CN114460972A - 一种无人机城区运行管控方法 - Google Patents

一种无人机城区运行管控方法 Download PDF

Info

Publication number
CN114460972A
CN114460972A CN202210382303.9A CN202210382303A CN114460972A CN 114460972 A CN114460972 A CN 114460972A CN 202210382303 A CN202210382303 A CN 202210382303A CN 114460972 A CN114460972 A CN 114460972A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
flight
energy consumption
path
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
Application number
CN202210382303.9A
Other languages
English (en)
Other versions
CN114460972B (zh
Inventor
李亚飞
刘明欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN202210382303.9A priority Critical patent/CN114460972B/zh
Publication of CN114460972A publication Critical patent/CN114460972A/zh
Application granted granted Critical
Publication of CN114460972B publication Critical patent/CN114460972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/70Energy storage systems for electromobility, e.g. batteries

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)

Abstract

本发明公开一种无人机运行管控方法,首先在飞行区域内依据建筑物高度划分无人机飞行高度区间,每个无人机飞行高度区间内影响无人机飞行安全的建筑物数量、位置不同;再分别求解每个飞行高度区间距离最短的飞行路径,采用Voronoi图和Dubins几何学思想获取无人机可飞节点之间的距离,再运用Floyd算法求解无人机在一个飞行高度区间的最短安全路径;最后用能耗计算公式分别计算无人机在每个高度区间飞行的能耗,从而得到无人机能耗最小的飞行高度和安全飞行路径。本发明考虑建筑物对无人机运行的影响,在保证无人机城区安全运行的条件下,能尽可能降低无人机电池能耗。

