CN115657728B - 一种无人机仿真控制方法及系统 - Google Patents
一种无人机仿真控制方法及系统 Download PDFInfo
- Publication number
- CN115657728B CN115657728B CN202211587431.3A CN202211587431A CN115657728B CN 115657728 B CN115657728 B CN 115657728B CN 202211587431 A CN202211587431 A CN 202211587431A CN 115657728 B CN115657728 B CN 115657728B
- Authority
- CN
- China
- Prior art keywords
- flight
- target
- state
- aerial vehicle
- unmanned aerial
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能控制技术领域,提供了一种无人机仿真控制方法及系统,所述方法包括:在采用目标无人机对目标物巡检过程中,采集目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数,构建当前的飞行状态矢量,结合荷电状态参数,构建实时飞行节点状态;获取效率目标和荷电状态目标;构建飞行状态空间,输入实时飞行节点状态,获得多个预测飞行计划;基于效率目标和荷电状态目标,进行双目标寻优,获得最优预测飞行计划,对目标无人机进行控制,解决了巡检控制方案与巡检场景适配度低,导致的无人机仿真控制精度低的技术问题,实现了充分使用巡检数据,提高巡检控制方案与巡检场景适配度,提高无人机仿真控制精度的技术效果。
Description
技术领域
本发明涉及智能控制相关技术领域,具体涉及一种无人机仿真控制方法及系统。
背景技术
采用无人机巡检电网或任意目标物,电网包括输电电网、配电电网和变电电网等,无人机搭载高清摄像头,执行飞行任务,让电网工作人员不再需要跋山涉水情况下,全面巡检电网,维护供电安全。
但,由于无人机此前应用于电网巡检作业时,一般只能按照预设的飞行计划,线性执行飞行任务,同时,无人机的持续巡检时长存在限制,无人机巡检控制方案智能化程度低。
综上可知,亟需构建灵活度高的无人机巡检控制方案,智能巡检目标物,同步进行荷电状态、巡检效率寻优,为筛选出与巡检任务相适应的飞行计划,进行无人机智能化控制提供支持。
综上所述,现有技术中存在巡检控制方案与巡检场景适配度低,导致的无人机仿真控制精度低的技术问题。
发明内容
本申请通过提供了一种无人机仿真控制方法及系统,旨在解决现有技术中的巡检控制方案与巡检场景适配度低,导致的无人机仿真控制精度低的技术问题。
鉴于上述问题,本申请实施例提供了一种无人机仿真控制方法及系统。
本申请公开的第一个方面,提供了一种无人机仿真控制方法,其中,所述方法包括:在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数;根据所述飞行位置、飞行速度和所述飞行方向,构建当前的飞行状态矢量,结合所述荷电状态参数,构建获得所述目标无人机当前的实时飞行节点状态;获取当前对所述目标物进行巡检的效率目标和荷电状态目标;根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间;将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划;基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,对所述目标无人机进行控制。
本申请公开的另一个方面,提供了一种无人机仿真控制系统,其中,所述系统包括:数据采集模块,用于在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数;飞行节点状态构建模块,用于根据所述飞行位置、飞行速度和所述飞行方向,构建当前的飞行状态矢量,结合所述荷电状态参数,构建获得所述目标无人机当前的实时飞行节点状态;巡检数据获取模块,用于获取当前对所述目标物进行巡检的效率目标和荷电状态目标;飞行状态空间构建模块,用于根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间;预测飞行计划获得模块,用于将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划;目标寻优模块,用于基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,对所述目标无人机进行控制。
进一步的,在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行速度、飞行方向和电池的荷电状态参数,包括:获取预设时间周期;在上一个预设时间周期结束后,采集所述目标无人机飞行巡检当前的飞行位置、飞行速度和飞行方向;采集所述目标无人机当前的电量,结合所述目标无人机的电池的总容量,计算获得所述荷电状态参数。
进一步的,获取当前对所述目标物进行巡检的效率目标和荷电状态目标,包括:采集当前所述目标无人机对所述目标物进行飞行巡检的剩余巡检时间和剩余巡检距离;根据所述剩余巡检时间和剩余巡检距离,获得所述效率目标;采集当前所述目标无人机对所述目标物进行飞行巡检的剩余要求荷电状态参数;根据所述荷电状态参数和所述剩余要求荷电状态参数,计算获得计划荷电状态参数,作为所述荷电状态目标。
进一步的,根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间,包括:获取所述目标无人机在历史时间内对所述目标物进行飞行巡检的多个历史飞行节点状态;获取所述目标无人机在历史时间内对所述目标物进行飞行巡检时,所述多个历史飞行节点状态后的多个历史飞行计划集合;根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间。
