CN116700070B - 一种无人机飞行状态的安全监管方法及系统 - Google Patents

Abstract

本申请公开了一种无人机飞行状态的安全监管方法及系统，涉及无人机安全控制技术领域，具体公开的技术方案包括根据预设的状态测试操控指令进行飞行状态模拟预测，生成模拟飞行状态，作用在于提供了一个标准的参考状态，并基于同样的状态测试操控指令驱动无人机，得到无人机的第一飞行状态，并根据第一飞行状态和模拟飞行状态之间的差异性确定第一飞行偏差特征，实现了更加精准的确定无人机的飞行异常，并基于环境干扰因子对第一飞行偏差特征的修正，得到第二飞行偏差特征，进一步提升了对无人机飞行状态判断的精准性。

Description

一种无人机飞行状态的安全监管方法及系统

技术领域

本发明涉及无人机安全控制技术领域，尤其是涉及一种无人机飞行状态的安全监管方法及系统。

背景技术

无人机在长期的应用过程中，容易出现部件损坏或者过度磨损等情况，也会由于某种特殊原因，导致的部件运转异常的情况，由于无人机需要在高空高速的情况下作业，所以上述的部件运转异常极容易导致飞行事故。

为了避免上述问题的发生，现有技术中通过对机体上的传感器采集的信号进行分析来确定无人机的飞行状态异常，但由于缺乏对无人机正常飞行状态的对比分析，只能在无人机发生严重的飞行状态异常时才能进行报警，存在报警滞后的缺点。

发明内容

本发明的目的是提供一种能够及及时发现无人机飞行状态异常的无人机飞行状态安全监管方法及系统。

所以本发明公开了一种无人机飞行状态的安全监管方法，包括：

预设有状态测试操控指令；

根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态；

根据状态测试操控指令在执勤空域驱动无人机，并基于传感器采集的信号，确定无人机的第一飞行状态；

比对分析第一飞行状态和模拟飞行状态，确定第一飞行偏差特征，并根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征；

根据第二飞行偏差特征，确定对无人机的飞行状态的安全级别。

在本申请的一些实施例中，确定的无人机的第一飞行状态的方法包括：

基于定位传感器，确定无人机的位置信息；

基于姿态检测传感器，确定无人机的姿态信息。

在本申请的一些实施例中，根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态的方法包括：

构建状态测试操控指令集，状态测试操控指令集中包括若干针对无人机的状态测试操控指令；

针对每一状态测试操控指令，进行标准条件下的飞行测试，并将此时无人机的标准飞行状态与状态测试操控指令进行关联；

将若干相互关联的状态测试操控指令和标准飞行状态进行存储，生成模拟飞行状态确定集；

在根据状态测试操控指令对无人机进行飞行状态模拟时：

获取无人机的当下位置信息，并根据当下位置信息判断无人机所在当前的区域安全性，并根据无人机所在当前的区域安全性，确定是否对无人机进行飞行状态模拟预测；

若确定对无人机进行飞行状态模拟预测，则从状态测试操控指令集内确定出一特定的状态测试操控指令，并根据确定出的状态测试操控指令，在模拟飞行状态确定集内进行检索，确定出对应的标准飞行状态；

将确定出的标准飞行状态确定为模拟飞行状态。

在本申请的一些实施例中，判断无人机所在当前的区域安全性的方法包括：

基于GIS信息，对执勤空域进行划分区块，并针对每个区块的飞行影响特征，确定对应区块的风险级别；

其中，所述飞行影响特征包括地理性特征、地物覆盖特征和气象特征，针对地理性特征建立有第一风险影响值，针对地物覆盖特征建立有第二风险影响值，针对气象特征建立有第三风险影响值，基于第一风险影响值、第二风险影响值和第三风险影响值确定区块的风险级别，若风险级别小于预设值，则确定当前区块处于安全状态。

在本申请的一些实施例中，确定区块的风险级别的方法包括：

建立地理性风险确定规则，所述地理性风险确定规则包括若干第一风险影响值，且每一第一风险影响值关联有第一区块面积区间以及区块地理复杂因子区间；

建立有地物覆盖风险确定规则，所述地物覆盖风险确定规则包括若干第二风险影响值，且第二风险影响值关联有第二区块面积区间以及区块地物覆盖复杂因子区间；

建立有气象风险确定规则，所述气象风险确定规则包括若干第三风险影响值，确每一第三风险影响值关联有第三区块面积区间以及区块气象复杂因子区间；

将确定出的飞行影响特征代入到地理性风险确定规则、地物覆盖风险确定规则和气象风险确定规则进行分析，确定无人机在当下区块的第一风险影响值、第二风险影响值和第三风险影响值，并根据确定出的第一风险影响值、第二风险影响值和第三风险影响值确定区块的风险级别。

