一种多分辨率气象网格与无人机抗风性能的动态匹配方法与流程

摘要: 本发明涉及无人机运行安全评估,尤其涉及一种多分辨率气象网格与无人机抗风性能的动态匹配方法。背景技术:1、近年来,随着无人机物流配送、城市空中交通、应急救援等低空...
一种多分辨率气象网格与无人机抗风性能的动态匹配方法与流程

本发明涉及无人机运行安全评估,尤其涉及一种多分辨率气象网格与无人机抗风性能的动态匹配方法。

背景技术:

1、近年来,随着无人机物流配送、城市空中交通、应急救援等低空应用场景的快速发展,无人机在复杂城市环境中的运行安全问题日益受到关注。低空风场具有空间分布高度不均匀、时间变化快、受建筑物和地形影响显著等特点,是影响无人机飞行安全的最关键气象因素之一。不同型号的无人机由于其重量、翼展、动力配置、控制系统的差异,其抗风能力存在显著差异;同一机型在执行不同任务时,由于载荷质量、电池电量、飞行高度和控制模式的不同,其实际可承受的风速阈值也会发生动态变化。因此,如何根据实时风场条件为不同状态下的无人机匹配合适的飞行方案,是保障低空无人机运行安全的核心问题。

2、目前,无人机航线规划和飞行安全评估中普遍采用统一气象阈值作为判断标准,即设定一个固定的风速上限,所有无人机在该阈值以下视为可飞,超过该阈值则判定为不可飞。这种一刀切的处理方式存在明显不足:一方面,对于抗风能力较强的机型,统一的保守阈值可能导致其运力被不合理地闲置,降低了调度效率;另一方面,对于载荷较重或电量较低的机型,统一的激进阈值又可能使其暴露于超出实际承受能力的气象风险之中。已有部分研究尝试将机型差异纳入考量,例如为不同机型配置不同的风速上限,但多停留在静态参数层面,未能将载荷变化、电量衰减、高度变化等动态因素对有效抗风能力的实时影响纳入评估体系。

3、与此同时,气象数据的空间分辨率对飞行安全评估的准确性具有决定性影响。当前低空气象网格数据主要分为两种:粗分辨率网格(如50m×50m×30m乃至更粗)覆盖范围广、计算量小,适用于大范围气象趋势判断,但无法解析建筑物之间的狭窄风道、桥梁侧风区、起降点周边湍流区等局地强风特征;细分辨率网格(如5m×5m×5m乃至更细)能够精确刻画局地风场变化,但全域部署细网格将产生巨大的计算成本和数据存储压力,在工程上难以实现实时应用。现有航线规划系统往往固定采用某一分辨率的气象网格,粗网格方案容易漏判局地风险点,细网格方案则因计算资源消耗过大而难以推广。

4、此外,现有方法在评估一条飞行路径的整体安全性时,通常采用路径平均风速或最大风速作为判断依据,这种做法忽视了整条路径上的安全瓶颈——即使路径绝大部分区域风速较低,只要某一航段存在超出机型承受能力的强风或湍流,整条航线即面临不可接受的安全风险。如何识别和量化这种木桶效应式的路径安全瓶颈,在现有技术中缺乏有效的解决方案。

5、综上所述,现有无人机航线规划与气象匹配方法存在以下不足:(1)未建立机型抗风能力与实时任务状态之间的动态映射关系;(2)未解决低空气象网格分辨率与计算资源之间的平衡问题,缺乏细网格按需激活的触发机制;(3)未将侧风、湍流等多维气象因素与风速统一纳入机型-气象适应性量化评估体系;(4)路径安全性评估缺乏对整条航线上最低安全裕度瓶颈的识别能力。因此,亟需一种能够根据风场变化动态选择气象网格分辨率、并根据机型有效抗风阈值输出安全飞行方案的智能匹配方法,以克服上述缺陷。

技术实现思路

1、本发明的目的是提供一种多分辨率气象网格与无人机抗风性能的动态匹配方法,通过细网格触发函数、有效抗风阈值修正函数和路径适应性评分,实现不同机型在不同航路气象条件下的安全匹配。

2、本发明是采用以下技术方案实现的:一种多分辨率气象网格与无人机抗风性能的动态匹配方法,包括以下步骤:

3、建立机型抗风参数库,用于记录至少一种无人机机型的标称抗风参数,所述标称抗风参数包括最大允许风速、最大允许侧风和最大允许湍流强度;

4、修正有效抗风阈值,根据当前任务的载荷状态、电量状态、飞行高度、阵风因子及任务安全等级,将所述标称抗风参数修正为当前任务下的有效抗风阈值;

5、获取多分辨率气象网格,维护粗分辨率气象网格和细分辨率气象网格,所述粗分辨率气象网格覆盖任务空域全域,所述细分辨率气象网格覆盖任务空域中的局部区域;

6、细网格激活判断,根据有效抗风阈值与粗分辨率气象网格的风速信息,判断是否激活细分辨率气象网格;

7、适应性评分计算,对每一候选无人机机型与每一气象网格的组合计算适应性评分,所述适应性评分用于表征该机型在该气象网格条件下的飞行安全裕度;

8、路径与机型推荐,根据候选飞行路径上各气象网格的适应性评分,选择满足安全阈值且综合代价最优的无人机机型与飞行路径组合。

9、进一步的,所述有效抗风阈值修正步骤中,有效抗风阈值按照以下公式计算:

10、veff = v0 · κload · κsoc · κalt · κctrl - δgust - δsafe

11、其中,v0为标称抗风阈值,κload为载荷修正系数,κsoc为电量修正系数,κalt为高度修正系数,κctrl为控制裕度系数,δgust为阵风裕量,δsafe为安全裕量。

