CN114625171A - 一种航时计算方法、装置、终端设备以及存储介质 - Google Patents
一种航时计算方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN114625171A CN114625171A CN202210303389.1A CN202210303389A CN114625171A CN 114625171 A CN114625171 A CN 114625171A CN 202210303389 A CN202210303389 A CN 202210303389A CN 114625171 A CN114625171 A CN 114625171A
- Authority
- CN
- China
- Prior art keywords
- time
- flight
- route
- real
- unmanned equipment
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 89
- 230000007613 environmental effect Effects 0.000 claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 50
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 description 1
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
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)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种航时计算方法、装置、终端设备以及存储介质，方法包括获取预先规划的任务航线以及任务航线对应的当前的环境信息；根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时；在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时。本发明实施例通过根据环境信息以及任务航线的航线路径计算得到预估航时，之后在无人设备沿任务航线的航行过程中，实时获取实时状态信息，并根据实时状态信息对预估航时进行调整，计算得到准确航时，提高了确定出的无人设备航时的准确性，解决了现有技术中在对无人设备的航时进行计算时误差较大的问题。
Description
技术领域
本申请实施例涉及无人设备技术领域，尤其涉及一种航时计算方法、装置、终端设备以及存储介质。
背景技术
目前在对无人设备(如垂起固定翼无人机、固定翼无人机以及复合翼多旋翼无人机)的飞行航时进行计算时，主要是根据无人设备在各个飞行阶段(如起飞、盘升、航线、转弯、盘降以及降落等)的标准工况功率以及电池容量来计算飞行航时。
然而，无人设备在飞行的过程中，其标准工况功率以及电池容量容受到其它因素的影响，例如温度和海拔对电池和电机的影响，风向和风速对电机转速的影响等，目前在对无人设备的飞行航时进行计算时，缺乏更为合理的进行精确计算的方法，导致无人设备的实际飞行航时与计算得到的飞行航时具有较大的误差，参考性较差。
发明内容
本发明实施例提供了一种航时计算方法、装置、终端设备以及存储介质，解决了现有技术中在对无人设备的航时进行计算时误差较大的问题，提高了确定出的无人设备航时的准确性。
第一方面，本发明实施例提供了一种航时计算方法，包括：
获取预先规划的任务航线以及任务航线对应的当前的环境信息；
根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时；
在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，实时状态参数包括实时环境信息或实时设备信息。
优选的，根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时，包括：
根据任务航线的航线路径，计算得到无人设备沿任务航线航行前的预测飞行总航时；
根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时。
优选的，根据任务航线的航线路径，计算得到无人设备沿任务航线航行前的预测飞行总航时，包括：
将任务航线的航线路径划分为多段航线子路径；
计算无人设备沿每段航线子路径航行时的预测飞行子航时；
将每个预测飞行子航时相加，得到无人设备沿任务航线航行前的预测飞行总航时。
优选的，将任务航线的航线路径划分为多段航线子路径，包括：
根据任务航线的航线路径，确定路径划分因素；
根据路径划分因素，将航线路径划分多段航线子路径。
优选的，根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时，包括：
将环境信息以及预测飞行总航时输入至预先构建的航时计算模型中，以通过航时计算模型根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时。
优选的，将环境信息以及预测飞行总航时输入至预先构建的航时计算模型之前，还包括：
获取无人设备的位置信息，基于无人设备的位置从航时计算模型库中选取位置信息对应的航时计算模型，其中，航时计算模型库中包括不同地区对应的多个航时计算模型。
优选的，实时状态参数包括实时设备信息，实时设备信息包括实时功率；
相应的，在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，包括：
在无人设备沿任务航线的航行过程中，实时获取无人设备的实时功率；