Description

一种无人机城区运行管控方法
技术领域
本发明涉及无人机管控技术领域,特别是涉及一种无人机城区运行管控方法。
背景技术
随着5G信息技术推广,自动驾驶、电力推进等技术的突破,电动垂直起降无人机(Electric Vertical Take-Off and Landing Unmanned Aerial Vehicle,eVTOL UAV)得到快速发展,城市空中交通(Urban Air Mobility,UAM)重新出现在人们的视野中。城市空中交通以电动垂直起降无人机为运输工具,具有立体、高效、环保、低成本的特点,能和地面交通互补联通,可有效缓解地面交通拥堵情况。无人机是城市空中交通的主要运输工具,无人机技术的发展越来越受到人们重视。电动垂直起降无人机如图1所示,在起飞和降落过程中依靠旋翼实现垂直飞行,在水平飞行过程中依靠固定翼飞行。
无人机技术迅速发展使得大量无人机进入城市低空空域成为可能,为使无人机运行高效、有序、安全,无人机空中交通管理(UAS Air Traffic Management,UTM)问题受到广泛关注。由于城市低空空域的复杂性,无人机种类繁多、任务载荷不同,现有通讯导航监视系统不能直接运用于无人机等因素,传统空中交通管理体系并不适用于无人机空中交通管理。因此,各国积极推进无人机空中交通管理体系建立,建立了UTM管理框架。UTM管理中,交通安全问题是无人机交通管理的首要问题。
评估无人机运行风险和规划无人机安全可行路径是保证无人机安全运行,提高无人机城市低空空域生存能力和加强无人机风险管控的可靠方式。现有解决无人机城区运行安全问题研究,大多数是综合评估无人机运行风险,运用改进算法解决无人机路径规划问题。但无人机实际运行中,城市环境是建筑物密集区域,研究无人机运行安全问题要考虑建筑物对无人机的影响。且城市建筑物高度不一,无人机在不同飞行高度上运行受到建筑物影响程度也不同。现实环境中,无人机电池能耗制约着无人机覆盖范围,过少电量也影响着无人机运行的安全性,降低无人机能耗也应成为路径规划中要考虑的问题。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种能耗最小的无人机城区运行管控方法,该方法考虑建筑物对无人机运行的影响,在保证无人机城区安全运行的条件下,尽可能降低无人机电池能耗。
为实现本发明的目的所采用的技术方案是:
一种无人机城区运行管控方法,包括:
S1.依据建筑物高度数据,按每相邻两个高度构成一个飞行高度区间的划分法,在无人机飞行区域进行飞行高度区间划分,形成多个飞行高度区间;
S2.在同一飞行高度区间内,将影响飞行安全的建筑物抽象成建筑物的外接圆,将外接圆的圆心作为威胁源点,用Voronoi图法生成无人机可飞的安全节点;基于外接圆的圆心及半径长度,用Dubins几何学求解包括无人机的起点、终点以及安全节点在内的任意两点之间的距离最短的安全路径,得到包括起点、终点以及安全节点在内的任意两点之间距离的加权网络图;
S3.将加权网络图中任意两点之间的距离作为加权值,运用Floyd算法求解加权网络图中起点到终点之间的最短安全路径,获得无人机在同一个飞行高度区间内的最短水平飞行路径;
S4.计算无人机在该飞行高度区间的最小高度沿该最短水平飞行路径飞行时的电池总能耗,该电池总能耗包括无人机的水平飞行能耗以及垂直飞行能耗,垂直飞行能耗包括垂直起飞能耗和垂直降落能耗;
S5.计算所有飞行高度区间的总能耗,选出到能耗最小的飞行高度区间以及飞行路径,作为无人机的飞行高度以及飞行路径。
相对于现有无人机城区运行管控方法,本发明的无人机城区运行管控方法,考虑无人机运行中电池消耗问题,以电池能耗最小为目标,并考虑了城区建筑物对无人机飞行安全的影响,保证无人机城市区域安全运行的同时,兼顾城市空中交通低能耗的特点,降低无人机运行时的能量消耗,尤其能在建筑物复杂密集的城市环境中,可为承载物流配送任务的无人机提供安全可行、能耗最小的路径,达到安全、低碳、节能的目标,为促进无人机空中交通管理健康发展提供可行的无人机管控决策。
附图说明
图1是电动垂直起降无人机的示意图。
图2是本发明实施例的无人机城区运行管控的逻辑结构图。
图3是本发明实施例的无人机飞行高度区间划分示意图。
图4是本发明实施例提供的Voronoi图法产生安全节点的示意图。
图5是本发明实施例提供的获得无人机路径的示意图。
图6是本发明实施例提供的加权网络图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
路径规划是考虑运行环境中多种因素,规划出从起点到目标点最优路径。基于此,本发明以最小能耗为目标,考虑城市建筑物对无人机运行的影响,规划无人机城市区域运行的安全可行、能耗最小路径。
