一种集群无人机智能管理系统的制作方法
本技术涉及无人机,尤其涉及一种集群无人机智能管理系统、方法和电能分配方法。
背景技术:
1、集群模块化部署无人机技术广泛应用于应急救援、物流运输及环境监测等领域。在应急救援中,集群无人机可批量执行灾情勘察、物资投送或生命探测任务,尤其适用于复杂地形或灾害现场;在物流运输场景中,集群无人机可实现货物的批量运输与定点投递,例如在偏远地区或紧急物资调度中发挥关键作用。
2、然而,现有技术在实际应用中面临显著挑战:首先,大规模集群无人机的储存、运输与发射流程需人工逐个操作,导致效率低下且易出错;其次,无人机在长时间储存状态下须具备冷启动能力,并能在任务触发时快速响应,但传统手动启动方式难以满足即时性需求;此外,集群无人机的统一状态管理(如关机、待机、作业状态切换)缺乏自动化机制,导致任务执行效率受限。
3、现有集群模块化部署无人机的启动与管理主要依赖人工操作。例如,在任务准备阶段,操作人员需逐个手动启动无人机并将其装入容置单员单元,这一过程不仅耗时且易因操作失误导致设备损坏或任务延误。对于大规模集群场景,传统方法需依赖地面人员逐一检查无人机状态并执行启动指令,效率极低。此外,现有技术在无人机长时间储存状态下缺乏有效的冷启动机制,导致设备需预热或依赖外部能源支持才能恢复工作状态,无法满足即时响应需求。在供电管理方面,现有方案通常采用独立电源模块为无人机供能,但未实现多源并网与动态负载分配,导致能源利用率低且系统冗余度不足。同时,现有技术未针对集群无人机的统一状态管理(如关机、待机、作业状态切换)设计自动化控制逻辑,需依赖人工干预或分散式控制,难以实现规模化协同作业。
技术实现思路
1、本技术的主要目的在于提供一种集群无人机智能管理系统、方法和电能分配方法,以解决现有技术中集群无人机操作效率低、冷启动响应慢、能源管理分散的技术问题。
2、为实现上述目的,本技术提供一种集群无人机智能管理系统,包括:
3、多个容置单元,每个容置单元内容纳有无人机及为其供电的电池组;
4、综合控制模块,用于接收并解析外部任务指令,生成相应的控制信号;
5、发射控制单元,分别与所述综合控制模块及各个容置单元通信连接,用于将所述控制信号分发至各容置单元;
6、plc103,设置于每个容置单元内,与所述发射控制单元通信连接,用于根据所述控制信号执行通断逻辑控制,以批量激活或关断对应容置单元的供电通路;
7、电池管理系统bms,与所述电池组连接,用于实时监测电池组的电压、电流及温度,并控制放电容量;
8、电源板,分别与电池管理系统bms及机载设备连接,所述电源板包括dc-dc转换模块及并网模块,所述dc-dc转换模块用于将电池组电压转换为机载设备工作电压,所述并网模块用于实现多源并网供电;
9、其中,所述综合控制模块、发射控制单元及plc通过协同控制逻辑,进行集群无人机的批量冷启动与统一状态管理,所述统一状态管理包括关机状态、待机状态及作业状态的切换控制。
10、可选地,所述bms包括电池健康预测模块,所述电池健康预测模块配置为:
11、实时采集电池组的电压、电流及温度数据,并同步记录无人机任务类型;
12、利用基于长短期记忆网络lstm的神经网络模型对电池健康状态soh进行预测,生成电池剩余寿命rul评估;
13、根据所述rul评估结果动态调整放电阈值,以避免电池过放。
14、可选地,所述神经网络模型采用双分支网络结构,包括:
15、时序分支,包含双层lstm网络,第一层lstm包含64个单元用于捕捉短期时序依赖,第二层lstm包含32个单元用于捕捉长期时序依赖,并搭配dropout层和l2正则化;
16、场景分支,包含全连接层和特征融合层;
17、其中,全连接层用于对经one-hot编码的任务类型特征进行非线性映射;