对实时功率进行均值滤波处理，得到第一实时功率；
对第一实时功率进行线性卡尔曼滤波处理，得到最终实时功率；
根据最终实时功率对预估航时进行调整，计算得到准确航时。
优选的，根据最终实时功率，对预估航时进行调整，计算得到准确航时，包括：
根据最终实时功率，计算无人设备的剩余飞行时间；
根据剩余飞行时间，对预估航时进行调整，得到准确航时。
优选的，根据剩余飞行时间，对预估航时进行调整，得到准确航时，包括：
根据已经飞行的时间以及剩余飞行时间，对预估航时进行调整，得到准确航时。
优选的，实时状态参数包括实时环境信息；
相应的，在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，包括：
在无人设备沿任务航线的航行过程中，实时获取无人设备的实时环境信息；
将实时环境信息以及预估航时输入至预先构建的航时计算模型中，以通过航时计算模型根据实时环境信息对预估航时进行修正，得到无人设备沿任务航线航行的准确航时。
优选的，在得到无人设备沿任务航线航行的准确航时之后，还包括：
根据预估航时、准确航时以及环境信息对航时计算模型进行优化。
第二方面，本发明实施例提供了一种航时计算装置，包括：
数据获取模块，用于获取预先规划的任务航线以及任务航线对应的当前的环境信息；
航时预估模块，用于根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时；
航时调整模块，用于在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，实时状态参数包括实时环境信息或实时设备信息。
第三方面，本发明实施例提供了一种终端设备，终端设备包括处理器以及存储器；
存储器用于存储计算机程序，并将计算机程序传输给处理器；
处理器用于根据计算机程序中的指令执行如第一方面的航时计算方法。
第四方面，本发明实施例提供了一种存储计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如第一方面的航时计算方法。
上述，本发明实施例提供了一种航时计算方法、装置、终端设备以及存储介质，方法包括获取预先规划的任务航线以及任务航线对应的当前的环境信息；根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时；在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，实时状态参数包括实时环境信息或实时设备信息。
本发明实施例在无人设备沿任务航线航行前，根据环境信息以及任务航线的航线路径，计算得到预估航时，之后，在无人设备沿任务航线的航行过程中，实时获取实时状态信息，并根据实时状态信息对预估航时进行调整，计算得到准确航时，提高了确定出的无人设备航时的准确性，实现无人设备在航行过程中精准的航时估算，解决了现有技术中在对无人设备的航时进行计算时误差较大的问题。
附图说明
图1为本发明实施例提供的一种航时计算方法的流程图。
图2为本发明实施例提供的另一种航时计算方法的流程图。
图3为本发明实施例提供的一种任务航线的航线路径示意图。
图4为本发明实施例提供的另一种航时计算方法的流程图。
图5为本发明实施例提供的另一种航时计算方法的流程图。
图6为本发明实施例提供的另一种航时计算方法的流程图。
图7为本发明实施例提供的一种航时计算装置的结构示意图。
图8为本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述和附图充分地示出本申请的具体实施方案，以使本领域的技术人员能够实践它们。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本申请的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，各实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。本文中，诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来，而不要求或者暗示这些实体或操作之间存在任何实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素。本文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。对于实施例公开的结构、产品等而言，由于其与实施例公开的部分相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
实施例一
如图1所示，图1为本发明实施例提供的一种航时计算方法的流程图。本发明实施例提供的航时计算方法可以由航时计算设备执行，该航时计算设备可以通过软件和/或硬件的方式实现，该航时计算设备可以是两个或多个物理实体构成，也可以由一个物理实体构成。例如航时计算设备可以是电脑、上位机、平板等设备。方法包括以下步骤：
步骤101、获取预先规划的任务航线以及任务航线对应的当前的环境信息。
在本实施例中，首先需要获取预先规划的任务航线，以及与任务航线所在区域相对应的当前的环境信息。可理解，在本实施例中，任务航线可以预先根据实际需要进行规划，任务航线的类别不限于弓字型航线、带状航线、螺旋航线、井字型航线类别等。具体的，在规划任务航线的过程中，需要确定航线路径、作业区域，设置航飞高度、飞行速度以及旁向重叠度等，若无人设备为固定翼无人机，则还需要进一步设置固定翼切换高度。