本发明的无人机运行管控方法,首先在飞行区域内依据建筑物高度划分无人机飞行高度区间,每个无人机飞行高度区间内影响无人机飞行安全的建筑物数量、位置不同;再分别求解每个飞行高度区间距离最短的飞行路径,采用Voronoi图和Dubins几何学思想获取无人机可飞节点之间的距离,再运用Floyd算法求解无人机在一个飞行高度区间的最短安全路径;最后用能耗计算公式,分别计算无人机在每个高度区间飞行的能耗,从而得到无人机能耗最小的飞行高度和安全飞行路径。
下面,以电动垂直起降无人机为例,对本发明实施例的无人机城区运行管控方法进行说明。
如图2所示,本发明实施例的无人机城区运行管控方法,包括步骤:
S1.无人机飞行高度区间划分
在无人机的飞行区域内,无人机从起点飞行至终点存在若干建筑物,因此,本发明依据建筑物高度数据划分无人机飞行高度区间,以保证无人机安全运行。
具体的,无人机飞行高度区间划分采用以下步骤:
将包含连接无人机起点到终点的直线在内的矩形区域划为无人机飞行区域,获取无人机飞行区域内所有建筑物高度,将所有建筑物高度从小到大依次排列,每相邻的两个高度构成无人机的一个飞行高度区间,最终形成若干个飞行高度区间。如图3所示,深色圆柱体代表建筑物,从低到高的视角来看,图中的三个飞行高度区间高度范围分别为(H1,H2)、(H2,H3)、(H3,H4)。
其中,在一个飞行高度区间内,影响无人机飞行安全的建筑物数量、位置相同;在不同飞行高度区间内,影响无人机飞行安全的建筑物数量、位置不同。
S2.无人机路径规划
得到若干个飞行高度区间后,分别求解每个飞行高度区间无人机飞行路径。在同一个飞行高度区间内,只分析会影响无人机飞行安全的建筑物。优选的,在分析求解每个飞行高度区间的无人机飞行路径时,采用Voronoi图法与Dubins几何路径相结合进行,规划出安全性强的无人机飞行路径。
传统Voronoi图法中的线段是威胁点之间的中垂线,用Voronoi图法中的线段作为无人机运行路径,建立威胁代价最小的安全路径,这样可以充分利用空域资源,但由于建筑物具有一定宽度,在空间中如果将其视为一个威胁点而忽略了建筑物形状,会导致无人机路径存在巨大的安全隐患。因此,在无人机实际城区运行中,将建筑物视为威胁点会增大无人机可安全运行的范围,使得无人机路径存在潜在的、没有规避的威胁。
因此,本发明实施例为提高无人机在城区运行的生存能力,精准分析影响无人机安全运行的威胁建筑,将Voronoi图法与Dubins几何路径相结合,改进无人机路径规划方法,在考虑建筑物影响范围的条件下,规划出安全性强的无人机路径,并且兼有Dubins路径平滑完整、距离最短的特点。
由于Voronoi图法中的无人机可飞行路径是由相邻两个威胁源点的中垂线得出的,考虑到建筑物具有一定形状,不能直接将建筑物等同于一个点。因此,本发明实施例优选的,将建筑物抽象成危险圆域,在三维立体图中,建筑物可以简化成一个圆柱体,即从建筑物的俯视图角度,将建筑物抽象成建筑物的外接圆或将几个距离较近的建筑物群视为同一个外接圆,圆心为建筑物或建筑物群的中心点,圆半径为障碍物中心点到障碍物边界的最远距离。
在建筑物位置已知的情况下,得到建筑物的外接圆的圆心坐标,将圆心视为威胁源点,在已知威胁源点分布情况下用Voronoi图可得到若干个线段,如图4所示。图4中,多个线段11为离相邻威胁源点(图4中位于线段11以外的点12)最远的线段,线段11之间的交点13是无人机可到达的安全节点。这样,用Voronoi图即可获得无人机的安全节点。
在上述外接圆技术处理下,在建筑物位置已知的情况下,可以得到外接圆的圆心坐标和半径,将圆心视为威胁源点,在已知威胁源点分布的情况下用Voronoi图可得到若干个线段,线段的交点为无人机可飞的安全节点;同时,无人机起点和终点也视为安全节点。
上述安全节点确定的基础上,两个安全节点之间的连线可能会经过建筑物外接圆的区域,采用Dubins几何曲线的方法,求解安全节点之间距离最短的安全路径。如前所述,任意两个安全节点之间,其直线连线可能经过若干个威胁圆,即建筑物外接圆的区域。为保证无人机路径的安全性,同时兼顾路径最短,本发明实施例运用Dubins几何学思想规划无人机路径。
以单个障碍物路径规划为基础,拓展到多个障碍物路径规划。如图5所示,无人机从A点飞向B点,A点、B点的连线l1经过圆O1,O2,O3…On。
采用Dubins几何学思想进行路径规划分为以下步骤:
(1)令连线l1作为最初的基线,根据离A点最近的圆O1的圆心在连线l1位置,作出线段AC。
(2)在线段AC的同一侧作圆O1的切线l2作为新基线且切线l2经过B点。
(3)切线l2最先经过圆O2,根据圆O2的圆心在切线l2的位置,作圆O1和圆O2的公切线DE。
(4)求出圆O2、圆O3的公切线FG,从圆O2的F点作出圆O2的经过B点的切线l3作为新的基线,判断新的基线是否经过下一个圆O3,直到新的基线没有经过新的圆On,并直接到B点,路径规划结束。
完成以上路径规划的整个过程,即可最终得到一条能从起点到终点的最短路径,该路径具有完整、平滑的特点。最终获得的无人机路径如图5所示。
