CN113625768A - 一种火星直升机航迹规划方法、系统、设备及存储介质 - Google Patents
一种火星直升机航迹规划方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113625768A CN113625768A CN202111042871.6A CN202111042871A CN113625768A CN 113625768 A CN113625768 A CN 113625768A CN 202111042871 A CN202111042871 A CN 202111042871A CN 113625768 A CN113625768 A CN 113625768A
- Authority
- CN
- China
- Prior art keywords
- mars
- helicopter
- flight
- node
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 91
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 22
- 239000000446 fuel Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 230000035939 shock Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/102—Simultaneous control of position or course in three dimensions specially adapted for aircraft specially adapted for vertical take-off of aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种火星直升机航迹规划方法、系统、设备及存储介质,属于火星直升机航迹规划领域,首先计算火星直升机的飞行性能;飞行性能包括最大前飞速度、最小平飞速度和航程;根据飞行性能,分别计算火星直升机的性能约束;性能约束包括最小转弯半径约束、最小航迹段长度约束和最大航程约束;采用A星算法,将性能约束分别加入到A星算法中,得到A星约束算法;采集火星直升机的飞行环境信息,并根据飞行环境信息建立地图模型;利用A星约束算法在地图模型上进行航迹搜索,得到火星直升机的最优航迹。该方法适用于火星特殊环境,可为火星直升机规划出最优的航迹路径,使火星直升机更加便捷地、容易地完成火星探测任务。
Description
技术领域
本发明涉及火星直升机航迹规划领域,特别是涉及一种火星直升机航迹规划方法、系统、设备及存储介质。
背景技术
火星直升机是一种在火星上飞行、用于探测火星的无人直升机。目前,美国宇航局(NASA)研发的“毅力号”火星探测器已经成功登陆火星,并且,在“毅力号”火星探测器还携带有名为“机智号”的火星直升机,通过直升机和探测器配合对火星进行探测。“机智号”火星直升机重量仅1.8kg,其主要任务是收集岩石样本。众所周知,直升机之所以能够起飞,是借助它的旋翼在一定密度大气中产生的升力。然而,火星的大气密度约为地球海平面的1%-2%,相当于地球海拔30km高空的大气密度,且火星的重力比地球小,重力加速度约为3.71m/s2。由于火星环境的特殊性,导致火星直升机的飞行动力学模型、飞行性能、飞行控制系统和航迹规划都会有所区别。其中,火星直升机的航迹规划,对其顺利飞行和执行任务显得尤为重要。
然而,基于火星这种特殊环境,现有的航迹规划方法都不能够直接适用于火星直升机,这些方法的出发点都是基于地球环境,因此,都不能满足火星直升机的飞行以及执行任务的要求。因此,现有技术中缺少一种适用于火星特殊大气环境下的直升机航迹规划方法,以满足火星的稀薄大气环境下的直升机航迹规划的特殊要求。
发明内容
本发明的目的是提供一种火星直升机航迹规划方法、系统、设备及存储介质,可适用于火星稀薄环境下的航迹规划,使火星直升机可以在火星恶劣条件下完成指定任务,满足对火星直升机的飞行航迹控制的要求。
为实现上述目的,本发明提供了如下方案:
一方面,本发明提供了一种火星直升机航迹规划方法,包括:
计算火星直升机的飞行性能;所述飞行性能包括最大前飞速度、最小平飞速度和航程;
根据所述飞行性能,分别计算所述火星直升机的性能约束;所述性能约束包括最小转弯半径约束、最小航迹段长度约束和最大航程约束;
采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法;
采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型;
利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹。
可选的,所述计算火星直升机的飞行性能,具体包括:
所述最大前飞速度的计算公式为:
Vmax=Malj·a-0.7(ΩR);
其中,Vmax表示火星直升机的最大前飞速度,Malj表示火星直升机的桨叶半径0.7R处出现激波的临界马赫数,a表示音速;
所述航程的计算公式为:
Lmax=Wfuel/(qkm)min+ΔL1+ΔL2;
其中,Lmax表示火星直升机的最大航程,ΔL1为火星直升机起飞爬升进入航线时的水平距离,ΔL2表示火星直升机退出航线时的水平距离,Wfuel表示火星直升机巡航飞行时消耗的燃油量,(qkm)min表示火星直升机前飞最小公里的耗油量;
在计算所述最小平飞速度时,对所述最大前飞速度进行迭代更新,逐渐减小所述最大前飞速度,直到ΔN=Nav-Nnd=0时,此时的前飞速度为所述最小平飞速度;其中,Nav表示火星直升机的发动机可用功率,Nnd表示火星直升机的悬停需用功率。
可选的,所述根据所述飞行性能,分别计算所述火星直升机的性能约束,具体包括:
所述最小转弯半径约束的计算公式为:
其中,rmin表示火星直升机的最小转弯半径,β表示火星直升机转弯时的坡度角,g表示重力加速度,TAS表示真空速,其与空速的转换公式为:
其中,IAS表示火星直升机的空速,即火星直升机相对于空气的速度,P表示当前外界气压值,Po表示标准海平面气压值;当IAS等于所述最小平飞速度时,此时β最大,则计算得出所述最小转弯半径rmin;
所述最小航迹段长度约束的计算公式为:
Lhmin=Vmax×t
t=1s;
其中,Lhmin表示火星直升机的最小航迹段长度,Vmax表示火星直升机的最大前飞速度,t表示飞行时间;
假设在栅格化环境中每一步长的距离为li,则火星直升机的步长必须满足:
li≥Lhmin(i=1,2…i);
所述最大航程约束的计算公式为:
其中,Lmax表示火星直升机的最大航程,L表示火星直升机的总航程,n表示航迹中节点的数量。
可选的,所述采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法,具体包括:
当将所述最小转弯半径约束加入到所述A星算法时,所述火星直升机移动的下一个节点为以当前节点为基准,位于所述火星直升机正前方且在最小转弯半径范围内的一个节点;
当将所述最小航迹段长度约束加入到所述A星算法时,假设在栅格化环境中每一步长的距离为li,则火星直升机的步长满足:
li≥Lhmin(i=1,2…i);
其中,Lhmin表示火星直升机的最小航迹段长度,li表示栅格化环境中每一步长的距离;
当将所述最大航程约束加入到所述A星算法时,所述A星算法搜索的航迹的总航程小于等于所述火星直升机的最大航程。
可选的,所述采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型,具体包括:
利用所述火星直升机自身搭载的雷达设备,采集所述火星直升机周围飞行环境的三维信息;
根据所述三维信息,利用所述火星直升机自身搭载的计算机生成三维地图模型。
可选的,所述利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹,具体包括:
利用所述A星约束算法在所述地图模型上搜索最优航迹,得到所述最优航迹;
根据所述最优航迹控制所述火星直升机完成飞行任务。
可选的,所述利用所述A星约束算法在所述地图模型上搜索最优航迹,具体包括:
初始化所述地图模型中规划空间内的起始节点、目标节点和障碍物节点的位置;
创建OPEN表和CLOSE表;所述OPEN表用于保存搜索过程中待检查的节点,所述CLOSE表用于保存搜索过程中已经检查完毕的节点;
将所述起始节点加入到所述OPEN表中,搜索与所述起始节点相邻的节点,将搜索到的所有节点中的非障碍物节点和非CLOSE表中的节点加入到所述OPEN表中,并将所述起始节点设置为加入到所述OPEN表中的所述非障碍物节点和所述非CLOSE表中的节点的父节点;
将所述起始节点从所述OPEN表中移除,并将所述起始节点加入到所述CLOSE表中,搜索所述OPEN表中总代价f值最小节点,将所述总代价f值最小节点从所述OPEN表中取出后放到所述CLOSE表中;其中,所述总代价f值为所述起始节点、所述目标节点和当前节点的估价函数的计算结果,所述总代价f值等于所述规划空间中所述起始节点与某一节点间的真实代价与所述当前节点到所述目标节点这条路径的预算代价之和;
搜索所述总代价f值最小节点能够到达的所述非障碍物点和所述非CLOSE表中的节点,并判断所述非障碍物点和所述非CLOSE表中的节点是否已经存在于所述OPEN表中,若所述非障碍物点和所述非CLOSE表中的节点不在所述OPEN表中,则将其加入到所述OPEN表中,并将其设置为所述总代价f值最小节点的子节点;若所述非障碍物点和所述非CLOSE表中的节点已经在所述OPEN表中,则当新搜索到的节点的总代价f值小于所述OPEN表中所述总代价f值最小节点的总代价f值,则对所述OPEN表中所述总代价f值最小节点信息进行更新;
当所述目标节点被加入到所述CLOSE表中时,航迹路径搜索结束;否则返回步骤“检查所述总代价f值最小的节点能够到达的所述非障碍物点和所述非CLOSE表中的节点;若所述非障碍物点和所述非CLOSE表中的节点不在所述OPEN表中”继续进行搜索,直到所述目标节点被加入到所述CLOSE表时为止。
另一方面,本发明还提供了一种火星直升机航迹规划系统,包括:
飞行性能计算模块,用于计算火星直升机的飞行性能;所述飞行性能包括最大前飞速度、最小平飞速度和航程;
性能约束计算模块,用于根据所述飞行性能,分别计算所述火星直升机的性能约束;所述性能约束包括最小转弯半径约束、最小航迹段长度约束和最大航程约束;
A星约束算法获取模块,用于采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法;
地图模型建立模块,用于采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型;
最优航迹搜索模块,用于利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹。
另一方面,本发明还提供了一种火星直升机航迹规划设备,包括:存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,在所述计算机程序被所述处理器执行时实现如所述火星直升机航迹规划方法的任一步骤。
另一方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如所述火星直升机航迹规划方法的任一步骤。
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:
本发明提供了一种火星直升机航迹规划方法,首先计算火星直升机的飞行性能;然后根据飞行性能,分别计算火星直升机的性能约束;再采用A星算法,将性能约束分别加入到A星算法中,得到A星约束算法;然后采集火星直升机的飞行环境信息,并根据飞行环境信息建立地图模型;最后利用A星约束算法在地图模型上进行航迹搜索,得到火星直升机的最优航迹。本发明首次提出了适用于火星环境的火星直升机航迹规划方法,对火星直升机进行航迹规划主要考虑到了火星的大气环境和火星重力等特殊环境,计算火星上的飞行性能,包括最大前飞速度、最小平飞速度和航程,并针对每一种飞行性能计算得到相应的性能约束,即最小转弯半径约束、最小航迹段长度约束和最大航程约束,然后将火星直升机在火星环境下的飞行性能约束加入到传统的A星算法中进行航迹规划,在地图模型中搜索适合火星直升机飞行的最优航迹路径,搜索航迹的过程能够适用于火星特殊环境,为火星直升机的航迹规划提供了理论基础和数据支持,保障了火星直升机在火星特殊环境下的飞行效率,从而使火星直升机能够更加便捷地、容易地完成火星探测任务,有利于火星探测技术的发展。
