System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于MPC和DDPG的多任务PEM无人机能量调度方法及系统技术方案_技高网

基于MPC和DDPG的多任务PEM无人机能量调度方法及系统技术方案

技术编号:44648699 阅读:10 留言:0更新日期:2025-03-17 18:37
一种基于MPC和DDPG的多任务PEM无人机能量调度方法及系统,该方法包括:根据氢燃料电池无人机的飞行模式,建立各飞行模式下的受力模型与功率模型;建立氢燃料电池无人机能源系统的数学模型、目标函数以及运行约束;结合无人机各飞行模式下的受力模型与功率模型构建MPC模型,采集的无人机状态参数并通过得到MPC模型预测的电功率;基于氢燃料电池无人机能源系统的数学模型、目标函数以及运行约束构建DDPG模型,将预测的电功率作为训练后DDPG模型的输入,得到能量调度结果。本发明专利技术能够在复杂任务环境中优化能量利用,提高无人机的任务完成效率和续航能力。

【技术实现步骤摘要】

本专利技术涉及无人机智能控制工程和能源系统工程领域,更具体地,涉及一种基于mpc和ddpg的多任务pem无人机能量调度方法及系统。


技术介绍

1、随着无人机技术的迅速发展,无人机在物流配送、环境监测、农业、国防等领域的应用日益广泛。传统的无人机主要依赖锂电池供能,但锂电池的能量密度有限,导致续航时间和有效载荷能力受到限制。为解决这一问题,氢燃料电池逐渐成为无人机的新型动力来源。

2、氢燃料电池具有能量密度高、续航时间长、环境友好等优点,但其能量管理问题仍需优化。多飞行任务场景下,无人机的能量消耗具有不确定性和复杂性,因此,需要一种能够智能调度能量的策略,以提高无人机的续航能力和任务完成效率。模型预测控制(mpc)因其在处理系统动态约束和短期优化方面的优势,成为能量管理的有效工具。然而,mpc依赖精确的系统模型,在面对复杂或不确定性较大的任务环境时,表现可能不佳。

3、针对氢燃料电池混动无人机,在多任务下,无人机的能量消耗的不确定性相较于混合动力车辆更大,传统的mpc能量管理方法无法满足无人机的能量调度。


技术实现思路

1、为解决现有技术中存在的不足,本专利技术提供一种基于mpc和ddpg的多任务pem无人机能量调度。

2、本专利技术采用如下的技术方案。

3、一种基于mpc和ddpg的多任务pem无人机能量调度方法,包括如下步骤:

4、根据氢燃料电池无人机的飞行模式,建立各飞行模式下的受力模型与功率模型;

5、建立氢燃料电池无人机能源系统的数学模型、目标函数以及运行约束;

6、结合无人机各飞行模式下的受力模型与功率模型构建mpc模型,采集的无人机状态参数并通过得到mpc模型预测的电功率;

7、基于氢燃料电池无人机能源系统的数学模型、目标函数以及运行约束构建ddpg模型,将预测的电功率作为训练后ddpg模型的输入,得到能量调度结果。

8、优选地,氢燃料电池无人机的飞行模式包括起飞、爬升、巡航、下降、着陆;其中,爬升包括定常直线爬升、非定常直线爬升和非定常非直线爬升,巡航包括平飞加速和匀速巡航;着陆包括拉平减速段、着陆段和滑跑段;

9、对于氢燃料电池无人机的各飞行模式,分别建立不同飞行模式下对应的受力模型和功率模型,其中,受力模型包括垂直方向受力和水平方向受力。

10、优选地,当无人机的飞行模式为起飞阶段时,其受力模型如下:

11、

12、功率模型p如下:

13、p=ptf=pmax

14、式中,fa,tf为无人机在地面段滑行时的静加速力,ta,tf为无人机运行过程中可用推力,dtf为无人机所受空气阻力,w为无人机的重力,ltf为无人机所受升力,m为无人机的总质量,atf为无人机起飞时的加速度,pmax为无人机的最大功率,ptf为无人机的起飞功率,μ表示摩擦阻力系数。

15、优选地,若无人机做定常直线爬升,则两个方向上的受力平衡且此时无人机电机恒功率运行,此时无人机的受力模型如下:

16、

17、其中,γ为无人机飞行爬升角,w为无人机的重力,lc表示爬升过程中的升力,ta,c表示爬升过程中的可用推力,dc表示爬升过程中的空气阻力;

18、功率模型p如下:

19、p=pc,r

20、其中,pc,r为无人机爬升过程中的额定功率;

