CN117806356A - 一种基于物联网的飞艇数据传输管理系统及方法 - Google Patents
一种基于物联网的飞艇数据传输管理系统及方法 Download PDFInfo
- Publication number
- CN117806356A CN117806356A CN202410218464.3A CN202410218464A CN117806356A CN 117806356 A CN117806356 A CN 117806356A CN 202410218464 A CN202410218464 A CN 202410218464A CN 117806356 A CN117806356 A CN 117806356A
- Authority
- CN
- China
- Prior art keywords
- airship
- flight
- data
- internet
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000005540 biological transmission Effects 0.000 title claims abstract description 22
- 238000007726 management method Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims description 45
- 239000003570 air Substances 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 34
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 32
- 230000007613 environmental effect Effects 0.000 claims description 17
- 239000006185 dispersion Substances 0.000 claims description 16
- 239000000446 fuel Substances 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000012080 ambient air Substances 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 5
- 238000013523 data management Methods 0.000 abstract description 2
- 230000006378 damage Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 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
- 230000002996 emotional effect Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000857 drug effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010042772 syncope Diseases 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000134128 Syncope Species 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 206010047513 Vision blurred Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 208000028752 abnormal posture Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64B—LIGHTER-THAN AIR AIRCRAFT
- B64B1/00—Lighter-than-air aircraft
- B64B1/06—Rigid airships; Semi-rigid airships
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于物联网的飞艇数据传输管理系统及方法，涉及数据管理系统技术领域，状态预测模块依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态，当预测飞艇的飞行状态差时，远程控制平台自动接管飞行控制模块，由飞艇基站操作员通过远程控制平台控制飞行控制模块的使用，当预测飞艇的飞行状态差时，远程控制平台先查找距离飞艇最近的飞艇基站，若飞艇基站满足飞艇降落条件，飞艇基站操作员控制会飞艇在最近基站降落。本发明在飞艇飞行时，有效分析多源数据来预测飞艇的飞行状态，从而能够在飞艇出现异常前及时进行控制和管理，保证飞艇的安全使用。
Description
技术领域
本发明涉及数据管理系统技术领域，具体涉及一种基于物联网的飞艇数据传输管理系统及方法。
背景技术
