载重无人机功率和质量的关系模型，并结合无人机自重以及载重信息确定无人机飞行续航时间；最后根据无人机飞行续航时间对复杂场景下的派送进行任务规划。本发明的方法能够提高载重无人机的配送效率和安全性。

Description

一种基于能量分析的载重无人机任务规划方法

技术领域

本发明实施例涉及无人机技术领域，尤其涉及一种基于能量分析的载重无人机任务规划方法。

背景技术

多旋翼无人机凭借微电子领域的突破在近几年来迅速发展，在军事农业航拍等领域取得了丰硕的成果。除此之外，由于旋翼无人机强大的载重能力，在复杂环境和普通手段难以到达的环境里，无人机运输能力也不容小觑。例如国外某无人机公司为偏远地区的医院和诊所投递重要的医疗物资；国内也有某物流公司使用无人机给悬崖村村民运输生活物资，甚至在2017年陕西省建立“无人机航空物流多式联运创新试点”。无人机甚至还可以解决物流“最后一公里”配送难的问题。

然而，运载型的多旋翼无人机最大的短板在于电池，由于锂电池能量密度的限制，导致无人机机载电池容量有限，续航时间短，在带大负载的情况下续航更是会有所降低。而且由于任务的不尽相同，难以经验性地判断无人机的续航时间。此时未知的续航时间将限制载重多旋翼的发展，例如灾后物资运送，城市物流无人机，农药喷洒无人机等，如果不能够估计多旋翼无人机的续航时间，将对包括但不限于以上几种类似的应用场景极其不利。

若能够在任务开始前对续航时间进行有效估计，就可以对无人机本次的任务可行性进行评价，减小无人机因带负载中途电量耗尽的风险。否则，若任务途中无人机坠毁，更是会导致物资的丢失或毁坏，所以寻找一种基于能量的无人机续航评估方法是极其必要的，这使得无人机运输安全性大大提高。

发明内容

针对现有技术的不足，本发明提供一种基于能量的载重无人机任务规划方法，该方法能够预估无人机的续航能力，从而提高无人机的运输安全性。

本发明通过以下技术方案来实现：

一种基于能量分析的载重无人机任务规划方法，包括：

根据载重无人机旋翼的空气动力学分析得到载重无人机功率和质量的关系模型；

根据所述载重无人机功率和质量的关系模型，进行模型飞行试验以及模型求解；

结合载重无人机电池参数以及实际飞行标定，得到电池真实能量信息以及可用能量信息；

利用所述载重无人机功率和质量的关系模型，并结合无人机自重以及载重信息确定无人机飞行续航时间；

根据所述无人机飞行续航时间对复杂场景下的派送进行任务规划。

进一步地，所述载重无人机功率和质量的关系模型为：

其中，m为无人机自重，N表示旋翼数量，g为重力加速度，r表示桨盘半径，ρ表示空气密度，η表示旋翼机特有的推进效率，表征转子效率。

进一步地，所述根据载重无人机功率和质量的关系模型进行模型飞行试验以及模型求解，包括：

飞行试验后，在地面站进行飞行日志分析，得到本次飞行的总耗电量、过程平均电压、平均电流以及时间，进而得到每次飞行的平均功率，通过建立最小二乘模型，从而最终求解出k_n。

进一步地，所述无人机飞行续航时间t_e为：

其中，C_useable为较为安全的可用电池容量，C_useable＝0.8C_N，C_N为电池标称容量；V_N为电池额定电压。

进一步地，所述根据路径规划方法并结合无人机续航时间进行复杂场景下的任务路径规划，包括：

单对单配送情况下的基于续航时间余量的任务可行性分析；

复杂场景下，结合禁忌搜索方法求解可负担的情况下任务的最优路径。

进一步地，针对载重无人机执行多环节载重任务场景，结合禁忌搜索方法求解可负担的情况下任务的最优路径的方法如下：

S1：假设存在一条路线，从出发点到所经过的目标点后再返航这期间所需能量为C，则通过逆向分段计算的方法计算覆盖期望目标点的任务所需能量C

其中，m₀为无人机自重，N为加上仓库在内以及n个目标点总数的集合，N₀为仓库，N_c为目标点的集合，M_i为目标点i的快件质量，D_ij为目标点i到目标点j的距离；