在最终所得的无人机路径中,设最终获取O 1 O 2 O 3 O n 一共n个圆域,切线共有n+1条,所有切线长度为l 1l 2l 3l n+1,圆O n 与切线l kl k+1产生的圆弧为ρ k,则该条总路径长度L可以表示为;
Figure 130017DEST_PATH_IMAGE001
从而,运用该Dubins几何学方法求解在多障碍物情况下的无人机的最短路径,该路径满足了无人机在城市环境中运行且当无人机飞行高度在建筑物之下时,在无人机在密集建筑物间的安全穿梭。
作为一个可选的实施方案,求解安全节点之间距离最短的安全路径的方法是,在得到所有任意两个安全节点之间距离最短的安全路径后,形成包括终点和起点在内的所有安全节点和安全节点之间距离的加权网络图,然后利用Floyd算法求解加权网络图中任意两点之间的最短路径,将安全节点之间的距离作为加权值,运用Floyd算法可以求解起点到终点距离最短的安全路径。
Floyd算法是寻找给定的加权网络图中多源点之间最短路径的算法。在运用Voronoi图获得安全节点后,再利用Dubins几何学获得安全节点间的安全路径以及路径长度,得到加权网络图,如图6所示。在图6中,无人机的起点、终点和安全节点构成加权网络图中的点,加权网络图中的任意两点之间的权值为两点之间距离。运用Floyd算法可寻找出无人机的起点到终点之间的最短路径,从而得到无人机水平飞行路径。
S3.无人机电池能耗计算
从飞行剖面角度看,电动垂直起降无人机在整个飞行过程中可分水平飞行阶段和垂直飞行阶段。
在水平飞行阶段,无人机电动推力主要克服飞行时受到的飞行阻力,电池的输出功率可以表示为:
Figure 843895DEST_PATH_IMAGE002
(1)
式中,
Figure 154790DEST_PATH_IMAGE003
为无人机水平迎风面积,m2
Figure 831890DEST_PATH_IMAGE004
为零升力阻力系数;ρ为空气密度,kg/m3V C 为水平飞行速度,m/s;k为诱导阻力因子;M为无人机起飞质量,kg;g为重力加速度,取9.8m/s2
Figure 177421DEST_PATH_IMAGE005
Figure 265463DEST_PATH_IMAGE006
Figure 329234DEST_PATH_IMAGE007
分别为螺旋桨、无刷电机和无刷电调的工作效率,一般均取值为0.8。
在垂直飞行阶段,无人机缓慢匀速运行,电动推力主要克服无人机重量,电池的输出功率可以表示为:
Figure 810025DEST_PATH_IMAGE008
(2)
式中,A为无人机桨盘面积,m2κ为桨盘修正因子,一般取0.9~0.94。
由于标准状态下空气密度与距离海平面的高度有关,无人机在不同飞行高度下电池输出功率会有一定程度变化。根据公式(1)和公式(2)可知,小型电动垂直起降无人机在水平飞行阶段和垂直飞行阶段的电池输出功率与空气密度有关。因此,考虑飞行高度对电池输出功率的影响,能更加精确求解无人机电池消耗的能量。
依据BADA手册,标准大气海平面高度的空气密度
Figure 10062DEST_PATH_IMAGE009
=1.225 kg/m3,温度T 0 =288.15K。在海平面高度以上HH<11000 m)米时,温度T和空气密度ρ随着高度的增大而减小,其变化规律为:
Figure 534584DEST_PATH_IMAGE010
(3)
Figure 554493DEST_PATH_IMAGE011
(4)
式中:R为空气的气体常数,其值为287.05287 m2/Ks2K T 为低于对流层顶的温度梯度,其值为-0.0065 °K/m。
假定无人机在标准大气环境中飞行,飞行高度为海拔高度。结合公式(1)、(3)、(4),无人机飞行高度为H时,水平飞行距离为L时,水平飞行阶段电池消耗的能量Q 1 可表示为:
Figure 570466DEST_PATH_IMAGE012
(5)
结合公式(2)、(3)、(4),无人机在垂直起飞阶段速度为V T 、垂直降落阶段速度为V L 、飞行高度为H时,无人机垂直起飞和垂直降落的电池消耗能量Q 2 Q 3 可以表示为:
Figure 625009DEST_PATH_IMAGE013
(6)
Figure 586012DEST_PATH_IMAGE014
Figure 358796DEST_PATH_IMAGE015
分别表示无人机的垂直起飞时间和垂直降落时间;
这样,无人机整个飞行过程中电池消耗的总能量Q表示为:
Figure 915811DEST_PATH_IMAGE016
(7)
由上可知,无人机运行高度越小,垂直飞行阶段耗电量越小。
在同一个飞行高度区间内,如高度范围为(H1,H2)的任一高度上,影响无人机运行安全的建筑物的位置、数量是相同的,故在同一个飞行高度区间内的任一飞行高度上,无人机水平飞行路径相同,水平飞行能耗也相同。
但垂直飞行能耗受飞行高度影响,因此,在同一飞行高度区间内,无人机在最低高度飞行总能耗最小。比如在高度范围为(H1,H2)的飞行高度区间内,无人机飞行高度为H1时总能耗最小。