飞艇是一种轻型飞行器，通常通过气体充气以保持浮力，它们可以悬浮在大气中并以相对较低的速度进行飞行，飞艇通常用于需要长时间持续悬停或巡航的任务，而飞艇数据传输管理系统是一种专门设计用于管理和监控飞艇（也称为气球或空飘飞行器）的数据传输和通信的系统，这种系统在各种应用中都有广泛的用途。
现有技术存在以下不足：
飞艇飞行中，主要是通过飞行员的操作使得飞艇自动在航线上巡航飞行，然而，在现有技术中，管理系统通常是监测到飞艇存在异常时，才会发出警示，管理系统对飞艇异常无预测处理，当出现异常时，表明飞艇可能无法支持飞行，此时对紧急操作留余时间短，容易导致飞艇坠毁，存在较大的安全隐患。
发明内容
本发明的目的是提供一种基于物联网的飞艇数据传输管理系统及方法，以解决背景技术中不足。
为了实现上述目的，本发明提供如下技术方案：一种基于物联网的飞艇数据传输管理系统，包括飞行控制模块、数据采集模块、状态预测模块、通信模块以及远程控制平台；
飞行控制模块：用于控制飞艇的飞行管理，且飞行控制模块由飞行员操作或远程控制平台控制，当飞艇飞行后唤醒数据采集模块；
数据采集模块：在飞艇飞行过程中，实时采集与飞艇相关的多源数据，并对多源数据进行预处理；
状态预测模块：依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态；
通信模块：用于预测结果的传输，基于物联网技术将预测结果传输到远程控制平台；
远程控制平台：当预测飞艇的飞行状态差时，自动接管飞行控制模块，并查找距离飞艇最近的飞艇基站。
优选的，所述数据采集模块实时采集与飞艇相关的多源数据，多源数据包括飞艇数据、飞行数据以及环境数据，飞艇数据包括飞行器内外气压差离散程度、推进系统状态系数，飞行数据包括轨迹偏离系数以及异常飞行率，环境数据包括环境影响回归系数。
优选的，所述状态预测模块依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，计算表达式为：
；
式中，为环境影响回归系数，/>为轨迹偏离系数，/>为异常飞行率，/>为飞行器内外气压差离散程度，/>为推进系统状态系数，/>、/>分别为飞行器内外气压差离散程度、推进系统状态系数的比例系数，/>为轨迹偏离系数、异常飞行率的比例系数，/>为环境影响回归系数的比例系数，且/>、/>、/>、/>均大于0。
优选的，所述状态预测模块获取飞艇指数值后，将飞艇指数/>值与异常阈值进行对比，若飞艇指数/>值＜异常阈值，预测飞艇的飞行状态差，若飞艇指数/>值≥异常阈值，预测飞艇的飞行状态好。
优选的，所述飞行器内外气压差离散程度的计算表达式为：
；
式中，，/>表示飞行器上采样点的设置数量，/>为正整数，/>表示第i个采样点处的内外气压差，/>表示内外气压差平均值，且/>。
优选的，所述推进系统状态系数的计算表达式为：
；
优选的，所述轨迹偏离系数的计算表达式为：
；
式中，为飞艇飞行过程中的实际轨迹点，/>为实际轨迹点的获取数量，/>为斜率，/>为截距。
优选的，所述异常飞行率的计算表达式为：
；
式中，为飞艇驾驶员发生异常行为的总时长，/>为飞艇飞行时长。
优选的，所述环境影响回归系数的计算表达式为：
；
式中，为环境影响的线性回归的输出，且环境影响的线性回归的输出/>的计算表达式为：
；
式中，、/>、/>、/>是回归模型中各项参数的权重，/>为环境风速，/>为环境气压、/>为环境湿度。
本发明还提供一种基于物联网的飞艇数据传输管理方法，所述管理方法包括以下步骤：
S1：在飞艇飞行过程中，监测端实时采集与飞艇相关的多源数据，并对多源数据进行预处理；
S2：处理端依据多源数据的正反比关系综合计算多源数据后生成飞艇指数；
S3：通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态预测结果基于物联网技术传输到地面控制中心；
S4：当预测飞艇的飞行状态差时，地面控制中心自动接管并控制飞艇飞行；
S5：操作员通过地面控制中心控制飞艇飞行。
在上述技术方案中，本发明提供的技术效果和优点：
1、本发明通过状态预测模块依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态，当预测飞艇的飞行状态差时，远程控制平台自动接管飞行控制模块，由飞艇基站操作员通过远程控制平台控制飞行控制模块的使用，当预测飞艇的飞行状态差时，远程控制平台先查找距离飞艇最近的飞艇基站，若飞艇基站满足飞艇降落条件，飞艇基站操作员控制会飞艇在最近基站降落，若飞艇周边无最近飞艇基站或无飞艇基站满足降落条件，则控制飞艇返航或位于空旷区域降落，该管理系统在飞艇飞行时，有效分析多源数据来预测飞艇的飞行状态，从而能够在飞艇出现异常前及时进行控制和管理，保证飞艇的安全使用；
2、本发明通过状态预测模块将飞行器内外气压差离散程度、推进系统状态系数、轨迹偏离系数、异常飞行率以及环境影响回归系数综合计算获取飞艇指数，不仅分析更为广泛且全面，而且有效提高对数据的处理效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：请参阅图1所示，本实施例所述一种基于物联网的飞艇数据传输管理系统，包括飞行控制模块、数据采集模块、状态预测模块、通信模块以及远程控制平台；
飞行控制模块：这个模块负责控制飞艇的飞行，包括导航、航线规划、高度控制和应急响应等，飞行控制模块可以由飞行员操作也可以由远程控制平台控制，当飞艇飞行后飞行控制模块唤醒数据采集模块，飞行控制模块需要与飞艇上的传感器和通信设备协作，以获取位置、状态和飞行数据，同时与地面站的控制中心通信，以接收飞行任务和调整飞行路径；