进一步的,根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间,包括:基于所述多个历史飞行节点状态,构建多个数据类别;基于所述多个历史飞行计划集合,获得多个数据元素集合;根据所述多个数据类别和所述多个数据元素集合,构建获得所述飞行状态空间。
进一步的,将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划,包括:将所述实时飞行节点状态输入所述飞行状态空间,根据所述飞行位置,计算所述实时飞行节点状态与所述多个数据类别的第一相似度,获得多个第一相似度信息;根据所述飞行速度,计算所述实时飞行节点状态与所述多个数据类别的第二相似度,获得多个第二相似度信息;根据所述飞行方向,计算所述实时飞行节点状态与所述多个数据类别的第三相似度,获得多个第三相似度信息;根据所述荷电状态参数,计算所述实时飞行节点状态与所述多个数据类别的第四相似度,获得多个第四相似度信息;对所述多个第一相似度信息、多个第二相似度信息、多个第三相似度信息和多个第四相似度信息进行加权计算,获得多个总相似度信息;获取所述多个总相似度信息中的最大值,将对应的数据类别对应的数据元素集合作为所述多个预测飞行计划。
进一步的,基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,包括:不放回地从所述多个预测飞行计划内随机选择获得第一预测飞行计划,并作为历史最优解;根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分;再次不放回地从所述多个预测飞行计划内随机选择获得第二预测飞行计划;根据所述效率目标和所述荷电状态目标,分析获得所述第二预测飞行计划的第二寻优得分;判断所述第二寻优得分是否大于所述第一寻优得分,若是,则将所述第二预测飞行计划作为历史最优解,若否,则按照变化的概率参数将所述第二预测飞行计划作为历史最优解,其中,所述概率参数随着寻优迭代次数的增加而减小;继续迭代寻优,直到达到预设迭代次数,将最终的历史最优解输出,获得所述最优预测飞行计划。
进一步的,根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分,包括:获取所述第一预测飞行计划的第一预测飞行时间;分析计算所述第一预测飞行时间与所述剩余巡检时间的匹配度,获得第一匹配度信息;获取所述第一预测飞行计划的第一预测消耗荷电状态参数;分析计算所述第一预测消耗荷电状态参数和所述计划荷电状态参数的匹配度,获得第二匹配度信息;对所述第一匹配度信息和所述第二匹配度信息进行加权计算,获得所述第一寻优得分。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了在采用目标无人机对目标物进行巡检的过程中,采集目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数,构建当前的飞行状态矢量,结合荷电状态参数,构建获得目标无人机当前的实时飞行节点状态;获取当前对目标物进行巡检的效率目标和荷电状态目标;根据历史数据,构建飞行状态空间,输入实时飞行节点状态,获得多个预测飞行计划;基于效率目标和荷电状态目标,进行双目标寻优,获得最优预测飞行计划,对目标无人机进行控制,实现了充分使用巡检数据,提高巡检控制方案与巡检场景适配度,从电池当前荷电状态与巡检效率出发,进行双目标寻优,提高无人机仿真控制精度的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种无人机仿真控制方法可能的流程示意图;
图2为本申请实施例提供了一种无人机仿真控制方法中获取效率目标和荷电状态目标可能的流程示意图;
图3为本申请实施例提供了一种无人机仿真控制方法中构建获得飞行状态空间可能的流程示意图;
图4为本申请实施例提供了一种无人机仿真控制系统可能的结构示意图。
附图标记说明:数据采集模块100,飞行节点状态构建模块200,巡检数据获取模块300,飞行状态空间构建模块400,预测飞行计划获得模块500,目标寻优模块600。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了采集获取无人机飞行过程中电池的荷电状态和飞行速度,根据巡检效率和电池当前SOC状态(State of charge,即荷电状态)进行双目标寻优,获得最优预测飞行计划,采用最优预测飞行计划对无人机进行仿真控制,提升无人机飞行仿真控制的准确性。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种无人机仿真控制方法,其中,所述方法包括:
S10:在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数;
步骤S10包括步骤:
S11:获取预设时间周期;
S12:在上一个预设时间周期结束后,采集所述目标无人机飞行巡检当前的飞行位置、飞行速度和飞行方向;
S13:采集所述目标无人机当前的电量,结合所述目标无人机的电池的总容量,计算获得所述荷电状态参数。
具体而言,所述目标无人机搭载高清摄像头,所述目标物可以是输电线路、配电线路等,所述飞行位置即无人机的GPS定位信息,所述无人机飞行位置包括飞行高度、飞行经度、飞行纬度,所述飞行速度包括瞬时飞行速度、平均飞行速度,所述飞行方向包括飞行经度方向(飞行经度方向包括向东或向西)、飞行纬度方向(飞行纬度方向包括向南或向北)、飞行高度方向(飞行高度方向包括向上或向下),所述电池的为无人机内嵌的能源动力设备,所述预设时间周期为一预设参数指标,所述预设时间周期即为更新时间周期,与目标无人机飞行巡检的飞行位置、飞行速度和飞行方向的更新频率相对应,所述预设时间周期可以设置为1S、2S;
在采用目标无人机对目标物进行巡检的过程中,进行数据采集,采集所述目标无人机当前的飞行位置、飞行速度、飞行方向、目标无人机当前的电量,通过目标无人机当前的电量,计算获取电池的荷电状态参数,具体包括:获取预设时间周期;在上一个预设时间周期结束后的第一时间点(第一时间点为预设时间周期内最早的时间点),采集所述目标无人机飞行巡检当前的飞行位置、飞行速度和飞行方向(对飞行位置、飞行速度和飞行方向的采集更新周期进行限定)、所述目标无人机当前的电量,通过目标无人机当前的电量,结合所述目标无人机的电池的总容量,计算获得所述荷电状态参数(荷电状态参数=目标无人机当前的电量/目标无人机的电池的总容量×100%),为进行后续分析提供数据基础。