通过计算所有的飞行高度区间无人机所对应的最小高度的飞行总能耗,可以得到能耗最小的飞行高度以及对应的水平飞行路径,最后以能耗最小的飞行路径作为无人机最终的飞行路径。
通过以上说明,可以看出,本发明实施例中,在同一个飞行高度区间内,使用Voronoi图法先生成安全节点,再用Dubins几何学思想求解安全节点之间的安全路径和路径长度,然后得到加权网络图;最后运用Floyd算法求解加权网络图中起点到终点之间的最短路径,得到的最短路径,即是无人机在同一个飞行高度区间内水平飞行路径,结合根据公式(5)计算出的水平飞行能耗,再以无人机在该飞行高度区间内的最小高度计算垂直飞行能耗,根据公式(6)、(7)计算总能耗,再计算所有无人机飞行高度区间的总能耗,从而可以得到能耗最小的飞行高度区间以及水平飞行路径。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明;
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.无人机城区运行管控方法,其特征在于,包括以下步骤:
S1.依据建筑物高度数据,按每相邻两个高度构成一个飞行高度区间的划分法,在无人机飞行区域进行飞行高度区间划分,形成多个飞行高度区间;
S2.在同一飞行高度区间内,将影响飞行安全的建筑物抽象成建筑物的外接圆,将外接圆的圆心作为威胁源点,用Voronoi图法生成无人机可飞的安全节点;基于外接圆的圆心及半径长度,用Dubins几何学求解包括无人机的起点、终点以及安全节点在内的任意两点之间的距离最短的安全路径,得到包括起点、终点以及安全节点在内的任意两点之间距离的加权网络图;
S3.将加权网络图中任意两点之间的距离作为加权值,运用Floyd算法求解加权网络图中起点到终点之间的最短安全路径,获得无人机在同一个飞行高度区间内的最短水平飞行路径;
S4.计算无人机在该飞行高度区间的最小高度沿该最短水平飞行路径飞行时的电池总能耗,该电池总能耗包括无人机的水平飞行能耗以及垂直飞行能耗,垂直飞行能耗包括垂直起飞能耗和垂直降落能耗;
S5.计算所有飞行高度区间的总能耗,选出到能耗最小的飞行高度区间以及飞行路径,作为无人机的飞行高度以及飞行路径。
2.根据权利要求1所述无人机城区运行管控方法,其特征在于,在一个飞行高度区间内,影响无人机飞行安全的建筑物数量、位置相同;在不同飞行高度区间内,影响无人机飞行安全的建筑物数量、位置不同。
3.根据权利要求2所述无人机城区运行管控方法,其特征在于,无人机的飞行高度为H时,水平飞行距离为L时,在水平飞行阶段电池消耗的能量Q 1 表示为:
Figure 532014DEST_PATH_IMAGE001
式中,
Figure 132760DEST_PATH_IMAGE002
为无人机水平迎风面积;
Figure 189577DEST_PATH_IMAGE003
为零升力阻力系数;ρ为空气密度;V C 为水平飞行速度;k为诱导阻力因子;M为无人机起飞质量;g为重力加速度;
Figure 550283DEST_PATH_IMAGE004
Figure 579419DEST_PATH_IMAGE005
Figure 616645DEST_PATH_IMAGE006
分别为螺旋桨、无刷电机和无刷电调的工作效率,R为空气的气体常数,K T 为低于对流层顶的温度梯度,T 0 表示标准大气海平面高度的温度,
Figure 98442DEST_PATH_IMAGE007
表示标准大气海平面高度的空气密度。
4.根据权利要求3所述无人机城区运行管控方法,其特征在于,无人机在垂直起飞阶段速度为V T 、垂直降落阶段速度为V L 、飞行高度为H时,无人机的垂直起飞和垂直降落的电池消耗能量Q 2 Q 3 表示为:
Figure 262838DEST_PATH_IMAGE008
式中,A为无人机桨盘面积,
Figure 146480DEST_PATH_IMAGE009
为桨盘修正因子,
Figure 620187DEST_PATH_IMAGE010
Figure 589280DEST_PATH_IMAGE011
分别表示无人机的垂直起飞时间和垂直降落时间。
CN202210382303.9A 2022-04-13 2022-04-13 一种无人机城区运行管控方法 Active CN114460972B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210382303.9A CN114460972B (zh) 2022-04-13 2022-04-13 一种无人机城区运行管控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210382303.9A CN114460972B (zh) 2022-04-13 2022-04-13 一种无人机城区运行管控方法