飞行控制模块首先获取当前的导航信息，包括飞行器的位置、速度、航向和高度等数据，基于导航信息，飞行控制模块规划飞行航线，考虑飞行任务、飞行路径、目标点和避障信息，飞行控制模块计算所需的控制输入，以指导飞行器沿着规划的航线飞行；
飞行控制模块监测飞行器的高度信息，通常使用气压传感器、高度计或GPS等传感器来获取高度数据，飞行控制模块根据设定的高度目标和导航信息，控制飞行器的升降以维持所需的飞行高度；
飞行控制模块具备应急响应功能，以应对突发状况，如遇到天气异常、风切变、机械故障等情况，在发生紧急情况时，飞行控制模块可以采取一系列措施，如改变航向、高度或速度，以确保飞行器的安全；
当飞行控制模块判断需要获取特定的数据时，它会唤醒数据采集模块，数据采集模块可以包括各种传感器，如气象传感器、图像传感器、温度传感器等，用于获取环境数据或飞行器内部状态信息；
飞行控制模块与飞艇上的各种传感器协作，以获取必要的数据，如风速、气温、气压、加速度、姿态等，这些传感器提供的数据有助于飞行控制模块做出实时的飞行决策和调整；
飞行控制模块与地面站的控制中心进行通信，以接收飞行任务、调整飞行路径或接收实时导航指令，通信也可用于将飞行器的状态和数据报告给地面操作员，以实时监控飞行器的运行状况。
数据采集模块：在飞艇飞行过程中，实时采集与飞艇相关的多源数据，并对多源数据进行预处理后，将多源数据基于物联网发送至状态预测模块；
采集到的原始数据通常需要进行预处理，以确保数据的准确性和可用性，预处理包括数据去噪、滤波、校正、坐标变换等步骤，以消除噪声和错误，并将数据转换成适合分析和建模的格式；
在某些情况下，数据采集模块需要整合来自不同传感器和设备的数据，以提供更全面的信息，数据整合可以帮助构建更全面的飞行器状态图像。
状态预测模块：依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态，预测结果通过通信模块发送至远程控制平台。
通信模块：这个模块负责数据的传输，使用物联网技术（如卫星通信、移动网络、无线电通信等）将数据传输到远程控制平台；
通信模块根据当前的通信条件和可用的通信通道，选择合适的通信方式，通信方式可以包括：
卫星通信：通过卫星连接进行长距离通信，适用于遥远地区或海洋中的飞行，移动网络：利用地面移动网络基站进行通信，适用于覆盖范围内有移动网络信号的地区，无线电通信：使用无线电波进行通信，适用于短距离通信或无网络覆盖的地区；
根据所选的通信方式，通信模块尝试建立与远程控制平台的连接，这可能包括建立卫星链路、连接到移动网络或建立无线电通信连接；
一旦连接建立，通信模块开始将准备好的数据传输到远程控制平台，数据可以以实时流或批处理方式传输，具体取决于通信方式和数据量；一旦所有数据成功传输到远程控制平台，通信模块会发送确认信号，表明数据传输已完成。
远程控制平台：当预测飞艇的飞行状态差时，自动接管飞行控制模块，由飞艇基站操作员通过远程控制平台控制飞行控制模块的使用，当预测飞艇的飞行状态差时，远程控制平台先查找距离飞艇最近的飞艇基站，若飞艇基站满足飞艇降落条件，飞艇基站操作员控制会飞艇在最近基站降落，若飞艇周边无最近飞艇基站或无飞艇基站满足降落条件，则控制飞艇返航或位于空旷区域降落；
一旦检测到飞行状态差或紧急情况，系统可以触发远程接管程序，将飞行控制模块从飞行员的手中接管，并将控制权移交给远程控制平台；
控制平台首先尝试查找距离飞艇最近的飞艇基站，这可以通过飞艇的位置信息和基站位置信息来实现；
控制平台操作员评估最近飞艇基站的条件，以确定是否满足降落条件，条件可能包括风速、天气状况、跑道状况等，如果基站满足降落条件，操作员可以选择控制飞艇降落在该基站；
如果飞艇附近没有可用的飞艇基站或没有基站满足降落条件，操作员需要采取进一步措施，远程控制平台可以选择控制飞艇返航到安全位置，或者降落在空旷的地区，最大程度地减小风险；
一旦决定下一步的行动，远程控制平台操作员可以通过远程控制平台对飞行控制模块进行相应的控制，这可能包括改变飞行器的航向、高度、速度和推力等。
本申请通过状态预测模块依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态，当预测飞艇的飞行状态差时，远程控制平台自动接管飞行控制模块，由飞艇基站操作员通过远程控制平台控制飞行控制模块的使用，当预测飞艇的飞行状态差时，远程控制平台先查找距离飞艇最近的飞艇基站，若飞艇基站满足飞艇降落条件，飞艇基站操作员控制会飞艇在最近基站降落，若飞艇周边无最近飞艇基站或无飞艇基站满足降落条件，则控制飞艇返航或位于空旷区域降落，该管理系统在飞艇飞行时，有效分析多源数据来预测飞艇的飞行状态，从而能够在飞艇出现异常前及时进行控制和管理，保证飞艇的安全使用。
实施例2：在飞艇飞行过程中，数据采集模块实时采集与飞艇相关的多源数据，并对多源数据进行预处理后，将多源数据基于物联网发送至状态预测模块；
在飞艇飞行过程中，数据采集模块实时采集与飞艇相关的多源数据。多源数据包括飞艇数据、飞行数据以及环境数据，飞艇数据包括飞行器内外气压差离散程度、推进系统状态系数，飞行数据包括轨迹偏离系数以及异常飞行率，环境数据包括环境影响回归系数；
其中：
飞行器内外气压差离散程度、推进系统状态系数、轨迹偏离系数、异常飞行率以及环境影响回归系数的计算逻辑如下：
飞行器内外气压差离散程度的计算表达式为：
；
式中，，/>表示飞行器上采样点的设置数量，/>为正整数，/>表示第i个采样点处的内外气压差，/>表示内外气压差平均值，且/>；