S20:根据所述飞行位置、飞行速度和所述飞行方向,构建当前的飞行状态矢量,结合所述荷电状态参数,构建获得所述目标无人机当前的实时飞行节点状态;
具体而言,根据所述飞行位置、飞行速度和所述飞行方向,进行飞行状态矢量合并,具体包括:将所述飞行方向作为矢量方向,将飞行位置作为矢量的起始坐标,将飞行速度设定为矢量长度,构建当前的飞行状态矢量,以所述荷电状态参数作为标记信息,标记添加至所述飞行状态矢量,获得所述目标无人机当前的实时飞行节点状态(所述实时飞行节点状态即以所述荷电状态参数作为标记的飞行状态矢量),为贴合无人机巡检,进行实时飞行数据更新提供支持。
S30:获取当前对所述目标物进行巡检的效率目标和荷电状态目标;
如图2所示,步骤S30包括步骤:
S31:采集当前所述目标无人机对所述目标物进行飞行巡检的剩余巡检时间和剩余巡检距离;
S32:根据所述剩余巡检时间和剩余巡检距离,获得所述效率目标;
S33:采集当前所述目标无人机对所述目标物进行飞行巡检的剩余要求荷电状态参数;
S34:根据所述荷电状态参数和所述剩余要求荷电状态参数,计算获得计划荷电状态参数,作为所述荷电状态目标。
具体而言,获取当前对所述目标物进行巡检的效率目标和荷电状态目标,具体包括:所述剩余巡检时间为完成目标物单次全检做剩余的巡检时间(用户设定的单次全检预设时间周期减去已完成巡检部分对应的巡检时间,所述单次全检预设时间周期与预设参数指标,即用户需求对应的完成一次目标物巡检任务需要的时间周期),所述剩余巡检距离即单次全检总距离减去已完成巡检部分对应的巡检距离,所述效率目标包括目标飞行速度,所述目标飞行速度即剩余巡检距离与剩余巡检时间之比;
完成剩余巡检距离的巡检任务后,巡检终点飞行至电能补充位置所需要的电量/目标无人机的电池的总容量×100%=剩余要求荷电状态参数,采集当前所述目标无人机对所述目标物进行飞行巡检的剩余要求荷电状态参数(一般的,若巡航结束的荷电状态参数为50%,飞行至电能补充位置的荷电状态参数为42%,对应的,剩余要求荷电状态参数即8%,在同一巡检终点、同一电能补充位置情况下,将历史剩余要求荷电状态参数的最大值设定为剩余要求荷电状态参数);根据所述荷电状态参数和所述剩余要求荷电状态参数,计算获得计划荷电状态参数(荷电状态参数-剩余要求荷电状态参数=计划荷电状态参数),将所述计划荷电状态参数作为所述荷电状态目标,为进行飞行规划提供数据支持(排除因剩余电量无法维持无人机自行飞至电能补充位置状况,为保证无人机的全自动巡航规划提供支持)。
特别的,无人机执行单次巡检任务后飞行至电能补充位置所需要的电量低于目标无人机的电池的总容量,无人机开始执行巡检任务时为完全充电状态,排除目标无人机的单次巡检任务执行过程中,因电量不支,需要中途补充电量后,再执行后续单次巡检任务的未执行巡检任务的情况。
S40:根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间;
步骤S40包括步骤:
S41:获取所述目标无人机在历史时间内对所述目标物进行飞行巡检的多个历史飞行节点状态;
S42:获取所述目标无人机在历史时间内对所述目标物进行飞行巡检时,所述多个历史飞行节点状态后的多个历史飞行计划集合;
S43:根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间。
具体而言,根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间,具体包括:所述历史数据包括飞行巡检的多个历史飞行节点状态,所述历史飞行节点状态与实时飞行节点状态一致(历史飞行节点状态与实时飞行节点状态的一致包括飞行位置一致、飞行速度一致和飞行方向一致),所述历史时间为预设历史时间段(可以设置为上一个自然年与本年度的历史自然月,如22年6月5日,对应的历史时间为21年1月1日~22年5月31日,所述历史时间设定方式不唯一),所述历史飞行计划集合各个元素即单次巡检任务的多个历史巡检飞行节点状态(所述多个历史巡检飞行节点状态中包括历史飞行节点状态,所述多个历史巡检飞行节点状态的数据类型与实时飞行节点状态、历史飞行节点状态一致),所述飞行状态空间即目标无人机执行巡检任务所飞行的空间;
基于无人机仿真控制系统的数据存储单元,以所述实时飞行节点状态为标识检索数据导入所述数据存储单元的数据检索引擎,通过所述实时飞行节点状态进行数据检索提取,获取所述目标无人机在历史时间内对所述目标物进行飞行巡检的多个历史飞行节点状态;在所述目标无人机在历史时间内,目标无人机对所述目标物进行飞行巡检时,在所述多个历史飞行节点状态后,获取多个历史飞行计划集合(多个历史飞行计划集合与所述多个历史飞行节点状态对应,对应即同属某一次单次巡检任务),根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间,所述目标无人机执行巡检任务过程中,均处于飞行状态空间,为进行预测飞行规划寻优提供支持。
如图3所示,步骤S43包括步骤:
S431:基于所述多个历史飞行节点状态,构建多个数据类别;
S432:基于所述多个历史飞行计划集合,获得多个数据元素集合;
S433:根据所述多个数据类别和所述多个数据元素集合,构建获得所述飞行状态空间。
具体而言,根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间,具体包括:所述多个数据类别包括飞行位置、荷电状态参数、飞行速度和飞行方向等,所述多个数据元素集合包括飞行位置元素集合、荷电状态参数元素集合、飞行速度元素集合和飞行方向元素集合等;
基于所述多个历史飞行节点状态(历史飞行节点状态中包括历史飞行位置、历史荷电状态参数、历史飞行速度和历史飞行方向),对应构建多个数据类别;通过多个数据类别,对所述多个历史飞行计划集合进行分布优化,获得多个数据元素集合;根据所述多个数据类别和所述多个数据元素集合,依次获取多个数据类别的极值数据(多个数据类别的极值数据属于所述多个数据元素集合),通过多个数据类别的极值数据进行边界拟合,构建获得所述飞行状态空间,为保证飞行状态空间的有效提供基础。