Publications (2)

Publication Number Publication Date
CN114460972A true CN114460972A (zh) 2022-05-10
CN114460972B CN114460972B (zh) 2022-06-07

Family

ID=81418566

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210382303.9A Active CN114460972B (zh) 2022-04-13 2022-04-13 一种无人机城区运行管控方法

Country Status (1)

Country Link
CN (1) CN114460972B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160210863A1 (en) * 2015-01-19 2016-07-21 The Aerospace Corporation Autonomous nap-of-the-earth (anoe) flight path planning for manned and unmanned rotorcraft
CN110243359A (zh) * 2019-05-31 2019-09-17 南京航空航天大学 基于低空风预测模型的安全航迹规划方法
CN110398980A (zh) * 2019-06-05 2019-11-01 西安电子科技大学 一种无人机群协同探测及避障的航迹规划方法
CN110488871A (zh) * 2019-09-03 2019-11-22 滁州学院 一种基于二三维一体化的无人机路径动态规划方法
US20200298859A1 (en) * 2019-03-21 2020-09-24 The Regents Of The University Of Michigan Safe Autonomous Overtaking with Intention Estimation
CN111750869A (zh) * 2020-08-14 2020-10-09 中国电子科技集团公司第五十四研究所 一种实时重构Voronoi图的无人机路径规划方法
CN111880561A (zh) * 2020-07-16 2020-11-03 河南大学 城市环境下基于改进鲸鱼算法的无人机三维路径规划方法
CN112215407A (zh) * 2020-09-23 2021-01-12 中国民航大学 一种三维无人机安全航路规划方法
CN112817330A (zh) * 2021-01-05 2021-05-18 北京联合大学 一种多无人机四维航迹协同规划方法及系统
US20210158009A1 (en) * 2019-11-21 2021-05-27 Beihang University UAV Real-Time Path Planning Method for Urban Scene Reconstruction
CN113848985A (zh) * 2021-11-01 2021-12-28 西南交通大学 基于Hybird A*算法的多舰载无人机路径规划方法
US20220066456A1 (en) * 2016-02-29 2022-03-03 AI Incorporated Obstacle recognition method for autonomous robots

