CN115981376A - 一种基于气流模型的无人机长滞空飞行规划方法和装置 - Google Patents
一种基于气流模型的无人机长滞空飞行规划方法和装置 Download PDFInfo
- Publication number
- CN115981376A CN115981376A CN202310268126.6A CN202310268126A CN115981376A CN 115981376 A CN115981376 A CN 115981376A CN 202310268126 A CN202310268126 A CN 202310268126A CN 115981376 A CN115981376 A CN 115981376A
- Authority
- CN
- China
- Prior art keywords
- flight
- unmanned aerial
- aerial vehicle
- airflow
- model
- 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
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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明中请求保护一种基于气流模型的无人机长滞空飞行规划方法和装置,利用自然界存在的风力来辅助无人机进行飞行,使无人机实现无动力飞行或者降低自身动力的使用频率和功率,减少由动力造成的能量消耗,从而达到增加无人机航时和航程的目的。该方案通过建立气流模型库,使无人机可以通过收集初始飞行数据和气流模型库进行特征比对,建立局部空域的气流模型;通过拓展飞行、模型比对和动态插值建模,不断拓展气流空域,最终实现全空域气流建模;依靠建立飞行方案库,使无人机结合建立的局部和全局空域气流模型,使无人机可以规划出最有益的飞行方案,高效的借助自然风力飞行,并且保持自身的稳定性,具备很好的抗风能力。
Description
技术领域
本发明属于无人机飞行领域,具体地,涉及一种基于气流模型的无人机长滞空飞行规划方法和装置。
背景技术
传统的小型无人机依赖自身动力实现飞行,但由于机身尺寸和载荷能力的限制,机载能源有限,限制了无人机的续航能力,长滞空飞行策略旨在通过对自然界滑翔和翱翔鸟类的飞行行为进行仿生,基于该策略设计的无人机可以借助自然界风的力量实现自主滑翔飞行,降低无人机自身动力的使用频率和功率,实现增加无人机航程和航时的能力;传统的小型无人机在高原地区会面对高原山地气流环境复杂、空气密度低、低温环境问题,对无人机的飞行稳定性、飞行性能、设备性能造成了极大的考验,长滞空飞行策略旨在通过主动利用自然界风场的力量,其中包含了垂直热气流、山地斜坡气流、对流天气和高原风等典型高原山地气流特征,基于长滞空飞行策略而设计的无人机拥有更好的高原山地环境飞行能力;
目前市面上的小型固定翼无人机的续航时间大都不超过6小时,这是由于机体尺寸和载荷能力的限制,导致无人机搭载的能源受到限制,有限的能源限制了无人机的滞空时间。通常提高固定翼无人机的续航时间方法有如下几种:其一,优化固定翼无人机的气动布局,使其拥有更加优异的气动性能;其二,采用机体表面铺设太阳能板辅助供电,增加电源的续航能力;其三,优化巡航段的航迹规划方法,使固定翼无人机始终处在最优巡航路径。但以上方法均不适用于高原山地环境下小型固定翼无人机的长滞空飞行。
青藏高原地区,秃鹫可以利用垂直热气流、山地斜坡气流、对流天气和高原风等典型高原山地气流实现长时间的盘旋、翱翔。通过研究总结秃鹫利用高原山地气流飞行的方法,并且应用在固定翼无人机的控制方法上,可以大大增加无人机的滞空能力。
因此,亟需一种可以基于地形情况和自然风场条件增强无人机滞空能力的技术方案。
发明内容
本发明的主要目的在于提供一种基于气流模型的无人机长滞空飞行规划方法和装置,用于解决当前复杂地形环境下的无人机飞行滞空时间短的问题。
根据本发明第一方面,本发明请求保护一种基于气流模型的无人机长滞空飞行规划方法,包括步骤:
依据多个地理核心指标,构建多个特征气流模型库和无人机的典型飞行方案数据库;
无人机执行初始动力飞行,获得飞行初始航迹上的飞行指标数据并建立初始航迹气流模型;
将初始航迹气流模型与特征气流模型库进行比对,得到无人机的飞行初始航迹所在区域的气流模型特征;
基于空气的连续介质特性,以飞行初始航迹为基础,结合飞行初始航迹所在区域的气流模型特征,在空间方向进行插值建模,得到局部空域气流模型;
以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据,在局部空域的边界上规划出飞行方案;
通过扩展飞行、模型比对和动态插值建模,扩展局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出全空域气流模型;
基于全空域气流模型和无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行。
优选的,依据多个地理核心指标,构建多个特征气流模型库和无人机的典型飞行方案数据库,具体包括:
多个地理核心指标至少包括气压、风速、风向、温度、海拔高度、地形、边界条件;
多个特征气流模型库至少包括垂直热气流特征气流模型库、山地斜坡气流特征气流模型库、对流性天气特征气流模型库和高原季风特征气流模型库;
无人机的典型飞行方案至少包括长直滑翔、水平盘旋、斜面盘旋、螺旋飞行;
构建多个特征气流模型库,具体包括:
通过GIS地理信息,对指定地形特征逆向建模,形成地形的三维数字模型,使用计算流体力学方法建立基于该指定地形的风场数字化模型,通过计算获取气流特征;
无人机的典型飞行方案数据库的构建,包括:
基于多个特征气流模型库测算无人机典型飞行方案的滞空效能,获得不同气流模型对无人机飞行的增益效果和无人机自身动力学性能,建立典型飞行方案数据库。
优选的,无人机执行初始动力飞行,获得飞行初始航迹上的飞行指标数据并建立初始航迹气流模型,具体包括:
飞行指标数据至少包括:AOA、AOS、气压、风速、风向、温度、海拔高度、地形、边界条件;