在规划了任务航线后，还需要进一步获取任务航线当前的环境信息。在本实施例中，环境信息包括温度信息、海拔信息、风况信息(风向、风速以及风频)。可理解，环境信息的获取方式可根据实际需要进行设置，示例性的，可以通过服务器获取任务航线当前的环境信息，也可以在无人设备上设置传感器，通过传感器来获取环境信息，例如温度信息可以通过温度传感器获取，海拔信息可以通过气压高度传感器获取，风况信息则通过空速计以及3个舵面的力矩反馈信息，来获取起飞前的风况信息。
步骤102、根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时。
在规划了任务航线以及获取到任务航线当前的环境信息后，则可以根据环境信息以及任务航线的航线路径，来估算无人设备沿任务航线航行前的预估航时。具体的，在一个实施例中，可以根据任务航线的航线路径，来计算无人设备沿任务航行前的预测飞行总航时，之后，再考虑环境信息对无人设备的影响，根据环境信息对预测飞行总航时进行修正，得到预估航时。
步骤103、在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，实时状态参数包括实时环境信息或实时设备信息。
在得到预估航时之后，启动无人设备，控制无人设备沿任务航线的航线路径进行航行，并且在无人设备沿任务航线进行航行的过程中，实时获取实时状态参数，并根据实时状态参数进一步对预估航时进行调整，计算得到准确航时。需要进一步说明的是，在本实施例中，实时状态参数包括实时环境信息以及实时设备信息，实时环境信息即为无人设备在沿任务航线航行的过程中，无人设备所处的实时环境的信息，实时设备信息即无人设备在沿任务航线航行的过程中，无人设备自身的状态的信息。在一个实施例中，当实时状态参数为无人设备的实时环境信息时，在航行过程中考虑实时环境信息对无人设备的影响，对预估航时进行调整，得到准确航时。在另一个实施例中，当实时状态参数为无人设备的实时功率，根据无人设备的实时功率以及剩余电量，可以计算出无人设备的剩余飞行时间，根据剩余飞行时间对预估航时进行调整，从而得到准确航时。
上述，本发明实施例在无人设备沿任务航线航行前，根据环境信息以及任务航线的航线路径，计算得到预估航时，之后，在无人设备沿任务航线的航行过程中，实时获取实时状态信息，并根据实时状态信息对预估航时进行调整，计算得到准确航时，提高了确定出的无人设备航时的准确性，实现无人设备在航行过程中精准的航时估算，解决了现有技术中在对无人设备的航时进行计算时误差较大的问题。
如图2所示，图2为本发明实施例提供的另一种航时计算方法的流程图，包括以下步骤：
步骤201、获取预先规划的任务航线以及任务航线对应的当前的环境信息。
步骤202、根据任务航线的航线路径，计算得到无人设备沿任务航线航行前的预测飞行总航时。
在本实施例中，获取到预先规划的任务航线后，需要根据任务航线中的航线路径，来预估无人设备沿任务航线航行的预测飞行总航时。具体的，可根据任务航线中的航程、航飞高度、飞行速度以及切换高度等因素，来计算无人设备沿任务航线航行的预测飞行总航时。
在上述实施例的基础上，步骤202中根据任务航线的航线路径，计算得到无人设备沿任务航线航行前的预测飞行总航时具体由步骤2021-步骤2023执行，包括：
步骤2021、将任务航线的航线路径划分为多段航线子路径。
在计算预测飞行总航时时，由于无人设备在飞行过程中具有不同的飞行阶段，例如起飞、转向、巡航以及降落等，每个飞行阶段的飞行速度存在不同，因此需要对任务航线的航线路径进行划分，将任务航线的航线路径划分为多段航线子路径。
在一个实施例中，步骤2021中对将任务航线的航线路径划分为多段航线子路径具体由步骤20211-步骤20212执行，包括：
步骤20211、根据任务航线的航线路径，确定路径划分因素。
在对任务航线的航线路径进行划分时，首先确定出路径划分因素。在本实施例中，以固定翼无人机作为无人设备为例，根据固定翼无人机的飞行方式，可以确定出路径划分因素为飞行高度、固定翼切换高度以及作业区域。
步骤20212、根据路径划分因素，将航线路径划分多段航线子路径。
在确定出路径划分因素后，可根据路径划分因素，将航线路径划分为多段航线子路径。示例性的，在一个实施例中，固定翼无人机的任务航线的航线路径如图3所示，此时根据飞行高度、固定翼切换高度以及作业区域，将航线路径划分为7段航线子路径，7段航线子路径分别为：(1)垂直起飞至指定高度H0、(2)保持高度H0直线转换、(3)盘旋爬高至指定高度H1、(4)作业区保持H1高度匀速平飞、(5)盘旋降落至指定高度H2、(6)保持高度H2直线返回以及(7)H2垂直降落。其中，H0>0，H1>H0，H1>H2，H2>0。
以上即为步骤2021中将任务航线的航线路径划分为多段航线子路径的过程。
步骤2022、计算无人设备沿每段航线子路径航行时的预测飞行子航时。
在将航线路径划分为多段航线子路径后，分别计算无人设备沿每段航线子路径航行时的预测飞行子航时。示例性的，对于图3的航线路径中的7段航线子路径，分别计算无人设备沿每段航线子路径航行时的预测飞行子航时具体过程如下：
第(1)段航线子路径的预测飞行子航时T1近似为
T1＝H0/VR
其中，VR为固定翼无人机垂直起降时垂直方向速度。
第(2)段航线子路径的预测飞行子航时T2近似为
T2＝R0/V0
其中，R0为爬高和降落盘旋圆半径，V0为固定翼无人机的巡航速度。
第(3)段航线子路径的预测飞行子航时T3近似为
T3＝(H1-H0)/VF
其中，VF为固定翼无人机的固定翼垂直方向最大速度。
第(4)段航线子路径的预测飞行子航时T4近似为
T4＝L/V0
其中，
Li为每段直线航线长度，Sj为每段圆弧的长度，Sj的计算方法为：
Sj＝α(j)*R(j)
其中，α(j)为第j个半径为R(j)的弧度。
第(5)段航线子路径的预测飞行子航时T5近似为
T5＝(H1-H2)/VF
第(6)段航线子路径的预测飞行子航时T6近似为
T6＝R0/V0
第(7)段航线子路径的预测飞行子航时T7近似为