飞行器内外气压差离散程度值越大，表明飞行器上的各个区域的内外气压差波动越大，此时飞行器可能存在泄露、破损等问题，为了避免泄露和破损增大，需要及时对飞艇进行控制管理；
飞行器上的各个区域的内外气压差波动越大，此时飞行器可能存在泄露、破损等问题，则会导致飞艇：
1）气囊或外壳泄漏：如果飞行器的气囊或外壳出现泄漏，会导致气压差波动；这可能会影响飞行器的浮力和稳定性；
2）密封系统故障：飞行器的密封系统可能出现故障，导致气体泄漏或外界气压进入飞行器；
3）结构损伤：飞行器的结构部件，如框架或支撑结构，可能受到损伤，从而导致气体泄漏或气压波动。
推进系统状态系数的计算表达式为：
；
式中，为飞艇推进系统喷嘴出口的喷气速度，/>表示燃料质量流量，/>表示监测时间；
推进系统状态系数值越大，表明飞艇的推进系统推力状态越稳定，推进系统状态系数/>值越小，表明飞艇的推进系统推力状态越不稳定，则会导致以下问题：
1）飞行不稳定：推力状态的不稳定性可能导致飞艇在飞行中难以维持平衡和稳定；这可能表现为飞行器的晃动、摆动或不稳定的飞行姿态；
2）高度控制问题：不稳定的推力状态可能会导致飞艇难以维持所需的高度；飞行器可能会升降不稳定，难以维持飞行高度，这可能会导致危险的高度变化；
3）导航困难：不稳定的推力状态可能会对飞行器的导航和航线控制产生负面影响；飞艇可能偏离计划的航线或无法按照预定路线飞行；
4）燃料效率下降：不稳定的推力状态可能导致燃料效率下降，因为需要更多的燃料来维持飞行，这可能会缩短飞行时间并增加运营成本；
5）飞行器损坏：不稳定的推力状态可能导致飞艇的结构或推进系统受到额外的应力，可能导致机械故障或结构损坏。
轨迹偏离系数的计算表达式为：
；
式中，为飞艇飞行过程中的实际轨迹点，/>为实际轨迹点的获取数量，/>为斜率，/>为截距，轨迹偏离系数/>为所有实际轨迹点到期望轨迹的距离平方和的平均值；
为了找到使轨迹偏离系数最小化的斜率a和截距b，我们需要轨迹偏离系数/>分别对a和b求偏导，并令其等于0，通过求解这个方程组，我们可以得到斜率a和截距b的解；
对于斜率a的求解，我们可以将轨迹偏离系数对a求偏导，并令其等于0，得到以下方程：
；
对于截距b的求解，我们可以将轨迹偏离系数对b求偏导，并令其等于0，得到以下方程：
；
通过解这个方程组，我们可以得到斜率a和截距b的解；
轨迹偏离系数越大，表明飞艇飞行过程中越偏离飞行路线，则表示飞艇可能存在以下问题：
1）导航系统故障：飞艇的导航系统可能出现故障或不准确，导致飞行器无法按照预定的航线飞行；这可能包括GPS故障、惯性导航系统问题或导航软件错误；
2）飞行控制系统问题：飞行控制系统的故障或错误设置可能导致飞艇的飞行不稳定或无法按照计划航线飞行；
3）气象条件变化：突发的气象条件变化，如强风、气压变化、雷暴等，可能导致飞艇偏离原定航线；
4）机械故障：飞艇的机械部件，如引擎、控制舵、涡轮等可能出现故障，导致飞行不稳定或偏离航线；
5）飞行员错误：飞行员操作错误或飞行员疲劳可能导致飞艇偏离航线；这可能包括导航误差、飞行控制误差等；
6）通信问题：飞艇与地面控制站或其他飞行器之间的通信问题可能导致飞艇无法获得正确的导航指令或飞行计划更新；
7）燃料问题：燃料供应问题可能导致飞行器无法维持所需的飞行性能，从而偏离航线；
8）外部干扰：外部干扰因素，如鸟群、无人机、气球等可能干扰飞艇的飞行轨迹。
异常飞行率的计算表达式为：
；
式中，为飞艇驾驶员发生异常行为的总时长，/>为飞艇飞行时长，飞艇驾驶员的异常行为通过设置在驾驶舱内部的摄像头监测，其中，异常行为包括：
1）疲劳或困倦：监测飞行员的眼睛是否频繁闭合，头部是否频繁下垂，以检测疲劳或困倦；
2）分心或失神：检测飞行员是否频繁看向除飞行仪表以外的其他物体，或者是否长时间不看飞行仪表；
3）酒精或药物影响：观察飞行员是否出现迟钝、模糊视线、不协调的迹象，可能是酒精或药物影响的迹象；
4）错误的操作：监测是否发生了不正确的操作，如错误的按钮、控制杆或开关操作；
5）失去意识或晕厥：检测飞行员是否突然失去意识、晕厥或出现其他健康问题；
6）异常姿态或激烈动作：检测飞行员是否突然进行异常的操作或动作，可能导致飞行器出现异常姿态；
7）突然离开座位：监测飞行员是否在不合适的时间离开驾驶座位，可能导致操作中断；
8）异常情绪或精神状态：观察飞行员是否出现异常的情绪表现，如极度焦虑、情绪激动或其他情绪异常；
9）不合规操作：检测飞行员是否违反飞行规定、程序或操作规程；
异常飞行率越大，表明飞艇驾驶员的驾驶行为越异常，这会对飞艇的安全飞行带来影响，例如：
1）失控风险：异常的驾驶行为可能导致飞艇失去控制，特别是在飞行中的关键时刻；这可能包括突然的操纵输入、失误的操作或不协调的动作；
2）姿态不稳定：异常的驾驶行为可能导致飞艇出现不稳定的飞行姿态，如滚翻、俯仰或偏航的异常姿态；这可能会危及飞行的平稳性和安全性；
3）偏离航线：驾驶员的异常行为可能导致飞艇偏离预定的航线，使其与其他飞行器或地面障碍物接近，增加碰撞的风险；
4）高度控制问题：异常的驾驶行为可能导致飞艇在垂直方向上失去高度控制，可能导致过低或过高飞行，增加了地面碰撞或空中碰撞的风险；
5）燃料效率下降：不规范的驾驶行为可能导致燃料的浪费或低效率的使用，可能会缩短飞行时间或导致燃料耗尽；
6）飞行器损坏：异常的操作可能导致飞行器的结构或机械部件受到额外的应力，可能导致机械故障、结构损坏或部件失效；