附图说明
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的前提下,还可以根据这些附图获得其他的附图。以下附图并未刻意按实际尺寸等比例缩放绘制,重点在于示出本发明的主旨。
图1为本发明实施例1提供的火星直升机航迹规划方法的流程图;
图2为本发明实施例1提供的传统A星算法搜索路径的示意图;
图3为本发明实施例1提供的最小转弯半径约束下的扩展节点示意图;
图4为本发明实施例1提供的A星约束算法搜索路径的原理流程图;
图5为本发明实施例1提供的A星约束算法节点数据结构图;
图6为本发明实施例2提供的火星直升机航迹规划系统的结构框图;
图7为本发明实施例3提供的火星直升机航迹规划设备的结构框图;
图8为本发明实施例4提供计算机可读存储介质的结构框图。
具体实施方式
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的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。
如本发明和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
虽然本发明对根据本发明的实施例的系统中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本发明中使用了流程图用来说明根据本发明的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
由于同一个无人直升机在火星上和地球上的飞行性能是不同的,因此,其约束建模、栅格化大小和算法的应用都有所不同。本发明的目的是提供一种火星直升机航迹规划方法、系统、设备及存储介质,在火星航迹规划时主要考虑了火星的大气环境和火星重力,建立火星环境上的火星直升机动力学模型,计算火星上的飞行性能,将飞行性能约束加入到传统A星算法,然后进行搜索航迹,能够为火星直升机规划出最优巡航路线。
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。
实施例1
如图1所示,一种火星直升机航迹规划方法,具体包括以下步骤:
步骤S1、计算火星直升机的飞行性能;所述飞行性能包括最大前飞速度、最小平飞速度和航程。
本发明计算火星直升机的飞行性能的过程如下:
步骤S1.1、所述最大前飞速度的计算公式为:
Vmax=Malj·a-0.7(ΩR);
其中,Vmax表示火星直升机的最大前飞速度,a表示音速,Malj表示火星直升机的桨叶半径0.7R处出现激波的临界马赫数;通常直升机桨叶为具有负几何扭转结构,即从桨叶的桨根到桨尖,桨叶安装角(即切面翼弦与桨毂旋转平面之间的夹角)逐渐减小,然后将桨叶半径等于0.7R处切面(该切面称为特性切面)的安装角叫做该桨叶的桨距,因此,本发明考虑的是桨叶半径0.7R处出现激波的临界马赫数。这里的临界马赫数指的是,直升机飞行时,当随飞行速度增大,上翼面压力最低点的速度等于此点上的音速时的直升机飞行马赫数称为临界马赫数。
步骤S1.2、所述航程的计算公式为:
Lmax=Wfuel/(qkm)min+ΔL1+ΔL2;
其中,Lmax表示火星直升机的最大航程,ΔL1为火星直升机起飞爬升进入航线时的水平距离,ΔL2表示火星直升机退出航线时的水平距离,Wfuel表示火星直升机巡航飞行时消耗的燃油量,(qkm)min表示火星直升机前飞最小公里的耗油量。这里的航程实际上指的就是最大航程,即火星直升机单次能飞的最远距离,因此,主要考虑的是火星直升机能够消耗的总燃油量以及单位公里内的耗油量,只要保证有足够多的燃油,火星直升机就能持续飞行并执行任务。
步骤S1.3、在计算所述最小平飞速度时,对所述最大前飞速度进行迭代更新,逐渐减小所述最大前飞速度,直到ΔN=Nav-Nnd=0时,此时的前飞速度为所述最小平飞速度;其中,Nav表示火星直升机的发动机可用功率,Nnd表示火星直升机的悬停需用功率。
由于火星直升机不同前飞速度下需要的功率不同,本实施例采用对前飞速度不断迭代更新尝试的方式,在满足ΔN=Nav-Nnd=0这个等式的前提下,迭代出的前飞速度就是最小平飞速度。也就是说,从火星直升机的最大平飞速度开始,不断减小该速度,本实施例将速度减小频率设置为每秒降低1km/h,这个数值可根据实际情况自行设定,直到火星直升机的发动机的可用功率Nav减去悬停需用功率Nnd等于零,此时的速度即为最小平飞速度Vmin。
步骤S2、根据所述飞行性能,分别计算所述火星直升机的性能约束;所述性能约束包括最小转弯半径约束、最小航迹段长度约束和最大航程约束。
本发明计算火星直升机的飞行性能的过程如下:
步骤S2.1、火星直升机航迹规划会受最小转弯半径的限制,本发明中最小转弯半径约束的计算公式为:
其中,rmin表示火星直升机的最小转弯半径,β表示火星直升机转弯时的坡度角,g表示重力加速度,本实施例中g取值为9.8m/s2,TAS表示真空速,其与空速的转换公式为:
其中,IAS表示火星直升机的空速,即火星直升机相对于空气的速度,P表示当前外界气压值,Po表示标准海平面气压值;当IAS等于所述最小平飞速度时,此时β最大,则计算得出所述最小转弯半径rmin;
步骤S2.2、最小航迹段长度是火星直升机开始改变飞行姿态之前必须要直飞的最短距离。最小航迹段长度Lhmin一般取火星直升机在最大前飞速度下1秒飞行的距离,即
其中,Lhmin表示火星直升机的最小航迹段长度,Vmax表示火星直升机的最大前飞速度,t表示飞行时间;
假设在栅格化环境中每一步长的距离为li,则火星直升机的步长必须满足:
li≥Lhmin(i=1,2…i);
步骤S2.3、火星直升机在飞行过程中受到燃油和时间的限制,使得总航程必须处于一定范围内,假设火星直升机的最大航程为Lmax,航迹共有n个节点,则直升机的航迹规划的总航程L必须满足:
其中,Lmax表示火星直升机的最大航程,L表示火星直升机的总航程,n表示航迹中节点的数量。