S2：根据上式得到最小能量的目标函数即：

约束条件为：

其中x_ij为决策变量，当给定路径从i到j存在路径时为1，否则为0；N_*表示已走过的节点集合；

S3：通过禁忌搜索方法进行求解所述目标函数：

(1)构造初始解，设当前解为最优解s^*＝x-now，禁忌表集合为空集t＝φ，unchanged＝0；

(2)若满足终止准则，转(5)；否则转(3)；

(3)在x-now的邻域中选出邻域集，并在其中求取最佳解s^*＝x-next，转(4)；

(4)若x-next满足禁忌准则，则更新x-now＝x-next，并更新禁忌表t，此时若x-now优于s^*，则更新s^*＝x-now，否则unchanged＝unchanged+1，转(2)；若x-next不满足禁忌准则，则在邻域集中选择次佳解作为x-next，若存在x-next，转(4),否则转(2)；

(5)输出当前最优解s^*；并将最优解s^*作为任务所需能量C；

S4：若首次计算C>C_useable，则表明电池可用容量不足；此时精简任务，令n＝n-1，并重复S1～S3重新计算C，直到C≤C_useable，则表明任务可行，完成n个目标点的任务；

若首次计算C≤C_useable，则表明电池可用能量尚未被完全利用，结合任务规划方法增加目标点，令n＝n+1并重复S1～S3重新计算C。直到C≤C_useable，退回操作，令n＝n-1，即完成n个目标点的任务。

本发明的有益效果如下：

本发明针对载重无人机质量变化大，变化频繁的特点，根据旋翼无人机质量推导无人机功率，结合对电池以及续航的分析，提高了无人机飞行能力评估的准确性，从而能够有把握地提升任务量，又能保证飞行安全。

附图说明

图1为本发明的载重无人机任务规划方法的流程图；

图2为旋翼机经济巡航速度(功率-速度)示意图；

图3为锂电池放电曲线示意图；

图4为物流无人机送货场景示意图；

图5为多环节载重任务分析流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

在载重多旋翼无人机任务前，通过任务所必须的载重量进行续航时间的提前预估，通过续航时间判断此次飞行任务是否可行，若预估的续航时间不能够保证无人机完成任务并返航，则精简任务或放弃，达到保证无人机和物资安全的要求。

为了解决上述问题，本发明实施例提供了一种基于能量分析的载重无人机任务规划方法，如图1所示，所述方法包括以下步骤：

101、建立无人机功率和质量的关系模型。

显而易见的，无人机在带负载飞行情况下必定是比航拍无人机或者空载的功率要更大一些，所以本发明希望通过建立一个无人机功率和质量的关系模型。这里的质量指的是无人机自重加上负载的总重量。

无人机悬停状态下旋翼产生的拉力等于无人机总重力，通过建立拉力和功率的关系也就可以得知功率和质量的关系。

根据空气动力学中的旋翼作用盘理论，在悬停状态下，结合动量定理对经过旋翼作用盘加速的空气进行分析，得到悬停状态下无人机转子功率可以表示为：

其中，r表示桨盘半径，ρ表示空气密度，η表示旋翼机特有的推进效率，表征转子效率，不同的多旋翼具有不同的推进效率，与无人机尺寸大小正相关，也即无人机尺寸越大，推进效率越高；T表示拉力。

当无人机悬停时，拉力与重力相等，多旋翼无人机的功率可以表示为：

其中N表示旋翼数量，m为无人机自重，g为重力加速度。

由于式中只有m为变量，所以将其进行参数归一化，整理得到：

从而建立起来无人机总重量和功耗之间的关系。

102、进行大量室外飞行试验，结合试验数据进行模型求解。

选择载重无人机进行室外飞行试验，收集实验数据，求取k_n的值。

数据获取部分，由于应用场景是载重送货无人机，设载重上限为m_max。

进行户外飞行试验，选取质量范围在[0,m_max]的物体进行户外悬停试验，为避免偶然性，应进行充分的实验，在质量范围区间内，小步长叠加地选取负载并多次重复测量，避免出现漏测、误测。

第i次飞行试验后，在地面站进行飞行日志分析，得到本次飞行的总耗电量C_i，过程平均电压u_i，平均电流i_i以及时间t_i，进而得到每次飞行的平均功率P_i：

单次飞行试验结果记为(m,P)，全部试验结果记为(m_i,P_i)，总的飞行试验次数记为k。

根据步骤101中建立的功率和质量的关系模型，将试验结果代入，进行参数求解和模型优化。

建立最小二乘模型：

其中

为无人机总质量为m_i时功率的估计值。

将最小二乘模型求解，得到参数k_n，至此模型求解完毕，得到载重无人机的功率和质量的关系模型。

103.结合载重无人机电池参数以及实际飞行标定，得到电池真实能量信息以及可用能量信息；

值得一提的是，无人机在悬停状态下的功耗可能比匀速巡航的功耗要低。

在作用盘理论下，是螺旋桨通过加速桨盘上方的空气向下流动来产生方向向上的拉力，而在悬停状态下，桨盘处空气的流速会加快，导致需要将桨盘上方的空气速度加速到更大的速度水平下，这样的过程需要旋翼有更大的旋转速度，也就会产生更高的能耗。

