[发明专利]一种混合推进无人机需求功率预测方法

说明书

本发明公开了一种混合推进无人机需求功率预测方法，包括：采集无人机的飞行状态信息及飞行环境信息，生成第一离线数据集；建立一个能进行工况识别的LVQ神经网络模型，离线训练所述LVQ神经网络模型；分别计算起飞爬升、巡航和下降阶段下的三个状态参数的状态转移概率矩阵；判断出无人机当前所处的飞行阶段，调用飞行阶段对应的状态转移概率矩阵，并根据无人机当前海拔高度、飞行迎角和飞行速度三个状态参数，预测下一时刻的状态参数；预测的下一时刻的状态参数计算无人机下一时刻的飞行需求功率。本发明的方法具有较强的实用性，有利于推进无人机基于需求功率预测的能量管理策略技术的发展。

技术领域

本发明属于无人机技术领域，具体涉及一种混合推进无人机需求功率预测方法。

背景技术

近年来，随着混合动力技术在汽车领域内逐渐趋于成熟和国家对“绿色航空”概念的提出，多动力源混合推进无人机得到越来越多的关注。然而，多种动力源混合推进无人机技术还受到多种方面的制约。其中，制定多种动力源的能量管理策略需要考虑多方面的因素。目前，大多数无人机在制定能量管理策略时大都是根据飞行任务剖面从全局角度出发的，制定的策略忽略了实际飞行工况多变等不确定性因素的影响，且单一的能量管理策略对混合推进无人机来说适应性差，难以保证各动力源工作在最佳特性状态下，降低飞行性能。

由于混合推进无人机飞行工况的多变性，因此制定的能量管理策略要能够充分发挥各个动力源的工作特性，使其工作在高效区域，从而满足无人机对动力性的需求。其中，无人机飞行中的需求功率变化大且功率持续输出时间长，因此需求功率及时、准确地获取对于能量管理策略的制定有很大影响。无人机可根据预测到的需求功率实时制定能量管理策略，确定不同动力源之间的混合比，从而能够提高无人机飞行的稳定性、经济性和安全性。而目前，对混合推进无人机需求功率的预测方法较少，多数集中在混合动力汽车上。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种混合推进无人机需求功率预测方法，以解决现有无人机的能量管理策略难以适应于各种具有不确定性的飞行工况，和缺乏对需求功率的预测导致的无人机稳定性、经济性和安全性较差的问题。本发明所提出的方法实现对混合推进无人机需求功率的在线预测，提出的LVQ神经网络模型，可根据无人机当前飞行参数信息判断出无人机是否处于起飞爬升阶段、巡航阶段或下降阶段，并根据聚类出的无人机飞行阶段，调用阶段对应的状态转移概率矩阵，根据当前无人机的飞行状态参数利用状态转移概率矩阵预测出下一时刻的飞行状态参数，进而预测出混合推进无人机下一时刻的需求功率，可为制定能量管理策略使得无人机多动力源均工作在最佳特性下提供理论支持，提高飞行的安全性、经济性和稳定性。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种混合推进无人机需求功率预测方法，包括以下步骤：

(1)采集无人机的飞行状态信息及飞行环境信息，生成第一离线数据集，并根据任务剖面中的起飞爬升、巡航和下降阶段分成三个离线数据集，分别为数据集A、数据集B和数据集C；

(2)选取能表达无人机起飞爬升、巡航和下降阶段的特征参数，建立一个能进行工况识别的LVQ神经网络模型，从第一离线数据集中选取特征参数，离线训练所述LVQ神经网络模型；

(3)根据步骤(1)中的数据集A、数据集B和数据集C，选取海拔高度、飞行迎角和飞行速度为三个状态参数，并分别计算起飞爬升、巡航和下降阶段下的三个状态参数的状态转移概率矩阵；

(4)无人机实时飞行时，利用所述步骤(2)中训练过的LVQ神经网络模型进行在线工况识别，判断出无人机当前所处的飞行阶段，调用飞行阶段对应的状态转移概率矩阵，并根据无人机当前海拔高度、飞行迎角和飞行速度三个状态参数，预测下一时刻的状态参数；

(5)利用所述步骤(4)中预测的下一时刻的状态参数计算无人机下一时刻的飞行需求功率。