一种无人机激光充电效率优化方法及系统与流程

本发明涉及充电效率优化，尤其涉及一种无人机激光充电效率优化方法及系统。

背景技术：

1、随着无人机技术的迅速发展，无人机在各个领域的应用越来越广泛，然而无人机的续航能力一直是制约其应用范围和时间的重要因素，为了解决无人机续航问题，激光充电技术逐渐被引用，成为无人机充电的一种创新解决方案，传统的无人机充电方式主要依赖于电池更换或有线充电，但这些方式存在着充电效率低，限制飞行范围和操作不便的问题，现有的无线充电技术使用磁感应式无线充电技术，然后磁感应无线充电技术的抗偏移特性差，当线圈发生较小偏移时，传输的效率都会大幅度下降。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。

3、因此，本发明提供了一种无人机激光充电效率优化方法及系统解决现有无人机激光充电方法效率较低的问题。

4、为解决上述技术问题，本发明提供如下技术方案：

5、第一方面，本发明提供了一种无人机激光充电效率优化方法，包括：

6、采集无人机的飞行速度、飞行时间，电池容量和充电速率数据，通过智能优化算法，建立无人机行动范围模型，确定最佳激光充电装置的布置方案；

7、通过安装在无人机上的电量传感器，实时监测无人机的电量状态；

8、根据无人机的电量状态和充电需求，动态调整激光充电设备的功率输出；

9、通过智能优化算法，分析无人机的使用规律以及充电需求，制定智能化的充电策略。

10、作为本发明所述的无人机激光充电效率优化方法的一种优选方案，其中：

11、所述建立无人机行动范围模型，包括：

12、通过网格模型，将无人机的飞行区域划分为网格，将每个网格作为行动范围地图的节点，根据可行路径建立节点之间的连接关系，构建无人机行动范围模型；

13、根据无人机的飞行时间，计算无人机在设定时间内覆盖的区域，将起始点作为搜索的起点，将起始点标记为已访问，将起始点加入队列，并设置初始时间为0，从队列中去除一个节点，检查该节点是否满足飞行时间限制；

14、若满足飞行时间限制，则将该起点及其邻居节点加入覆盖区域，并继续搜索该节点的邻居节点；

15、若该节点不满足飞行时间，则终止搜索；

16、对于每个加入覆盖区域的节点，根据无人机的飞行速度以及前一个节点到当前节点的时间，更新节点的时间；

17、对于已经加入覆盖区域的节点，将其标记为已访问，当队列为空，则终止搜索，生成无人机在给定时间内能够覆盖的区域；

18、所述确定最佳激光充电装置的布置方案，包括构建一个优化问题，其中包括两个部分，分别为无人机的覆盖区域最大化和充电站点的最优布局；

19、所述无人机的覆盖区域最大化，包括设无人机的覆盖区域集合为r，无人机从起始点s开始，通过多个节点n展开覆盖，目标函数表示为：

20、maximize f(r)

21、所述充电站点的最优布局，包括设充电站点集合为c，其中ci代表第i个充电站点，其部署成本为wi，覆盖半径为ri，充电效率为ηi，决策变量xi为二进制变量，若在位置ci部署充电站，则xi＝1，否则xi＝0；

22、约束条件表示为：

23、

24、其中，是在充电站ci充电所需时间，是从节点nj飞行至节点nk所需的时间；

25、结合优化问题两个部分，构建综合优化问题表示为：

26、and充电约束条件

27、求解最优的xi值，据此布置激光充电装置。

28、作为本发明所述的无人机激光充电效率优化方法的一种优选方案，其中：

29、通过安装在无人机上的电量传感器，实时监测无人机的电量状态，包括：

30、将电量传感器获取的数据进行采集，通过无线传输的方式将电量传感器获取的数据传输至控制中心，对采集到的电量数据进行处理，计算无人机当前的电量百分比，剩余飞行时间以及预计任务完成时间；

31、预设一个无人机充电阈值，判断无人机的电量状态；

32、当无人机充电阈值低于电量百分比的阈值时，则判定无人机需要充电；

33、当电量低于阈值时，将充电需求传输至控制中心，控制中心接收到充电需求时，触发激光充电设备的充电操作。

34、作为本发明所述的无人机激光充电效率优化方法的一种优选方案，其中：

35、所述电量百分比的具体计算公式表示为：

36、dl＝(dq/md)×100％

37、其中，dq表示当前电量，md表示满电量；

38、所述剩余飞行时间的具体计算公式表示为：

39、sf＝dq/ph

40、其中，dq表示当前电量，ph表示平均功耗；

41、所述预计任务完成时间的具体计算公式为：

42、yw＝dq/yh

43、其中，dq表示当前电量，yh表示预计平均功耗。

44、作为本发明所述的无人机激光充电效率优化方法的一种优选方案，其中：

45、所述根据无人机的电量状态和充电需求，动态调整激光充电设备的功率输出，包括：

46、使用pid控制算法进行功率调整；

47、实时监测激光充电设备输出功率以及无人机电量状态，进行反馈控制；

48、根据无人机的充电需求和当前电量状态，设定激光充电设备的输出功率；

49、将目标功率与实际输出功率进行比较，得到误差值；

50、通过pid控制算法计算控制器的输出信号，调整激光充电设备的功率输出。

51、作为本发明所述的无人机激光充电效率优化方法的一种优选方案，其中：

52、所述pid控制算法包括以下步骤：

53、根据误差的大小调整控制器的输出，使激光充电设备接近目标功率，具体计算公式为：

54、p＝kp*error

55、其中，kp表示比例系数，error表示误差；

56、通过激光充电设备功率调整的历史累计误差，消除静态误差，具体计算公式为：

57、i＝ki*∫error*dt

58、其中，ki表示积分系数，∫表示对误差的积分运算，dt表示时间间隔；

59、根据充电器功率调整的变化速率，抑制充电过冲以及振荡，具体计算公式为：

60、d＝kd*d(error)/dt

61、其中，kd表示微分系数，d(error)/dt表示误差的导数；

62、将三个部分的输出相加，得到pid控制器的总输出信号，控制充电器的功率调整，具体计算公式如下：

63、output＝p+i+d

64、根据总输出信号，调整激光充电器的功率输出。

65、作为本发明所述的无人机激光充电效率优化方法的一种优选方案，其中：

66、所述通过智能优化算法，分析无人机的使用规律以及充电需求，制定智能化的充电策略，包括：

67、收集无人机的使用记录，包括起飞时间、降落时间、飞行距离以及早中情况数据，对数据进行清洗，去除异常值，对无人机执行的每个任务，获取其开始执行时间，结束时间以及要求的充电量，获取无人机的充电状态，获取其当前电量，充电速度以及最大电量，根据充电站的位置以及容量，定义可用充电量以及充电速度；

68、将获取的数据进行标准化，并建立任务数据集，任务数据集表示为{(x1,y1),(x2,y2),...,(xi,yi)...,(xn,yn)}，其中xi表示任务样本，yi表示对应的充电需求；

69、通过超平面：w·x+b＝0将两类样本分开，其中w是超平面的法向量，b是超平面的偏置项，通过超平面找到最佳的任务充电需求量组合，

70、对于样本集中的每个样本(xi,yi)，当yi(w)·xi+b≥1，表示两类样本距离超平面的函数间隔都大于等于1，

71、对于新的输入样本x，通过w·x+b＝0的值来预测任务充电需求量组合，

72、若w·x+b>0，则预测为正类，表示任务充电需求高；

73、若w·x+b<0，则预测为负类，表示任务充电需求低；

74、根据需求量的差异，分配无人机的充电资源。

75、第二方面，本发明提供了一种无人机激光充电效率优化系统，包括：

76、建立模块，用于采集无人机的飞行速度、飞行时间，电池容量和充电速率数据，通过智能优化算法，建立无人机行动范围模型，确定最佳激光充电装置的布置方案；

77、监测模块，用于通过安装在无人机上的电量传感器，实时监测无人机的电量状态；

78、调整模块，用于根据无人机的电量状态和充电需求，动态调整激光充电设备的功率输出；

79、分析模块，用于通过智能优化算法，分析无人机的使用规律以及充电需求，制定智能化的充电策略。

80、第三方面，本发明提供了一种计算设备，包括：

81、存储器，用于存储程序；

82、处理器，用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述无人机激光充电效率优化方法的步骤。

83、第四方面，本发明提供了一种计算机可读存储介质，包括：所述程序被处理器执行时，实现所述的无人机激光充电效率优化方法的步骤。

84、本发明的有益效果：本发明通过利用智能优化算法，可以确定最佳的激光充电装置的布置方案，这意味着在特定环境下，可以找到最合适的位置和角度来安装激光发射器和接收器，以最大程度地提高充电效率，通过安装在无人机上的电量传感器可以实时监测无人机的电量状态，可以准确了解无人机当前的电量水平，并做出相应的充电决策，根据无人机的电量状态和充电需求，系统可以动态调整激光充电设备的功率输出，当无人机电量较低时，可以增加功率输出以加快充电速度，当电量接近满时，可以降低功率输出以避免过充，通过智能优化算法和对无人机使用规律的分析，系统可以制定智能化的充电策略，通过以上优化措施，可以显著提高充电效率，激光充电的精确定位和对准、动态调整功率输出等技术手段，都可以减少能量损耗和散射，从而提高充电效率，这将使无人机能够更快地完成充电，并延长其飞行时间。