一种基于风场预测和协同优化的eVTOL轨迹规划方法

本发明涉及城市低空飞行器智能路径规划领域，特别是一种基于风场预测和协同优化的evtol轨迹规划方法。

背景技术：

1、随着低空经济和城市空中交通的发展，电动垂直起降飞行器evtol（electricvertical take-off and landing）在末端配送、应急医疗服务和仓储物资搬运等场景中具有机动性强、部署灵活和不受地面交通拥堵限制等优势，因此需要能够兼顾运营能耗和配送时效的路径规划方法。

2、传统路径规划方法多采用最短路径法，或基于经验模型规划路径；进入城市低空运行场景后，路径几何、飞行器动力学和复杂三维风场之间的耦合显著增强，使单纯几何最短路径难以准确反映真实飞行安全性和成本。

3、evtol受电池容量、功率上限、最大倾角、空速和地速包线等多重物理约束影响，其能耗对飞行状态和环境扰动高度敏感；在强逆风、侧风或建筑尾流作用下，维持给定地速需要调整姿态和旋翼转速，导致电池端功率呈现明显非线性变化。

4、现有方法仍存在以下不足：其一，城市风场常被简化为均匀风或定常风模型，难以捕捉建筑峡谷、绕流、尾流和近壁高梯度区域的三维流动特征；其二，能耗最小、时间最小或距离最小常被孤立处理，缺乏将湍流安全、能量消耗和飞行时长统一建模并协同优化的工程化方案。

技术实现思路

1、本发明的目的是针对复杂城市风场中evtol配送任务面临的三维风场扰动、非线性功耗和多目标耦合问题，提出一种基于风场预测和协同优化的evtol轨迹规划方法。

2、具体技术方案为：

3、一种基于风场预测和协同优化的evtol轨迹规划方法，包含以下步骤：

4、步骤1：确定evtol平台参数与城市配送任务场景，包括：飞行器质量、旋翼半径、推进效率、辅助功率、电池容量、安全余量、最大倾角、最大空速、地速上下界、起降悬停时间以及城市建筑群几何、三维规划网格、起点和终点；

5、步骤2：构建城市建筑群在多组来流条件下的三维风场数据集，包括来流速度、湍流强度和湍流长度及该条件下的三维速度分量与湍动能；

6、步骤3：利用三维风场数据集训练并构建风场代理模型，使其根据来流参数和三维规划网格上的空间坐标预测城市的三维风速矢量场和湍动能场；

7、步骤4：构建evtol飞行运动学模型、旋翼气动功耗模型和电池能量消耗模型，建立由局部风矢量、地速、空速到电池端推进功率及航段能耗的映射关系；

8、步骤5：构建基于飞行安全约束的能量与时间协同优化模型，以归一化飞行时间和归一化能量消耗的加权和为目标函数，通过任务权重调节时间优先和能耗优先之间的偏好；

9、步骤6：构建安全k近邻搜索图；将预测的三维风速矢量场和湍动能场映射至城市的三维规划网格，依据固定连通度生成候选边，对与建筑障碍物相交或湍动能超过阈值的候选边进行剪枝，得到安全k近邻搜索图；

10、步骤7：执行边级动态地速寻优，对安全k近邻搜索图中的每条候选边，将地速作为连续决策变量，在地速上下界内求解能量-时间联合代价最优地速和边级代价；若无可行速度，则剔除该边；

11、步骤8：执行搜索，以安全k近邻搜索图为搜索空间并在搜索过程中调用步骤7得到的最优地速和边级代价，使路径几何选择与地速优化在同一搜索框架内完成；

12、步骤9：输出规划结果；输出三维航点序列、各航段最优地速、总能耗、任务时间、单位里程能耗、沿途最大湍流动能以及可行性判定。

13、本发明的有益效果在于：

14、通过构建基于物理信息约束的pipt-as风场代理模型，实现了城市复杂建筑环境下三维风速和湍动能的快速高精度预测，为轨迹规划提供可靠的风场信息；通过将风场预测、飞行安全约束、能量—时间协同优化及边级动态地速寻优相结合，使规划结果能够综合兼顾路径长度、飞行能耗、任务时间和湍流暴露水平，提高了复杂风场条件下轨迹规划的综合性能；在强风、逆风及高湍流区域中，所述方法能够主动规避高风险航段，并通过航迹调整和地速优化获得满足飞行包线、能量预算及湍流安全阈值的可行航迹，从而提高evtol城市配送任务的安全性、经济性、适应性和运行效率。

1.一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，包含以下步骤：

2.根据权利要求1所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，步骤3中，以五维来流参数和空间坐标为风场代理模型输入，预测u、v、w速度分量和湍动能k，其中，u、v、w分别表示空间坐标点处沿x、y、z方向的速度分量，具体如下：

3.根据权利要求2所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，五维来流参数首先经过两层mlp编码为192维全局特征，其中，为x、y、z方向上来流速度分量，为湍流强度，为湍流长度尺度。

4.根据权利要求2所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，四个输出分量根据其在数据集中的标准差自适应分配权重，同时对主流速度x方向分量和湍动能施加额外的放大系数，每个采样点根据局部速度模长所属的低、中、高速三档赋予不同的速度权重，记相邻网格点预测速度的差分正则为，并用超参数控制其在总损失中的权重，则整体损失写为：

5.根据权利要求4所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，步骤4具体为：

6.根据权利要求5所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，旋翼气动功耗模型如下：

7.根据权利要求6所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，步骤5中，能量与时间协同优化模型如下：

8.根据权利要求7所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，为了确保飞行任务的可行性与安全性，规划过程满足以下硬性物理约束：

9.根据权利要求7所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，步骤7具体为：对于候选边eij，其起点为规划节点i，终点为规划节点j，边长为dij，局部风速由pipt-as预测得到的风速矢量场、、插值得到，并用于计算该边上的空速、飞行时间和能耗；若该候选边在允许地速范围内不存在满足飞行约束的可行速度，则删除该候选边；若存在可行速度，则记录该候选边的最优地速、飞行时间、能耗及对应的边代价。

10.根据权利要求9所述一种基于风场预测和协同优化的evtol轨迹规划方法，其特征在于，步骤8具体为：在扩展当前节点n至相邻节点m时，读取候选边对应的最优地速、飞行时间、能耗，并将其累加到路径累计代价g(n)中，其中为相邻节点m时的累计代价：