T7＝H0/VR。
步骤2023、将每个预测飞行子航时相加，得到无人设备沿任务航线航行前的预测飞行总航时。
在计算出每段航线子路径相对应的预测飞行子航时后，将每个预测飞行子航时相加，即可得到无人设备沿任务航线航行前的预测飞行总航时Ty，具体如下：
以上即为步骤202中根据任务航线的航线路径，计算得到无人设备沿任务航线航行前的预测飞行总航时的具体过程。
步骤203、根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时。
在计算出了预测飞行总航时后，还需要考虑环境在无人设备航行的过程中对无人设备的影响，例如环境中的风向以及风速对无人设备的飞行速度造成影响，温度对无人设备的电池造成影响等，而无人设备的飞行速度和电池又会进一步对飞行总航时造成影响。因此，在无人设备航行前，需要进一步使用任务航线当前的环境信息对预测总航时进行修正，得到预估航时，从而提升航时的预测精度。
在上述实施例的基础上，步骤203中根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时具体由步骤2031执行，包括：
步骤2031、将环境信息以及预测飞行总航时输入至预先构建的航时计算模型中，以通过航时计算模型根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时。
在本实施例中，在使用环境信息对预测飞行总航时进行修正时，将环境信息以及预测飞行总航时输入到预先构建的航时计算模型中，航时计算模型则根据环境信息计算出一个补偿参数，并使用补偿参数对预测飞行总航时进行修正，得到预估航时。示例性的，例如计算预测飞行总航时的环境温度为25℃，环境信息中任务航线当前的温度为-10℃，在航时计算模型中，温度的差异主要影响电池的放电活性以及影响无人机气动参数，航时计算模型此时得到的补偿参数为0.85，则此时将预测飞行总航时乘以0.85，即可得到预估航时。
以上即为步骤203中根据环境信息对预测飞行总航时进行修正的具体过程。
在一个实施例中，执行步骤2031中将环境信息以及预测飞行总航时输入至预先构建的航时计算模型之前，还包括以下步骤20311：
步骤20311、获取无人设备的位置信息，基于无人设备的位置从航时计算模型库中选取位置信息对应的航时计算模型，其中，航时计算模型库中包括不同地区对应的多个航时计算模型。
在本实施例中，需要预先建立航时计算模型库，航时计算模型库中包括有与不同地区相对应的多个航时计算模型。具体的，可根据每个地区的地理位置以及海拔信息，建立每个地区的航时计算模型，每个航时计算模型中的变量为风况信息以及温度信息，一个地区的航时计算模型可具备多种风况信息以及温度信息的子项。需要进一步说明的是，在本实施例中，航时计算模型为以数据包络分析方法(DEA,Data Envelopment Analysis)为基础开发的模型，数据包络分析方法在数据处理的有效性、实时性具有较适配的优势。航时计算模型的输入参数为航时、温度信息以及风况信息，输出参数为根据温度信息以及风况信息修正后的的航时。
将环境信息以及预测飞行总航时输入至预先构建的航时计算模型之前，还需要获取无人设备的位置信息，根据无人设备的位置信息确定无人设备当前所处的地区，之后，根据无人设备当前所处的地区，从航时计算模型库中选取位置信息对应的航时计算模型，使得所选取出的航时计算模型与无人设备当前所处的地区相匹配，保证后续得到的预估航时的准确性。
步骤204、在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，实时状态参数包括实时环境信息或实时设备信息。
上述，本发明实施例将任务航线的航线路径划分为多段航线子路径，通过计算无人设备沿每段航线子路径航行时的预测飞行子航时，从而计算出预测飞行总航时，并使用航时计算模型根据环境信息对预测飞行总航时进行修正，得到预估航时，从而在计算预估航时时考虑了环境对无人设备的影响，使得计算出的预估航时更加准确。
在一个实施例中，实时状态参数包括实时设备信息，实时设备信息包括实时功率，相应的，本发明实施例提供的另一种航时计算方法的流程图如图4所示，包括以下步骤：
步骤301、获取预先规划的任务航线以及任务航线对应的当前的环境信息。
步骤302、根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时。
步骤303、在无人设备沿任务航线的航行过程中，实时获取无人设备的实时功率。
在本实施例中，启动无人设备，控制无人设备沿任务航线进行航行，并在航行的过程中，实时获取无人设备的实时功率，可理解，实时功率的获取方式可根据实际需要进行设置，在本实施例中不进行具体限定，例如根据无人设备的实时电压和实时电流来计算实时功率。
步骤304、对实时功率进行均值滤波处理，得到第一实时功率。
在得到实时功率之后，为了提高估计功耗，对实时功率进行均值滤波处理，得到第一实时功率，具体如下：
其中，DT为系统采样周期，k为时间序列第k时刻，Pc(k)为实时功率,
为第一实时功率，N为正整数，Pc(i)为时域[(k-N)*DT，k*DT]的实时功率。
步骤305、对第一实时功率进行线性卡尔曼滤波处理，得到最终实时功率。
之后，进一步对第一实时功率进行线性卡尔曼滤波处理，从而得到最终实时功率，具体过程如下：
设系统状态方程为：
X(:,k)＝A*X(:,k-1)+B*W(k-1)
Z(k)＝H*X(：，k)+V(k)
其中，X(：，k)是系统k时刻状态矩阵，Z(k)是系统k时刻观测矩阵，W(k-1)为功率测量的过程噪声，y(k)为功率的测量噪声，A＝B＝H＝1。
进一步的，通过以下公式(1)-(7)计算最终实时功率：
Z(k)＝H*X(k)+V(k) (1)
X_pr＝A*Xk(k-1) (2)