在本申请的一些实施例中，确定标准飞行状态的方法包括：

获取无人机的三维结构；

对无人机的三维结构进行分析，确定无人机上在行进方向上的距离最长的两个第一模型点，并将第一模型点进行连接，生成第一模型结构线；

对无人机的三维结构进行分析，确定无人机在垂直于行进方向的方向上的距离最长的两个第二模型点，并将第二模型点进行连接，生成第二模型结构线；

对无人机的三维结构进行分析，确定无人机在升降方向上的距离最长的两个第三模型点，并将第三模型点进行连接，生成第三模型结构线；

根据无人机的三维结构，将第一模型结构线、第二模型结构线和第三模型结构线进行联动性关联，生成模拟无人机模型；

针对模拟无人机模型的每个处在初始状态的端点，建立端点三轴变化映射坐标系；

根据状态测试操控指令集的每个状态测试操控指令，驱动无人机进行模拟性测试，并根据无人机的姿态变换，使模拟无人机模型同步姿态变换；

在模拟无人机模型姿态变换的时候，将模拟无人机模型每个端点在对应的三轴变化映射坐标系上的极限坐标进行存储，以使模拟无人机模型的所有端点对应每次模拟性测试均得到极限坐标，将所有端点的极限坐标整合成虚拟极限坐标组，虚拟极限坐标组为标准飞行状态的表达特征。

在本申请的一些实施例中，确定无人机的第一飞行状态的方法包括：

根据状态测试操控指令在执勤空域驱动无人机，并根据传感器采集的信号，对模拟无人机模型进行同步姿态模拟；

对姿态模拟后的模拟无人机模型的每个端点的极限坐标进行存储，生成现实极限坐标组，现实极限坐标组为第一飞行状态的表达特征。

在本申请的一些实施例中，根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征的发送的方法包括：

将第一飞行状态和模拟飞行状态转化为归一化比较参数组，并将归一化比较参数组之间的差异量，确定为第一飞行偏差特征；

针对风速、气压、温度和湿度构建第一飞行偏差特征的修正向量算子，并基于修正向量算子对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征。

在本申请的一些实施例中，针对风速、气压、温度和湿度构建第一飞行偏差特征的修正向量算子的方法包括：

根据第一飞行偏差特征的参数组中的每个参数单元，构建正负双向的修正向量算子；

修正向量算子的表达式为：

；

其中，为第i个参数单元的修正向量，/>为风速参数，/>为气压参数，/>为温度参数，/>为湿度参数，/>为第i个参数单元的风速调整系数，/>为第i个参数单元的气压调整系数，/>为第i个参数单元的温度调整系数，/>为第i个参数单元的湿度调整系数。

在本申请的一些实施例中，还公开了一种无人机飞行状态的安全监管系统，包括：

状态测试操控指令发送单元，内置有预设的状态测试操控指令，用于向无人机发送状态测试操控指令；

飞行状态模拟单元，用于根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态；

实时飞行状态确定单元，用于根据状态测试操控指令在执勤空域驱动无人机，并基于传感器采集的信号，确定无人机的第一飞行状态；

分析单元，用于比对分析第一飞行状态和模拟飞行状态，确定第一飞行偏差特征，并根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征，根据第二飞行偏差特征，确定对无人机的飞行状态的安全级别。

本申请公开了一种无人机飞行状态的安全监管方法及系统，具体公开的技术方案包括根据预设的状态测试操控指令进行飞行状态模拟预测，生成模拟飞行状态，作用在于提供了一个标准的参考状态，并基于同样的状态测试操控指令驱动无人机，得到无人机的第一飞行状态，并根据第一飞行状态和模拟飞行状态之间的差异性确定第一飞行偏差特征，实现了更加精准的确定无人机的飞行异常，并基于环境干扰因子对第一飞行偏差特征的修正，得到第二飞行偏差特征，进一步提升了对无人机飞行状态判断的精准性。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本申请实施例中一种无人机飞行状态的安全监管方法的方法步骤图。

