【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
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
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：
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。