由无人机搭载的航空气象探测设备和飞行传感器获得经过飞行初始航迹上的飞行指标数据;
使用计算机构建初始航迹气流模型。
优选的,基于空气的连续介质特性,以飞行初始航迹为基础,结合飞行初始航迹所在区域的气流模型特征,在空间方向进行插值建模,得到局部空域气流模型,具体包括:
根据无人机在飞行初始航迹上得到的所在区域的气流模型特征,利用空气的连续介质特性,向空间六个方向上使用数学差值建模的方法,拓展初始航迹气流模型的空间范围,获得局部空域气流模型。
优选的,以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据,在局部空域的边界上规划出飞行方案,具体包括:
依靠局部空域气流模型中的上升气流,托举无人机呈螺旋式上升;
当无人机上升至无法借助上升气流的空域时,无人机脱离上升气流,进行无动力滑翔,将重力势能转化为动能;
当无人机下降至预定高度时,再次利用上升气流进行飞行,之后,无人机借助自然风力飞行,没有使用自身动力或者降低自身动力的使用频率和使用功率。
优选的,通过扩展飞行、模型比对和动态插值建模,扩展局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出全空域气流模型,具体包括:
扩展飞行为依据建立的局部空域气流模型和飞行方案,无人机在初始航线的基础上,偏移飞行航线,拓展飞行区域,依托自然风进行无动力盘旋和滑翔,使用动力进行辅助飞行;
模型比对为初始航迹气流模型和特征气流模型库的比对,局部空域气流模型和典型飞行方案数据库的比对;
无人机通过扩展飞行,持续收集飞行轨迹上的气流特征,基于模型比对和动态插值建模的方法,不断完善空域内的气流模型,最终使气流模型覆盖整个空域,得到全空域气流模型。
优选的,基于全空域气流模型和无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行,具体包括:
基于全空域气流模型,无人机在空域内飞行时持续预测航线上的气流特征;
根据航线上的气流变化,无人机规划出在航线上最优飞行方案;
空域内所有航线上的最优飞行方案的集合就是最优长滞空飞行策略;
长滞空飞行策略就是无人机利用自然风力实现无动力的盘旋和滑翔飞行或使用有限动力的飞行方式,减少无人机自身动力的使用频率和使用功率,降低无人机自身能源的消耗,达到长滞空飞行的目的;
最优飞行方案的参数至少包含空速、低速、迎角、侧滑角、高度、温度、气压、电量、油门。
优选的,所述长滞空飞行策略实现的基础为固定翼飞机对自然界风力的有效利用,所述长滞空飞行策略在所有的固定翼航空器上使用,至少包括运输机、通用飞机、大型无人机。
根据本发明第二方面,本发明请求保护一种基于气流模型的无人机长滞空飞行规划装置,包括:
数据库模块,包括多个特征气流模型库和无人机的典型飞行方案数据库,多个特征气流模型库和无人机的典型飞行方案数据库依据多个地理核心指标构建;
气流模型构建模块,用于构建初始航迹气流模型、区域气流模型、局部空域气流模型;
初始航迹气流模型由无人机执行初始动力飞行时获得飞行初始航迹上的飞行指标数据并建立;
区域气流模型属于无人机的飞行初始航迹所在区域,通过将初始航迹气流模型与特征气流模型库进行比对得到;
局部空域气流模型通过基于空气的连续介质特性,以飞行初始航迹为基础,结合飞行初始航迹所在区域的气流模型,在空间方向进行插值建模得到;
方案规划模块,用于规划在局部空域的边界上的飞行方案,通过以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据;
全空域模型构建模块,用于构建全空域气流模型,通过扩展飞行、模型比对和动态插值建模,扩展局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出;
长滞空方案构建模块,基于全空域气流模型和无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行。
本发明中长滞空飞行策略的本质是利用自然界存在的风力来辅助无人机进行飞行,使无人机实现无动力飞行或者降低自身动力的使用频率和功率,减少由动力造成的能量消耗,从而达到增加无人机航时和航程的目的;该长滞空飞行策略通过建立气流模型库,使无人机可以通过收集初始飞行数据和气流模型库进行特征比对,建立局部空域的气流模型;长滞空飞行策略通过拓展飞行、模型比对和动态插值建模,不断拓展气流空域,最终实现全空域气流建模;长滞空飞行策略通过建立飞行方案库,使无人机结合建立的局部和全局空域气流模型,使无人机可以规划出最有益的飞行方案,高效的借助自然风力飞行,并且保持自身的稳定性,具备很好的抗风能力。
附图说明
图1为本发明所涉及的一种基于气流模型的无人机长滞空飞行规划方法的工作流程图;
图2为本发明所涉及的一种基于气流模型的无人机长滞空飞行规划方法的特征气流模型库的建模过程示意图;
图3为本发明所涉及的一种基于气流模型的无人机长滞空飞行规划方法的工作示意图;
图4为本发明所涉及的一种基于气流模型的无人机长滞空飞行规划装置的模块结构图。
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。可以理解,本申请所使用的的术语“第一”、“第二”等可在本文本中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另外一个元件区分。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。
根据本发明第一实施例,参照附图1,本发明请求保护一种基于气流模型的无人机长滞空飞行规划方法,包括步骤:
依据多个地理核心指标,构建多个特征气流模型库和无人机的典型飞行方案数据库;
无人机执行初始动力飞行,获得飞行初始航迹上的飞行指标数据并建立初始航迹气流模型;
将初始航迹气流模型与特征气流模型库进行比对,得到无人机的飞行初始航迹所在区域的气流模型特征;
基于空气的连续介质特性,以飞行初始航迹为基础,结合飞行初始航迹所在区域的气流模型特征,在空间方向进行插值建模,得到局部空域气流模型;
以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据,在局部空域的边界上规划出飞行方案;