通过多个数据类别,对所述多个历史飞行计划集合进行分布优化,获得多个数据元素集合,具体包括:基于所述多个历史飞行计划集合,依照多个数据类别进行数据分类,分类获取飞行位置元素集合(多个数据类别中的飞行位置)、荷电状态参数元素集合(多个数据类别中的荷电状态参数)、飞行速度元素集合(多个数据类别中的飞行速度)和飞行方向元素集合(多个数据类别中的飞行方向),将飞行位置元素集合、荷电状态参数元素集合、飞行速度元素集合和飞行方向元素集合设定为多个数据元素集合;
配电线路的飞行计划需要与配电线路走向相对应,同时,所述目标无人机搭载高清摄像头,随着所述目标无人机的位置更新,高清摄像头拍摄配电线路的各个位置。
S50:将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划;
步骤S50包括步骤:
S51:将所述实时飞行节点状态输入所述飞行状态空间,根据所述飞行位置,计算所述实时飞行节点状态与所述多个数据类别的第一相似度,获得多个第一相似度信息;
S52:根据所述飞行速度,计算所述实时飞行节点状态与所述多个数据类别的第二相似度,获得多个第二相似度信息;
S53:根据所述飞行方向,计算所述实时飞行节点状态与所述多个数据类别的第三相似度,获得多个第三相似度信息;
S54:根据所述荷电状态参数,计算所述实时飞行节点状态与所述多个数据类别的第四相似度,获得多个第四相似度信息;
S55:对所述多个第一相似度信息、多个第二相似度信息、多个第三相似度信息和多个第四相似度信息进行加权计算,获得多个总相似度信息;
S56:获取所述多个总相似度信息中的最大值,将对应的数据类别对应的数据元素集合作为所述多个预测飞行计划。
具体而言,将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划,具体包括:所述历史飞行节点状态与实时飞行节点状态的一致包括飞行位置一致、飞行速度一致和飞行方向一致,
将所述实时飞行节点状态输入所述飞行状态空间,根据所述飞行位置,计算所述实时飞行节点状态与所述多个数据类别的第一相似度,获得多个第一相似度信息,具体包括:所述相似度计算算法为TOPSIS法(Technique for Order Preference by Similarityto ideal Sulution,优劣解距离法),对所述飞行位置进行归一化处理,采用余弦法找出的最优匹配特征(历史飞行节点状态的飞行位置)和最劣匹配特征,然后分别计算各评价对象与最优匹配特征和最劣匹配特征间的距离,获得各评价对象与最优匹配特征的相对接近程度,以此作为评价优劣的依据,确定所述多个数据类别的第一相似度,将所述多个数据类别的第一相似度确定为多个第一相似度信息,此为第一相似度分析过程;
根据所述飞行速度,计算所述实时飞行节点状态与所述多个数据类别的第二相似度(相似度分析过程的步骤此处不做复述),获得多个第二相似度信息,一般的,飞行速度越快,高清摄像头拍摄配电线路的各个位置清晰度越低,但,飞行速度过低,会使得巡检效率低下;
根据所述飞行方向,计算所述实时飞行节点状态与所述多个数据类别的第三相似度(相似度分析过程的步骤此处不做复述),获得多个第三相似度信息,一般的,飞行方向与一致性高,巡检路线重叠度高;
根据所述荷电状态参数,计算所述实时飞行节点状态与所述多个数据类别的第四相似度(相似度分析过程的步骤此处不做复述),获得多个第四相似度信息,一般的,荷电状态参数与目标无人机的剩余巡航时长对应,荷电状态参数越大,剩余巡航时长越久;
对所述多个第一相似度信息、多个第二相似度信息、多个第三相似度信息和多个第四相似度信息进行加权计算,获得多个总相似度信息,具体包括:对所述多个第一相似度信息、多个第二相似度信息、多个第三相似度信息和多个第四相似度信息进行标准化处理,利用变异系数法对标准化处理得到的各个结果进行加权计算,具体包括:所述变异系数法为一种客观赋权的方法,直接利用所述标准化处理得到的各个结果所包含的信息,计算得到所述标准化处理得到的各个结果的权重,确定权重后,依次对标准化处理的多个第一相似度信息、标准化处理的多个第二相似度信息、标准化处理的多个第三相似度信息和标准化处理的多个第四相似度信息进行加权计算,通过权重调整,获得多个总相似度信息,为均衡参数指标差异,保证多个总相似度信息的稳定性提供基础;
获取所述多个总相似度信息中的最大值,将所述多个总相似度信息中的最大值对应的数据类别对应的数据元素集合作为所述多个预测飞行计划,分别从位置的相似程度、速度的相似程度等,找到与现在最接近(实时飞行节点状态)的历史飞行节点状态,进行预测飞行计划寻优,为保证预测飞行计划的可靠性提供支持。
S60:基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,对所述目标无人机进行控制。
步骤S60包括步骤:
S61:不放回地从所述多个预测飞行计划内随机选择获得第一预测飞行计划,并作为历史最优解;
S62:根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分;
S63:再次不放回地从所述多个预测飞行计划内随机选择获得第二预测飞行计划;
S64:根据所述效率目标和所述荷电状态目标,分析获得所述第二预测飞行计划的第二寻优得分;
S65:判断所述第二寻优得分是否大于所述第一寻优得分,若是,则将所述第二预测飞行计划作为历史最优解,若否,则按照变化的概率参数将所述第二预测飞行计划作为历史最优解,其中,所述概率参数随着寻优迭代次数的增加而减小;
S66:继续迭代寻优,直到达到预设迭代次数,将最终的历史最优解输出,获得所述最优预测飞行计划。
具体而言,基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,对所述目标无人机进行控制,具体包括:所述双目标寻优包括荷电状态寻优、巡检效率寻优,所述概率参数随着寻优迭代次数的增加而减小,所述概率参数=当前预测飞行计划数/多个预测飞行计划数×100%,预设迭代次数为预设参数指标;