具体实施方式

以下通过附图和实施例对本发明的技术方案作进一步说明。

以下将结合附图以及具体实施例，对本发明的技术方案进行清楚、完整的描述，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，不能理解为对本发明保护范围的限制，该领域的技术熟练人员可以根据下述本发明的内容做出一些非本质的改进和调整。

实施例：

所以本发明公开了一种无人机飞行状态的安全监管方法，参阅图1，包括：

步骤1，预设有状态测试操控指令。

步骤2，根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态。

步骤3，根据状态测试操控指令在执勤空域驱动无人机，并基于传感器采集的信号，确定无人机的第一飞行状态。

步骤4，比对分析第一飞行状态和模拟飞行状态，确定第一飞行偏差特征，并根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征。

步骤5，根据第二飞行偏差特征，确定对无人机的飞行状态的安全级别。

需要理解的是，第二飞行偏差特征可以为参数化的表达，进而实现根据参数来确定无人机的飞行状态的安全级别。

在本申请的一些实施例中，确定的无人机的第一飞行状态的方法包括：基于定位传感器，确定无人机的位置信息；基于姿态检测传感器，确定无人机的姿态信息。

,需要理解的是，姿态检测传感器可以应用以下几种：

陀螺仪（Gyroscope）：陀螺仪是一种用来检测角速度的传感器，可以感知无人机的旋转状态，可以帮助计算无人机的角度变化。

加速度计（Accelerometer）：加速度计是一种用来检测加速度的传感器，可以感知无人机的运动状态，包括向前、向后、向左、向右、上升和下降等。

磁力计（Magnetometer）：磁力计是一种用来检测地磁场的传感器，可以帮助无人机确定方向。

气压计（Barometer）：气压计是一种用来检测气压的传感器，可以帮助无人机确定高度。

GPS（Global Positioning System）：GPS是一种用来确定位置的传感器，可以通过接收卫星信号来确定无人机的位置。

视觉传感器（Visual Sensor）：视觉传感器可以帮助无人机通过摄像头或激光雷达等设备获取周围环境的信息，包括地形、建筑物、障碍物等。

在本申请的一些实施例中，根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态的方法包括：

第一步，构建状态测试操控指令集，状态测试操控指令集中包括若干针对无人机的状态测试操控指令。

第二步，针对每一状态测试操控指令，进行标准条件下的飞行测试，并将此时无人机的标准飞行状态与状态测试操控指令进行关联。

第三步，将若干相互关联的状态测试操控指令和标准飞行状态进行存储，生成模拟飞行状态确定集。

在根据状态测试操控指令对无人机进行飞行状态模拟时：

第一步，获取无人机的当下位置信息，并根据当下位置信息判断无人机所在当前的区域安全性，并根据无人机所在当前的区域安全性，确定是否对无人机进行飞行状态模拟预测。

第二步，若确定对无人机进行飞行状态模拟预测，则从状态测试操控指令集内确定出一特定的状态测试操控指令，并根据确定出的状态测试操控指令，在模拟飞行状态确定集内进行检索，确定出对应的标准飞行状态。

第三步，将确定出的标准飞行状态确定为模拟飞行状态。

在本申请的一些实施例中，判断无人机所在当前的区域安全性的方法包括：基于GIS信息，对执勤空域进行划分区块，并针对每个区块的飞行影响特征，确定对应区块的风险级别；其中，所述飞行影响特征包括地理性特征、地物覆盖特征和气象特征，针对地理性特征建立有第一风险影响值，针对地物覆盖特征建立有第二风险影响值，针对气象特征建立有第三风险影响值，基于第一风险影响值、第二风险影响值和第三风险影响值确定区块的风险级别，若风险级别小于预设值，则确定当前区块处于安全状态。

需要了解的是，GIS（地理信息系统）信息内容主要包括两个方面：1.地理位置信息：即地理现象的位置和形状等几何信息，是GIS信息的基础。地理位置信息可以通过地图、卫星影像等方式获取，并可以通过坐标系进行统一的表示和管理。地理位置信息通常以矢量数据或栅格数据的形式存储，包括点、线、面等各种空间要素。2.属性信息：即地理现象的描述性信息，包括各种特征、属性和统计数据等。

