CN117420837B - 基于风场感知与能量增益的无人机航迹规划方法及系统 - Google Patents
基于风场感知与能量增益的无人机航迹规划方法及系统 Download PDFInfo
- Publication number
- CN117420837B CN117420837B CN202311744968.0A CN202311744968A CN117420837B CN 117420837 B CN117420837 B CN 117420837B CN 202311744968 A CN202311744968 A CN 202311744968A CN 117420837 B CN117420837 B CN 117420837B
- Authority
- CN
- China
- Prior art keywords
- maximum
- planning
- unmanned aerial
- aerial vehicle
- angle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008447 perception Effects 0.000 title claims abstract description 23
- 230000009194 climbing Effects 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000005096 rolling process Methods 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 13
- 230000001174 ascending effect Effects 0.000 claims description 11
- 230000003071 parasitic effect Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 9
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 6
- 238000005381 potential energy Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种基于风场感知与能量增益的无人机航迹规划方法及系统。该方法可以包括:确定无人机航迹规划参数、飞行范围与目标点;建立惯性坐标系下的无人机动力学模型;根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;求解动力学模型,更新飞行数据;对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据。本发明的计算效率高,解决了现有技术无法确保无人机在复杂风场环境下安全高效飞行的问题。
Description
技术领域
本发明涉及航空航天技术领域,更具体地,涉及一种基于风场感知与能量增益的无人机航迹规划方法及系统。
背景技术
滑翔是自然界中的鸟类从风场中获取能量的主要手段。一方面,鸟类利用上升气流飞行,在上升气流中基本保持相对稳定的状态,称作静态滑翔。另一方面,鸟类利用梯度风飞行,机动飞行穿越风速变化的风场,称作动态滑翔。利用上升气流与梯度风,自然界中的鸟类能够进行长距离、长时间的无动力飞行。
无人机在军民领域具有广泛应用,无人机技术发展日新月异。无人机如果能够实现从“对抗”风场转向“利用”风场,模仿鸟类滑翔,其续航能力以及飞行安全性便可大幅提升。
在复杂风场环境下,无人机航迹规划的前提是风场感知。在风场感知的基础上进行航迹规划,进而获得能量增益。目前,无人机航迹规划主要应用在无风环境中,现有技术无法确保无人机在复杂风场环境下的安全高效飞行。
因此,有必要开发一种基于风场感知与能量增益的无人机航迹规划方法及系统。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
在本发明提出了一种基于风场感知与能量增益的无人机航迹规划方法及系统,其计算效率高,解决了现有技术无法确保无人机在复杂风场环境下安全高效飞行的问题。
第一方面,本公开实施例提供了一种基于风场感知与能量增益的无人机航迹规划方法,包括:
确定无人机航迹规划参数、飞行范围与目标点;
建立惯性坐标系下的无人机动力学模型;
根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;
求解所述动力学模型,更新飞行数据;
对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;
根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据。
优选地,确定目标点包括:
根据三维风速采样数据预测所述飞行范围内的时序三维风速,进而预测所述时序三维风速对应的方差;