21、若无人机做非定常直线爬升,此时无人机的受力模型如下:

22、

23、式中,fa,c表示爬升过程中的平行方向合力;

24、功率模型p如下:

25、p=pc=ta,c·v(t)

26、式中,pc表示爬升过程中的功率,v(t)表示无人机的速度;

27、若无人机做非定常非直线爬升,则无人机的受力模型如下:

28、

29、功率模型p如下:

30、p=pc=ta,c·v(t)

31、式中,fa,c,y表示爬升过程中的垂直方向合力,fa,c,x表示爬升过程中的平行方向合力。

32、优选地,当无人机处于平飞加速阶段,无人机由爬升到巡航高度后转入平飞并继续加速达到巡航速度巡航,此时无人机的受力模型如下:

33、受力模型如下:

34、

35、式中,w为无人机的重力,lcr表示巡航过程中的升力,fa,cr表示巡航过程中的水平方向合力,ta,cr表示巡航过程中的可用推力,dcr表示巡航过程中的空气阻力;

36、功率模型p如下:

37、p=pcr=ta,cr·v(t)

38、式中,pcr表示巡航过程中的功率;

39、若平飞加速阶段为匀加速,则功率模型p满足:

40、p=pcr,r(acr)

41、其中,acr为巡航加速阶段的加速度为定值,此时功率为定值pcr,r;

42、当无人机处于匀速巡航阶段时,受力模型如下:

43、

44、功率模型p如下:

45、

46、式中,pcr,t表示久航速度对应下的功率,pcr,r表示远航速度对应下的功率。vt,max表示久航速度,vr,max表示远航速度,且pcr,t<pcr,r;

47、当无人机非平衡状态但仍保持巡航高度飞行时,无人机处于加速或减速过程,减速过程的受力模型如下:

48、

49、功率模型p如下:

50、p=pcr=ta,cr·v(t)

51、式中,v(t)表示无人机的速度。

52、优选地,无人机处于下降过程时,下降角和下降速度保持恒定,此时无人机的受力模型如下:

53、

54、其中,γ2为无人机飞行下降角,w为无人机的重力,ld表示下降过程中的垂直方向升力,ta,d表示下降过程中的可用推力,dd表示下降过程中的空气阻力;

55、功率模型p如下:

56、p=pd=ta,d·vd

57、其中,pd表示下降过程中的功率,vd表示下滑速度。

58、优选地,当无人机处于拉平减速段时,无人机的受力模型如下:

59、

60、式中,w为无人机的重力,lfd表示拉平减速段的升力,fa,fd表示拉平减速段的合力,dfd表示拉平减速段的空气阻力,ta,fd表示拉平减速段的可用推力;

61、功率模型p如下:

62、p=pfd=ta,fd·v(t)

63、式中,pfd表示拉平减速段的功率,v(t)表示无人机的速度;

64、当无人机处于着陆段时,无人机的受力模型如下:

65、

66、式中,ll表示着陆段的升力,fa,2表示着陆段的合力,dl表示着陆段的空气阻力,ta,l表示着陆段的可用推力;

67、本文档来自技高网...

【技术保护点】

1.一种基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

3.根据权利要求2所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

4.根据权利要求2所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

5.根据权利要求2所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

6.根据权利要求2所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

7.根据权利要求2所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

8.根据权利要求1所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

9.根据权利要求8所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

10.根据权利要求9所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

11.根据权利要求1所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

12.根据权利要求1所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

13.根据权利要求12所述的基于MPC和DDPG的多任务PEM无人机能量调度方法,其特征在于,

14.一种基于MPC和DDPG的多任务PEM无人机能量调度系统,用于实现权利要求1-13任一项权利要求所述多任务PEM无人机能量调度系统方法,其特征在于,包括:无人机模型建立模块、能源模型建立模块、MPC模型构建模块、DDPG模型构建模块、预测模块、训练模块;

15.一种终端,包括处理器及存储介质;其特征在于:

16.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-13任一项所述方法的步骤。

...

【技术特征摘要】

1.一种基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,

3.根据权利要求2所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,

4.根据权利要求2所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,

5.根据权利要求2所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,

6.根据权利要求2所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,

7.根据权利要求2所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,

8.根据权利要求1所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其特征在于,

9.根据权利要求8所述的基于mpc和ddpg的多任务pem无人机能量调度方法,其...

【专利技术属性】
技术研发人员:李海涛孙立李波刘岳鑫袁静严顺段晨阳车超
申请(专利权)人:国网江苏省电力有限公司常州供电分公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1