在本申请的一些实施例中，确定区块的风险级别的方法包括：

第一步，建立地理性风险确定规则，所述地理性风险确定规则包括若干第一风险影响值，且每一第一风险影响值关联有第一区块面积区间以及区块地理复杂因子区间。

第二步，建立有地物覆盖风险确定规则，所述地物覆盖风险确定规则包括若干第二风险影响值，且第二风险影响值关联有第二区块面积区间以及区块地物覆盖复杂因子区间。

第三步，建立有气象风险确定规则，所述气象风险确定规则包括若干第三风险影响值，确每一第三风险影响值关联有第三区块面积区间以及区块气象复杂因子区间。

第四步，将确定出的飞行影响特征代入到地理性风险确定规则、地物覆盖风险确定规则和气象风险确定规则进行分析，确定无人机在当下区块的第一风险影响值、第二风险影响值和第三风险影响值，并根据确定出的第一风险影响值、第二风险影响值和第三风险影响值确定区块的风险级别。

需要了解的是，区块地理复杂因子、区块地物覆盖复杂因子和区块气象复杂因子为根据GIS信息确定的，可以根据GIS信息由人为进行判断确定，也可以是系统根据GIS信息对对应区块表达出的相应数据的认定。

在本申请的一些实施例中，确定标准飞行状态的方法包括：

第一步，获取无人机的三维结构。

需要理解的是，无人机的三维结构可以由人工事先测量，也可以由设计资料进行确定。

第二步，对无人机的三维结构进行分析，确定无人机上在行进方向上的距离最长的两个第一模型点，并将第一模型点进行连接，生成第一模型结构线。

第三步，对无人机的三维结构进行分析，确定无人机在垂直于行进方向的方向上的距离最长的两个第二模型点，并将第二模型点进行连接，生成第二模型结构线。

第四步，对无人机的三维结构进行分析，确定无人机在升降方向上的距离最长的两个第三模型点，并将第三模型点进行连接，生成第三模型结构线。

第五步，根据无人机的三维结构，将第一模型结构线、第二模型结构线和第三模型结构线进行联动性关联，生成模拟无人机模型。

需要了解的是，联动性关联具体而言就是第一模型结构线、第二模型结构线和第三模型结构线的相对位置不发生变化，具有结构联动性。

第六步，针对模拟无人机模型的每个处在初始状态的端点，建立端点三轴变化映射坐标系。

第七步，根据状态测试操控指令集的每个状态测试操控指令，驱动无人机进行模拟性测试，并根据无人机的姿态变换，使模拟无人机模型同步姿态变换。

第八步，在模拟无人机模型姿态变换的时候，将模拟无人机模型每个端点在对应的三轴变化映射坐标系上的极限坐标进行存储，以使模拟无人机模型的所有端点对应每次模拟性测试均得到极限坐标，将所有端点的极限坐标整合成虚拟极限坐标组，虚拟极限坐标组为标准飞行状态的表达特征。

需要了解的是，所述极限坐标为无人机模型每次姿态变换，其所有端点在对应的三轴变化映射坐标系上偏离坐标原点最远的坐标。

在本申请的一些实施例中，确定无人机的第一飞行状态的方法包括：

第一步，根据状态测试操控指令在执勤空域驱动无人机，并根据传感器采集的信号，对模拟无人机模型进行同步姿态模拟。

第二步，对姿态模拟后的模拟无人机模型的每个端点的极限坐标进行存储，生成现实极限坐标组，现实极限坐标组为第一飞行状态的表达特征。

在本申请的一些实施例中，根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征的发送的方法包括：

第一步，将第一飞行状态和模拟飞行状态转化为归一化比较参数组，并将归一化比较参数组之间的差异量，确定为第一飞行偏差特征。

第二步，针对风速、气压、温度和湿度构建第一飞行偏差特征的修正向量算子，并基于修正向量算子对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征。

在本申请的一些实施例中，针对风速、气压、温度和湿度构建第一飞行偏差特征的修正向量算子的方法包括：

根据第一飞行偏差特征的参数组中的每个参数单元，构建正负双向的修正向量算子。

修正向量算子的表达式为：

。

其中，为第i个参数单元的修正向量，/>为风速参数，/>为气压参数，/>为温度参数，/>为湿度参数，/>为第i个参数单元的风速调整系数，/>为第i个参数单元的气压调整系数，/>为第i个参数单元的温度调整系数，/>为第i个参数单元的湿度调整系数。

在本申请的一些实施例中，还公开了一种无人机飞行状态的安全监管系统，包括：状态测试操控指令发送单元、飞行状态模拟单元、实时飞行状态确定单元和分析单元。

所述状态测试操控指令发送单元内置有预设的状态测试操控指令，用于向无人机发送状态测试操控指令。

所述飞行状态模拟单元用于根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态。

所述实时飞行状态确定单元，用于根据状态测试操控指令在执勤空域驱动无人机，并基于传感器采集的信号，确定无人机的第一飞行状态。

所述分析单元用于比对分析第一飞行状态和模拟飞行状态，确定第一飞行偏差特征，并根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征，根据第二飞行偏差特征，确定对无人机的飞行状态的安全级别。