P_pr＝A*P(k-1)*AT+Q (3)
Kg＝P-pr*HT*(H*P_pr*HT+R)-1 (4)
e＝Z(k)-H*X_pr (5)
Xk(k)＝X_pr+K*e (6)
P(k)＝(I-Kg*H)*P_pr (7)
其中，Q为过程噪声W(k)方差，R为测量噪声V(k)方差，I为单位矩阵，P(k)和P(k-1)分别为k时刻和k-1时刻估计误差方差矩阵，Kg为卡尔曼增益矩阵。Xk(k)为最优估计值。
根据公式(1)-公式(7)，可求得
其中，
为最终实时功率。
步骤306、根据最终实时功率对预估航时进行调整，计算得到准确航时。
在得到最终实时功率后，即可根据最终实时功率对预估航时进行调整，计算得到准确航时。
在一个实施例中，步骤306中根据最终实时功率，对预估航时进行调整，计算得到准确航时具体由步骤3061-步骤3062完成，包括：
步骤3061、根据最终实时功率，计算无人设备的剩余飞行时间。
在得到最终实时功率后，即可根据无人设备的剩余电量，计算出无人设备的剩余飞行时间，具体公式为：
其中，TT(k)为剩余飞行时间，M(k)为电池的剩余电量，单位为瓦·时。
步骤3062、根据剩余飞行时间，对预估航时进行调整，得到准确航时。
在获知了无人设备的剩余飞行时间后，即可根据剩余飞行时间对预估航时进行调整，得到准确航时。
在一个实施例中，根据剩余飞行时间，对预估航时进行调整，得到准确航时，包括：
根据已经飞行的时间以及剩余飞行时间，对预估航时进行调整，得到准确航时。
在计算出无人设备的剩余飞行时间后，即可将已经飞行的时间和剩余飞行时间进行求和，并根据求和结果对预估航时进行调整，得到准确航时。可理解，由于剩余飞行时间即为无人设备的电池电量所能够继续提供电能的时间，电量耗尽后无人设备无法继续飞行，因此将已经飞行的时间和剩余飞行时间进行求和，即可得到无人设备的准确航时。
上述，本发明实施例通过在无人设备进行航行的过程中，实时获取无人设备的实时功率，并在实时功率的基础上计算无人设备的剩余飞行时间，根据已经飞行的时间和剩余飞行时间对预估航时进行调整，得到准确航时，在计算准确航时的过程中根据无人设备的剩余飞行时间来计算准确航时，使得计算出来的准确航时的精确度更高。
在一个实施例中，实时状态参数包括实时环境信息，相应的，本发明实施例提供的另一种航时计算方法的流程图如图5所示，包括以下步骤：
步骤401、获取预先规划的任务航线以及任务航线对应的当前的环境信息。
步骤402、根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时。
步骤403、在无人设备沿任务航线的航行过程中，实时获取无人设备的实时环境信息。
在本实施例中，启动无人设备后，控制无人设备沿任务航线进行航行，并在航行的过程中，实时获取无人设备的实时环境信息，实时环境信息包括温度信息、海拔信息以及风况信息等。可理解，在此步骤中，为了避免服务器上获取到的实时环境信息的精度不高，因此可以在无人设备上设置传感器，通过传感器来获取无人设备的实时环境信息，具体方式可参考步骤101中有关设置传感器的描述内容，在此不再进行赘述。
步骤404、将实时环境信息以及预估航时输入至预先构建的航时计算模型中，以通过航时计算模型根据实时环境信息对预估航时进行修正，得到无人设备沿任务航线航行的准确航时。
在无人设备航行过程中获取到实时环境信息后，将实时环境信息以及预估航时输入到预先构建的航时计算模型中，航时计算模型在接收到实时环境信息后，进一步根据实时环境信息对预估航时进行修正，得到无人设备沿任务航线航行的准确航时。航时计算模型的工作原理可参考步骤20311中对航时计算模型的描述内容，在此不再进行赘述。
上述，本发明实施例通过在无人设备进行航行的过程中，实时获取无人设备的实时环境信息，通过航时计算模型根据实时环境信息对预估航时进行修正，得到无人设备沿任务航线航行的准确航时。在计算准确航时的过程中根据无人设备的实时环境信息来计算准确航时，使得计算出来的准确航时的精确度更高。
如图6所示，图6为本发明实施例提供的另一种航时计算方法的流程图，包括以下步骤：
步骤501、获取预先规划的任务航线以及任务航线对应的当前的环境信息。
步骤502、根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时。
步骤503、将实时环境信息以及预估航时输入至预先构建的航时计算模型中，以通过航时计算模型根据实时环境信息对预估航时进行修正，得到无人设备沿任务航线航行的准确航时。
步骤504、根据预估航时、准确航时以及环境信息对航时计算模型进行优化。
本实施例中，在调用了对应的航时计算模型来计算无人设备沿任务航线航时的准确航时后，还进一步将预估航时、准确航时以及环境信息中的温度信息以及风况信息输入至航时计算模型中，进一步对航时计算模型进行优化，从而提高航时计算模型计算准确航时的精确度。
在得到优化后的航时计算模型后，当后续无人设备重新在该地区内沿其他任务航线进行航行时，即可计算无人设备沿其他任务航线航行的第一预估航时，并获取该地区当前的第一环境信息，之后调用最近一次优化的与该地区相对应的航时计算模型，将第一环境信息以及第一预估航时输入到航时计算模型中，从而得到无人设备沿其他任务航线航线的第一准确航时。
上述，本发明实施例通过调用航时计算模型计算得到无人设备沿任务航线的航行的准确航时后，根据预估航时、准确航时以及环境信息对航时计算模型进行优化，当后续无人设备重新在该地区内沿其他任务航线进行航行时，即可调用优化后的航时计算模型，使用优化后的航时计算模型来计算准确航时，使得计算出来的准确航时的精确度更高。
实施例二
如图7所示，图7为本发明实施例提供的一种航时计算装置的结构示意图，包括：
数据获取模块601，用于获取预先规划的任务航线以及任务航线对应的当前的环境信息.