确定所述飞行范围内方差最大的位置为第一点位,确定上升气流最大的位置为第二点位;
确定无人机是否能够飞行至所述第一点位,若是,则将所述第一点位设置为所述目标点,若否,将所述第二点位设置为所述目标点。
优选地,所述动力学模型为:
,
其中,L为升力,m为质量,为航迹滚转角,Va为空速,γa为航迹爬升角,t为时间,g为重力加速度,/>为航迹偏航角,/>为风速的一阶偏导矩阵,代表梯度风,/>为地速,D为阻力,ρ为密度,S为机翼面积,CD,0为寄生阻力系数,AR为展弦比,e为Oswald效率因子。
优选地,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令包括:
确定所述最大滚转角与所述最大爬升角;
在所述最大滚转角与所述最大爬升角的约束下,设置滚转角速率,计算爬升角速率;
以所述滚转角速率与所述爬升角速率作为姿态控制指令。
优选地,还包括:
重复单次规划,完成总时间内的航迹规划。
第二方面,本公开实施例还提供了一种基于风场感知与能量增益的无人机航迹规划系统,包括:
存储器,存储有计算机可执行指令;处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
确定无人机航迹规划参数、飞行范围与目标点;
建立惯性坐标系下的无人机动力学模型;
根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;
求解所述动力学模型,更新飞行数据;
对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;
根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据。
优选地,确定目标点包括:
根据三维风速采样数据预测所述飞行范围内的时序三维风速,进而预测所述时序三维风速对应的方差;
确定所述飞行范围内方差最大的位置为第一点位,确定上升气流最大的位置为第二点位;
确定无人机是否能够飞行至所述第一点位,若是,则将所述第一点位设置为所述目标点,若否,将所述第二点位设置为所述目标点。
优选地,所述动力学模型为:
,
其中,L为升力,m为质量,为航迹滚转角,Va为空速,γa为航迹爬升角,t为时间,g为重力加速度,/>为航迹偏航角,/>为风速的一阶偏导矩阵,代表梯度风,/>为地速,D为阻力,ρ为密度,S为机翼面积,CD,0为寄生阻力系数,AR为展弦比,e为Oswald效率因子。
优选地,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令包括:
确定所述最大滚转角与所述最大爬升角;
在所述最大滚转角与所述最大爬升角的约束下,设置滚转角速率,计算爬升角速率;
以所述滚转角速率与所述爬升角速率作为姿态控制指令。
优选地,还包括:
重复单次规划,完成总时间内的航迹规划。
其有益效果在于:
本发明建立了惯性坐标系下的无人机动力学模型,模型中考虑了风速。通过设置成本与回报类型函数的权重系数,确定不同阶段的最优控制指令。在风场感知的基础上进行航迹规划,并将生成的航迹发送给飞控机,由飞控机控制电气执行机构按规划的航迹飞行。本发明的计算效率高,解决了现有技术无法确保无人机在复杂风场环境下安全高效飞行的问题。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的基于风场感知与能量增益的无人机航迹规划方法的步骤的流程图。
图2示出了根据本发明的一个实施例的航迹规划结果的示意图。
图3示出了根据本发明的一个实施例的无人机飞行过程中的能量变化的示意图。
图4示出了根据本发明的一个实施例的风速预测值的方差的示意图。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明提供一种基于风场感知与能量增益的无人机航迹规划方法,包括:
确定无人机航迹规划参数、飞行范围与目标点;
建立惯性坐标系下的无人机动力学模型;
根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;
求解动力学模型,更新飞行数据;
对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;
根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据。
在一个示例中,确定目标点包括:
根据三维风速采样数据预测飞行范围内的时序三维风速,进而预测时序三维风速对应的方差;
确定飞行范围内方差最大的位置为第一点位,确定上升气流最大的位置为第二点位;
确定无人机是否能够飞行至第一点位,若是,则将第一点位设置为目标点,若否,将第二点位设置为目标点。
在一个示例中,动力学模型为:
,
其中,L为升力,m为质量,为航迹滚转角,Va为空速,γa为航迹爬升角,t为时间,g为重力加速度,/>为航迹偏航角,/>为风速的一阶偏导矩阵,代表梯度风,/>为地速,D为阻力,ρ为密度,S为机翼面积,CD,0为寄生阻力系数,AR为展弦比,e为Oswald效率因子。