本申请公开了一种无人机飞行状态的安全监管方法及系统，具体公开的技术方案包括根据预设的状态测试操控指令进行飞行状态模拟预测，生成模拟飞行状态，作用在于提供了一个标准的参考状态，并基于同样的状态测试操控指令驱动无人机，得到无人机的第一飞行状态，并根据第一飞行状态和模拟飞行状态之间的差异性确定第一飞行偏差特征，实现了更加精准的确定无人机的飞行异常，并基于环境干扰因子对第一飞行偏差特征的修正，得到第二飞行偏差特征，进一步提升了对无人机飞行状态判断的精准性。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (8)

1.一种无人机飞行状态的安全监管方法，其特征在于，包括：

预设有状态测试操控指令；

根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态；

根据状态测试操控指令在执勤空域驱动无人机，并基于传感器采集的信号，确定无人机的第一飞行状态；

比对分析第一飞行状态和模拟飞行状态，确定第一飞行偏差特征，并根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征；

根据第二飞行偏差特征，确定对无人机的飞行状态的安全级别；

确定的无人机的第一飞行状态的方法包括：

基于定位传感器，确定无人机的位置信息；

基于姿态检测传感器，确定无人机的姿态信息；

根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态的方法包括：

构建状态测试操控指令集，状态测试操控指令集中包括若干针对无人机的状态测试操控指令；

针对每一状态测试操控指令，进行标准条件下的飞行测试，并将此时无人机的标准飞行状态与状态测试操控指令进行关联；

将若干相互关联的状态测试操控指令和标准飞行状态进行存储，生成模拟飞行状态确定集；

在根据状态测试操控指令对无人机进行飞行状态模拟时：

获取无人机的当下位置信息，并根据当下位置信息判断无人机所在当前的区域安全性，并根据无人机所在当前的区域安全性，确定是否对无人机进行飞行状态模拟预测；

若确定对无人机进行飞行状态模拟预测，则从状态测试操控指令集内确定出一特定的状态测试操控指令，并根据确定出的状态测试操控指令，在模拟飞行状态确定集内进行检索，确定出对应的标准飞行状态；

将确定出的标准飞行状态确定为模拟飞行状态。

2.根据权利要求1所述的一种无人机飞行状态的安全监管方法，其特征在于，判断无人机所在当前的区域安全性的方法包括：

基于GIS信息，对执勤空域进行划分区块，并针对每个区块的飞行影响特征，确定对应区块的风险级别；

其中，所述飞行影响特征包括地理性特征、地物覆盖特征和气象特征，针对地理性特征建立有第一风险影响值，针对地物覆盖特征建立有第二风险影响值，针对气象特征建立有第三风险影响值，基于第一风险影响值、第二风险影响值和第三风险影响值确定区块的风险级别，若风险级别小于预设值，则确定当前区块处于安全状态。

3.根据权利要求2所述的一种无人机飞行状态的安全监管方法，其特征在于，确定区块的风险级别的方法包括：

建立地理性风险确定规则，所述地理性风险确定规则包括若干第一风险影响值，且每一第一风险影响值关联有第一区块面积区间以及区块地理复杂因子区间；

建立有地物覆盖风险确定规则，所述地物覆盖风险确定规则包括若干第二风险影响值，且第二风险影响值关联有第二区块面积区间以及区块地物覆盖复杂因子区间；

建立有气象风险确定规则，所述气象风险确定规则包括若干第三风险影响值，确每一第三风险影响值关联有第三区块面积区间以及区块气象复杂因子区间；

将确定出的飞行影响特征代入到地理性风险确定规则、地物覆盖风险确定规则和气象风险确定规则进行分析，确定无人机在当下区块的第一风险影响值、第二风险影响值和第三风险影响值，并根据确定出的第一风险影响值、第二风险影响值和第三风险影响值确定区块的风险级别。

