一种基于氢能无人机的高能效规划与管理一体化方法

本发明涉及一种基于氢能无人机的高能效规划与管理一体化方法，解决高动态复杂飞行环境下自主安全飞行、混合动力无人机节能优化与控制、高能效集成一体化的问题。

背景技术：

1、无人机已在多个领域得到广泛应用，然而在执行电力巡检、搜索侦查、环境监测等长航程飞行任务时，传统锂电池驱动的无人机在续航里程与续航时间上仍存在较大限制，而氢动力无人机的出现为长航时飞行任务提供了更好的解决方案。当前氢动力无人机主要为氢燃料电池与锂电池混合驱动的无人机，氢燃料电池可长时间输出大功率，但功率响应慢，因此锂电池通常作为辅助电源以应对突变需求功率，相比于传统无人机，氢动力混合无人机显著提升了续航时间，可支持多种长航程飞行任务。对于现有氢能无人机，可进一步优化规划与控制方法提升能量效率并降低能耗，当前研究的主要集中于无人机轨迹规划与混合驱动系统能量管理部分。无人机执行自主飞行任务时，需要提前为其规划一条参考飞行轨迹，一方面，该轨迹要满足安全性、平滑性等基本要求，另一方面，参考飞行轨迹的性能直接影响到无人机执行飞行任务时的能量消耗，因此，在满足可行性的基础上，为氢能无人机设计一种高能效的轨迹规划方法对于无人机长航时飞行至关重要。混合动力系统需要能量管理策略(ems)合理分配功率以满足功率需求，全局优化可提供全局优化解但无法应对实时突变功率，在线优化可实时获取需求功率并解得瞬时最优解。然而，分步执行轨迹规划和能量管理只实现了解耦优化，规划信息并没有得到充分应用，因此，通过将规划信息引入管理层提供参考指导，实现轨迹规划与能量管理的协同优化，为进一步降低能耗、提升能效提供了潜在的有效方案。

2、目前，对轨迹规划的研究主要集中在寻求一条安全可行的最短路径，对于高能效轨迹的规划研究较少。文献《teach-repeat-replan: a complete and robust system foraggressive flight in complex environments》采用基于安全通道与贝塞尔曲线的轨迹规划方法，将轨迹最短时间优化问题转化为一个二阶锥规划问题，极大简化了多项式轨迹的求解过程。同时当前轨迹规划与能量管理通常通过解耦分步进行。专利号cn201910471374.4提出了一种基于飞行数据的无人机混合推进系统能量管控方法，通过聚类算法与bp神经网络实现对不同飞行阶段的功率预测，实现对不同阶段飞行的全局规划，在实时能量管理中又运用粒子群算法实现瞬时最优控制；但该方法中只采集了历史飞行数据进行模型训练，未考虑到轨迹规划信息。专利号cn202211181365.x提出了一种地面无人机动平台的能量管理方法，该发明设计了一整套完整的无人驾驶控制器，可实现路径规划与能量管理，且将规划信息引入到能量管理中，利用规划路径的总行驶里程实现对发电功率的修正及充电；但是该方法并未利用更充分的轨迹信息对能量优化进行指导，未实现真正意义地协同优化。

3、综上所述，现有无人机在高动态复杂飞行环境及长航时飞行任务下，缺乏高能效优化与控制能力，亟需攻克自主飞行任务下氢能无人机的高能效规划与管理一体化问题。

技术实现思路

1、本发明解决的技术问题是：针对现有无人机高动态复杂飞行环境及长航时飞行任务下的节能自主飞行问题，克服现有技术的不足，提供了一种基于氢能无人机的高能效规划与管理一体化方法，实现了在复杂飞行环境下氢能无人机的轨迹规划与能量管理一体化研究，显著提升了能效与续航时间，且能适应高动态飞行环境，实现了高能效的长航时自主飞行。

2、本发明的技术解决方案为：一种基于氢能无人机的高能效规划与管理一体化方法，建立基于b样条曲线的节能飞行轨迹规划，又通过soc规划生成一条soc参考轨迹，在氢能无人机在线优化控制中使用自适应等效氢耗最小策略实现全局参考与实时能量管理协同优化。具体实现步骤如下：

3、第一步，使用基于b样条曲线的轨迹规划方法，建立飞行通道保障安全约束并建立考虑轨迹能效的代价函数实现节能轨迹规划，为无人机自主飞行提供参考飞行轨迹，具体实现步骤如下：

4、建立基于b样条曲线的轨迹表达式：

5、，

6、其中，为时间参数化的轨迹表示，时间，其中为起始时间，为终端时间，位置控制点向量被选为轨迹规划器中的待优化变量，其中控制点为一个空间位置点，b样条曲线的基函数为待设计的时间多项式，可通过以下de boor-cox递推公式获得：

7、，

8、对于第个基函数，为样条曲线的阶次，欲确定第个次b样条曲线基函数，需用到共p+2个节点，而b样条曲线中n个基函数对应一组节点向量，其中，在此使用准均匀节点划分法划分得到节点向量，其中，其余节点则均匀划分。

9、已知起点坐标与终点坐标，建立起点与终点的等式约束：

10、，

11、，

12、利用b样条曲线的凸包特性，建立基于飞行走廊的安全约束：

13、，

14、其中控制点被约束在第个凸多面体中，，，为第个凸多面体超平面系数，和分别代表该凸多面体中超平面数量与控制点数量，则为飞行走廊中的凸多面体数量。

15、同理，可建立速度约束与加速度约束：

16、，

17、其中为速度控制点，为该控制点沿方向的坐标，为速度约束的下界与上界，为加速度控制点，为该控制点沿方向的坐标，为与加速度约束的下界与上界。

18、为实现高能效轨迹规划，同时为了保证轨迹平滑性，建立一个考虑轨迹能效的代价函数：

19、，

20、其中为最小加速度函数，可视为精确轨迹能量的替代项，而为轨迹平滑项，此次引入了调节因子平衡能量与平滑性要求，可通过调节最大程度降低轨迹能耗同时保证轨迹平滑性。

21、基于b样条曲线的导数性质，上述代价函数及相关约束条件可转化为如下二次规划问题：

22、，

23、其中为上述的位置控制点向量，与分别为能量函数与平滑函数对应的hessian矩阵，可由基函数向量求得，为等式约束的系数矩阵与向量，为不等式约束的系数矩阵与向量。

24、第二步，在第一步规划轨迹信息的基础上，获取飞行过程的功率曲线，建立氢锂混合动力系统模型，并使用全局优化方法获取自主飞行中能量分配的全局优化解；具体实现步骤如下：

25、首先，基于规划的飞行轨迹及四旋翼无人机动力学，对该无人机自主飞行的需求功率进行估计：

26、，

27、其中为需求功率的估计值，为四旋翼无人机的中第个旋翼电机的功率，为对应电机转速，常值参数可由电机参数获得。

28、建立燃料电池极化曲线模型的具体表达式：

29、，

30、其中，为燃料电池输出电压，为能斯特势能，为反应活化损失，为欧姆损失，为浓差损失，为电堆中单片电池的片数，为电堆温度，和分别为进入电堆的氢气和氧气压强，为电堆电流，为半经验参数。

31、在全局能量分配中，使用全局soc规划方法规划出一条全局优化的soc参考轨迹，首先以全时段氢耗最小为优化目标建立代价函数，其次基于混合动力系统中功率器件限制建立约束条件，最终该能量分配的优化问题如下：

32、，

33、其中为瞬时氢耗，与分别为燃料电池与锂电池功率，，，，，为功率约束，锂电池电荷参考状态作为状态变量，为锂电池soc动力学方程。瞬时氢耗为，其中为氢气低热常值，为燃料电池效率，可表示为的多项式函数。

34、此处选用庞特里亚金最小值原理求得该优化问题的全局最优解，哈密顿函数为：

35、，

36、其中为协态因子，而soc参考优化轨迹可通过如下公式获得：

37、，

38、第三步，当氢能无人机执行在线能量管理时，使用拓展卡尔曼滤波方法(ekf)辨识燃料电池参数并更新模型，再使用基于soc优化参考轨迹的自适应等效氢耗最小策略完成实时的混合动力系统功率分配任务，具体实现步骤如下：

39、上述建立的燃料电池模型中，半经验参数为待辨识的参数，这些参数易受环境影响，包括温度、海拔等，因此在高动态变化的飞行环境中，选用拓展卡尔曼滤波方法估计出该参数，并实时更新燃料电池模型。

40、获得实时燃料电池模型后，设计自适应等效氢耗最小策略，执行在线能量管理，等效氢耗为，其中锂电池等效氢耗为，为等效因子。基于拓展卡尔曼滤波辨识得到的燃料电池参数，自适应等效氢耗最小策略优化问题可构建为：

41、，

42、其中，参数为：

43、，

44、在自适应等效氢耗最小策略中，soc参考轨迹被引入更新等效因子：

45、，

46、其中为第次迭代的等效因子，为soc参考轨迹在时刻的采样值，为当前的soc值，为一个正比例系数。

47、本发明与现有技术相比的优点在于：本发明涉及的一种基于氢能无人机的高能效规划与管理一体化方法，针对现有无人机在高动态复杂飞行环境及长航时飞行任务下的续航焦虑及现有解耦式轨迹规划与能量管理方法中的低能效等方面的缺陷与不足，设计了基于b样条曲线的节能轨迹规划，为无人机提供了安全可行且高效节能的飞行轨迹，实现了无人机在自主飞行任务中的高能效飞行；再者，设计了基于soc参考轨迹的在线能量管理方法，利用规划的轨迹信息生成一条全局优化的soc参考轨迹，为在线管理提供全局引导，自适应在线能量管理策略的使用可应对实时功率突变与环境变化。

48、相比与传统解耦方法，本发明设计的一体化方法可应对复杂飞行环境，通过规划与管理协同优化、全局与在线优化耦合显著提升能效效率，降低了能耗。