在一个示例中,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令包括:
确定最大滚转角与最大爬升角;
在最大滚转角与最大爬升角的约束下,设置滚转角速率,计算爬升角速率;
以滚转角速率与爬升角速率作为姿态控制指令。
在一个示例中,还包括:
重复单次规划,完成总时间内的航迹规划。
具体地,确定无人机航迹规划所需参数,包括规划参数、无人机参数、飞行参数。其中,规划参数包括:规划总时间、单次规划时间、单词规划间隔、阶段规划时间、阶段规划数量、规划时间步、仿真时间步、俯仰控制数量、滚转控制数量。无人机参数包括:寄生阻力系数、机翼面积、Oswald效率因子、最大过载、最小过载、展弦比、质量、最大升力系数、最大滚转角速率、最大滚转角、最大爬升角、滑翔比、失速速度。飞行参数包括:初始位置、初始姿态、初始速度、飞行范围。确定飞行范围,包括x方向的最小值xmin,x方向的最大值xmax,y方向的最小值ymin,y方向的最大值ymax,z方向的最小值zmin,z方向的最大值zmax。
进行风场感知。在无人机飞行过程中,对当地三维风速进行采样。根据采样数据,预测时空范围内的三维风速Wx(x,y,z,t),Wy(x,y,z,t),Wz(x,y,z,t),同时预测三维风速的方差,并以一定频率更新采样数据以及预测结果。
将风场感知作为高优先级任务,将能量增益作为次优先级任务。确定飞行范围内三维风速方差最大的位置,记作第一点位,确定上升气流最大的位置,记作第二点位,评估无人机是否可以飞行至第一点位,如果可以,将第一点位设置为目标点,如果不可以,将第二点位设置为目标点。
生成一系列俯仰、滚转飞行控制指令。根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令。以最大滚转角速率,进行滚转姿态控制。判断俯仰姿态控制指令,如果爬升角变化小于0,以最小过载进行俯仰姿态控制。如果爬升角变化大于0,以最大过载进行俯仰姿态控制;
根据一系列俯仰、滚转飞行控制指令,求解惯性坐标系下的无人机动力学模型(考虑风速),更新飞行数据,包括位置、姿态、速度。
设置成本与回报函数的权重系数,对不同的规划航迹按能量增益进行排序,包括重力势能、动能、飞行至目标点的能耗(与目标点距离越近,能耗越低)。确定单次航迹规划过程中,不同阶段的最优控制指令(俯仰与滚转)。
开展飞行仿真,根据不同阶段的最优控制指令,获取单次规划的航迹与飞行数据。重复进行单次规划,完成总时间内的航迹规划。
本发明还提供一种基于风场感知与能量增益的无人机航迹规划系统,包括:
存储器,存储有计算机可执行指令;处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
确定无人机航迹规划参数、飞行范围与目标点;
建立惯性坐标系下的无人机动力学模型;
根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;
求解动力学模型,更新飞行数据;
对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;
根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据。
在一个示例中,确定目标点包括:
根据三维风速采样数据预测飞行范围内的时序三维风速,进而预测时序三维风速对应的方差;
确定飞行范围内方差最大的位置为第一点位,确定上升气流最大的位置为第二点位;
确定无人机是否能够飞行至第一点位,若是,则将第一点位设置为目标点,若否,将第二点位设置为目标点。
在一个示例中,动力学模型为:
,
其中,L为升力,m为质量,为航迹滚转角,Va为空速,γa为航迹爬升角,t为时间,g为重力加速度,/>为航迹偏航角,/>为风速的一阶偏导矩阵,代表梯度风,/>为地速,D为阻力,ρ为密度,S为机翼面积,CD,0为寄生阻力系数,AR为展弦比,e为Oswald效率因子。
在一个示例中,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令包括:
确定最大滚转角与最大爬升角;
在最大滚转角与最大爬升角的约束下,设置滚转角速率,计算爬升角速率;
以滚转角速率与爬升角速率作为姿态控制指令。
在一个示例中,还包括:
重复单次规划,完成总时间内的航迹规划。
具体地,确定无人机航迹规划所需参数,包括规划参数、无人机参数、飞行参数。其中,规划参数包括:规划总时间、单次规划时间、单词规划间隔、阶段规划时间、阶段规划数量、规划时间步、仿真时间步、俯仰控制数量、滚转控制数量。无人机参数包括:寄生阻力系数、机翼面积、Oswald效率因子、最大过载、最小过载、展弦比、质量、最大升力系数、最大滚转角速率、最大滚转角、最大爬升角、滑翔比、失速速度。飞行参数包括:初始位置、初始姿态、初始速度、飞行范围。确定飞行范围,包括x方向的最小值xmin,x方向的最大值xmax,y方向的最小值ymin,y方向的最大值ymax,z方向的最小值zmin,z方向的最大值zmax。