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160210863A1 (en) * 2015-01-19 2016-07-21 The Aerospace Corporation Autonomous nap-of-the-earth (anoe) flight path planning for manned and unmanned rotorcraft
US20220066456A1 (en) * 2016-02-29 2022-03-03 AI Incorporated Obstacle recognition method for autonomous robots
US20200298859A1 (en) * 2019-03-21 2020-09-24 The Regents Of The University Of Michigan Safe Autonomous Overtaking with Intention Estimation
CN110243359A (zh) * 2019-05-31 2019-09-17 南京航空航天大学 基于低空风预测模型的安全航迹规划方法
CN110398980A (zh) * 2019-06-05 2019-11-01 西安电子科技大学 一种无人机群协同探测及避障的航迹规划方法
CN110488871A (zh) * 2019-09-03 2019-11-22 滁州学院 一种基于二三维一体化的无人机路径动态规划方法
US20210158009A1 (en) * 2019-11-21 2021-05-27 Beihang University UAV Real-Time Path Planning Method for Urban Scene Reconstruction
CN111880561A (zh) * 2020-07-16 2020-11-03 河南大学 城市环境下基于改进鲸鱼算法的无人机三维路径规划方法
CN111750869A (zh) * 2020-08-14 2020-10-09 中国电子科技集团公司第五十四研究所 一种实时重构Voronoi图的无人机路径规划方法
CN112215407A (zh) * 2020-09-23 2021-01-12 中国民航大学 一种三维无人机安全航路规划方法
WO2021213540A1 (zh) * 2020-09-23 2021-10-28 中国民航大学 三维无人机安全航路规划方法
CN112817330A (zh) * 2021-01-05 2021-05-18 北京联合大学 一种多无人机四维航迹协同规划方法及系统
CN113848985A (zh) * 2021-11-01 2021-12-28 西南交通大学 基于Hybird A*算法的多舰载无人机路径规划方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
ANSHU VASHISTH 等: "《Existing_Path_Planning_Techniques_in_Unmanned_Aerial_Vehicles_UAVs_A_Systematic_Review》", 《2021 INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND KNOWLEDGE ECONOMY》 *
DONGHYUK KIM 等: "《Cloud RRT : Sampling Cloud based RRT》", 《2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS & AUTOMATION》 *
MADHAVAN SHANMUGAVEL 等: "《Co-operative path planning of multiple UAVs using Dubins paths with clothoid arcs》", 《CONTROL ENGINEERING PRACTICE》 *
SHUBHANI AGGARWAL 等: "《Path planning techniques for unmanned aerial vehicles: A review, solutions,and challenges》", 《COMPUTER COMMUNICATIONS 149》 *
VAIBHAV DARBARI 等: "《Dynamic Motion Planning for Aerial Surveillance on a Fixed-Wing UAV》", 《2017 INTERNATIONAL CONFERENCE ON UNMANNED AIRCRAFT SYSTEMS》 *
刘正元 等: "《无人机在应急物流配送中的任务分配模型构建》", 《科技管理研究》 *
周硙硙: "《基于三维PH曲线的UAV在线路径规划及跟踪控制研究》", 《舰船电子工程》 *
肖自兵 等: "《基于A定长搜索算法的多无人机协同航迹规划》", 《飞行力学》 *
郭启程 等: "《基于改进鲸鱼算法的无人机三维路径规划》", 《计算机科学》 *

Also Published As

Publication number Publication date
CN114460972B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
US11955017B2 (en) Dynamic aircraft routing
US10571932B2 (en) Navigation system for a drone
Chakrabarty et al. Flight path planning for uav atmospheric energy harvesting using heuristic search
CN108196575A (zh) 一种无人机任务分配及路线规划方法
CN109357678B (zh) 一种基于异质化鸽群优化算法的多无人机路径规划方法
EP3983753B1 (en) Dynamic aircraft routing
US20220269290A1 (en) Route planning among no-fly zones and terrain
CN112327939B (zh) 一种城市街区环境下高层消防多无人机协同路径规划方法
CN111221349A (zh) 多无人机目标定位的航路规划方法
CN111192481B (zh) 一种基于碰撞风险的进离场程序无人机管控区边界确定方法
CN109032175A (zh) 基于阿基米德螺旋线的无人机电力巡检路径计算方法
CN111811513B (zh) 一种多无人机协同覆盖及避障的航迹规划方法
CN115903879A (zh) 基于地形数据插值技术的无人机航迹规划方法
CN115145315A (zh) 一种改进a*算法的适合杂乱环境的无人机路径规划方法
CN114460972B (zh) 一种无人机城区运行管控方法
Recoskie Autonomous hybrid powered long ranged airship for surveillance and guidance
Ma et al. Volcanic ash region path planning based on improved A-star algorithm
CN103680213A (zh) 用于确定合适航点位置的方法
CN115494866A (zh) 一种多无人机全局及局部路径智能规划方法及系统
CN112799420B (zh) 一种基于多传感器无人机的实时航迹规划的方法
Ma et al. An UAV path planning method in complex mountainous area based on a new improved ant colony algorithm
CN113283060A (zh) 一种垂直起降固定翼无人机多机场择优起降方法
Huang et al. On the 3D track planning for electric power inspection based on the improved ant colony optimization and algorithm
Liu et al. UAV Routine Optimization and Obstacle Avoidance Based on ACO for Transmission Line Inspection
Rienecker et al. Energy Optimal Flight Path Planning for Unmanned Aerial Vehicles in Urban Environments Based on a Novel Energy-Distance Map

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