通过扩展飞行、模型比对和动态插值建模,扩展局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出全空域气流模型;
基于全空域气流模型和无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行。
所述长滞空飞行的飞行策略实现的基础在于固定翼飞机对自然界风力的有效利用,这意味着该飞行策略不会局限于只有小型固定翼无人机可以使用,这种飞行策略在所有的固定翼航空器上都可以得到有效地利用,例如运输机、通用飞机、大型无人机等固定翼飞机。
其中,在该实施例下的长滞空飞行过程中,基于实时采集的AOA、AOS数据和气流模型库的特征比对,动态优化全空域气流模型,并动态修正飞行方案,实现最优飞行。
由于大气具有流动性,又具有连续介质特性,使得大气流动可以使用数学模型的方法进行预测和计算。基于大气的特性,无人机需要在连续拓展飞行的过程中持续获取航迹气流模型,在全空域气流模型的基础上,使用新的数据覆盖之前的气流模型。随着飞行的进行,气流模型持续更新,飞行方案也需要继续进行优化和调整,使之适应空域内气流环境的变化,使得无人机可以更好的利用气流进行飞行。
优选的,依据多个地理核心指标,构建多个特征气流模型库和无人机的典型飞行方案数据库,具体包括:
多个地理核心指标至少包括气压、风速、风向、温度、海拔高度、地形、边界条件;
多个特征气流模型库至少包括垂直热气流特征气流模型库、山地斜坡气流特征气流模型库、对流性天气特征气流模型库和高原季风特征气流模型库;
其中,垂直热气流特征气流模型库为垂直热气流的具体气流模型库,垂直热气流的环境下地面受到太阳光照射,地面温度升高,热量传导至空气中致使地面空气温度升高,热空气垂直上生,形成垂直热气流;
山地斜坡气流特征气流模型库为山地斜坡气流的具体气流模型库,山地斜坡气流的环境下当风吹过山坡时,在迎风面,风会向上弯折而产生垂直方向的风速分量,这就是山地斜坡气流,只要风不停止,山坡上就有上升气流的存在;
对流性天气特征气流模型库为对流性天气的具体气流模型库,对流性天气的环境下主要指雷暴、飑、冰雹、龙卷等天气,其影响范围较小,持续时间较短,所以通常是一种局部灾害性天气;
高原季风特征气流模型库为高原季风的具体气流模型库,高原季风的环境下:高原季风是由于高原冬、夏季热力作用相反而形成的季节性环流风。高原季风中,青藏高原的季风最为典型。冬季高原面上出现冷高压,气流从高原向四周流动;夏季高原面上出现热低压,气流从四周流向高原。
无人机的典型飞行方案至少包括长直滑翔、水平盘旋、斜面盘旋、螺旋飞行;
其中,长直滑翔飞行方案下,没有气流扰动和地形干扰,无人机保持航向稳定的无动力滑翔动作;
水平盘旋飞行方案下,没有气流扰动和地形干扰,无人机高度不变,速度不变,转弯半径不变,做360o弧形飞行并反复进行的盘旋动作;
斜面盘旋飞行方案下,没有气流扰动和地形干扰,无人机高度改变,速度不变,转弯半径不变,在倾斜面上做360o弧形飞行并反复进行的盘旋动作;
螺旋飞行方案下,没有气流扰动和地形干扰,无人机速度不变,高度增加,转弯半径增大做螺旋上升式的飞行轨迹;
构建多个特征气流模型库,具体包括:
通过GIS地理信息,对指定地形特征逆向建模,形成地形的三维数字模型,使用计算流体力学方法建立基于该指定地形的风场数字化模型,通过计算获取气流特征;
具体的,如图2所示,展示山地斜坡气流特征气流模型库的数字化建模的过程,通过GIS地理信息,对某一地形特征逆向建模,形成地形的三维数字模型,使用计算流体力学(CFD)的方法建立基于该地形的风场数字化模型,通过计算获取斜坡气流的气流特征(气压、风速、风向、温度、高度、边界条件等参数)。
无人机的典型飞行方案数据库的构建,包括:
基于多个特征气流模型库测算无人机典型飞行方案的滞空效能,获得不同气流模型对无人机飞行的增益效果和无人机自身动力学性能,建立典型飞行方案数据库。
其中,典型飞行方案指的是在自然界中,存在有许多体型较大的鸟类利用环境中的上升气流和梯度风层流以盘旋或者滑翔的方式提高自身的飞行能力。同理,无人机也可以利用自然界中的气流进行飞行,而不使用自身动力飞行或者降低自身动力的使用频率和使用功率,降低机载能源在动力上的损耗,从而增加无人机的续航时间,达到长滞空飞行的目的。从自然界中寻找能够增益无人机飞行能力的气流,并研究出无人机利用该气流增强自身的飞行能力的飞行方法。
在自然界中存在的且能被无人机利用的气流包括上升气流、水平层流和复合型气流;
其中上升气流的形成方式:在太阳的照射下,地表温度升高,热量传入地表空气,使地表空气温度升高,而中高空存在冷空气,从而产生垂直热气流;流过山地的风受到山坡的影响,由水平方向变为垂直方向,从而形成局部范围内上升的山地斜坡气流。在自然界中,有许多鸟类利用上升气流进行盘旋飞行。
上升气流对无人机飞行能力的增益时,无人机在上升气流中飞行时,假设上升气流提供的升力大于等于无人机自身重力,无人机就可以利用上升气流进行无动力飞行;假设上升气流提供的升力小于无人机自身重力,无人机可以开启自身动力进行辅助飞行,但这时无人机消耗的能量少于只依靠动力飞行的能量;
其中水平层流的形成方式:在地表开阔地区的风速与海拔高度的曲线关系,特别是在近地面,由于气流与地表的摩擦,存在风速呈梯度变化的风场,类似的风场在海面上空也大范围存在;
水平梯度风对无人机飞行能力的增益是,近地面的梯度变化风场主要表现为,低处存在慢风区,高处存在快风区,无人机在梯度风场中逆风飞翔,下方承受低速风带来的低气压,上方存在高速风带来的低气压,上下风带来的压强差给无人机带来升力托举无人机逆风上升,将动能转化为势能,当无人机上升到最高处时,转向顺风下降,将势能转化为动能。
在此过程中无人机由低到高,由高到低,只需要从水平梯度风场中获取能量,就可以让无人机无动力续航,只需要控制无人机的转向就可以控制无人机去到风场覆盖范围内的任意地方。
典型飞行方案数据库包括自然界中广泛存在的气流模型,无人机利用每种气流增益其飞行能力,进行长滞空飞行的方案。
优选的,无人机执行初始动力飞行,获得飞行初始航迹上的飞行指标数据并建立初始航迹气流模型,具体包括:
飞行指标数据至少包括:AOA、AOS、气压、风速、风向、温度、海拔高度、地形、边界条件;
由无人机搭载的航空气象探测设备和飞行传感器获得经过飞行初始航迹上的飞行指标数据;
使用计算机构建初始航迹气流模型。
AOA为攻角传感器获取的飞行数据,AOS为侧滑角传感器获取的飞行数据;
优选的,基于空气的连续介质特性,以飞行初始航迹为基础,结合飞行初始航迹所在区域的气流模型特征,在空间方向进行插值建模,得到局部空域气流模型,具体包括:
根据无人机在飞行初始航迹上得到的所在区域的气流模型特征,利用空气的连续介质特性,向空间六个方向上使用数学差值建模的方法,拓展初始航迹气流模型的空间范围,获得局部空域气流模型。
空气的连续介质特性指的是连续介质认为流体或固体质点在空间是连续而无空隙地分布的,且质点具有宏观物理量如质量、速度、压强、温度等,都是空间和时间的连续函数,满足一定的物理定律(如质量守恒定律、牛顿运动定律、能量守恒定律、热力学定律等)
空间六个方向包括前、后、左、右、上、下。
优选的,以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据,在局部空域的边界上规划出飞行方案,具体包括:
依靠局部空域气流模型中的上升气流,托举无人机呈螺旋式上升;
当无人机上升至无法借助上升气流的空域时,无人机脱离上升气流,进行无动力滑翔,将重力势能转化为动能;
当无人机下降至预定高度时,再次利用上升气流进行飞行,之后,无人机借助自然风力飞行,没有使用自身动力或者降低自身动力的使用频率和使用功率。
参照附图3,该实施例中首先确定无人机的飞行任务区域,制定初始飞行航线;然后放飞无人机,无人机初始采用动力飞行,按照计划航线进行飞行;无人机上搭载的传感器开始采集航迹上的数据,数据包括航速、地速、迎角、侧滑角、气压、风速、风向、温度、海拔高度、地形、边界条件等;无人机搭载的飞控计算机利用实测数据建立初始航迹气流模型;在该环境下,根据初始航迹气流模型和特征气流库进行对比,明确航迹气流为上升气流;在初始航迹气流模型的基础上向空间的六个方向上进行差值建模,扩大气流模型的空间范围,形成局部空域气流模型,获得上升气流的局部变化规律;根据局部气流模型,可以和典型飞行方案库进行对比,规划出最优拓展飞行方案。如图3所示,利用气流模型中的上升气流,托举无人机呈螺旋式上升,上升至无法借助上升气流的空域时,无人机脱离上升气流,进行无动力滑翔,将重力势能转化为动能,下降至预定高度时,可以再次利用上升气流进行飞行,在这个过程中,无人机借助自然风力飞行,没有使用自身动力或者降低了自身动力的使用频率和使用功率,达到了延长无人机滞空时间的目的。
优选的,通过扩展飞行、模型比对和动态插值建模,扩展局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出全空域气流模型,具体包括:
扩展飞行为依据建立的局部空域气流模型和飞行方案,无人机在初始航线的基础上,偏移飞行航线,拓展飞行区域,依托自然风进行无动力盘旋和滑翔,动力进行辅助飞行;
模型比对为初始航迹气流模型和特征气流模型库的比对,局部空域气流模型和典型飞行方案数据库的比对;
无人机通过扩展飞行,持续收集飞行轨迹上的气流特征,基于模型比对和动态插值建模的方法,不断完善空域内的气流模型,最终使气流模型覆盖整个空域,得到全空域气流模型。
优选的,基于全空域气流模型和无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行,具体包括:
基于全空域气流模型,无人机在空域内飞行时持续预测航线上的气流特征;
根据航线上的气流变化,无人机规划出在航线上最优飞行方案;
空域内所有航线上的最优飞行方案的集合就是最优长滞空飞行策略;
长滞空飞行策略就是无人机利用自然风力实现无动力的盘旋和滑翔飞行或使用有限动力的飞行方式,减少无人机自身动力的使用频率和使用功率,降低无人机自身能源的消耗,达到长滞空飞行的目的;
最优飞行方案的参数至少包含空速、低速、迎角、侧滑角、高度、温度、气压、电量、油门。
依托全空域气流模型,无人机在空域内飞行时可以始终预测航线上的气流特征,根据航线上的气流变化,无人机可以规划出在航线上最优飞行方案,空域内所有航线上的最优飞行方案的集合就是最优长滞空飞行策略。长滞空飞行策略就是无人机利用自然风力实现无动力的盘旋和滑翔飞行或使用有限动力的飞行方式,减少无人机自身动力的使用频率和使用功率,降低无人机自身能源的消耗,达到长滞空飞行的目的。
根据本发明第二实施例,参照图4,本发明请求保护一种基于气流模型的无人机长滞空飞行规划装置,包括:
数据库模块,包括多个特征气流模型库和无人机的典型飞行方案数据库,多个特征气流模型库和无人机的典型飞行方案数据库依据多个地理核心指标构建;
气流模型构建模块,用于构建初始航迹气流模型、区域气流模型、局部空域气流模型;
初始航迹气流模型由无人机执行初始动力飞行时获得飞行初始航迹上的飞行指标数据并建立;
区域气流模型属于无人机的飞行初始航迹所在区域,通过将初始航迹气流模型与特征气流模型库进行比对得到;
局部空域气流模型通过基于空气的连续介质特性,以飞行初始航迹为基础,结合飞行初始航迹所在区域的气流模型,在空间方向进行插值建模得到;
方案规划模块,用于规划在局部空域的边界上的飞行方案,通过以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据;
全空域模型构建模块,用于构建全空域气流模型,通过扩展飞行、模型比对和动态插值建模,扩展局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出;
长滞空方案构建模块,基于全空域气流模型和无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行。
本领域技术人员能够理解,本公开所披露的内容可以出现多种变型和改进。例如,以上所描述的各种设备或组件可以通过硬件实现,也可以通过软件、固件、或者三者中的一些或全部的组合实现。
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是,前面或后面的步骤不一定按照顺序来精确的进行。相反,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。