航时预估模块602，用于根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时。
航时调整模块603，用于在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，实时状态参数包括实时环境信息或实时设备信息。
在上述实施例的基础上，航时预估模块602用于根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时，包括：
用于根据任务航线的航线路径，计算得到无人设备沿任务航线航行前的预测飞行总航时；根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时。
在上述实施例的基础上，航时预估模块602用于根据任务航线的航线路径，计算得到无人设备沿任务航线航行前的预测飞行总航时，包括：
用于将任务航线的航线路径划分为多段航线子路径；计算无人设备沿每段航线子路径航行时的预测飞行子航时；将每个预测飞行子航时相加，得到无人设备沿任务航线航行前的预测飞行总航时。
在上述实施例的基础上，航时预估模块602用于将任务航线的航线路径划分为多段航线子路径，包括：
用于根据任务航线的航线路径，确定路径划分因素；根据路径划分因素，将航线路径划分多段航线子路径。
在上述实施例的基础上，航时预估模块602用于根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时，包括：
用于将环境信息以及预测飞行总航时输入至预先构建的航时计算模型中，以通过航时计算模型根据环境信息对预测飞行总航时进行修正，得到无人设备沿任务航线航行前的预估航时。
在上述实施例的基础上，航时预估模块602用于将环境信息以及预测飞行总航时输入至预先构建的航时计算模型之前，还包括：
用于获取无人设备的位置信息，基于无人设备的位置从航时计算模型库中选取位置信息对应的航时计算模型，其中，航时计算模型库中包括不同地区对应的多个航时计算模型。
在上述实施例的基础上，实时状态参数包括实时设备信息，实时设备信息包括实时功率；
相应的，航时调整模块603用于在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，包括：
用于在无人设备沿任务航线的航行过程中，实时获取无人设备的实时功率；对实时功率进行均值滤波处理，得到第一实时功率；对第一实时功率进行线性卡尔曼滤波处理，得到最终实时功率；根据最终实时功率对预估航时进行调整，计算得到准确航时。
在上述实施例的基础上，航时调整模块603用于根据最终实时功率，对预估航时进行调整，计算得到准确航时，包括：
用于根据最终实时功率，计算无人设备的剩余飞行时间；根据剩余飞行时间，对预估航时进行调整，得到准确航时。
在上述实施例的基础上，航时调整模块603用于根据剩余飞行时间，对预估航时进行调整，得到准确航时，包括：
用于根据已经飞行的时间以及剩余飞行时间，对预估航时进行调整，得到准确航时。
在上述实施例的基础上，实时状态参数包括实时环境信息；
相应的，航时调整模块603用于在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，包括：
用于在无人设备沿任务航线的航行过程中，实时获取无人设备的实时环境信息；将实时环境信息以及预估航时输入至预先构建的航时计算模型中，以通过航时计算模型根据实时环境信息对预估航时进行修正，得到无人设备沿任务航线航行的准确航时。
在上述实施例的基础上，还包括模型优化模块，用于在得到无人设备沿任务航线航行的准确航时之后，根据预估航时、准确航时以及环境信息对航时计算模型进行优化。
实施例三
本实施例还提供了一种终端设备，如图8所示，一种终端设备70，终端设备包括处理器700以及存储器701；
存储器701用于存储计算机程序702，并将计算机程序702传输给处理器；
处理器700用于根据计算机程序702中的指令执行上述的一种航时计算方法实施例中的步骤。
示例性的，计算机程序702可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器701中，并由处理器700执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序702在终端设备70中的执行过程。
终端设备70可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备70可包括，但不仅限于，处理器700、存储器701。本领域技术人员可以理解，图8仅仅是终端设备70的示例，并不构成对终端设备70的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备70还可以包括输入输出设备、网络接入设备、总线等。
所称处理器700可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器701可以是终端设备70的内部存储单元，例如终端设备70的硬盘或内存。存储器701也可以是终端设备70的外部存储终端设备，例如终端设备70上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。进一步地，存储器701还可以既包括终端设备70的内部存储单元也包括外部存储设备。存储器701用于存储计算机程序以及终端设备70所需的其他程序和数据。存储器701还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例四
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种航时计算方法，该方法包括以下步骤：
获取预先规划的任务航线以及任务航线对应的当前的环境信息；
根据环境信息以及任务航线的航线路径，计算得到无人设备沿任务航线航行前的预估航时；
在无人设备沿任务航线的航行过程中，根据获取到的实时状态参数对预估航时进行调整，计算得到准确航时，实时状态参数包括实时环境信息或实时设备信息。
注意，上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明实施例不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明实施例构思的情况下，还可以包括更多其他等效实施例，而本发明实施例的范围由所附的权利要求范围决定。
Claims (14)
1.一种航时计算方法，其特征在于，包括：
获取预先规划的任务航线以及所述任务航线对应的当前的环境信息；
根据所述环境信息以及所述任务航线的航线路径，计算得到无人设备沿所述任务航线航行前的预估航时；