进行风场感知。在无人机飞行过程中,对当地三维风速进行采样。根据采样数据,预测时空范围内的三维风速Wx(x,y,z,t),Wy(x,y,z,t),Wz(x,y,z,t),同时预测三维风速的方差,并以一定频率更新采样数据以及预测结果。
将风场感知作为高优先级任务,将能量增益作为次优先级任务。确定飞行范围内三维风速方差最大的位置,记作第一点位,确定上升气流最大的位置,记作第二点位,评估无人机是否可以飞行至第一点位,如果可以,将第一点位设置为目标点,如果不可以,将第二点位设置为目标点。
生成一系列俯仰、滚转飞行控制指令。根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令。以最大滚转角速率,进行滚转姿态控制。判断俯仰姿态控制指令,如果爬升角变化小于0,以最小过载进行俯仰姿态控制。如果爬升角变化大于0,以最大过载进行俯仰姿态控制;
根据一系列俯仰、滚转飞行控制指令,求解惯性坐标系下的无人机动力学模型(考虑风速),更新飞行数据,包括位置、姿态、速度。
设置成本与回报函数的权重系数,对不同的规划航迹按能量增益进行排序,包括重力势能、动能、飞行至目标点的能耗(与目标点距离越近,能耗越低)。确定单次航迹规划过程中,不同阶段的最优控制指令(俯仰与滚转)。
开展飞行仿真,根据不同阶段的最优控制指令,获取单次规划的航迹与飞行数据。重复进行单次规划,完成总时间内的航迹规划。
为便于理解本发明实施例的方案及其效果,以下给出两个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
实施例1
图1示出了根据本发明的一个实施例的基于风场感知与能量增益的无人机航迹规划方法的步骤的流程图。
如图1所示,该基于风场感知与能量增益的无人机航迹规划方法包括:步骤101,确定无人机航迹规划参数、飞行范围与目标点;步骤102,建立惯性坐标系下的无人机动力学模型;步骤103,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;步骤104,求解动力学模型,更新飞行数据;步骤105,对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;步骤106,根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据。
确定无人机航迹规划所需参数,包括规划参数、无人机参数、飞行参数,如表1所示。
表1
确定飞行范围,包括x方向的最小值xmin,x方向的最大值xmax,y方向的最小值ymin,y方向的最大值ymax,z方向的最小值zmin,z方向的最大值zmax。
进行风场感知。在无人机飞行过程中,对当地三维风速进行采样。根据采样数据,预测时空范围内的三维风速Wx(x,y,z,t),Wy(x,y,z,t),Wz(x,y,z,t),同时预测三维风速的方差,并以一定频率更新采样数据以及预测结果。
将风场感知作为高优先级任务,将能量增益作为次优先级任务。确定飞行范围内三维风速方差最大的位置,记作第一点位,确定上升气流最大的位置,记作第二点位,评估无人机是否可以飞行至第一点位,如果可以,将第一点位设置为目标点,如果不可以,将第二点位设置为目标点。
根据最大爬升角γmax=40°,最大滚转角,生成3个俯仰、3个滚转飞行控制指令。以最大滚转角速率/>,进行滚转姿态控制。判断俯仰姿态控制指令,如果爬升角变化小于0,以最小过载Nmin=0.3进行俯仰姿态控制。如果爬升角变化大于0,以最大过载Nmax=1.7进行俯仰姿态控制。
根据上述俯仰、滚转飞行控制指令,求解惯性坐标系下的无人机动力学模型(考虑风速),更新飞行数据,包括位置、姿态、速度。
设置成本与回报函数的权重系数,对不同的规划航迹按能量增益进行排序,包括重力势能、动能、飞行至目标点的能耗(与目标点距离越近,能耗越低)。确定单次航迹规划过程中,不同阶段的最优控制指令(俯仰与滚转)。
图2示出了根据本发明的一个实施例的航迹规划结果的示意图。
图3示出了根据本发明的一个实施例的无人机飞行过程中的能量变化的示意图。
图4示出了根据本发明的一个实施例的风速预测值的方差的示意图。
开展飞行仿真,时间步长△tsim=0.01s,根据不同阶段的最优控制指令,获取单次规划的航迹与飞行数据。重复以上步骤,完成总时间ttotal=500s内的航迹规划。航迹规划结果如图2所示。无人机飞行过程中能量变化如图3所示,包括动能(kinetic energy)、势能(potential energy)、总能量(total energy)的变化情况,可以明显观测到由上升气流带来的能量增益现象。图4为风场预测值的平均方差,结果表明,随着无人机不断进行采样,更新风场,与飞行初始时刻相比,方差平均值降低,风场的不确定度降低。
实施例2
该基于风场感知与能量增益的无人机航迹规划系统,包括:
存储器,存储有计算机可执行指令;处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