7）通信和导航问题：异常的驾驶行为可能导致飞行员失去与地面控制站或其他飞行器之间的有效通信，也可能影响导航的准确性；
8）乘客安全风险：如果有乘客搭乘飞艇，异常的驾驶行为可能会危及他们的安全，造成伤害或恶劣的乘坐体验。
环境影响回归系数的计算表达式为：
；
式中，为环境影响的线性回归的输出，且环境影响的线性回归的输出/>的计算表达式为：
；
式中，、/>、/>、/>是回归模型中各项参数的权重，/>为环境风速，/>为环境气压、/>为环境湿度；
环境影响的线性回归的输出映射到[0,1]的范围内，表示飞艇能够顺利飞行的概率，当/>为正时，p接近于1，表示飞艇安全飞行的可能性高；当/>为负时，p接近于0，表示飞艇安全飞行的可能性低。
状态预测模块依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，计算表达式为：
；
式中，为环境影响回归系数，/>为轨迹偏离系数，/>为异常飞行率，/>为飞行器内外气压差离散程度，/>为推进系统状态系数，/>、/>分别为飞行器内外气压差离散程度、推进系统状态系数的比例系数，/>为轨迹偏离系数、异常飞行率的比例系数，/>为环境影响回归系数的比例系数，且/>、/>、/>、/>均大于0。
状态预测模块获取飞艇指数值后，将飞艇指数/>值与异常阈值进行对比，若飞艇指数/>值＜异常阈值，预测飞艇的飞行状态差，若飞艇指数/>值≥异常阈值，预测飞艇的飞行状态好。
本申请通过状态预测模块将飞行器内外气压差离散程度、推进系统状态系数、轨迹偏离系数、异常飞行率以及环境影响回归系数综合计算获取飞艇指数，不仅分析更为广泛且全面，而且有效提高对数据的处理效率。
实施例3：本实施例所述一种基于物联网的飞艇数据传输管理方法，所述管理方法包括以下步骤：
在飞艇飞行过程中，监测端实时采集与飞艇相关的多源数据，并对多源数据进行预处理，处理端依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态预测结果基于物联网技术传输到地面控制中心，当预测飞艇的飞行状态差时，地面控制中心自动接管并控制飞艇飞行，操作员通过地面控制中心控制飞艇飞行，当预测飞艇的飞行状态差时，先查找距离飞艇最近的飞艇基站，若飞艇基站满足飞艇降落条件，操作员控制会飞艇在最近基站降落，若飞艇周边无最近飞艇基站或无飞艇基站满足降落条件，则控制飞艇返航或位于空旷区域降落。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
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，所述单元的划分，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。
所述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，在本申请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。
所述功能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，本申请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)执行本申请各个实施例所述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(read-only-memory，ROM)、随机存取存储器(random-access-memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于物联网的飞艇数据传输管理系统，其特征在于：包括飞行控制模块、数据采集模块、状态预测模块、通信模块以及远程控制平台；
飞行控制模块：用于控制飞艇的飞行管理，且飞行控制模块由飞行员操作或远程控制平台控制，当飞艇飞行后唤醒数据采集模块；
数据采集模块：在飞艇飞行过程中，实时采集与飞艇相关的多源数据，并对多源数据进行预处理；
状态预测模块：依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态；
通信模块：用于预测结果的传输，基于物联网技术将预测结果传输到远程控制平台；
远程控制平台：当预测飞艇的飞行状态差时，自动接管飞行控制模块，并查找距离飞艇最近的飞艇基站。
2.根据权利要求1所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述数据采集模块实时采集与飞艇相关的多源数据，多源数据包括飞艇数据、飞行数据以及环境数据，飞艇数据包括飞行器内外气压差离散程度、推进系统状态系数，飞行数据包括轨迹偏离系数以及异常飞行率，环境数据包括环境影响回归系数。
3.根据权利要求2所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述状态预测模块依据多源数据的正反比关系综合计算多源数据后生成飞艇指数，计算表达式为：
；
式中，为环境影响回归系数，/>为轨迹偏离系数，/>为异常飞行率，/>为飞行器内外气压差离散程度，/>为推进系统状态系数，/>、/>分别为飞行器内外气压差离散程度、推进系统状态系数的比例系数，/>为轨迹偏离系数、异常飞行率的比例系数，/>为环境影响回归系数的比例系数，且/>、/>、/>、/>均大于0。
4.根据权利要求3所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述状态预测模块获取飞艇指数值后，将飞艇指数/>值与异常阈值进行对比，若飞艇指数值＜异常阈值，预测飞艇的飞行状态差，若飞艇指数/>值≥异常阈值，预测飞艇的飞行状态好。
5.根据权利要求4所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述飞行器内外气压差离散程度的计算表达式为：
；
式中，，/>表示飞行器上采样点的设置数量，/>为正整数，/>表示第i个采样点处的内外气压差，/>表示内外气压差平均值，且/>。
6.根据权利要求5所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述推进系统状态系数的计算表达式为：
；
式中，为飞艇推进系统喷嘴出口的喷气速度，/>表示燃料质量流量，/>表示监测时间。
7.根据权利要求6所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述轨迹偏离系数的计算表达式为：
；
式中，为飞艇飞行过程中的实际轨迹点，/>为实际轨迹点的获取数量，/>为斜率，/>为截距。
8.根据权利要求7所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述异常飞行率的计算表达式为：
；
式中，为飞艇驾驶员发生异常行为的总时长，/>为飞艇飞行时长。
9.根据权利要求8所述的一种基于物联网的飞艇数据传输管理系统，其特征在于：所述环境影响回归系数的计算表达式为：
；
式中，为环境影响的线性回归的输出，且环境影响的线性回归的输出/>的计算表达式为：
；
式中，、/>、/>、/>是回归模型中各项参数的权重，/>为环境风速，/>为环境气压、/>为环境湿度。
10.一种基于物联网的飞艇数据传输管理方法，通过权利要求1-9任一项所述的管理系统，其特征在于：所述管理方法包括以下步骤：
S1：在飞艇飞行过程中，监测端实时采集与飞艇相关的多源数据，并对多源数据进行预处理；
S2：处理端依据多源数据的正反比关系综合计算多源数据后生成飞艇指数；
S3：通过飞艇指数与异常阈值的对比结果预测飞艇的飞行状态预测结果基于物联网技术传输到地面控制中心；
S4：当预测飞艇的飞行状态差时，地面控制中心自动接管并控制飞艇飞行；
S5：操作员通过地面控制中心控制飞艇飞行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410218464.3A CN117806356B (zh) | 2024-02-28 | 2024-02-28 | 一种基于物联网的飞艇数据传输管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410218464.3A CN117806356B (zh) | 2024-02-28 | 2024-02-28 | 一种基于物联网的飞艇数据传输管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117806356A true CN117806356A (zh) | 2024-04-02 |
| CN117806356B CN117806356B (zh) | 2024-07-19 |
Family
ID=90422160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410218464.3A Active CN117806356B (zh) | 2024-02-28 | 2024-02-28 | 一种基于物联网的飞艇数据传输管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117806356B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331783A (zh) * | 2011-06-17 | 2012-01-25 | 沈阳航空航天大学 | 一种用于室内飞艇的自动驾驶仪 |
| US20170069214A1 (en) * | 2015-07-29 | 2017-03-09 | Dennis J. Dupray | Unmanned aerial vehicles |
| US20190186939A1 (en) * | 2017-12-20 | 2019-06-20 | Nio Usa, Inc. | Intelligent trip prediction in autonomous vehicles |
| CN111538241A (zh) * | 2020-04-30 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种平流层飞艇水平轨迹智能控制方法 |
| US20200294257A1 (en) * | 2019-03-16 | 2020-09-17 | Nvidia Corporation | Leveraging multidimensional sensor data for computationally efficient object detection for autonomous machine applications |
| CN113467515A (zh) * | 2021-07-22 | 2021-10-01 | 南京大学 | 基于虚拟环境模仿重构和强化学习的无人机飞行控制方法 |
| CN113607170A (zh) * | 2021-07-31 | 2021-11-05 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 空海目标航迹偏离行为实时检测方法 |
| US20220331028A1 (en) * | 2019-08-30 | 2022-10-20 | Metralabs Gmbh Neue Technologien Und Systeme | System for Capturing Movement Patterns and/or Vital Signs of a Person |
| KR20230011789A (ko) * | 2021-07-14 | 2023-01-25 | 국방과학연구소 | 생체 모방 비행체의 외부 환경 운용을 위한 제어 장치 및 방법, 이를 포함하는 생체 모방 비행체 |
| CN115691231A (zh) * | 2023-01-03 | 2023-02-03 | 中国电子科技集团公司第二十八研究所 | 用空计划仿真推演和冲突消解方法、系统 |
| CN117215329A (zh) * | 2022-10-31 | 2023-12-12 | 中国电子科技集团公司第二十研究所 | 一种固定翼无人机集群的避障方法及装置 |
| CN117421700A (zh) * | 2023-12-19 | 2024-01-19 | 湖南仕博测试技术有限公司 | 一种用于自动驾驶中的传感器数据过滤及融合方法及装置 |
-
2024
- 2024-02-28 CN CN202410218464.3A patent/CN117806356B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331783A (zh) * | 2011-06-17 | 2012-01-25 | 沈阳航空航天大学 | 一种用于室内飞艇的自动驾驶仪 |
| US20170069214A1 (en) * | 2015-07-29 | 2017-03-09 | Dennis J. Dupray | Unmanned aerial vehicles |
| US20190186939A1 (en) * | 2017-12-20 | 2019-06-20 | Nio Usa, Inc. | Intelligent trip prediction in autonomous vehicles |
| US20200294257A1 (en) * | 2019-03-16 | 2020-09-17 | Nvidia Corporation | Leveraging multidimensional sensor data for computationally efficient object detection for autonomous machine applications |
| US20220331028A1 (en) * | 2019-08-30 | 2022-10-20 | Metralabs Gmbh Neue Technologien Und Systeme | System for Capturing Movement Patterns and/or Vital Signs of a Person |
| CN111538241A (zh) * | 2020-04-30 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种平流层飞艇水平轨迹智能控制方法 |
| KR20230011789A (ko) * | 2021-07-14 | 2023-01-25 | 국방과학연구소 | 생체 모방 비행체의 외부 환경 운용을 위한 제어 장치 및 방법, 이를 포함하는 생체 모방 비행체 |
| CN113467515A (zh) * | 2021-07-22 | 2021-10-01 | 南京大学 | 基于虚拟环境模仿重构和强化学习的无人机飞行控制方法 |
| CN113607170A (zh) * | 2021-07-31 | 2021-11-05 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 空海目标航迹偏离行为实时检测方法 |
| CN117215329A (zh) * | 2022-10-31 | 2023-12-12 | 中国电子科技集团公司第二十研究所 | 一种固定翼无人机集群的避障方法及装置 |
| CN115691231A (zh) * | 2023-01-03 | 2023-02-03 | 中国电子科技集团公司第二十八研究所 | 用空计划仿真推演和冲突消解方法、系统 |
| CN117421700A (zh) * | 2023-12-19 | 2024-01-19 | 湖南仕博测试技术有限公司 | 一种用于自动驾驶中的传感器数据过滤及融合方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| HALIT BENER SUAY等: "A self-modeling autonomous airship", 2009 ICCAS-SICE, 13 November 2009 (2009-11-13) * |
| XIMENG QI 等: "Direct measurement of new particle formation based on tethered airship around the top of the planetary boundary layer in eastern China", ATMOSPHERIC ENVIRONMENT, vol. 209, 15 May 2019 (2019-05-15) * |
| 汪亮: "强化学习方法在通信拒止战场仿真环境中多无人机目标搜寻问题上的适用性", 中国科学:信息科学, vol. 50, no. 3, 31 March 2020 (2020-03-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117806356B (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11960303B2 (en) | Situational awareness, vehicle control, and/or contingency planning for aircraft actuator failure | |
| CN109917812B (zh) | 高空高速无人机着陆接地状态控制方法 | |
| US11161611B2 (en) | Methods and systems for aircraft collision avoidance | |
| JP2020520501A (ja) | 航空機の外部物体を検知し回避するためのシステムおよび方法 | |
| CN117151698B (zh) | 基于数据分析的综合信息处理系统 | |
| GB2453854A (en) | Fully-automated flight management system for aircraft | |
| CN109901387B (zh) | 一种航空器自动近地防撞系统自适应飞行轨迹预测方法 | |
| CN111290426B (zh) | 一种航空器自动规避逃逸路径的预测控制方法 | |
| US20210309385A1 (en) | Method and a device for managing risks and alerts | |
| CN109903590A (zh) | 一种基于地形包线的航空器自动机动规避方法 | |
| WO2022264813A1 (ja) | 運行管制システムの経路計画装置 | |
| US20200132841A1 (en) | Systems and methods for controlling aircraft based on sensed air movement | |
| CN108154715B (zh) | 一种侧向碰撞监测方法 | |
| CN117806356B (zh) | 一种基于物联网的飞艇数据传输管理系统及方法 | |
| CN111156995A (zh) | 一种基于飞行状态感知的智能飞行器及飞行方法 | |
| US20230205204A1 (en) | Method for controlling a robot-aircraft and corresponding control system | |
| Logan et al. | Failure mode effects analysis and flight testing for small unmanned aerial systems | |
| Meyer-Oehme et al. | Landing framework and control for evtol aircraft in urban environments | |
| US11948467B2 (en) | System, device and method for measuring atmospheric conditions | |
| CN115903909A (zh) | 一种无人机的感知与避撞方法和系统 | |
| CN114510070A (zh) | 一种飞行器自动近地防撞最优控制方法 | |
| US11175657B1 (en) | Safe system controller for autonomous aircraft | |
| Huang | Research on modelling accuracy and test validation for biomimetic flapping-wing drone | |
| Rauniyar et al. | 3D Collision Avoidance Algorithm for Small UAVs with Fuzzy Inference System Optimized using Genetic Algorithm | |
| Catena et al. | Automatic tuning architecture for the navigation control loops of unmanned aerial vehicles |
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 |