一种多无人机的车载充电平台、充电规划方法及系统与流程

摘要: 本技术涉及无人机充电,具体涉及一种多无人机的车载充电平台、充电规划方法及系统。背景技术:1、随着无人机技术在物流巡检、应急通信等领域的广泛应用,基于大型商用车的...
一种多无人机的车载充电平台、充电规划方法及系统与流程

本技术涉及无人机充电,具体涉及一种多无人机的车载充电平台、充电规划方法及系统。

背景技术:

1、随着无人机技术在物流巡检、应急通信等领域的广泛应用,基于大型商用车的移动部署成为拓展无人机作业半径的重要手段。

2、现有技术中,车载无人机系统通常采用停机坪与充电位一体化设计,即无人机降落后直接在原位进行接触式或无线补能。这种模式在地面固定站点较为常见,但在大型商用车等移动平台上,一方面由于车顶空间有限且存在行驶震动,往往需要预留较大的安全间距以防止气流干扰和碰撞,导致空间利用率低下,难以满足多重载无人机高密度部署的需求。另一方面,重载无人机充电功率大且并发需求高,充电平台密集排布下的局部热叠加效应容易引发母线过载或设备过热风险。

3、因此,如何在有限的车载空间内,兼顾电气功率约束与热安全,实现无人机集群的高效调度与连续作业,成为当前车载无人机系统亟待解决的技术难题。

技术实现思路

1、针对相关技术中,车载无人机系统采用停机坪与充电位一体化设计,导致空间利用效率低下且易引发大功率并发充电下的母线过载或设备过热风险的问题。

2、第一方面,本技术实施例提供一种多无人机的车载充电平台,所述车载充电平台包括:

3、机库平台,其用于架设于车辆上,所述机库平台划分为间隔设置的降落回收区、起飞整备区和充电泊位区,所述充电泊位区上设有多个充电泊位;

4、自动转移机构,其设于所述机库平台,所述自动转移机构用于搬运无人机以使所述无人机在降落回收区、起飞整备区和充电泊位区之间移动。

5、第二方面,本技术实施例提供了一种利用上述车载充电平台的多无人机充电规划方法,其包括:

6、实时采集无人机的状态数据及车载充电平台的资源数据,所述资源数据至少包括整车可用功率、各充电泊位的泊位占用状态信息以及各充电泊位的单元充电功率;

7、根据无人机的状态数据和泊位占用状态信息构建空间拓扑约束,并基于整车可用功率、泊位占用状态信息和单元充电功率构建功率约束和温升约束;

8、以整车充电峰值最小化、局部热风险最小化及无人机转移代价最小化为优化目标,在满足所述空间拓扑约束、功率约束和温升约束的前提下,生成无人机的起降、转移及充电的充电调度方案;

9、根据充电调度方案驱使自动转移机构执行无人机的调度任务。

10、结合第二方面,在一种实施方式中,所述基于整车可用功率、泊位占用状态信息和单元充电功率构建功率约束和温升约束,包括:

11、以所有泊位的单元充电功率之和不超过整车可用功率作为功率约束;

12、基于泊位占用状态信息和单元充电功率计算所有处于充电状态区域的局部热风险指标,并以任一局部热风险指标小于预设阈值作为温升约束。

13、结合第二方面,在一种实施方式中,所述基于泊位占用状态信息和单元充电功率计算所有处于充电状态区域的局部热风险指标,包括:

14、基于泊位占用状态信息获取所有占用泊位;

15、计算所述占用泊位与周围预设范围内相邻泊位之间的物理距离;

16、基于所述占用泊位的单元充电功率与所述物理距离计算占用泊位所在局部区域的热量累积风险值作为局部热风险指标。

17、结合第二方面,在一种实施方式中,所述根据无人机的状态数据和泊位占用状态信息构建空间拓扑约束,包括:

18、根据待充电的无人机数量和泊位占用状态信息计算充电泊位区的停放密集度,并以无人机密集度不超过预设阈值作为空间拓扑约束。

19、结合第二方面,在一种实施方式中,所述生成无人机的起降、转移及充电的充电调度方案,包括:采用滚动时域优化策略生成所述充电调度方案。

20、结合第二方面,在一种实施方式中,所述采用滚动时域优化策略生成所述充电调度方案,包括:

21、将规划周期划分为多个时间窗口;

22、在当前时间窗口内,根据无人机返回事件或充电完成事件触发重新规划,以在每个时间窗口内求解优化目标,并输出当前窗口内的调度指令。

23、结合第二方面,在一种实施方式中,所述以整车充电峰值最小化、局部热风险最小化及无人机转移代价最小化为优化目标,包括:

24、根据作业场景分别获取整车充电峰值、局部热风险和无人机转移的优先级;

25、根据整车充电峰值、局部热风险和无人机转移的优先级调整各自在优化策略中的权重系数。

26、结合第二方面,在一种实施方式中,所述以整车充电峰值最小化、局部热风险最小化及无人机转移代价最小化为优化目标之前,还包括:

27、将所述降落回收区、起飞整备区和各个充电泊位映射为空间拓扑图中的节点;

28、将所述自动转移机构的移动路径映射为连接节点的边;

29、根据各区域的实时占用状态,动态更新所述节点的可用性及不同移动路径的通行代价作为无人机转移代价。

30、第三方面,本技术实施例提供了一种多无人机充电规划系统,所述多无人机充电规划系统包括:

31、数据采集模块,其用于实时采集无人机的状态数据及车载充电平台的资源数据,所述资源数据至少包括整车可用功率、各充电泊位的泊位占用状态信息以及各充电泊位的单元充电功率;

32、约束构建模块,其用于根据无人机的状态数据和泊位占用状态信息构建空间拓扑约束,并基于整车可用功率、泊位占用状态信息和单元充电功率构建功率约束和温升约束;

33、调度规划模块,其用于以整车充电峰值最小化、局部热风险最小化及无人机转移代价最小化为优化目标,在满足所述空间拓扑约束、功率约束和温升约束的前提下,生成无人机的起降、转移及充电的充电调度方案;

34、执行模块,其用于根据充电调度方案驱使自动转移机构执行无人机的调度任务。

35、本技术实施例提供的技术方案带来的有益效果包括:

36、本发明通过硬件架构的功能解耦设计,显著提升了车载空间利用率与作业安全性。将机库平台划分为独立的降落、起飞与充电区域,物理上隔离了无人机起降时产生的强气流干扰,避免了传统一体化设计中因气流互扰导致的碰撞风险,从而允许充电泊位区采用更密集的排布方式,无需预留过大的气动安全间距。配合自动转移机构实现无人机在不同功能区间的自动流转,既满足了重载无人机对安全间距的差异化需求,又在有限的车顶空间内实现了无人机集群的高密度部署与连续作业,解决了移动平台空间受限与高密度作业之间的矛盾。进一步地,本发明通过建立空间、功率与温升的多维耦合约束模型,实现了车载资源的全局均衡调度。该方法不仅考虑了物理空间的占用情况,还将整车功率上限和局部热风险纳入核心约束条件,避免了多机并发充电导致的母线过载或设备过热问题。通过多目标优化策略,在保障电气安全与热安全的前提下,最小化充电峰值与转移代价,有效平抑了负载波动,提升了系统的稳定性与作业效率,解决了现有技术在功率统筹与热管理方面的缺失,确保了复杂工况下的连续可靠作业。