本发明得到上述最小转弯半径约束、最小航迹段长度约束和最大航程约束等性能约束后,将其加入到了A星算法中,在A星算法中分别表现为路径中最小转弯半径的大小、步长的大小以及路径总长度,只有加入上述约束后,搜索出来的路径才能适用于火星特殊环境中,才能够使火星直升机巡航起飞并执行任务。
步骤S3、采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法。
1968年,斯坦福法学的P.E.Hart、N.J.Nilsson和B.Raphael将迪杰斯特拉算法(Dijkstra算法)与宽度优先搜索算法(Breadth First Search,BFS算法)相结合,取长补短,最终提出了A*算法(即A星算法,以下统称为A星算法)。该传统的A星算法是基于栅格的启发式搜索方法,它定义一种特殊的节点,从起点开始计算所有节点可能到达的网格计算代价,并选取总代价最小的节点进行继续拓展,直达找到目标,如图2所示,图2中的数字表示的是当前节点到周围节点相应的代价值。
传统A星算法的计算公式表示为:
f(n)=g(n)+h(n);
其中,f(n)表示起始节点、当前节点以及目标节点三者的估价函数;g(n)表示规划空间中的起始节点与某一节点之间的真实代价,即从当前父节点(xfa,yfa)到当前节点(xn,yn)的移动代价和当前父节点的真实代价之和,可表示为:
其中,xfa、yfa分别表示当前父节点的横坐标和纵坐标,xn、yn分别表示当前节点的横坐标和纵坐标,h(n)表示从当前节点(xn,yn)至目标节点(xT,yT)的路径这一过程中的预算代价,可表示为:
其中,xT、yT分别表示目标节点的横坐标和纵坐标。
本发明在传统A星算法的基础上,将最小转弯半径约束、最小航迹段长度约束和最大航程约束作为约束条件分别加入到A星算法中,从而得到了一种带有约束的A星算法,即A星约束算法。A星约束算法考虑到了火星直升机的飞行性能,即最大前飞速度、最小平飞速度和航程,这些飞行性能的计算过程是以火星的大气密度和重力环境为基础的,基于火星直升机的飞行性能得到了火星直升机的性能约束,包括最小转弯半径约束、最小航迹段长度约束和最大航程约束,然后将这些约束加入到了传统A星算法上,最终得到A星约束算法。因此,本发明的A星约束算法能够适用于火星环境下的航迹规划问题,利用A星约束算法能够针对火星的特殊环境为火星直升机搜索到最佳的巡航路径,以便火星直升机能够更快速、稳定地执行任务,提高了火星直升机的作业效率。
本发明将火星直升机的性能约束加入到A星算法,主要包括:
步骤S3.1、当将所述最小转弯半径约束加入到所述A星算法时,所述火星直升机移动的下一个节点为以当前节点为基准,位于所述火星直升机正前方且在最小转弯半径范围内的一个节点。
在栅格化环境中,火星直升机的航迹规划的转弯半径不能过小,该最小转弯半径约束使得火星直升机只能在有限的范围内选择下一个可移动的节点。如图3所示,假如火星直升机正位于当前节点Ni的位置处,其前一个节点为Ni-1,则该火星直升机会受到最小转弯半径rmin的影响,下一节点只能是位于火星直升机的机头正前方(即朝向火星直升机的航行方向)且在最小转弯半径范围内的一个节点,即图3中的1-3的栅格中的一个节点,将其作为下一个移动节点。
步骤S3.2、当将所述最小航迹段长度约束加入到所述A星算法时,假设在栅格化环境中每一步长的距离为li,则火星直升机的步长必须满足:
li≥Lhmin(i=1,2…i);
其中,Lhmin表示火星直升机的最小航迹段长度,li表示栅格化环境中每一步长的距离。
本实施例中,最小航迹段长度约束在A星算法中表现为设置的栅格大小必须大于火星直升机的最小航迹段长度Lhmin。
步骤S3.3、当将所述最大航程约束加入到所述A星算法时,所述A星算法搜索的航迹的总航程L必须小于等于所述火星直升机的最大航程Lmax,即
其中,Lmax表示火星直升机的最大航程,L表示火星直升机的总航程,n表示航迹中节点的数量。
步骤S4、采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型。具体包括:
步骤S4.1、利用所述火星直升机自身搭载的雷达设备,采集所述火星直升机周围飞行环境的三维信息;
步骤S4.2、根据所述三维信息,利用所述火星直升机自身搭载的微型计算机生成三维地图模型。
步骤S5、利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹。具体包括:
步骤S5.1、利用所述A星约束算法在所述地图模型上搜索最优航迹,得到所述最优航迹。
本发明在利用A星约束算法在地图模型上搜索最优航迹的具体过程为:
步骤S5.1.1、初始化所述地图模型中规划空间内的起始节点、目标节点和障碍物节点的位置;
步骤S5.1.2、分别创建OPEN表和CLOSE表;其中,所述OPEN表用于保存搜索过程中待检查的节点,所述CLOSE表用于保存搜索过程中已经检查完毕的节点;
步骤S5.1.3、将所述起始节点加入到所述OPEN表中,搜索与所述起始节点相邻的所有节点,将搜索到的所有节点中的非障碍物节点和非CLOSE表中的节点加入到所述OPEN表中,并将所述起始节点设置为加入到所述OPEN表中的所述非障碍物节点和所述非CLOSE表中的节点的父节点,即此时起始节点为父节点,新加入OPEN表的非障碍物节点和非CLOSE表中的节点作为子节点;
步骤S5.1.4、将所述起始节点从所述OPEN表中移除,并将所述起始节点加入到所述CLOSE表中,即此时表明起始节点已经检查完毕;然后搜索所述OPEN表中总代价f值最小节点,将所述总代价f值最小节点从所述OPEN表中取出后放到所述CLOSE表中;其中,所述总代价f值为传统A星算法中所述起始节点、所述目标节点和当前节点的估价函数f(n)的总代价计算结果,所述总代价f值等于所述规划空间中所述起始节点与某一节点间的真实代价g(n)与所述当前节点到所述目标节点这条路径的预算代价h(n)之和;
步骤S5.1.5、搜索所述总代价f值最小节点能够到达的节点,这里的节点指的也是非障碍物点和非CLOSE表中的节点,然后判断所述非障碍物点和所述非CLOSE表中的节点是否已经存在于所述OPEN表中,即:
(1)若所述非障碍物点和所述非CLOSE表中的节点不在所述OPEN表中,则将其加入到所述OPEN表中,并将这些新加入到OPEN表的节点(非障碍物点和非CLOSE表中的节点)设置为所述总代价f值最小节点的子节点,则总代价f值最小节点为父节点;
(2)若所述非障碍物点和所述非CLOSE表中的节点已经在所述OPEN表中,则当新搜索到的节点的总代价f值小于所述OPEN表中所述总代价f值最小节点的总代价f值,则对所述OPEN表中所述总代价f值最小节点信息进行更新。
需要说明的是,此处更新的是该节点的总代价值,举例说明,该节点的原代价值为10,在下一次搜索的过程中,该节点重新计算代价,得到的代价值为5,则将之前保存的节点的代价值由10更新为5。容易理解的是,上述具体代价值仅仅是举例时选择的数字,并不是固定的、唯一的,不应作为对本发明保护范围的限定。
由于OPEN表是搜索一步同时添加一些可行的节点的,然后将选出的最低代价的节点即总代价f值最小节点加入到CLOSE表中。并且,搜索过程中会出现重复搜索同一个节点的情况,因此,这里选择总代价f值最小的一个情况进行节点更新,保证选择的节点的总代价f值始终最小;
步骤S5.1.6、当所述目标节点被加入到所述CLOSE表中时,航迹路径搜索结束;否则返回步骤S5.1.5继续进行搜索,直到所述目标节点被加入到所述CLOSE表时为止。
如图4所示,本发明的A星约束算法搜索最优航迹,其实质是一个计算父节点总代价f(n)、比较前父节点与当前父节点的总代价f(n)的大小、父节点替换以及OPEN表和CLOSE表拿取放入的过程,在初始化起始节点、目标节点和障碍物节点的位置并创建OPEN表和CLOSE表后,首先判断父节点临近的方格是否计算完毕,再判断当前方格是否可行即确定是否是下一个可移动的方格,再进一步判断可行方格是否在OPEN表,然后再计算可行方格当前父节点的总代价f(n),再判断当前父节点的总代价f(n)是否小于前父节点的总代价f(n),若是则将当前可行方格放入到OPEN表,否则使用前父节点替换当前父节点,最终确定父节点方格是否为目标节点,整个过程就是选择总代价最小的父节点的过程。其中的方格指的就是栅格化的规划空间中的各个方格。该算法中涉及到总代价f(n)、真实代价g(n)与预算代价h(n)之间的计算,以及各个节点的X坐标、Y坐标和父节点坐标的确定,由这些组成了算法的节点数据结构,如图5所示。
步骤S5.2、根据所述最优航迹控制所述火星直升机完成飞行任务。
在得到最优航迹后,按照最优航迹控制火星直升机进行巡航活动、执行任务,不仅可以保证火星直升机能够在火星特殊环境下正常、稳定地飞行,还能保证火星直升机执行任务时的飞行路线是最优路线,时间最短,作业效率最高,这种航迹规划方法完美地适用于不同于地球大气密度和重力的特殊的火星环境。
本发明首次提出了适用于火星环境的火星直升机航迹规划方法,对火星直升机进行航迹规划主要考虑到了火星的大气环境和火星重力等特殊环境,计算火星上的飞行性能,包括最大前飞速度、最小平飞速度和航程,并针对每一种飞行性能计算得到相应的性能约束,即最小转弯半径约束、最小航迹段长度约束和最大航程约束,然后将火星直升机在火星环境下的飞行性能约束加入到传统的A星算法中进行航迹规划,在地图模型中搜索适合火星直升机飞行的最优航迹路径,搜索航迹的过程能够适用于火星特殊环境,为火星直升机的航迹规划提供了理论基础和数据支持,保障了火星直升机在火星特殊环境下的飞行效率,从而使火星直升机能够更加便捷地、容易地完成火星探测任务,有利于火星探测技术的发展。
实施例2
如图6所示,本实施例提供了一种火星直升机航迹规划系统,该系统采用实施例1中的火星直升机航迹规划方法,该系统具体包括:
飞行性能计算模块M1,用于计算火星直升机的飞行性能;所述飞行性能包括最大前飞速度、最小平飞速度和航程;
性能约束计算模块M2,用于根据所述飞行性能,分别计算所述火星直升机的性能约束;所述性能约束包括最小转弯半径约束、最小航迹段长度约束和最大航程约束;
A星约束算法获取模块M3,用于采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法;
地图模型建立模块M4,用于采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型;
最优航迹搜索模块M5,用于利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹。
实施例3
如图7所示,本实施例提供了一种火星直升机航迹规划设备,该设备采用实施例1中的火星直升机航迹规划方法,该设备具体包括:
存储器N1、处理器N2以及存储在所述存储器中并在所述处理器上运行的计算机程序N3。
在所述计算机程序N3被所述处理器N2执行时实现如实施例1中的火星直升机航迹规划方法所述的任意一个或多个步骤。
此外,根据本发明实施例的方法也可以借助于图7所示的设备架构来实现。图7示出了该设备架构。如图7所示,设备可以包括存储器N1、处理器N2以及存储在所述存储器中并在所述处理器上运行的计算机程序N3等,还可以包括其他的硬件设备。设备中的存储器N1,可以为ROM、U盘,还可以是机械硬盘、固态硬盘,或者移动硬盘。可以存储本发明提供的火星直升机航迹规划方法的处理和/或通信使用的各种数据或文件以及处理器N2所执行的程序指令。当然,图7所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图7示出的设备中的一个或至少两个组件,或者在图7的设备的基础上,增加一个或至少两个组件,组件的具体类型包括但不限于上述所述的硬件。
实施例4
如图8所示,本实施例提供了一种计算机可读存储介质,其上存储有计算机程序P1。
所述计算机程序被处理器执行时实现如实施例1中的火星直升机航迹规划方法所述的任意一个或多个步骤。
同理,所述存储介质可以为ROM、U盘,还可以是机械硬盘、固态硬盘,或者移动硬盘。其可读状态可以是被计算机、手机、平板电脑等其中的任意一种或多种移动终端进行读取并运行。当然,本实施例仅是给出了一种基础架构,在图8的存储介质的基础上,增加一个或至少两个组件,组件的具体类型包括但不限于上述所述的硬件。任意可实现实施例1中方法中的一个或多个步骤的硬件或软件,均在本发明的保护范围之内。
