本技術(shù)涉及無人機控制，尤其是涉及一種基于天氣數(shù)據(jù)融合和電量消耗預(yù)測的無人機巡查航線動態(tài)優(yōu)化方法。

背景技術(shù)：

1、無人機路徑規(guī)劃是指規(guī)劃無人機從起點到終點，或任務(wù)點到任務(wù)點的飛行路徑，該路徑需滿足安全飛行、電量消耗、完成任務(wù)等約束條件。通常，最優(yōu)路徑中的“最優(yōu)”是指最大限度地縮短無人機飛行距離，從而縮短飛行時間，減少消耗。此外，規(guī)劃路徑時還需要綜合考慮無人機機動能力（如避障動態(tài)響應(yīng)度），同時滿足飛行時間、飛行高度、電量消耗、轉(zhuǎn)彎率和爬升角度等可行性約束。

2、目前，對于無人機的路徑規(guī)劃多采用粒子群優(yōu)化的方法來搜索最優(yōu)路徑，能以較大概率收斂于全局最優(yōu)解，具有較快的計算速度和更好的全局搜索能力，但對于有多個局部極值點的函數(shù)，容易陷入局部最優(yōu)，造成早熟收斂；還有通過結(jié)合其他算法的優(yōu)點而形成的混合優(yōu)化算法進行路徑規(guī)劃，但是提出的混合算法大多數(shù)都是基于一種算法的種群進化，然后應(yīng)用另一種算法或者單個算子，并未考慮提升算法搜索能力和多樣性；所以，上述方式采用的算法均未更好地提高無人機路徑規(guī)劃的準確性以及效率。因此，如何考慮復(fù)雜環(huán)境安全高效地進行無人機的路徑規(guī)劃，成為了亟待解決的問題。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：針對現(xiàn)有技術(shù)的不足，本專利提出了一種融合天氣狀況和耗電預(yù)測的無人機巡查航線優(yōu)化方法。通過對天氣數(shù)據(jù)和電量消耗的分析預(yù)測，以最優(yōu)能耗、最大巡查范圍為基本形成最安全的巡查路徑。應(yīng)用本專利，可以在有限電量條件下，根據(jù)天氣情況更精準的預(yù)測電量消耗情況，最大化巡查范圍、最短化巡查時間、最優(yōu)化資源配置，預(yù)防無人機受到天氣和電量消耗的影響，降低產(chǎn)生墜機的風(fēng)險，節(jié)約電力成本，提高了巡查效率。

2、技術(shù)方案：一種融合天氣狀況和耗電預(yù)測的無人機巡查航線優(yōu)化方法，包括以下步驟：

3、s1.根據(jù)巡查無人機的歷史飛行數(shù)據(jù)，結(jié)合隨機森林和線性回歸方法，建立考慮環(huán)境因素和任務(wù)因素耦合影響下的無人機電量消耗預(yù)測模型，使用無人機電量消耗預(yù)測模型繪制時間-功率-電量曲面；

4、s2.輸入巡查對象數(shù)字地圖、必選巡查點集合、可選巡查點集合、無人機性能數(shù)據(jù)、航線起點與終點，使用ego-planner算法獲得不考慮實時天氣狀況的初始飛行航線；

5、s3.結(jié)合實時天氣狀況和時間-功率-電量曲面對初始飛行航線進行優(yōu)化，當預(yù)測的消耗電量大于可接受的消耗電量時，根據(jù)重要性排序依次放棄可選巡查點并重新劃設(shè)航線，直至預(yù)測的消耗電量小于等于可接受的消耗電量。

6、進一步地，所述步驟1包括以下步驟：

7、s11、從歷史飛行數(shù)據(jù)庫中獲取飛行任務(wù)數(shù)據(jù)集，包括以下參數(shù):?無人機槳葉轉(zhuǎn)速；東西方向的速度，西負東正；南北方向的速度，南負西正；垂直升降的速度，降負升正；飛機自轉(zhuǎn)角速度。

8、s12、從歷史飛行數(shù)據(jù)庫中獲取環(huán)境因素數(shù)據(jù)集，包括以下參數(shù):?天氣情況；空氣濕度；攝氏溫度；氣壓；東西方向的風(fēng)速，西負東正；南北方向的風(fēng)速，南負西正。

9、s13、結(jié)合s11?與s12中的數(shù)據(jù)與對應(yīng)的功率因數(shù)形成訓(xùn)練集與測試集，按8:2的比例隨機劃分。訓(xùn)練隨機森林和線性回歸模型，運行測試集得出各自的均方誤差，取較小者作為“通用功率因數(shù)模型”。

10、s14、另外，對以下八種情況重新單獨訓(xùn)練新的“特殊功率因數(shù)模型”：大風(fēng)：風(fēng)速矢量和大于等于，取值為10?m/s上；高速：無人機速度矢量和大于等于，取值為10?m/s；快轉(zhuǎn)：無人機角速度大于等于，的取值為30rad/s；高濕：濕度高于或等于,?取值為70%以；高溫：溫度大于等于,取值為30℃；低溫：溫度小于等于,?取值為0℃；高壓：氣壓高于或等于,?的取值為105kpa；低壓：氣壓低于或等于,?的取值為70kpa；同上，均訓(xùn)練隨機森林和線性回歸模型，運行測試集得出八種情況的均方誤差，每種情況下取均方誤差較小者作為該情況的“特殊功率因數(shù)模型”。

11、s15、使用功率因數(shù)模型時，根據(jù)外部輸入的實時天氣數(shù)據(jù)，判斷是否屬于特殊情況，不屬于者直接調(diào)用；屬于特殊情況的，調(diào)用“特殊功率因數(shù)模型”或“通用功率因數(shù)模型”，根據(jù)兩種功率因數(shù)模型具體均方誤差結(jié)果擇優(yōu)執(zhí)行，得到預(yù)測的功率因數(shù)。

12、s16、將時間、功率因數(shù)和電池電量三個參數(shù)，通過公式繪制出時間-功率-電量曲面；

13、，

14、設(shè)電池電量百分比為，電池銘牌上標注的最大容量為，最大輸出功率為，功率因數(shù)為，時間為。

15、s17、實機驗證時間-功率-電量曲面，測量實際的電壓與電流，計算出實際的功率因數(shù)，并同時根據(jù)實機飛行任務(wù)數(shù)據(jù)，通過s15中的功率因數(shù)模型預(yù)測，兩者均方誤差小于視為功率因數(shù)模型與時間-功率-電量曲面可用（<mi>e</mi><mi>∈</mi><mi>[5,50]</mi>），否則返回s13與s14中加大功率因數(shù)模型訓(xùn)練規(guī)模與訓(xùn)練步數(shù)。

16、進一步地，上述步驟s13及之后出現(xiàn)的“功率因數(shù)”具體解釋如下：

17、典型的電力螺旋槳無人機基礎(chǔ)動力系統(tǒng)由電池、電調(diào)、電機、螺旋槳構(gòu)成，其中電機、螺旋槳組成輸出端，電池、電調(diào)組成輸入端。無人機輸出端功率的精確、實時計算難度巨大，不妨從輸入端入手，根據(jù)電學(xué)公式p=u*i，計算出無人機電量消耗。其中u為電池輸出電壓，i為電池輸出電流。通過安裝傳感器或bms系統(tǒng)，可以實時監(jiān)測無人機u和i，并計算出電池實際輸出功率p：

18、，

19、為方便時間-功率-電量曲面繪制和不同型號無人機與電池的匹配，可設(shè)置一個功率因數(shù)，范圍[0,100]，與無人機電池輸出功率p正相關(guān)。

20、當p=0時，=0；

21、當，=100；

22、當0＜p＜pmax，=，

23、為無人機電池輸出功率，為測得的無人機電池輸出電壓，為測得的無人機電池輸出電流，為功率因數(shù)，為無人機電池最大輸出功率，為無人機電池最大輸出電壓，為無人機電池最大輸出電流。

24、進一步地，所述步驟2包括以下步驟：

25、s21、輸入巡查對象數(shù)字地圖，標注所有必選巡查點，標注所有可選巡查點及每個的重要程度權(quán)重、輸入航線起點與終點。

26、s22、輸入無人機數(shù)據(jù)，包括：電池可用電量，最大轉(zhuǎn)彎半徑，最大飛行速度等。

27、s23、利用ego-planner算法建立最優(yōu)的不考慮實時天氣影響情況下的飛行軌跡，下稱算法航線。同時，對該航線進行無人機性能約束，要求規(guī)劃出的無人機任務(wù)實機可操，在無人機各項性能參數(shù)范圍內(nèi)。

28、s24、對算法航線進行標注，將該航線分割為若干個航段，航段分割依據(jù)為相鄰兩個必選巡查點間的航跡；每個航段同樣分割為若干個最小航段，最小航段分割依據(jù)為為相鄰兩個可選巡查點間的航段。

29、s25、對每個最小航段記錄無人機任務(wù)信息，包括無人機預(yù)計飛行耗時，飛行動作，飛行速度。

30、s26、對每個巡查點記錄無人機任務(wù)信息，包括無人機預(yù)計抵達該巡查點時的時刻信息，剩余電量信息，航向與速度信息。

31、進一步地，所述步驟3包括以下步驟：

32、s31、在起點和經(jīng)過每個必要巡查點時，根據(jù)s25中每一最小航段的預(yù)計飛行耗時，計算下一飛行航段總預(yù)計飛行耗時。

33、s32、根據(jù)下一航段各飛行動作，結(jié)合國際標準大氣、無風(fēng)、晴朗、50%濕度，通過功率因數(shù)模型計算理想功率因數(shù)，并通過下述公式計算理想功率，以此理想功率和s31中總預(yù)計飛行耗時，計算出電量預(yù)計消耗量百分比。

34、=，

35、，

36、其中，為理想功率因數(shù)，為理想輸出功率,?為無人機電池最大輸出功率，為總預(yù)計飛行耗時，為無人機電池總?cè)萘浚瑸殡娏款A(yù)計消耗量百分比。

37、s33、根據(jù)下一航段各飛行動作，結(jié)合無人機探測到的實際天氣數(shù)據(jù)，通過功率因數(shù)模型計算。

38、s34、根據(jù)s16中的時間-功率-電量曲面，查詢曲面中實際功率因數(shù)對應(yīng)的時間-電量曲線，計算剩余電量從當前電量開始，消耗s32中的電量預(yù)計消耗量百分比，中間歷經(jīng)的可接受放電時間長度。

39、s35、對比s34中可接受放電時間長度和s31中總預(yù)計飛行耗時，如果可接受放電時間長度小于總預(yù)計飛行耗時，則認為該航段存在電量不足，搜索該航段中已選的可選航路點，依據(jù)巡查點重要程度次序，取消選擇部分可選航路點，重新構(gòu)建新的航段，使得新航段消耗與預(yù)期匹配。

40、有益效果：本發(fā)明中通過使用隨機森林模型和線性回歸模型，將已有數(shù)據(jù)整合計算，得到不同飛行任務(wù)在不同環(huán)境因素下所需要消耗的功率因數(shù)模型。將時間、功率因數(shù)、電量三個數(shù)據(jù)的關(guān)系通過建立的時間-功率-電量曲面展現(xiàn)。輸入巡查對象數(shù)字地圖、必選巡查點集合、可選巡查點及各自重要程度權(quán)重集合、無人機數(shù)據(jù)、航線起點與終點，使用ego-planner算法計算出相對最短時間、最少耗電量、最高巡查覆蓋度、最小耗材損耗和最高安全裕度的算法巡查航線。通過飛行時預(yù)測電量消耗與實際電量消耗對比。實際消耗過多時，在航段中逐個拋棄非必要巡查點，保證無人機巡查計劃高質(zhì)量低風(fēng)險完成巡查任務(wù)。