所以无人机在特定速度下进行匀速巡航的功率是要小于悬停功率的，这个速度称为经济巡航速度。如图2所示，在这个速度区间下，往往可以更加省电，从而飞行更远的距离。经济巡航速度设为v_eco。

104、利用所述载重无人机功率和质量的关系模型，并结合无人机自重以及载重信息确定无人机飞行续航时间；

电池的续航时间除了和无人机的输出功率有关，还和机载电池容量密切相关。将电池标称容量设为C_N。锂电池放电曲线如图3所示，其中soc表示电池荷电状态，可以看到在电量较低时，电池输出电压会急剧下降，这对于我们的控制是不利的。

在电压低于某个值时，会出现控制器饱和效应。也就是说电压较低时，即使控制量给到足够大也不能够维持所需动力。也即所谓的控制器饱和。

当这种情况出现时，控制器将失去对无人机的控制，导致坠机。

为了避免此情发生，设定较为安全的可用电池容量，记为C_useable。

并令C_useable＝0.8C_N，也即真实电池容量的80％作为可用容量。

电池的输出电压取决于锂电池的节数，也即常见的3S,4S,5S等，将电池额定电压设为V_N。

基于以上续航时间有以下方法估计：

续航时间：

105、根据所述无人机飞行续航时间对复杂场景下的派送进行任务规划。

下面给出两个实际的应用场景。

实例一：一种类似灾后救援物资的运送场景，也即点到点单次运输。相同的场景也包括偏远山区稀有物资运送等。

在此场景下要求无人机带物资前往目标点后空载返航。

设无人机自重为m₀，物资重量为m₁，出发点到目标点距离为S₁。

即此任务所需能量为：

若C_useable较任务所需能量C更大则表明任务可行。

实例二：一种类似城市物流的短距离单对多运送任务。类似场景可能有无人机送外卖等。

如图4所示，在一个物流仓库中心，可能同时存在ABCD四个或者更多的快件任务，在路径规划模块规划好任务路线之后，采用本方法进行路径规划分析。

显而易见的是，本发明的方法除了无人机物流送件场景外，也适用于收件，以及其他多环节的送货如无人机外卖等场景。

假设无人机自重为m₀，加上仓库在内以及n个目标点总数的集合设为N，仓库设为N₀，目标点的集合设为N_c，目标点的快件质量分别为M_i，目标点i到目标点j的距离设为D_ij。

假设存在一条路线，从出发点到所经过的目标点后再返航这期间所需能量为C。

由于经过一个目标点后快件被投递，质量降低。故通过逆向分段计算的方法计算覆盖期望目标点的任务需电量：

根据上式得到最小能量的目标函数即：

约束条件为：

其中x_ij为决策变量，当给定路径从i到j存在路径时为1，否则为0。N_*表示已走过的节点集合。

约束条件保证最优路径中目标点都被访问到且只访问一次，并且目标点之间的路径中不存在闭环。

以上优化问题是一个典型的带权重的路径规划问题，采用禁忌搜索(TS)方法进行求解，禁忌搜索首先构造初始解，在已有解的基础上构造邻域结构并组成邻域集合再进行求取目标函数值，通过将目标函数的值以及解存入禁忌表并逐步筛选迭代，当迭代次数达到设定值或者最优解未更改的次数达到设定值也即满足终止准则跳出循环。具体流程如下：

(1)构造初始解，设当前解为最优解s^*＝x-now，禁忌表集合为空集t＝φ，unchanged＝0；

(2)若满足终止准则，转(5)；否则转(3)；

(3)在x-now的邻域中选出邻域集，并在其中求取最佳解s^*＝x-next，转(4)；

(4)若x-next满足禁忌准则，则更新x-now＝x-next，并更新禁忌表t，此时若x-now优于s^*，则更新s^*＝x-now，否则unchanged＝unchanged+1，转(2)；若x-next不满足禁忌准则，则在邻域集中选择次佳解作为x-next，若存在x-next，转(4),否则转(2)；