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”,通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如,各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信,如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如:从视频目标检测设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台,或其他实现系统的计算机环境,或与提供目标检测所需要的信息相关的类似功能的系统。因此,另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接,例如光波、电波、电磁波等,通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备,也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质,其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
本发明使用了特定词语来描述本发明的实施例。如“第一/第二实施例”、“一实施例”、和/或“一些实施例”意指与本发明至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本发明的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本发明的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本发明的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本发明的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
除非另有定义,这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解,诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
上面是对本发明的说明,而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例,但本领域技术人员将容易地理解,在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此,所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解,上面是对本发明的说明,而不应被认为是限于所公开的特定实施例,并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。
Claims (10)
1.一种火星直升机航迹规划方法,其特征在于,包括:
计算火星直升机的飞行性能;所述飞行性能包括最大前飞速度、最小平飞速度和航程;
根据所述飞行性能,分别计算所述火星直升机的性能约束;所述性能约束包括最小转弯半径约束、最小航迹段长度约束和最大航程约束;
采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法;
采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型;
利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹。
2.根据权利要求1所述的火星直升机航迹规划方法,其特征在于,所述计算火星直升机的飞行性能,具体包括:
所述最大前飞速度的计算公式为:
Vmax=Malj·a-0.7(ΩR);
其中,Vmax表示火星直升机的最大前飞速度,Malj表示火星直升机的桨叶半径0.7R处出现激波的临界马赫数,a表示音速;
所述航程的计算公式为:
Lmax=Wfuel/(qkm)min+ΔL1+ΔL2;
其中,Lmax表示火星直升机的最大航程,ΔL1为火星直升机起飞爬升进入航线时的水平距离,ΔL2表示火星直升机退出航线时的水平距离,Wfuel表示火星直升机巡航飞行时消耗的燃油量,(qkm)min表示火星直升机前飞最小公里的耗油量;
在计算所述最小平飞速度时,对所述最大前飞速度进行迭代更新,逐渐减小所述最大前飞速度,直到ΔN=Nav-Nnd=0时,此时的前飞速度为所述最小平飞速度;其中,Nav表示火星直升机的发动机可用功率,Nnd表示火星直升机的悬停需用功率。
3.根据权利要求1所述的火星直升机航迹规划方法,其特征在于,所述根据所述飞行性能,分别计算所述火星直升机的性能约束,具体包括:
所述最小转弯半径约束的计算公式为:
其中,rmin表示火星直升机的最小转弯半径,β表示火星直升机转弯时的坡度角,g表示重力加速度,TAS表示真空速,其与空速的转换公式为:
其中,IAS表示火星直升机的空速,即火星直升机相对于空气的速度,P表示当前外界气压值,Po表示标准海平面气压值;当IAS等于所述最小平飞速度时,此时β最大,则计算得出所述最小转弯半径rmin;
所述最小航迹段长度约束的计算公式为:
其中,Lh min表示火星直升机的最小航迹段长度,Vmax表示火星直升机的最大前飞速度,t表示飞行时间;
假设在栅格化环境中每一步长的距离为li,则火星直升机的步长必须满足:
li≥Lh min(i=1,2…i);
所述最大航程约束的计算公式为:
其中,Lmax表示火星直升机的最大航程,L表示火星直升机的总航程,n表示航迹中节点的数量。
4.根据权利要求1所述的火星直升机航迹规划方法,其特征在于,所述采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法,具体包括:
当将所述最小转弯半径约束加入到所述A星算法时,所述火星直升机移动的下一个节点为以当前节点为基准,位于所述火星直升机正前方且在最小转弯半径范围内的一个节点;
当将所述最小航迹段长度约束加入到所述A星算法时,假设在栅格化环境中每一步长的距离为li,则火星直升机的步长满足:
li≥Lh min(i=1,2…i);
其中,Lh min表示火星直升机的最小航迹段长度,li表示栅格化环境中每一步长的距离;
当将所述最大航程约束加入到所述A星算法时,所述A星算法搜索的航迹的总航程小于等于所述火星直升机的最大航程。
5.根据权利要求1所述的火星直升机航迹规划方法,其特征在于,所述采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型,具体包括:
利用所述火星直升机自身搭载的雷达设备,采集所述火星直升机周围飞行环境的三维信息;
根据所述三维信息,利用所述火星直升机自身搭载的计算机生成三维地图模型。
6.根据权利要求1所述的火星直升机航迹规划方法,其特征在于,所述利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹,具体包括:
利用所述A星约束算法在所述地图模型上搜索最优航迹,得到所述最优航迹;
根据所述最优航迹控制所述火星直升机完成飞行任务。
7.根据权利要求6所述的火星直升机航迹规划方法,其特征在于,所述利用所述A星约束算法在所述地图模型上搜索最优航迹,具体包括:
初始化所述地图模型中规划空间内的起始节点、目标节点和障碍物节点的位置;
创建OPEN表和CLOSE表;所述OPEN表用于保存搜索过程中待检查的节点,所述CLOSE表用于保存搜索过程中已经检查完毕的节点;
将所述起始节点加入到所述OPEN表中,搜索与所述起始节点相邻的节点,将搜索到的所有节点中的非障碍物节点和非CLOSE表中的节点加入到所述OPEN表中,并将所述起始节点设置为加入到所述OPEN表中的所述非障碍物节点和所述非CLOSE表中的节点的父节点;
将所述起始节点从所述OPEN表中移除,并将所述起始节点加入到所述CLOSE表中,搜索所述OPEN表中总代价f值最小节点,将所述总代价f值最小节点从所述OPEN表中取出后放到所述CLOSE表中;其中,所述总代价f值为所述起始节点、所述目标节点和当前节点的估价函数的计算结果,所述总代价f值等于所述规划空间中所述起始节点与某一节点间的真实代价与所述当前节点到所述目标节点这条路径的预算代价之和;
搜索所述总代价f值最小节点能够到达的所述非障碍物点和所述非CLOSE表中的节点,并判断所述非障碍物点和所述非CLOSE表中的节点是否已经存在于所述OPEN表中,若所述非障碍物点和所述非CLOSE表中的节点不在所述OPEN表中,则将其加入到所述OPEN表中,并将其设置为所述总代价f值最小节点的子节点;若所述非障碍物点和所述非CLOSE表中的节点已经在所述OPEN表中,则当新搜索到的节点的总代价f值小于所述OPEN表中所述总代价f值最小节点的总代价f值,则对所述OPEN表中所述总代价f值最小节点信息进行更新;
当所述目标节点被加入到所述CLOSE表中时,航迹路径搜索结束;否则返回步骤“检查所述总代价f值最小的节点能够到达的所述非障碍物点和所述非CLOSE表中的节点;若所述非障碍物点和所述非CLOSE表中的节点不在所述OPEN表中”继续进行搜索,直到所述目标节点被加入到所述CLOSE表时为止。
8.一种火星直升机航迹规划系统,其特征在于,包括:
飞行性能计算模块,用于计算火星直升机的飞行性能;所述飞行性能包括最大前飞速度、最小平飞速度和航程;
性能约束计算模块,用于根据所述飞行性能,分别计算所述火星直升机的性能约束;所述性能约束包括最小转弯半径约束、最小航迹段长度约束和最大航程约束;
A星约束算法获取模块,用于采用A星算法,将所述性能约束分别加入到所述A星算法中,得到A星约束算法;
地图模型建立模块,用于采集所述火星直升机的飞行环境信息,并根据所述飞行环境信息建立地图模型;
最优航迹搜索模块,用于利用所述A星约束算法在所述地图模型上进行航迹搜索,得到所述火星直升机的最优航迹。
9.一种火星直升机航迹规划设备,包括:存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,在所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111042871.6A CN113625768B (zh) | 2021-09-07 | 2021-09-07 | 一种火星直升机航迹规划方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111042871.6A CN113625768B (zh) | 2021-09-07 | 2021-09-07 | 一种火星直升机航迹规划方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113625768A true CN113625768A (zh) | 2021-11-09 |
CN113625768B CN113625768B (zh) | 2023-05-23 |
Family
ID=78389251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111042871.6A Active CN113625768B (zh) | 2021-09-07 | 2021-09-07 | 一种火星直升机航迹规划方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113625768B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116560412A (zh) * | 2023-07-10 | 2023-08-08 | 四川腾盾科技有限公司 | 一种低速无人机验证最大平飞速度指标的试飞规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007008187A2 (en) * | 2005-05-12 | 2007-01-18 | Tetraheed, Llc | Multi-part system to accelerate building of permanent colonies on the moon and mars |