本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成,程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义,这里使用的所有术语具有与本公开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。
以上是对本公开的说明,而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例,但本领域技术人员将容易地理解,在不背离本公开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公开范围内。应当理解,上面是对本公开的说明,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。本公开由权利要求书及其等效物限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,包括步骤:
依据多个地理核心指标,构建多个特征气流模型库和所述无人机的典型飞行方案数据库;
无人机执行初始动力飞行,获得飞行初始航迹上的飞行指标数据并建立初始航迹气流模型;
将所述初始航迹气流模型与所述特征气流模型库进行比对,得到所述无人机的飞行初始航迹所在区域的气流模型特征;
基于空气的连续介质特性,以所述飞行初始航迹为基础,结合所述飞行初始航迹所在区域的气流模型特征,在空间方向进行插值建模,得到局部空域气流模型;
以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据,在局部空域的边界上规划出飞行方案;
通过扩展飞行、模型比对和动态插值建模,扩展所述局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出全空域气流模型;
基于所述全空域气流模型和所述无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行。
2.如权利要求1所述的一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,所述依据多个地理核心指标,构建多个特征气流模型库和所述无人机的典型飞行方案数据库,具体包括:
多个所述地理核心指标至少包括气压、风速、风向、温度、海拔高度、地形、边界条件;
多个所述特征气流模型库至少包括垂直热气流特征气流模型库、山地斜坡气流特征气流模型库、对流性天气特征气流模型库和高原季风特征气流模型库;
所述无人机的典型飞行方案至少包括长直滑翔、水平盘旋、斜面盘旋、螺旋飞行;
所述构建多个特征气流模型库,具体包括:
通过GIS地理信息,对指定地形特征逆向建模,形成地形的三维数字模型,使用计算流体力学方法建立基于该指定地形的风场数字化模型,通过计算获取气流特征;
所述无人机的典型飞行方案数据库的构建,包括:
基于所述多个特征气流模型库测算无人机典型飞行方案的滞空效能,获得不同气流模型对无人机飞行的增益效果和无人机自身动力学性能,建立典型飞行方案数据库。
3.如权利要求1所述的一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,所述无人机执行初始动力飞行,获得飞行初始航迹上的飞行指标数据并建立初始航迹气流模型,具体包括:
所述飞行指标数据至少包括:AOA、AOS、气压、风速、风向、温度、海拔高度、地形、边界条件;
由所述无人机搭载的航空气象探测设备和飞行传感器获得经过所述飞行初始航迹上的飞行指标数据;
使用计算机构建初始航迹气流模型。
4.如权利要求1所述的一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,
所述基于空气的连续介质特性,以所述飞行初始航迹为基础,结合所述飞行初始航迹所在区域的气流模型特征,在空间方向进行插值建模,得到局部空域气流模型,具体包括:
根据所述无人机在所述飞行初始航迹上得到的所在区域的气流模型特征,利用空气的连续介质特性,向空间六个方向上使用数学差值建模的方法,拓展所述初始航迹气流模型的空间范围,获得局部空域气流模型。
5.如权利要求1所述的一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,所述以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据,在局部空域的边界上规划出飞行方案,具体包括:
依靠所述局部空域气流模型中的上升气流,托举所述无人机呈螺旋式上升;
当所述无人机上升至无法借助上升气流的空域时,所述无人机脱离上升气流,进行无动力滑翔,将重力势能转化为动能;
当所述无人机下降至预定高度时,再次利用上升气流进行飞行,之后,无人机借助自然风力飞行,没有使用自身动力或者降低自身动力的使用频率和使用功率。
6.如权利要求1所述的一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,所述通过扩展飞行、模型比对和动态插值建模,扩展所述局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出全空域气流模型,具体包括:
所述扩展飞行为依据建立的所述局部空域气流模型和飞行方案,所述无人机在初始航线的基础上,偏移飞行航线,拓展飞行区域,依托自然风进行无动力盘旋和滑翔,使用动力进行辅助飞行;
所述模型比对为所述初始航迹气流模型和特征气流模型库的比对,所述局部空域气流模型和典型飞行方案数据库的比对;
无人机通过扩展飞行,持续收集飞行轨迹上的气流特征,基于模型比对和动态插值建模的方法,不断完善空域内的气流模型,最终使气流模型覆盖整个空域,得到全空域气流模型。
7.如权利要求1所述的一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,所述基于所述全空域气流模型和所述无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行,具体包括:
基于所述全空域气流模型,所述无人机在空域内飞行时持续预测航线上的气流特征;
根据所述航线上的气流变化,所述无人机规划出在航线上最优飞行方案;
空域内所有航线上的最优飞行方案的集合就是最优长滞空飞行策略;
所述长滞空飞行策略就是无人机利用自然风力实现无动力的盘旋和滑翔飞行或使用有限动力的飞行方式,减少无人机自身动力的使用频率和使用功率,降低无人机自身能源的消耗,达到长滞空飞行的目的;
所述最优飞行方案的参数至少包含空速、低速、迎角、侧滑角、高度、温度、气压、电量、油门。
8.如权利要求7所述的一种基于气流模型的无人机长滞空飞行规划方法,其特征在于,所述长滞空飞行策略实现的基础为固定翼飞机对自然界风力的有效利用,所述长滞空飞行策略在所有的固定翼航空器上使用,至少包括运输机、通用飞机、大型无人机。
9.一种基于气流模型的无人机长滞空飞行规划装置,其特征在于,包括:
数据库模块,包括多个特征气流模型库和所述无人机的典型飞行方案数据库,所述多个特征气流模型库和所述无人机的典型飞行方案数据库依据多个地理核心指标构建;
气流模型构建模块,用于构建初始航迹气流模型、区域气流模型、局部空域气流模型;
所述初始航迹气流模型由无人机执行初始动力飞行时获得飞行初始航迹上的飞行指标数据并建立;
所述区域气流模型属于所述无人机的飞行初始航迹所在区域,通过将所述初始航迹气流模型与所述特征气流模型库进行比对得到;
所述局部空域气流模型通过基于空气的连续介质特性,以所述飞行初始航迹为基础,结合所述飞行初始航迹所在区域的气流模型,在空间方向进行插值建模得到;
方案规划模块,用于规划在局部空域的边界上的飞行方案,通过以局部空域气流模型为基础,与典型飞行方案数据库进行对照,获取无人机的在相应气流模型下的飞行方案数据;
全空域模型构建模块,用于构建全空域气流模型,通过扩展飞行、模型比对和动态插值建模,扩展所述局部空域气流模型的空域范围,将空域扩展与航线规划的迭代后构建出;
长滞空方案构建模块,基于所述全空域气流模型和所述无人机自身的飞行动力学模型,得到无人机长滞空的最优飞行方案,开展长滞空飞行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310268126.6A CN115981376B (zh) | 2023-03-20 | 2023-03-20 | 一种基于气流模型的无人机长滞空飞行规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310268126.6A CN115981376B (zh) | 2023-03-20 | 2023-03-20 | 一种基于气流模型的无人机长滞空飞行规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115981376A true CN115981376A (zh) | 2023-04-18 |
CN115981376B CN115981376B (zh) | 2023-06-20 |
Family
ID=85976461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310268126.6A Active CN115981376B (zh) | 2023-03-20 | 2023-03-20 | 一种基于气流模型的无人机长滞空飞行规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115981376B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117420837A (zh) * | 2023-12-19 | 2024-01-19 | 中国航天空气动力技术研究院 | 基于风场感知与能量增益的无人机航迹规划方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150097071A1 (en) * | 2013-04-04 | 2015-04-09 | Sunlight Photonics Inc. | Airborne kinetic energy conversion system |
CN105388763A (zh) * | 2015-12-11 | 2016-03-09 | 北京航空航天大学 | 一种对流层间歇滑翔飞行控制方法 |
CN105388535A (zh) * | 2015-11-11 | 2016-03-09 | 上海埃威航空电子有限公司 | 基于现有机载设备的航空气象风观测方法 |
EP3121676A1 (en) * | 2015-07-24 | 2017-01-25 | The Boeing Company | Air vehicle navigation system and method of flying an air vehicle |
CN109710961A (zh) * | 2018-10-26 | 2019-05-03 | 中国飞行试验研究院 | 一种基于gps数据的高空无人机升限数据处理方法 |
CN109814593A (zh) * | 2019-01-08 | 2019-05-28 | 北京航空航天大学 | 一种可自主寻热的低空太阳能无人机飞行控制方法和系统 |
CN110937130A (zh) * | 2019-12-04 | 2020-03-31 | 中国航空工业集团公司成都飞机设计研究所 | 一种适用于长航时涡桨动力无人机桨发匹配优化方法 |
CN112286215A (zh) * | 2020-10-22 | 2021-01-29 | 福州大学 | 一种自主气敏检测飞行器及控制方法 |
CN112650261A (zh) * | 2020-11-30 | 2021-04-13 | 北京机电工程研究所 | 一种飞行器的滑翔控制方法及装置 |
CN112711273A (zh) * | 2020-12-29 | 2021-04-27 | 中国航天空气动力技术研究院 | 太阳能无人机航迹规划方法、电子设备及介质 |