不放回地从所述多个预测飞行计划内随机选择(随机选择为现有技术)一个预测飞行计划,随机选择的某一个预测飞行计划作为第一预测飞行计划,将第一预测飞行计划作为历史最优解;根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分,所述第一寻优得分为综合参照效率目标和所述荷电状态目标所得的匹配度;重复上述步骤,再次不放回地从所述多个预测飞行计划内随机选择获得第二预测飞行计划;根据所述效率目标和所述荷电状态目标,分析获得所述第二预测飞行计划的第二寻优得分;
判断所述第二寻优得分是否大于所述第一寻优得分,若所述第二寻优得分是大于所述第一寻优得分,则将所述第二预测飞行计划作为历史最优解,若所述第二寻优得分是不大于所述第一寻优得分,则按照变化的概率参数将所述第二预测飞行计划作为历史最优解(按照变化的概率参数即将所述第二预测飞行计划作为历史最优解的概率等于概率参数);由于按照逐渐减小的概率参数将得分较小的预测飞行计划作为历史最优解,可在寻优过程中跳出局部最优,提升寻优效率。
继续迭代寻优(将所述第一预测飞行计划或所述第二预测飞行计划任意一项设定为历史最优解,在继续迭代寻优过程中,历史最优解均会越来越大),直到达到预设迭代次数,将最终的历史最优解输出,获得所述最优预测飞行计划,采用最优预测飞行计划对无人机进行仿真控制,为保证最优预测飞行计划的有效性提供技术支持,维护最优预测飞行计划的合理性。
步骤S62包括步骤:
S621:获取所述第一预测飞行计划的第一预测飞行时间;
S622:分析计算所述第一预测飞行时间与所述剩余巡检时间的匹配度,获得第一匹配度信息;
S623:获取所述第一预测飞行计划的第一预测消耗荷电状态参数;
S624:分析计算所述第一预测消耗荷电状态参数和所述计划荷电状态参数的匹配度,获得第二匹配度信息;
S625:对所述第一匹配度信息和所述第二匹配度信息进行加权计算,获得所述第一寻优得分。
具体而言,根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分,具体包括:所述第一预测飞行计划包括第一预测飞行速度、第一预测飞行路程,第一预测飞行时间、第一预测消耗荷电状态参数(所述第一预测飞行计划即历史飞行节点状态后的飞行计划);
分别计算所用时间的匹配程度和所用电量的匹配程度,获取所述第一预测飞行计划中的第一预测飞行时间;分析计算所述第一预测飞行时间与所述剩余巡检时间的匹配度(对所述第一预测飞行时间与所述剩余巡检时间进行标准化转换,获取标准化转换后差的绝对值,第一匹配度信息=标准化转换后差的绝对值/标准化的剩余巡检时间×100%),获得第一匹配度信息;
获取所述第一预测飞行计划中的第一预测消耗荷电状态参数;分析计算所述第一预测消耗荷电状态参数和所述计划荷电状态参数的匹配度(匹配度分析步骤此处不做赘述),获得第二匹配度信息;通过层次分析法,主观对所述第一匹配度信息和所述第二匹配度信息进行赋权,所述层次分析法为主观赋权法,对所述第一匹配度信息和所述第二匹配度信息进行加权计算,获得所述第一寻优得分,分别采用主、客观赋权结果进行赋权,进行组合赋权,进一步提高第一寻优得分的稳定性。
综上所述,本申请实施例所提供的一种无人机仿真控制方法及系统具有如下技术效果:
1.由于采用了在采用目标无人机对目标物进行巡检的过程中,采集目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数,构建当前的飞行状态矢量,结合荷电状态参数,构建获得目标无人机当前的实时飞行节点状态;获取当前对目标物进行巡检的效率目标和荷电状态目标;根据历史数据,构建飞行状态空间,输入实时飞行节点状态,获得多个预测飞行计划;基于效率目标和荷电状态目标,进行双目标寻优,获得最优预测飞行计划,对目标无人机进行控制,本申请通过提供了一种无人机仿真控制方法及系统,实现了充分使用巡检数据,提高巡检控制方案与巡检场景适配度,从电池当前荷电状态与巡检效率出发,进行双目标寻优,提高无人机仿真控制精度的技术效果。
2.由于采用了获取第一预测飞行计划的第一预测飞行时间,计算匹配度,获得第一匹配度信息;获取第一预测消耗荷电状态参数;分析计算第一预测消耗荷电状态参数和计划荷电状态参数的匹配度,获得第二匹配度信息,结合第一匹配度信息进行加权计算,获得第一寻优得分,进行组合赋权,进一步提高第一寻优得分的稳定性。
实施例二
基于与前述实施例中一种无人机仿真控制方法相同的发明构思,如图4所示,本申请实施例提供了一种无人机仿真控制系统,其中,所述系统包括:
数据采集模块100,用于在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数;
飞行节点状态构建模块200,用于根据所述飞行位置、飞行速度和所述飞行方向,构建当前的飞行状态矢量,结合所述荷电状态参数,构建获得所述目标无人机当前的实时飞行节点状态;
巡检数据获取模块300,用于获取当前对所述目标物进行巡检的效率目标和荷电状态目标;
飞行状态空间构建模块400,用于根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间;
预测飞行计划获得模块500,用于将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划;
目标寻优模块600,用于基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,对所述目标无人机进行控制。
进一步的,所述系统包括:
预设时间周期获取模块,用于基本信息参数获取模块,用于获取预设时间周期;
巡检与采集模块,用于在上一个预设时间周期结束后,采集所述目标无人机飞行巡检当前的飞行位置、飞行速度和飞行方向;
荷电状态参数计算模块,用于采集所述目标无人机当前的电量,结合所述目标无人机的电池的总容量,计算获得所述荷电状态参数。
进一步的,所述系统包括:
剩余巡检数据采集模块,用于采集当前所述目标无人机对所述目标物进行飞行巡检的剩余巡检时间和剩余巡检距离;
效率目标获得模块,用于根据所述剩余巡检时间和剩余巡检距离,获得所述效率目标;