4.根据权利要求1所述的一种无人机飞行状态的安全监管方法，其特征在于，确定标准飞行状态的方法包括：

获取无人机的三维结构；

对无人机的三维结构进行分析，确定无人机上在行进方向上的距离最长的两个第一模型点，并将第一模型点进行连接，生成第一模型结构线；

对无人机的三维结构进行分析，确定无人机在垂直于行进方向的方向上的距离最长的两个第二模型点，并将第二模型点进行连接，生成第二模型结构线；

对无人机的三维结构进行分析，确定无人机在升降方向上的距离最长的两个第三模型点，并将第三模型点进行连接，生成第三模型结构线；

根据无人机的三维结构，将第一模型结构线、第二模型结构线和第三模型结构线进行联动性关联，生成模拟无人机模型；

针对模拟无人机模型的每个处在初始状态的端点，建立端点三轴变化映射坐标系；

根据状态测试操控指令集的每个状态测试操控指令，驱动无人机进行模拟性测试，并根据无人机的姿态变换，使模拟无人机模型同步姿态变换；

在模拟无人机模型姿态变换的时候，将模拟无人机模型每个端点在对应的三轴变化映射坐标系上的极限坐标进行存储，以使模拟无人机模型的所有端点对应每次模拟性测试均得到极限坐标，将所有端点的极限坐标整合成虚拟极限坐标组，虚拟极限坐标组为标准飞行状态的表达特征。

5.根据权利要求4所述的一种无人机飞行状态的安全监管方法，其特征在于，确定无人机的第一飞行状态的方法包括：

根据状态测试操控指令在执勤空域驱动无人机，并根据传感器采集的信号，对模拟无人机模型进行同步姿态模拟；

对姿态模拟后的模拟无人机模型的每个端点的极限坐标进行存储，生成现实极限坐标组，现实极限坐标组为第一飞行状态的表达特征。

6.根据权利要求1所述的一种无人机飞行状态的安全监管方法，其特征在于，根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征的发送的方法包括：

将第一飞行状态和模拟飞行状态转化为归一化比较参数组，并将归一化比较参数组之间的差异量，确定为第一飞行偏差特征；

针对风速、气压、温度和湿度构建第一飞行偏差特征的修正向量算子，并基于修正向量算子对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征。

7.根据权利要求6所述的一种无人机飞行状态的安全监管方法，其特征在于，针对风速、气压、温度和湿度构建第一飞行偏差特征的修正向量算子的方法包括：

根据第一飞行偏差特征的参数组中的每个参数单元，构建正负双向的修正向量算子；

修正向量算子的表达式为：

；

其中，为第i个参数单元的修正向量，/>为风速参数，/>为气压参数，/>为温度参数，为湿度参数，/>为第i个参数单元的风速调整系数，/>为第i个参数单元的气压调整系数，/>为第i个参数单元的温度调整系数，/>为第i个参数单元的湿度调整系数。

8.一种无人机飞行状态的安全监管系统，其特征在于，包括：

状态测试操控指令发送单元，内置有预设的状态测试操控指令，用于向无人机发送状态测试操控指令；

飞行状态模拟单元，用于根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态，根据状态测试操控指令对无人机进行飞行状态模拟预测，生成模拟飞行状态的方法包括，构建状态测试操控指令集，状态测试操控指令集中包括若干针对无人机的状态测试操控指令，针对每一状态测试操控指令，进行标准条件下的飞行测试，并将此时无人机的标准飞行状态与状态测试操控指令进行关联，将若干相互关联的状态测试操控指令和标准飞行状态进行存储，生成模拟飞行状态确定集，在根据状态测试操控指令对无人机进行飞行状态模拟时，获取无人机的当下位置信息，并根据当下位置信息判断无人机所在当前的区域安全性，并根据无人机所在当前的区域安全性，确定是否对无人机进行飞行状态模拟预测；

若确定对无人机进行飞行状态模拟预测，则从状态测试操控指令集内确定出一特定的状态测试操控指令，并根据确定出的状态测试操控指令，在模拟飞行状态确定集内进行检索，确定出对应的标准飞行状态；

将确定出的标准飞行状态确定为模拟飞行状态；

实时飞行状态确定单元，用于根据状态测试操控指令在执勤空域驱动无人机，并基于传感器采集的信号，确定无人机的第一飞行状态，确定的无人机的第一飞行状态的方法包括，基于定位传感器，确定无人机的位置信息，基于姿态检测传感器，确定无人机的姿态信息；

分析单元，用于比对分析第一飞行状态和模拟飞行状态，确定第一飞行偏差特征，并根据环境干扰因子，对第一飞行偏差特征进行精准性修正，得到第二飞行偏差特征，根据第二飞行偏差特征，确定对无人机的飞行状态的安全级别。