确定无人机航迹规划参数、飞行范围与目标点;
建立惯性坐标系下的无人机动力学模型;
根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;
求解动力学模型,更新飞行数据;
对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;
根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据。
在一个示例中,确定目标点包括:
根据三维风速采样数据预测飞行范围内的时序三维风速,进而预测时序三维风速对应的方差;
确定飞行范围内方差最大的位置为第一点位,确定上升气流最大的位置为第二点位;
确定无人机是否能够飞行至第一点位,若是,则将第一点位设置为目标点,若否,将第二点位设置为目标点。
在一个示例中,动力学模型为:
,
其中,L为升力,m为质量,为航迹滚转角,Va为空速,γa为航迹爬升角,t为时间,g为重力加速度,/>为航迹偏航角,/>为风速的一阶偏导矩阵,代表梯度风,/>为地速,D为阻力,ρ为密度,S为机翼面积,CD,0为寄生阻力系数,AR为展弦比,e为Oswald效率因子。
在一个示例中,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令包括:
确定最大滚转角与最大爬升角;
在最大滚转角与最大爬升角的约束下,设置滚转角速率,计算爬升角速率;
以滚转角速率与爬升角速率作为姿态控制指令。
在一个示例中,还包括:
重复单次规划,完成总时间内的航迹规划。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (8)
1.一种基于风场感知与能量增益的无人机航迹规划方法,其特征在于,包括:
确定无人机航迹规划参数、飞行范围与目标点;
建立惯性坐标系下的无人机动力学模型;
根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;
求解所述动力学模型,更新飞行数据;
对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;
根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据;
其中,所述动力学模型为:
,
其中,L为升力,m为质量,为航迹滚转角,Va为空速,γa为航迹爬升角,t为时间,g为重力加速度,/>为航迹偏航角,/>为风速的一阶偏导矩阵,代表梯度风,/>为地速,D为阻力,ρ为密度,S为机翼面积,CD,0为寄生阻力系数,AR为展弦比,e为Oswald效率因子。
2.根据权利要求1所述的基于风场感知与能量增益的无人机航迹规划方法,其中,确定目标点包括:
根据三维风速采样数据预测所述飞行范围内的时序三维风速,进而预测所述时序三维风速对应的方差;
确定所述飞行范围内方差最大的位置为第一点位,确定上升气流最大的位置为第二点位;
确定无人机是否能够飞行至所述第一点位,若是,则将所述第一点位设置为所述目标点,若否,将所述第二点位设置为所述目标点。
3.根据权利要求1所述的基于风场感知与能量增益的无人机航迹规划方法,其中,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令包括:
确定所述最大滚转角与所述最大爬升角;
在所述最大滚转角与所述最大爬升角的约束下,设置滚转角速率,计算爬升角速率;
以所述滚转角速率与所述爬升角速率作为姿态控制指令。
4.根据权利要求1所述的基于风场感知与能量增益的无人机航迹规划方法,其中,还包括:
重复单次规划,完成总时间内的航迹规划。
5.一种基于风场感知与能量增益的无人机航迹规划系统,其特征在于,该系统包括:
存储器,存储有计算机可执行指令;
处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
确定无人机航迹规划参数、飞行范围与目标点;
建立惯性坐标系下的无人机动力学模型;
根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令;
求解所述动力学模型,更新飞行数据;
对不同的规划航迹按能量增益进行排序,设置成本与回报函数的权重系数,确定单次航迹规划过程中不同阶段的最优控制指令;
根据不同阶段的最优控制指令,进行飞行仿真,获取单次规划的航迹与飞行数据;
其中,所述动力学模型为:
,
其中,L为升力,m为质量,为航迹滚转角,Va为空速,γa为航迹爬升角,t为时间,g为重力加速度,/>为航迹偏航角,/>为风速的一阶偏导矩阵,代表梯度风,/>为地速,D为阻力,ρ为密度,S为机翼面积,CD,0为寄生阻力系数,AR为展弦比,e为Oswald效率因子。
6.根据权利要求5所述的基于风场感知与能量增益的无人机航迹规划系统,其中,确定目标点包括:
根据三维风速采样数据预测所述飞行范围内的时序三维风速,进而预测所述时序三维风速对应的方差;