荷电状态参数采集模块,用于采集当前所述目标无人机对所述目标物进行飞行巡检的剩余要求荷电状态参数;
计划荷电状态参数计算模块,用于根据所述荷电状态参数和所述剩余要求荷电状态参数,计算获得计划荷电状态参数,作为所述荷电状态目标。
进一步的,所述系统包括:
历史飞行节点状态获取模块,用于获取所述目标无人机在历史时间内对所述目标物进行飞行巡检的多个历史飞行节点状态;
飞行巡检模块,用于获取所述目标无人机在历史时间内对所述目标物进行飞行巡检时,所述多个历史飞行节点状态后的多个历史飞行计划集合;
空间构建模块模块,用于根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间。
进一步的,所述系统包括:
数据类别构建模块,用于基于所述多个历史飞行节点状态,构建多个数据类别;
元素集合获得模块,用于基于所述多个历史飞行计划集合,获得多个数据元素集合;
飞行状态空间构建模块,用于根据所述多个数据类别和所述多个数据元素集合,构建获得所述飞行状态空间。
进一步的,所述系统包括:
第一相似度计算模块,用于将所述实时飞行节点状态输入所述飞行状态空间,根据所述飞行位置,计算所述实时飞行节点状态与所述多个数据类别的第一相似度,获得多个第一相似度信息;
第二相似度计算模块,用于根据所述飞行速度,计算所述实时飞行节点状态与所述多个数据类别的第二相似度,获得多个第二相似度信息;
第三相似度计算模块,用于根据所述飞行方向,计算所述实时飞行节点状态与所述多个数据类别的第三相似度,获得多个第三相似度信息;
第四相似度计算模块,用于根据所述荷电状态参数,计算所述实时飞行节点状态与所述多个数据类别的第四相似度,获得多个第四相似度信息;
总相似度获得模块,用于对所述多个第一相似度信息、多个第二相似度信息、多个第三相似度信息和多个第四相似度信息进行加权计算,获得多个总相似度信息;
预测飞行计划获得模块,用于获取所述多个总相似度信息中的最大值,将对应的数据类别对应的数据元素集合作为所述多个预测飞行计划。
进一步的,所述系统包括:
第一随机选择模块,用于不放回地从所述多个预测飞行计划内随机选择获得第一预测飞行计划,并作为历史最优解;
第一寻优得分获得模块,用于根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分;
第二随机选择模块,用于再次不放回地从所述多个预测飞行计划内随机选择获得第二预测飞行计划;
第二寻优得分获得模块,用于根据所述效率目标和所述荷电状态目标,分析获得所述第二预测飞行计划的第二寻优得分;
比较判断模块,用于判断所述第二寻优得分是否大于所述第一寻优得分,若是,则将所述第二预测飞行计划作为历史最优解,若否,则按照变化的概率参数将所述第二预测飞行计划作为历史最优解,其中,所述概率参数随着寻优迭代次数的增加而减小;
迭代寻优模块,用于继续迭代寻优,直到达到预设迭代次数,将最终的历史最优解输出,获得所述最优预测飞行计划。
进一步的,所述系统包括:
第一预测飞行时间获取模块,用于获取所述第一预测飞行计划的第一预测飞行时间;
第一匹配度获得模块,用于分析计算所述第一预测飞行时间与所述剩余巡检时间的匹配度,获得第一匹配度信息;
第一预测消耗荷电状态参数获取模块,用于获取所述第一预测飞行计划的第一预测消耗荷电状态参数;
第二匹配度获得模块,用于分析计算所述第一预测消耗荷电状态参数和所述计划荷电状态参数的匹配度,获得第二匹配度信息;
加权计算模块,用于对所述第一匹配度信息和所述第二匹配度信息进行加权计算,获得所述第一寻优得分。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种无人机仿真控制方法,其特征在于,所述方法包括:
在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数;
根据所述飞行位置、飞行速度和所述飞行方向,构建当前的飞行状态矢量,结合所述荷电状态参数,构建获得所述目标无人机当前的实时飞行节点状态;
获取当前对所述目标物进行巡检的效率目标和荷电状态目标;
根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间;
将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划;
基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,对所述目标无人机进行控制;
获取当前对所述目标物进行巡检的效率目标和荷电状态目标,包括:
采集当前所述目标无人机对所述目标物进行飞行巡检的剩余巡检时间和剩余巡检距离;
根据所述剩余巡检时间和剩余巡检距离,获得所述效率目标;
采集当前所述目标无人机对所述目标物进行飞行巡检的剩余要求荷电状态参数;
根据所述荷电状态参数和所述剩余要求荷电状态参数,计算获得计划荷电状态参数,作为所述荷电状态目标;
基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,包括:
不放回地从所述多个预测飞行计划内随机选择获得第一预测飞行计划,并作为历史最优解;
根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分;
再次不放回地从所述多个预测飞行计划内随机选择获得第二预测飞行计划;
根据所述效率目标和所述荷电状态目标,分析获得所述第二预测飞行计划的第二寻优得分;
判断所述第二寻优得分是否大于所述第一寻优得分,若是,则将所述第二预测飞行计划作为历史最优解,若否,则按照变化的概率参数将所述第二预测飞行计划作为历史最优解,其中,所述概率参数随着寻优迭代次数的增加而减小;
继续迭代寻优,直到达到预设迭代次数,将最终的历史最优解输出,获得所述最优预测飞行计划。
2.根据权利要求1所述的方法,其特征在于,在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行速度、飞行方向和电池的荷电状态参数,包括:
获取预设时间周期;
在上一个预设时间周期结束后,采集所述目标无人机飞行巡检当前的飞行位置、飞行速度和飞行方向;
采集所述目标无人机当前的电量,结合所述目标无人机的电池的总容量,计算获得所述荷电状态参数。