US11164464B1 (en) * | 2018-10-08 | 2021-11-02 | Facebook, Inc. | Optimizing trajectory of unmanned aerial vehicles |
CN114578861A (zh) * | 2022-04-29 | 2022-06-03 | 北京航空航天大学 | 一种利用阵风环境的无人机飞行控制策略设计方法 |
CN115311903A (zh) * | 2022-09-27 | 2022-11-08 | 太极计算机股份有限公司 | 一种基于民航气象大数据库的客机航行轨迹预警方法及系统 |
-
2023
- 2023-03-20 CN CN202310268126.6A patent/CN115981376B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150097071A1 (en) * | 2013-04-04 | 2015-04-09 | Sunlight Photonics Inc. | Airborne kinetic energy conversion system |
EP3121676A1 (en) * | 2015-07-24 | 2017-01-25 | The Boeing Company | Air vehicle navigation system and method of flying an air vehicle |
CN105388535A (zh) * | 2015-11-11 | 2016-03-09 | 上海埃威航空电子有限公司 | 基于现有机载设备的航空气象风观测方法 |
CN105388763A (zh) * | 2015-12-11 | 2016-03-09 | 北京航空航天大学 | 一种对流层间歇滑翔飞行控制方法 |
US11164464B1 (en) * | 2018-10-08 | 2021-11-02 | Facebook, Inc. | Optimizing trajectory of unmanned aerial vehicles |
CN109710961A (zh) * | 2018-10-26 | 2019-05-03 | 中国飞行试验研究院 | 一种基于gps数据的高空无人机升限数据处理方法 |
CN109814593A (zh) * | 2019-01-08 | 2019-05-28 | 北京航空航天大学 | 一种可自主寻热的低空太阳能无人机飞行控制方法和系统 |
CN110937130A (zh) * | 2019-12-04 | 2020-03-31 | 中国航空工业集团公司成都飞机设计研究所 | 一种适用于长航时涡桨动力无人机桨发匹配优化方法 |
CN112286215A (zh) * | 2020-10-22 | 2021-01-29 | 福州大学 | 一种自主气敏检测飞行器及控制方法 |
CN112650261A (zh) * | 2020-11-30 | 2021-04-13 | 北京机电工程研究所 | 一种飞行器的滑翔控制方法及装置 |
CN112711273A (zh) * | 2020-12-29 | 2021-04-27 | 中国航天空气动力技术研究院 | 太阳能无人机航迹规划方法、电子设备及介质 |
CN114578861A (zh) * | 2022-04-29 | 2022-06-03 | 北京航空航天大学 | 一种利用阵风环境的无人机飞行控制策略设计方法 |
CN115311903A (zh) * | 2022-09-27 | 2022-11-08 | 太极计算机股份有限公司 | 一种基于民航气象大数据库的客机航行轨迹预警方法及系统 |
Non-Patent Citations (7)
Title |
---|
JIANGUO CHEN等: "Ground Target Guidance Method for Oriented Overhead Tracking of Fixed-Wing UAV", 《2019 IEEE INTERNATIONAL CONFERENCE ON POWER, INTELLIGENT COMPUTING AND SYSTEMS (ICPICS)》 * |
LI XIN; BAI JUN-QIANG; WANG KUN: "A spongy icing model for aircraft icing and application", 《JOURNAL OF AEROSPACE POWER》, vol. 28 * |
SEONG-HWAN KIM等: "Flight Path Planning for a Solar Powered UAV in Wind Fields Using Direct Collocation", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS 》, vol. 56, no. 2, XP011782992, DOI: 10.1109/TAES.2019.2926654 * |
WONKEUN YOUN等: "Aerodynamic Model-Aided Estimation of Attitude, 3-D Wind, Airspeed, AOA, and SSA for High-Altitude Long-Endurance UAV", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS 》, vol. 56, no. 6, XP011824853, DOI: 10.1109/TAES.2020.2988962 * |
包一鸣,吴森堂: "适宜于间歇滑翔飞行的气流环境建模研究", 《飞行力学》, vol. 26, no. 3 * |
向锦武,等: "长航时无人机关键技术研究进展", 《哈尔滨工业大学学报》, vol. 52, no. 6 * |