确定所述飞行范围内方差最大的位置为第一点位,确定上升气流最大的位置为第二点位;
确定无人机是否能够飞行至所述第一点位,若是,则将所述第一点位设置为所述目标点,若否,将所述第二点位设置为所述目标点。
7.根据权利要求5所述的基于风场感知与能量增益的无人机航迹规划系统,其中,根据最大爬升角、最大滚转角,设置规划过程中不同的姿态控制指令包括:
确定所述最大滚转角与所述最大爬升角;
在所述最大滚转角与所述最大爬升角的约束下,设置滚转角速率,计算爬升角速率;
以所述滚转角速率与所述爬升角速率作为姿态控制指令。
8.根据权利要求5所述的基于风场感知与能量增益的无人机航迹规划系统,其中,还包括:
重复单次规划,完成总时间内的航迹规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311744968.0A CN117420837B (zh) | 2023-12-19 | 2023-12-19 | 基于风场感知与能量增益的无人机航迹规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311744968.0A CN117420837B (zh) | 2023-12-19 | 2023-12-19 | 基于风场感知与能量增益的无人机航迹规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117420837A CN117420837A (zh) | 2024-01-19 |
CN117420837B true CN117420837B (zh) | 2024-03-19 |
Family
ID=89527008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311744968.0A Active CN117420837B (zh) | 2023-12-19 | 2023-12-19 | 基于风场感知与能量增益的无人机航迹规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117420837B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110908395A (zh) * | 2019-11-26 | 2020-03-24 | 西北工业大学 | 改进的无人机航迹实时规划方法 |
CN111256703A (zh) * | 2020-05-07 | 2020-06-09 | 江苏方天电力技术有限公司 | 一种多旋翼无人机巡检路径规划方法 |
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 |
CN114510817A (zh) * | 2021-12-27 | 2022-05-17 | 中国航天空气动力技术研究院 | 一种用于无人机滑翔路径规划的风场感知算法 |
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 |
CN115981376A (zh) * | 2023-03-20 | 2023-04-18 | 成都航空职业技术学院 | 一种基于气流模型的无人机长滞空飞行规划方法和装置 |
WO2023130691A1 (zh) * | 2022-01-06 | 2023-07-13 | 浙江大学 | 一种基于分布式压力传感器与分段姿态控制的动态滑翔方法及系统 |
-
2023
- 2023-12-19 CN CN202311744968.0A patent/CN117420837B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110908395A (zh) * | 2019-11-26 | 2020-03-24 | 西北工业大学 | 改进的无人机航迹实时规划方法 |
CN111256703A (zh) * | 2020-05-07 | 2020-06-09 | 江苏方天电力技术有限公司 | 一种多旋翼无人机巡检路径规划方法 |
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 |
CN114510817A (zh) * | 2021-12-27 | 2022-05-17 | 中国航天空气动力技术研究院 | 一种用于无人机滑翔路径规划的风场感知算法 |
WO2023130691A1 (zh) * | 2022-01-06 | 2023-07-13 | 浙江大学 | 一种基于分布式压力传感器与分段姿态控制的动态滑翔方法及系统 |
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 |
CN115981376A (zh) * | 2023-03-20 | 2023-04-18 | 成都航空职业技术学院 | 一种基于气流模型的无人机长滞空飞行规划方法和装置 |