3.根据权利要求1所述的方法,其特征在于,根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间,包括:
获取所述目标无人机在历史时间内对所述目标物进行飞行巡检的多个历史飞行节点状态;
获取所述目标无人机在历史时间内对所述目标物进行飞行巡检时,所述多个历史飞行节点状态后的多个历史飞行计划集合;
根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间。
4.根据权利要求3所述的方法,其特征在于,根据所述多个历史飞行节点状态和所述多个历史飞行计划集合,构建所述飞行状态空间,包括:
基于所述多个历史飞行节点状态,构建多个数据类别;
基于所述多个历史飞行计划集合,获得多个数据元素集合;
根据所述多个数据类别和所述多个数据元素集合,构建获得所述飞行状态空间。
5.根据权利要求4所述的方法,其特征在于,将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划,包括:
将所述实时飞行节点状态输入所述飞行状态空间,根据所述飞行位置,计算所述实时飞行节点状态与所述多个数据类别的第一相似度,获得多个第一相似度信息;
根据所述飞行速度,计算所述实时飞行节点状态与所述多个数据类别的第二相似度,获得多个第二相似度信息;
根据所述飞行方向,计算所述实时飞行节点状态与所述多个数据类别的第三相似度,获得多个第三相似度信息;
根据所述荷电状态参数,计算所述实时飞行节点状态与所述多个数据类别的第四相似度,获得多个第四相似度信息;
对所述多个第一相似度信息、多个第二相似度信息、多个第三相似度信息和多个第四相似度信息进行加权计算,获得多个总相似度信息;
获取所述多个总相似度信息中的最大值,将对应的数据类别对应的数据元素集合作为所述多个预测飞行计划。
6.根据权利要求1所述的方法,其特征在于,根据所述效率目标和所述荷电状态目标,分析获得所述第一预测飞行计划的第一寻优得分,包括:
获取所述第一预测飞行计划的第一预测飞行时间;
分析计算所述第一预测飞行时间与所述剩余巡检时间的匹配度,获得第一匹配度信息;
获取所述第一预测飞行计划的第一预测消耗荷电状态参数;
分析计算所述第一预测消耗荷电状态参数和所述计划荷电状态参数的匹配度,获得第二匹配度信息;
对所述第一匹配度信息和所述第二匹配度信息进行加权计算,获得所述第一寻优得分。
7.一种无人机仿真控制系统,其特征在于,用于实施权利要求1-5任一项所述的一种无人机仿真控制方法,包括:
数据采集模块,用于在采用目标无人机对目标物进行巡检的过程中,采集所述目标无人机当前的飞行位置、飞行速度、飞行方向和电池的荷电状态参数;
飞行节点状态构建模块,用于根据所述飞行位置、飞行速度和所述飞行方向,构建当前的飞行状态矢量,结合所述荷电状态参数,构建获得所述目标无人机当前的实时飞行节点状态;
巡检数据获取模块,用于获取当前对所述目标物进行巡检的效率目标和荷电状态目标;
飞行状态空间构建模块,用于根据所述目标无人机对所述目标物进行巡检的历史数据,构建对所述目标无人机进行控制的飞行状态空间;
预测飞行计划获得模块,用于将所述实时飞行节点状态输入所述飞行状态空间,获得多个预测飞行计划;
目标寻优模块,用于基于所述效率目标和所述荷电状态目标,对所述多个预测飞行计划进行双目标寻优,获得最优预测飞行计划,对所述目标无人机进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211587431.3A CN115657728B (zh) | 2022-12-12 | 2022-12-12 | 一种无人机仿真控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211587431.3A CN115657728B (zh) | 2022-12-12 | 2022-12-12 | 一种无人机仿真控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115657728A CN115657728A (zh) | 2023-01-31 |
CN115657728B true CN115657728B (zh) | 2023-03-21 |
Family
ID=85019401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211587431.3A Active CN115657728B (zh) | 2022-12-12 | 2022-12-12 | 一种无人机仿真控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115657728B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116359683B (zh) * | 2023-02-28 | 2023-12-26 | 四川大唐国际甘孜水电开发有限公司 | 一种基于信息交互的局部放电模式识别方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105120146B (zh) * | 2015-08-05 | 2018-06-26 | 普宙飞行器科技(深圳)有限公司 | 一种利用无人机进行运动物体自动锁定拍摄装置及拍摄方法 |
US11148820B1 (en) * | 2018-02-19 | 2021-10-19 | Parallel Flight Technologies, Inc. | System defining a hybrid power unit for thrust generation in an aerial vehicle and method for controlling the same |
US11866198B2 (en) * | 2018-10-29 | 2024-01-09 | California Institute Of Technology | Long-duration, fully autonomous operation of rotorcraft unmanned aerial systems including energy replenishment |
