[发明专利]一种基于飞行数据的无人机混合推进系统能量管控方法

权利要求书

1.一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，所述管控方法包括以下步骤：

步骤一：采集无人机飞行的历史数据，从飞行历史数据中调取飞行需要消耗的功率和能量数据，建立无人机能量和功率的轮廓图；

步骤二：运用核模糊c聚类算法KFCM将飞行阶段分为有限状态；同时，基于所述飞行历史数据，利用BP神经网络，建立飞行任务参数和飞行环境参数与能量需求之间的映射关系，飞行任务参数和飞行环境参数和功率需求之间的映射关系，从而建立飞行各阶段所需能量预测模型和需求功率时间序列模型；

步骤三：通过已建立的能量预测模型和需求功率时间序列模型，在无人机飞行前，对规划路径无人机所需消耗的能量和功率预测；

步骤四：根据各阶段飞行需要的能量预测值和功率预测轮廓图进行能量的全局规划，确定各阶段混合推进系统的工作模式；

步骤五：飞行过程中根据不同飞行状态的实时功率需求，采用发动机、电动机和动力电池关键子系统的效率MAP图，并运用粒子群算法实现对瞬时功率的最优控制；

步骤六：将全局规划的各阶段工作模式和瞬时优化的无人机控制参数输入到历史数据中，从而实现无人机基于飞行数据的将功率的瞬时优化和能量的全局规划相融合的混合推进系统的智能能量管理。

2.根据权利要求1所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，在步骤一中，所述的飞行历史数据包括无人机飞行时的高度、速度、温度、湿度、风力、风阻、飞行角度、飞行时间、飞行距离、机载燃油质量、飞行所消耗的功率和能量数据。

3.根据权利要求1所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，在步骤二中，运用核模糊c聚类算法将无人机的飞行阶段分为起飞、平飞和降落三个阶段。

4.根据权利要求1所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，在步骤二中，所述的通过BP神经网络建立无人机能量预测模型，具体为将无人机的飞行状态参数作为输入，运用BP神经网络进行训练，并将无人机飞行所需要消耗的功率作为输出，达到无人机飞行前能量预测的目的。

5.根据权利要求1所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，在步骤二中，所述的通过BP神经网络建立无人机需求功率时间序列模型，是将无人机的飞行速度、电机需求功率和电池SOC值作为输入，发动机的功率作为输出。

6.根据权利要求1所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，在步骤二中，在无人机飞行前基于飞行任务平面对起飞、平飞、降落阶段所需消耗的能量和功率轮廓图进行预测。

7.根据权利要求6所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，所述的起飞阶段的能量预测，在设定飞行高度后，已知SOC的值和发动机温度，根据函数关系计算出电机所需要的功率；同理，根据发动机的扭矩、转速和传动效率计算出发送机所需要的功率；根据发动机和电机的效率MAP图，获取所需消耗的最小燃油量。

8.根据权利要求1所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，在步骤四中，所述的无人机的工作模式分为纯电动飞行、纯燃油飞行、混合动力飞行和飞行充电四种工作模式。

9.根据权利要求1所述的一种基于飞行数据的无人机混合推进系统能量管控方法，其特征在于，在步骤五中，根据功率预测轮廓图得到无人机的特征功率，对其工作模式的控制参数用粒子群算法进行瞬时优化，寻找无人机飞行时发动机和电机的最佳功率比，保证无人机工作在高效低能区，提高燃油的利用率。