(5)输出当前最优解s^*。

如图5所示，若首次计算所得最优解C>C_useable则表明电池可用容量不足。精简任务，令n＝n-1并重新计算C。直到C≤C_useable，则表明任务可行。

若首次计算C<C_useable则表明电池可用能量尚未被完全利用，结合任务规划方法增加目标点令n＝n+1并重新计算C。直到C≤C_useable，退回操作，令n＝n-1，即可以完成n个目标点的任务。

借助本方法可以对无人机的载重任务强度进行评估，并借助经济巡航时间对任务可行性进行预评价。可以有效避免过重负载导致的电量不足坠机或物品毁坏的情况，并能够尽可能的优化任务，达到提高任务效率提高任务经济性的目的。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (6)

1.一种基于能量分析的载重无人机任务规划方法，其特征在于，包括：

根据载重无人机旋翼的空气动力学分析得到载重无人机功率和质量的关系模型；

根据所述载重无人机功率和质量的关系模型，进行模型飞行试验以及模型求解；

结合载重无人机电池参数以及实际飞行标定，得到电池真实能量信息以及可用能量信息；

利用所述载重无人机功率和质量的关系模型，并结合无人机自重以及载重信息确定无人机飞行续航时间；

根据所述无人机飞行续航时间对复杂场景下的派送进行任务规划。

2.根据权利要求1所述的基于能量分析的载重无人机任务规划方法，其特征在于，所述载重无人机功率和质量的关系模型为：

其中，m₀为无人机自重，N表示旋翼数量，g为重力加速度，r表示桨盘半径，ρ表示空气密度，η表示旋翼机特有的推进效率，表征转子效率。

3.根据权利要求2所述的基于能量分析的载重无人机任务规划方法，其特征在于，所述根据载重无人机功率和质量的关系模型进行模型飞行试验以及模型求解，包括：

飞行试验后，在地面站进行飞行日志分析，得到本次飞行的总耗电量、过程平均电压、平均电流以及时间，进而得到每次飞行的平均功率，通过建立最小二乘模型，从而最终求解出k_n。

4.根据权利要求3所述的基于能量分析的载重无人机任务规划方法，其特征在于，所述无人机飞行续航时间t_e为：

其中，C_useable为较为安全的可用电池容量，C_useable＝0.8C_N，C_N为电池标称容量；V_N为电池额定电压。

5.根据权利要求1所述的基于能量分析的载重无人机任务规划方法，其特征在于，根据所述无人机飞行续航时间对复杂场景下的派送进行任务规划，包括：

单对单配送情况下的基于续航时间余量的任务可行性分析；

复杂场景下，结合禁忌搜索方法求解可负担的情况下任务的最优路径。

6.根据权利要求5所述的基于能量分析的载重无人机任务规划方法，其特征在于，针对载重无人机执行多环节载重任务场景，结合禁忌搜索方法求解可负担的情况下任务的最优路径的方法如下：

S1：假设存在一条路线，从出发点到所经过的目标点后再返航这期间所需能量为C，则通过逆向分段计算的方法计算覆盖期望目标点的任务所需能量C

其中，m₀为无人机自重，N为加上仓库在内以及n个目标点总数的集合，N₀为仓库，N_c为目标点的集合，M_i为目标点i的快件质量，D_ij为目标点i到目标点j的距离；

S2：根据上式得到最小能量的目标函数即：

约束条件为：

其中x_ij为决策变量，当给定路径从i到j存在路径时为1，否则为0；N_*表示已走过的节点集合；

S3：通过禁忌搜索方法进行求解所述目标函数：

(1)构造初始解，设当前解为最优解s^*＝x-now，禁忌表集合为空集t＝φ，unchanged＝0；

(2)若满足终止准则，转(5)；否则转(3)；

(3)在x-now的邻域中选出邻域集，并在其中求取最佳解s^*＝x-next，转(4)；

(4)若x-next满足禁忌准则，则更新x-now＝x-next，并更新禁忌表t，此时若x-now优于s^*，则更新s^*＝x-now，否则unchanged＝unchanged+1，转(2)；若x-next不满足禁忌准则，则在邻域集中选择次佳解作为x-next，若存在x-next，转(4),否则转(2)；

(5)输出当前最优解s^*；并将最优解s^*作为任务所需能量C；

S4：若首次计算C>C_useable，则表明电池可用容量不足；此时精简任务，令n＝n-1，并重复S1～S3重新计算C，直到C≤C_useable，则表明任务可行，完成n个目标点的任务；

若首次计算C≤C_useable，则表明电池可用能量尚未被完全利用，结合任务规划方法增加目标点，令n＝n+1并重复S1～S3重新计算C，直到C≤C_useable，退回操作，令n＝n-1，即完成n个目标点的任务。

Images