CN111915713A (zh) * | 2019-05-08 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 一种三维动态场景的创建方法、计算机设备、存储介质 |
CN110209203A (zh) * | 2019-06-27 | 2019-09-06 | 西安理工大学 | 基于5g基站充电坪续航的无人机航迹规划方法 |
CN110673635B (zh) * | 2019-09-30 | 2021-10-26 | 华南理工大学 | 一种基于无线能量传输网络的无人机三维轨迹的设计方法 |
CN112230680B (zh) * | 2020-10-29 | 2022-10-18 | 国网河南省电力公司济源供电公司 | 一种无人机电力线路巡检控制方法 |
CN114802774A (zh) * | 2022-04-25 | 2022-07-29 | 湖南文理学院 | 一种无人机的混合动力系统能量自适应控制方法及系统 |
CN114779830A (zh) * | 2022-05-13 | 2022-07-22 | 无锡科若斯科技有限公司 | 一种基于动态阈值的巡检无人机电量监测管理方法及系统 |
CN115060263A (zh) * | 2022-05-19 | 2022-09-16 | 南京航空航天大学 | 一种考虑低空风和无人机能耗的航迹规划方法 |
CN217994783U (zh) * | 2022-08-02 | 2022-12-09 | 辽宁电力能源发展集团有限公司 | 一种用于光伏电站的带有警示功能的巡检无人机 |
CN115408771A (zh) * | 2022-08-18 | 2022-11-29 | 西北工业大学 | 一种高空超长航时大展弦比一体化无人飞行平台设计方法 |
-
2022
- 2022-12-12 CN CN202211587431.3A patent/CN115657728B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115657728A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20120029812A1 (en) | Method and system for automatically planning and scheduling a remote sensing satellite mission | |
CN113128793A (zh) | 一种基于多源数据融合的光伏功率组合预测方法及系统 | |
CN103955606B (zh) | 一种基于遥感技术的草原蝗灾渐进式预测方法 | |
CN107103164B (zh) | 无人机执行多任务的分配方法及装置 | |
CN108107911B (zh) | 一种太阳能飞机自主寻优航迹规划方法 | |
CN103218675A (zh) | 一种基于聚类和滑动窗口的短期负荷预测方法 | |
WO2009029787A2 (en) | System and method for sensor tasking | |
CN115657728B (zh) | 一种无人机仿真控制方法及系统 | |
JP2009225550A (ja) | 電力の需要予測処理方法及び装置、並びに発電予測処理方法 | |
CN109710595B (zh) | 基于有限信息的输电走廊鸟害热点图的构建方法 | |
CN107909212B (zh) | 基于中尺度风电功率发展过程序列化的爬坡事件预测方法 | |
US11416007B2 (en) | Computer-implemented method and system for evaluating uncertainty in trajectory prediction | |
CN112783195A (zh) | 多无人机的巡检路线规划方法、装置和计算机设备 | |
WO2009048693A2 (en) | System and method for sensor scheduling | |
CN112613633A (zh) | 风电场的气象要素预测方法和装置 | |
CN112036598A (zh) | 一种基于多信息耦合的充电桩使用信息预测方法 | |
US20220215485A1 (en) | Methods and systems for an enhanced energy grid system | |
CN108648510B (zh) | 基于航空器监视数据的航班架次统计方法 | |
CN115907228A (zh) | 一种基于pso-lssvm的短期电力负荷预测分析方法 | |
CN111694831B (zh) | 一种基于知识评价的卫星地面观测系统任务去重方法 | |
CN113544061B (zh) | 考虑气象不确定性的用于卫星图像采集的计算机系统 | |
CN114325877B (zh) | 气象预报数据的评估方法和装置 | |
Melnychenko et al. | A self-organized automated system to control unmanned aerial vehicles for object detection | |
CN115082396A (zh) | 光伏电站基建进度的智能勘测方法、系统及介质 | |
Ofori-Ntow Jnr et al. | A novel three-stage short-term photovoltaic prediction approach based on neighborhood component analysis and ANN optimized with PSO (NCA-PSO-ANN) |
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 |