在所述无人设备沿所述任务航线的航行过程中，根据获取到的实时状态参数对所述预估航时进行调整，计算得到准确航时，所述实时状态参数包括实时环境信息或实时设备信息。
2.根据权利要求1所述的航时计算方法，其特征在于，所述根据所述环境信息以及所述任务航线的航线路径，计算得到无人设备沿所述任务航线航行前的预估航时，包括：
根据所述任务航线的航线路径，计算得到无人设备沿所述任务航线航行前的预测飞行总航时；
根据所述环境信息对所述预测飞行总航时进行修正，得到所述无人设备沿所述任务航线航行前的预估航时。
3.根据权利要求2所述的航时计算方法，其特征在于，所述根据所述任务航线的航线路径，计算得到无人设备沿所述任务航线航行前的预测飞行总航时，包括：
将所述任务航线的航线路径划分为多段航线子路径；
计算所述无人设备沿每段所述航线子路径航行时的预测飞行子航时；
将每个所述预测飞行子航时相加，得到所述无人设备沿所述任务航线航行前的预测飞行总航时。
4.根据权利要求3所述的航时计算方法，其特征在于，所述将所述任务航线的航线路径划分为多段航线子路径，包括：
根据所述任务航线的航线路径，确定路径划分因素；
根据所述路径划分因素，将所述航线路径划分多段航线子路径。
5.根据权利要求2所述的航时计算方法，其特征在于，所述根据所述环境信息对所述预测飞行总航时进行修正，得到所述无人设备沿所述任务航线航行前的预估航时，包括：
将所述环境信息以及所述预测飞行总航时输入至预先构建的航时计算模型中，以通过所述航时计算模型根据所述环境信息对所述预测飞行总航时进行修正，得到所述无人设备沿所述任务航线航行前的预估航时。
6.根据权利要求5所述的航时计算方法，其特征在于，将所述环境信息以及所述预测飞行总航时输入至预先构建的航时计算模型之前，还包括：
获取所述无人设备的位置信息，基于所述无人设备的位置从航时计算模型库中选取所述位置信息对应的航时计算模型，其中，所述航时计算模型库中包括不同地区对应的多个航时计算模型。
7.根据权利要求1所述的航时计算方法，其特征在于，所述实时状态参数包括实时设备信息，所述实时设备信息包括实时功率；
相应的，所述在所述无人设备沿所述任务航线的航行过程中，根据获取到的实时状态参数对所述预估航时进行调整，计算得到准确航时，包括：
在所述无人设备沿所述任务航线的航行过程中，实时获取所述无人设备的实时功率；
对所述实时功率进行均值滤波处理，得到第一实时功率；
对所述第一实时功率进行线性卡尔曼滤波处理，得到最终实时功率；
根据所述最终实时功率对所述预估航时进行调整，计算得到准确航时。
8.根据权利要求7所述的航时计算方法，其特征在于，所述根据所述最终实时功率，对所述预估航时进行调整，计算得到准确航时，包括：
根据所述最终实时功率，计算所述无人设备的剩余飞行时间；
根据所述剩余飞行时间，对所述预估航时进行调整，得到准确航时。
9.根据权利要求8所述的航时计算方法，其特征在于，所述根据所述剩余飞行时间，对所述预估航时进行调整，得到准确航时，包括：
根据已经飞行的时间以及所述剩余飞行时间，对所述预估航时进行调整，得到准确航时。
10.根据权利要求1所述的航时计算方法，其特征在于，所述实时状态参数包括实时环境信息；
相应的，所述在所述无人设备沿所述任务航线的航行过程中，根据获取到的实时状态参数对所述预估航时进行调整，计算得到准确航时，包括：
在所述无人设备沿所述任务航线的航行过程中，实时获取所述无人设备的实时环境信息；
将所述实时环境信息以及所述预估航时输入至预先构建的航时计算模型中，以通过所述航时计算模型根据所述实时环境信息对所述预估航时进行修正，得到所述无人设备沿所述任务航线航行的准确航时。
11.根据权利要求10所述的航时计算方法，其特征在于，在所述得到所述无人设备沿所述任务航线航行的准确航时之后，还包括：
根据所述预估航时、所述准确航时以及所述环境信息对所述航时计算模型进行优化。
12.一种航时计算装置，其特征在于，包括：
数据获取模块，用于获取预先规划的任务航线以及所述任务航线对应的当前的环境信息；
航时预估模块，用于根据所述环境信息以及所述任务航线的航线路径，计算得到无人设备沿所述任务航线航行前的预估航时；
航时调整模块，用于在所述无人设备沿所述任务航线的航行过程中，根据获取到的实时状态参数对所述预估航时进行调整，计算得到准确航时，所述实时状态参数包括实时环境信息或实时设备信息。
13.一种终端设备，其特征在于，所述终端设备包括处理器以及存储器；
所述存储器用于存储计算机程序，并将所述计算机程序传输给所述处理器；
所述处理器用于根据所述计算机程序中的指令执行如权利要求1-11中任一项所述的航时计算方法。
14.一种存储计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-11中任一项所述的航时计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210303389.1A CN114625171A (zh) | 2022-03-24 | 2022-03-24 | 一种航时计算方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210303389.1A CN114625171A (zh) | 2022-03-24 | 2022-03-24 | 一种航时计算方法、装置、终端设备以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114625171A true CN114625171A (zh) | 2022-06-14 |
Family
ID=81903307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210303389.1A Pending CN114625171A (zh) | 2022-03-24 | 2022-03-24 | 一种航时计算方法、装置、终端设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114625171A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103869255A (zh) * | 2014-03-18 | 2014-06-18 | 南京航空航天大学 | 微小型电动无人机续航时间估算方法 |
| CN107145161A (zh) * | 2017-05-27 | 2017-09-08 | 合肥工业大学 | 无人机访问多目标点的航迹规划方法及装置 |
| CN111829524A (zh) * | 2020-07-16 | 2020-10-27 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 航行任务规划方法、装置及电子设备 |