12、进一步的,所述载荷修正系数κload按照κload = 1 - α·(mload/mmax)计算,其中mload为当前载荷质量,mmax为最大允许载荷质量,α为载荷影响因子;

13、所述电量修正系数κsoc按照κsoc = β + γ·(soc/socmax)计算,其中soc为当前电池剩余电量,socmax为满电量,β和γ为电量影响参数;

14、所述高度修正系数κalt按照κalt = 1 - δ·h计算,其中h为飞行高度,δ为高度影响因子;

15、所述阵风裕量δgust和安全裕量δsafe为预设常量或根据任务安全等级动态配置的可调参数。

16、进一步的,所述细网格激活判断步骤中,当满足以下条件中的至少一项时激活所述细分辨率气象网格:

17、条件一:任一候选机型在当前粗分辨率气象网格下的有效抗风阈值与粗网格风速之差的绝对值小于第一触发阈值;

18、条件二:当前粗分辨率气象网格的风速空间梯度大于第二触发阈值;

19、条件三:当前粗分辨率气象网格的湍流强度大于第三触发阈值。

20、进一步的,所述细网格激活判断步骤中,细网格激活标志ag按照以下激活函数确定:

21、ag = 1,当满足 minm(veff^m - vg) < m0 或 ||∇vg|| > g0 或 kg > k0;

22、其中,m为候选机型编号,veff^m为第m个机型的有效抗风阈值,vg为粗分辨率气象网格的风速,∇vg为粗分辨率气象网格的风速空间梯度,kg为粗分辨率气象网格的湍流强度,m0为所述第一触发阈值,g0为所述第二触发阈值,k0为所述第三触发阈值;ag = 1表示激活所述细分辨率气象网格,ag = 0表示不激活。

23、进一步的,所述适应性评分计算步骤中,第m个候选机型在第g个气象网格的适应性评分s{m,g}按照以下公式计算:

24、s{m,g} = qg · min{(veff^m - vg)/veff^m, (leff^m - lg)/leff^m, (k_eff^m - kg)/keff^m};

25、其中,veff^m为第m个机型的有效抗风阈值,vg为第g个气象网格的风速,leff^m为第m个机型的有效抗侧风阈值,lg为第g个气象网格的侧风风速,keff^m为第m个机型的有效抗湍流阈值,kg为第g个气象网格的湍流强度,qg为第g个气象网格的数据可信度系数;当所述适应性评分s{m,g}为负值时,表示该机型在该气象网格条件下不具备安全飞行条件。

26、进一步的,所述路径与机型推荐步骤中,候选路径π的路径适应性评分取该路径上所有气象网格适应性评分的最小值,即:

27、sπ = min{g∈π} s{m,g};

28、选择满足sπ ≥ smin且综合代价cost(π)最低的机型与路径组合,其中smin为预设的最低安全阈值,所述综合代价cost(π)包括飞行距离代价、飞行时间代价和能耗代价中的至少一项。

29、进一步的,所述适应性评分计算步骤中,当所述细分辨率气象网格未被激活时,仅基于所述粗分辨率气象网格计算各候选机型的适应性评分;当所述细分辨率气象网格被激活时,被激活区域的适应性评分切换为基于所述细分辨率气象网格计算,未被激活区域仍基于所述粗分辨率气象网格计算,形成粗网格与细网格混合的适应性评分矩阵。

30、进一步的,还包括运行反馈更新步骤:每次飞行任务结束后,记录该次飞行的机型信息、载荷信息、飞行高度、所经历的气象网格数据、飞行姿态修正幅度及能耗异常数据;若同一机型在同类气象网格条件下累计出现预定次数的姿态保护触发或能耗异常,则将该机型在该类气象网格条件下的有效抗风裕度下调预定比例,并将下调后的有效抗风裕度存入所述机型抗风参数库用于后续匹配。

31、进一步的,所述有效抗风阈值修正步骤中,所述控制裕度系数κctrl根据飞行控制模式确定:手动控制模式下κctrl取第一数值,自动控制模式下κctrl取第二数值,且所述第一数值小于所述第二数值;所述任务安全等级至少包括低风险等级、中风险等级和高风险等级,所述安全裕量δsafe随任务安全等级的升高而增大。

32、本发明的有益效果在于:

33、本发明通过建立多分辨率气象网格与无人机动态抗风能力之间的智能匹配机制,取得了多方面的有益技术效果:首先,摒弃了传统一刀切的统一风速阈值判断方式,利用有效抗风阈值修正公式将载荷、电量、飞行高度、控制模式、阵风和安全裕度等实时因素纳入评估体系,使不同机型在不同任务状态下的安全边界得到精确量化,显著提高了多机型调度决策的准确性和灵活性;其次,通过细网格激活触发函数,仅在风速接近阈值、风速梯度过大或湍流强度超标等高风险区域按需激活高分辨率气象网格,既避免了全域细网格带来的巨大计算成本,又克服了单纯粗网格漏判建筑物间强风、桥区侧风和起降点湍流等局地风险的缺陷,实现了计算效率与安全精度的最佳平衡。

34、本发明采用基于最小裕度原则的适应性评分机制,将风速裕度、侧风裕度和湍流裕度统一量化,并以路径上所有网格中的最低评分作为整条航线的安全瓶颈,从而准确识别航线中的最薄弱环节,有效防止因局部风险点被平均或最大值掩盖而导致的安全误判;最后,通过运行后反馈更新机制,使系统能够根据实际飞行数据持续优化有效抗风裕度参数,长期运行后可自适应提升调度准确性和安全性,为复杂城市低空环境下的多机型混合运行提供了可靠的技术支撑。