CN108563243A (zh) * | 2018-06-28 | 2018-09-21 | 西北工业大学 | 一种基于改进rrt算法的无人机航迹规划方法 |
JP2021110744A (ja) * | 2019-12-31 | 2021-08-02 | 西南交通大学 | 多制約条件下でスマート航空機の航跡を急速に計画する方法 |
-
2021
- 2021-09-07 CN CN202111042871.6A patent/CN113625768B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007008187A2 (en) * | 2005-05-12 | 2007-01-18 | Tetraheed, Llc | Multi-part system to accelerate building of permanent colonies on the moon and mars |
CN108563243A (zh) * | 2018-06-28 | 2018-09-21 | 西北工业大学 | 一种基于改进rrt算法的无人机航迹规划方法 |
JP2021110744A (ja) * | 2019-12-31 | 2021-08-02 | 西南交通大学 | 多制約条件下でスマート航空機の航跡を急速に計画する方法 |
Non-Patent Citations (4)
Title |
---|
何伟: "复合式共轴高速直升机贴地飞行控制技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
何燕: "基于动态加权A~*算法的无人机航迹规划", 《河北科技大学学报》 * |
杜继永等: "无人飞行器航迹规划的工程化稀疏A~*算法", 《计算机应用研究》 * |
王晓亮等: "复杂多约束条件通航飞行垂直剖面规划方法", 《北京航空航天大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116560412A (zh) * | 2023-07-10 | 2023-08-08 | 四川腾盾科技有限公司 | 一种低速无人机验证最大平飞速度指标的试飞规划方法 |
CN116560412B (zh) * | 2023-07-10 | 2023-11-07 | 四川腾盾科技有限公司 | 一种低速无人机验证最大平飞速度指标的试飞规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113625768B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11029168B2 (en) | Method for identifying optimal vehicle paths when energy is a key metric or constraint | |
CN107479368B (zh) | 一种基于人工智能的训练无人机控制模型的方法及系统 | |
CN103017753B (zh) | 一种无人机航路规划方法及装置 | |
US11704554B2 (en) | Automated training data extraction method for dynamic models for autonomous driving vehicles | |
CN105806360B (zh) | 基于气象条件的导航辅助方法 | |
CN111240193A (zh) | 优化受到达时间约束制约的巡航垂直剖面的系统和方法 | |
ES2953038T3 (es) | Optimización de un modelo paramétrico de rendimiento de una aeronave | |
CN113183975B (zh) | 自动驾驶车辆的控制方法、装置、设备以及存储介质 | |
CN112965471B (zh) | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 | |
CN109919391B (zh) | 一种太阳能飞机自主寻优航迹规划方法和系统 | |
CN113050684B (zh) | 一种面向突发威胁的无人机航迹规划算法 | |
CN111474949A (zh) | 无人机集群飞行可行路径轨迹规划方法、无人机群及介质 | |
CN113625768B (zh) | 一种火星直升机航迹规划方法、系统、设备及存储介质 | |
CN112506226A (zh) | 一种基于温度约束条件的长航时无人机飞行航线规划方法 | |
CN113569429B (zh) | 短距垂直起降飞行器三维飞行包线计算方法及装置 | |
KR101833243B1 (ko) | 비행체의 대기 속도 추정 장치 및 방법 | |
CN111324141A (zh) | 用于生成旨在由飞行器遵循的最佳竖直轨迹的方法和装置 | |
CN114138003B (zh) | 一种小型固定翼无人机双机协同区域侦察方法 | |
CN112925344B (zh) | 基于数据驱动和机器学习的无人机飞行工况预测方法 | |
KR101827955B1 (ko) | 비행체의 대기 속도 추정을 위한 정보 산출 장치 및 방법 | |
Huang et al. | On the 3D track planning for electric power inspection based on the improved ant colony optimization and algorithm | |
CN114594783B (zh) | 基于全过程约束的四旋翼实时轨迹规划及降落控制方法 | |
CN117077990B (zh) | 一种基于飞行平台的航线准时到达模型设计方法及装置 | |
CN113917852B (zh) | 一种靶机的模拟控制方法、装置、设备及存储介质 | |
CN112364433B (zh) | 一种高效的固定翼飞行器飞行动力学模型配平方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |