【技术实现步骤摘要】
本专利技术涉及智能系统工程领域，特别是一种无人机电池与电机的智能管理方法及系统。
技术介绍
1、随着微电子、无线通信、传感器网络及ai技术的飞速进步，无人机作为高新技术产品，在军事、物流、农业与环保领域展现出巨大潜力。无人机性能与续航是研究焦点，电池和电机状态直接影响飞行效率与安全。传统管理策略基于静态阈值，缺乏对复杂环境的适应，难满足高性能需求。早期电池管理系统仅依赖电压与电流监测，估测电量并控制充放电，但精度不足，无法准确评估健康状态或预测寿命。电机管理采用固定模式，未考量实际工况如温度与负载变化，易致过热、效率下降乃至故障，凸显出传统方法的局限性。因此，亟需创新技术提升无人机核心部件的智能管理水平，以适应多变的飞行环境，确保稳定高效的运行表现。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种无人机电池与电机的智能管理方法及系统解决了无人机飞行效率低、续航能力差、维护成本高昂、系统的智能水平低的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种无人机电池与电机的智能管理方法，其包括，实时采集飞行数据并进行预处理；
5、对收集到的飞行数据进行特征提取，构建预测模型，输出电池与电机是否存在性能衰退；
6、通过电池与电机是否存在性能衰退的结果判断是否开启能量回收机制；
7、将转化的电能存储于无人机的电池中，为接下来的
8、使用量子算法对电池组进行全局优化确保电池资源的合理分配；
9、根据飞行任务报告生成报告，为后续维护计划提供数据支撑。
10、作为本专利技术所述无人机电池与电机的智能管理方法的一种优选方案，其中：所述，采集无人机飞行时的飞行数据，包括电池状态数据、电机状态数据，飞行状态数据和环境状态数据；
11、定义实时数据：si(t)＝[sb(t)，sm(t)，sf(t)，se(t)]；
12、其中，si(t)为时间t时传感器读取的实时数据，sb(t)表示电池状态数据、sm(t)表示电机状态数据，sf(t)表示飞行状态数据，se(t)表示环境状态数据。
13、对提取后的信息进行预处理，表达式为：
14、
15、其中，ci(t)表示经过预处理后的传感器数据，si(t)表示在时间点t中传感器采集的实时数据，μi(t)表示实时数据的平均值，σi(t)表示实时数据的波动程度，ki表示阈值；
16、根据实时数据si(t)与实时数据μi(t)平均值的差距来判断是否小于阈值ki，当差值小于阈值，则ci(t)＝si(t)，当差值大于阈值，则ci(t)＝μi(t)。
17、作为本专利技术所述无人机电池与电机的智能管理方法的一种优选方案，其中：所述对预处理后的信息用量子计算机进行特征提取，表达式为：
18、c(t)＝[cb(t),cm(t),cf(t),ce(t)]；
19、其中，cb(t)表示提取后电池状态数据，cm(t)表示提取后的电机状态数据，cf(t)表示提取后的飞行状态数据，ce(t)表示提取后的环境状态数据；
20、构建预测模型并输出电池与电机是否存在性能衰退，表达式为：
21、
22、其中，p(c(t))表示基于预处理的结果预测电池与电机是否存在性能衰退，αj表示数据重要性的权重系数，σj(t)表示标准偏差，ψj(c(t))表示传感器数据配置下t系统的量子状态，|ψj(c(t))|2表示系统的概率密度；
23、p(c(t))的值域为[0,1]，当值等于0的时候，表明电池与电机没有出现性能衰退，当值等于1的时候，表明电池与电机出现性能衰退。
24、作为本专利技术所述无人机电池与电机的智能管理方法的一种优选方案，其中：所述，根据输出的电池与电机是否衰退，智能判断是否进行能量回收，其表达式为：
25、
26、其中，e(p(c(t)))表示是否进行能量回收，θ表示能量回收阈值；
27、根据电机是否出现性能的值与能量回收阈值进行判定，大于阈值则e(p(c(t)))＝1，将开启能量回收，小于阈值则e(p(c(t)))＝0，表示不进行能量回收。
28、作为本专利技术所述无人机电池与电机的智能管理方法的一种优选方案，其中：所述，在判断确认进行能量回收后，利用安装在无人机上的发电机，将飞行过程中的动能转化为电能；
29、通过能量转换与储存技术，将回收的电能存储于无人机的电池中，以备后续飞行使用。
30、作为本专利技术所述无人机电池与电机的智能管理方法的一种优选方案，其中：所述，将电池健康状态、能量回收效率、电池充放电状态的数据整合到同一个数据结构中；
31、设计基于量子计算的优化算法，其表达式为：
32、
33、其中，qo(ψ(c(t))，p(c(t)))表示优化算法经过计算后的优化方案，qo表示量子优化函数，ψ(c(t))表示量子态函数，ω表示所有状态的集合，|ψ(c(t))|2表示量子态函数的模方，l(c(t))表示传感器数据与平均值之间的偏离度，d(c(t))表示积分步长，ψ表示量子系统的波函数；
34、依据优化算法的结果用于求解无人机电池组的充放电策略、工作模式、能量分配这些全局优化问题，其表达式为：
35、
36、其中，d(qo)表示最优方案，η表示优化过程中对能耗成本的关注程度；e(x)表示过滤函数，x表示所有决策变量的集合，x表示单个决策变量。
37、作为本专利技术所述无人机电池与电机的智能管理方法的一种优选方案，其中：利用传感器和通信模块，实时收集飞行数据和能量回收系统的效率的数据；
38、飞行结束后，无人机将把本次飞行收集的飞行数据上传至数据中心，令系统生成包含飞行概览、设备状态、环境影响、异常事件、建议与预测的飞行报告，为后续的维护计划和算法优化提供数据支持。
39、第二方面，本专利技术提供了一种无人机电池与电机的智能管理系统，包括，
40、深度分析与预测建模模块：对收集到的飞行数据进行深度分析，构建预测模型，输出电池与电机是否存在性能衰退的结果；
41、能源管理决策模块：通过输出的预测结果判断是否开启能量回收机制；
42、能量回收与再利用模块：将转化的电能存储于无人机的电池中，为接下来的飞行提供额外能量；
43、全局优化与策略制定模块：使用量子算法对电池组进行全局优化确保电池资源的合理分配；
44、数据分析与报告生成模块：在无人机完成飞行任务后生成飞行报告，并发送给运维人员进行后期维护。
45、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本本文档来自技高网...
【技术保护点】
1.一种无人机电池与电机的智能管理方法，其特征在于，包括：
2.如权利要求1所述的无人机电池与电机的智能管理方法，其特征在于，所述采集无人机飞行时的飞行数据，包括电池状态数据、电机状态数据，飞行状态数据和环境状态数据；
3.如权利要求2所述的无人机电池与电机的智能管理方法，其特征在于，所述对预处理后的信息用量子计算机进行特征提取，表达式为：
4.如权利要求3所述的无人机电池与电机的智能管理方法，其特征在于，所述根据输出的电池与电机是否衰退，智能判断是否进行能量回收，其表达式为：
5.如权利要求4所述的无人机电池与电机的智能管理方法，其特征在于，所述在判断确认进行能量回收后，利用安装在无人机上的发电机，将飞行过程中的动能转化为电能；
6.如权利要求5所述的无人机电池与电机的智能管理方法，其特征在于，所述将电池健康状态、能量回收效率、电池充放电状态的数据整合到同一个数据结构中；
7.如权利要求6所述的无人机电池与电机的智能管理方法，其特征在于，利用传感器和通信模块，实时收集飞行数据和能量回收系统的效率的数据；p>
8.一种无人机电池与电机的智能管理系统，基于权利要求1～7任一所述的无人机电池与电机的智能管理方法，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的无人机电池与电机的智能管理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的无人机电池与电机的智能管理方法的步骤。
...【技术特征摘要】
1.一种无人机电池与电机的智能管理方法，其特征在于，包括：
2.如权利要求1所述的无人机电池与电机的智能管理方法，其特征在于，所述采集无人机飞行时的飞行数据，包括电池状态数据、电机状态数据，飞行状态数据和环境状态数据；
3.如权利要求2所述的无人机电池与电机的智能管理方法，其特征在于，所述对预处理后的信息用量子计算机进行特征提取，表达式为：
4.如权利要求3所述的无人机电池与电机的智能管理方法，其特征在于，所述根据输出的电池与电机是否衰退，智能判断是否进行能量回收，其表达式为：
5.如权利要求4所述的无人机电池与电机的智能管理方法，其特征在于，所述在判断确认进行能量回收后，利用安装在无人机上的发电机，将飞行过程中的动能转化为电能；
6.如权利要求5所述的无人机电池与电机的智...
【专利技术属性】
技术研发人员：陈绍南，况成忠，吴晓锐，肖静，莫宇鸿，吴剑豪，奉斌，刘泉，俞小勇，冯河清，陈千懿，黄杰坤，李沂峰，欧发斌，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。