| CN112578816A (zh) * | 2021-02-25 | 2021-03-30 | 四川腾盾科技有限公司 | 一种大展翼大型无人机预计到达时间计算方法 |
| CN113484765A (zh) * | 2021-08-03 | 2021-10-08 | 广州极飞科技股份有限公司 | 无人机的续航时间确定方法、装置、处理设备及介质 |
-
2022
- 2022-03-24 CN CN202210303389.1A patent/CN114625171A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103869255A (zh) * | 2014-03-18 | 2014-06-18 | 南京航空航天大学 | 微小型电动无人机续航时间估算方法 |
| CN107145161A (zh) * | 2017-05-27 | 2017-09-08 | 合肥工业大学 | 无人机访问多目标点的航迹规划方法及装置 |
| CN111829524A (zh) * | 2020-07-16 | 2020-10-27 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 航行任务规划方法、装置及电子设备 |
| CN112578816A (zh) * | 2021-02-25 | 2021-03-30 | 四川腾盾科技有限公司 | 一种大展翼大型无人机预计到达时间计算方法 |
| CN113484765A (zh) * | 2021-08-03 | 2021-10-08 | 广州极飞科技股份有限公司 | 无人机的续航时间确定方法、装置、处理设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11029168B2 (en) | Method for identifying optimal vehicle paths when energy is a key metric or constraint | |
| US11747830B2 (en) | Vehicle navigation system | |
| US11693373B2 (en) | Systems and methods for robust learning-based control during forward and landing flight under uncertain conditions | |
| Izadi et al. | Fault tolerant model predictive control of quad-rotor helicopters with actuator fault estimation | |
| EP3422130A1 (en) | Method and system for autonomously operating an aircraft | |
| EP3357051A1 (en) | Fast flight trajectory optimisation for in-flight computation and flight management systems | |
| US11482118B1 (en) | System and method for flight selective tracking, categorization, and transmission of flight data of an electric aircraft | |
| ES2953038T3 (es) | Optimización de un modelo paramétrico de rendimiento de una aeronave | |
| CN113484765B (zh) | 无人机的续航时间确定方法、装置、处理设备及介质 | |
| EP3065020A1 (en) | Method for calculating the optimum economy cruise speed in an aircraft | |
| CA2782105A1 (en) | Heuristic method for computing performance of an aircraft | |
| US20220013019A1 (en) | Systems and methods for tail-specific parameter computation | |
| CN118151675B (zh) | 用于复杂场景巡航的无人机姿态控制方法及系统 | |
| CN105701552A (zh) | 一种飞行航路垂直剖面的计算方法 | |
| Freeman | Reliability assessment for low-cost unmanned aerial vehicles | |
| CN111968414A (zh) | 基于大数据和ai的4d轨迹预测方法、装置及电子设备 | |
| CN109062235A (zh) | 飞行控制方法、装置及无人机 | |
| CN114625171A (zh) | 一种航时计算方法、装置、终端设备以及存储介质 | |
| CN116301023A (zh) | 基于数据驱动模型预测控制的飞行器轨迹跟踪方法及装置 | |
| 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 | |
| CN113625768B (zh) | 一种火星直升机航迹规划方法、系统、设备及存储介质 | |
| CN114137426B (zh) | 一种剩余电量估算方法、装置、设备及存储介质 | |
| Ahsan et al. | Optimization based tuning of autopilot gains for a fixed wing UAV | |
| Westenberger et al. | Efficient Bang-Bang Model Predictive Control for Quadcopters | |
| Teimoori et al. | Planar trajectory tracking controller for a small-sized helicopter considering servos and delay constraints |
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 |