Non-Patent Citations (3)
Title |
---|
基于空气动力学的无人机信息收集与轨迹规划策略研究;王世宇;《中国优秀硕士学位论文全文数据库(电子期刊) 工程科技II辑》;20220115(第1期);C031-510 * |
无人机风梯度动态滑翔机理与航迹优化研究;朱炳杰;《中国博士学位论文全文数据库(电子期刊) 工程科技II辑》;20171115(第11期);C031-48 * |
朱炳杰.无人机风梯度动态滑翔机理与航迹优化研究.《中国博士学位论文全文数据库(电子期刊) 工程科技II辑》.2017,(第11期),C031-48. * |
Also Published As
Publication number | Publication date |
---|---|
CN117420837A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lawrance et al. | Autonomous exploration of a wind field with a gliding aircraft | |
US10520389B2 (en) | Aerodynamic modeling using flight data | |
Ákos et al. | Thermal soaring flight of birds and unmanned aerial vehicles | |
Mehanovic et al. | Autonomous thrust-assisted perching of a fixed-wing uav on vertical surfaces | |
CN106842926B (zh) | 一种基于正实b样条的飞行器轨迹优化方法 | |
CN111625019B (zh) | 基于强化学习的四旋翼无人机悬挂空运系统轨迹规划方法 | |
Lawrance et al. | A guidance and control strategy for dynamic soaring with a gliding UAV | |
Lissaman | Wind energy extraction by birds and flight vehicles | |
CN109814593A (zh) | 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 | |
CN106371312A (zh) | 基于模糊控制器的升力式再入预测‑校正制导方法 | |
Yoon et al. | Optimal PID control for hovering stabilization of quadcopter using long short term memory | |
CN115755956B (zh) | 一种知识与数据协同驱动的无人机机动决策方法与系统 | |
Gao et al. | Dubins path‐based dynamic soaring trajectory planning and tracking control in a gradient wind field | |
CN115033022A (zh) | 面向移动平台基于专家经验的ddpg无人机降落方法 | |
CN114578861B (zh) | 一种利用阵风环境的无人机飞行控制策略设计方法 | |
CN109870906A (zh) | 一种基于bbo优化人工势场的高速旋翼飞行器路径规划方法 | |
CN109375642B (zh) | 一种无人机节能控制方法 | |
Patel et al. | Control law design for improving uav performance using wind turbulence | |
Andersson et al. | Cooperating uavs using thermal lift to extend endurance | |
Sunberg et al. | A Real-time expert control system for helicopter autorotation | |
CN108562293B (zh) | 基于干扰观测器的行星着陆有限时间控制方法 | |
CN117420837B (zh) | 基于风场感知与能量增益的无人机航迹规划方法及系统 | |
Wharington | Heuristic control of dynamic soaring | |
CN108279562A (zh) | 一种基于滑模pid控制的飞行机械臂 | |
Bronz et al. | Flight Testing of Dynamic Soaring Part-1: Leeward Inclined Circle Trajectory |
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 |