黄赞,等: "基于强化学习的上升气流中无人机轨迹规划研究", 《2021中国自动化大会论文集》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117420837A (zh) * | 2023-12-19 | 2024-01-19 | 中国航天空气动力技术研究院 | 基于风场感知与能量增益的无人机航迹规划方法及系统 |
CN117420837B (zh) * | 2023-12-19 | 2024-03-19 | 中国航天空气动力技术研究院 | 基于风场感知与能量增益的无人机航迹规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115981376B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shepard et al. | Fine-scale flight strategies of gulls in urban airflows indicate risk and reward in city living | |
Chakrabarty et al. | Flight path planning for uav atmospheric energy harvesting using heuristic search | |
US10319241B2 (en) | Managing flight paths of a soaring aircraft with crowd sourcing | |
Lawrance et al. | Autonomous exploration of a wind field with a gliding aircraft | |
Deittert et al. | Engineless unmanned aerial vehicle propulsion by dynamic soaring | |
Allen | Autonomous soaring for improved endurance of a small uninhabitated air vehicle | |
Chakrabarty et al. | Energy-based long-range path planning for soaring-capable unmanned aerial vehicles | |
US11164464B1 (en) | Optimizing trajectory of unmanned aerial vehicles | |
Vogeltanz | A survey of free software for the design, analysis, modelling, and simulation of an unmanned aerial vehicle | |
CN105388763B (zh) | 一种对流层间歇滑翔飞行控制方法 | |
Malz et al. | Drag-mode airborne wind energy vs. wind turbines: An analysis of power production, variability and geography | |
Shun-ichi et al. | Genesis and development mechanisms of a polar mesocyclone over the Japan Sea | |
Reuder et al. | FLOHOF 2007: An overview of the mesoscale meteorological field campaign at Hofsjökull, Central Iceland | |
CN110059863A (zh) | 一种基于所需到达时间的航空器四维航迹优化方法 | |
CN115981376B (zh) | 一种基于气流模型的无人机长滞空飞行规划方法和装置 | |
Arkon et al. | Effect of urban geometry on pedestrian-level wind velocity | |
zum Berge et al. | A two-day case study: comparison of turbulence data from an unmanned aircraft system with a model chain for complex terrain | |
CN107092980A (zh) | 一种基于粒子群算法的连续下降进近排放优化方法 | |
Powers et al. | Artificial lumbered flight for autonomous soaring | |
Gudmundsson | A biomimetic, energy-harvesting, obstacle-avoiding, path-planning algorithm for uavs | |
Mears | Energy harvesting for unmanned air vehicle systems using dynamic soaring | |
Williamson et al. | Bird velocity optimization as inspiration for unmanned aerial vehicles in urban environments | |
CN117574545A (zh) | 一种无人机集群协同工作的长滞空飞行优化方法和装置 | |
Bird et al. | Optimal Speed Scheduling with Arrival Time Constraint for Solar-Augmented Aircraft | |
Reilly | Exploration of Model-Resolution Dependence of Forecasted Wind Hazards for Small Unmanned Aircraft System Operations |
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 |