18、特征融合层,用于拼接时序分支与场景分支的输出,并通过全连接层输出soh值,所述soh值经映射关系转换为rul。
19、可选地,所述电源板还包括任务优先级调度模块,所述任务优先级调度模块配置为:
20、解析任务指令中的优先级标签,所述优先级标签包括高、中、低等级;
21、基于所述优先级标签对各用电模块进行量化优先级等级划分,并标定各模块的最小保障功耗与额定功耗;
22、根据实时监测的电源总输出容量、电压及温度约束,结合所述优先级标签,以预设周期循环执行动态电能分配,优先保障高优先级任务的供电需求。
23、可选地,所述动态电能分配包括:
24、当电能充足时,按优先级从高到低依次满足各模块额定功耗需求,剩余电能按优先级权重分配; 当电能不足时,优先保障所有模块的最小保障功耗,若仍超出约束,则从最低优先级模块开始逐级削减非必要功耗或切断供电,待电源状态恢复后按优先级逆向恢复供电。
25、为了实现上述目的,本技术还提供一种基于前面提供的集群无人机智能管理系统的模块化部署集群无人机智能管理方法,包括:
26、综合控制模块接收外部任务指令,解析生成启动信号并传输至发射控制单元;
27、发射控制单元将所述启动信号分发至各个容置单元的plc,触发plc执行通断逻辑控制,批量激活对应容置单元的供电通路;
28、电池管理系统bms实时监测电池组的电压、电流及温度,控制放电容量;
29、电源板通过dc-dc转换将电池组电能转换为机载设备工作电压,并通过并网模块继续多源协同供电;
30、执行集群无人机的批量冷启动与统一状态管理。
31、可选地,所述方法还包括:
32、通过电池管理系统bms以预设的采样频率采集电池组的电压、电流及温度数据,并采用3σ原则剔除异常值;
33、采用滑动窗口方式构建时序样本,所述滑动窗口包含固定时间步长的连续时序特征及窗口末端的场景特征,对连续型物理量进行z-score标准化,对任务类型进行one-hot编码;
34、利用预先训练的lstm神经网络模型预测电池健康状态soh,并转换为剩余循环次数rul;
35、根据所述rul动态调整放电深度阈值。
36、可选地,所述lstm神经网络模型的训练过程包括:
37、采用双层lstm结构,第一层包括64单元,第二层包括32单元,并设置dropout率为0.2;
38、使用adam优化器及mse损失函数进行训练,初始学习率设为0.001,批量大小为32;
39、引入早停机制和学习率调度策略,当验证集损失不再下降时停止训练并恢复最优权重。
40、为了实现上述目的,本技术还提供一种基于前面提供的系统的动态电能分配方法,其特征在于,包括:
41、综合控制模块解析任务指令中的优先级标签,所述优先级标签标识不同任务的紧急程度;
42、电源板根据所述优先级标签、各模块的最小保障功耗与额定功耗,以及实时监测的电源总输出容量、电压及温度约束,执行动态电能分配;
43、通过dc-dc转换器的动态调压功能,确保高优先级任务的无人机获得稳定电压输出。
44、可选地,所述动态电能分配方法还包括:
45、为各用电模块划分量化优先级等级p0-p3,其中,p0为最高优先级核心模块,p3为最低优先级辅助模块;
46、当总需求超出电源约束时,从最低优先级模块开始逐级削减非必要功耗或切断供电; 在电源状态恢复后,按优先级逆向顺序恢复各模块供电。
47、本技术实施例提出的一种集群无人机智能管理系统、方法和电能分配方法,系统包括多个容置单元,每个容置单元内容纳有无人机及为其供电的电池组; 综合控制模块,用于接收并解析外部任务指令,生成相应的控制信号; 发射控制单元,分别与所述综合控制模块及各个容置单元通信连接,用于将所述控制信号分发至各容置单元; plc103,设置于每个容置单元内,与所述发射控制单元通信连接,用于根据所述控制信号执行通断逻辑控制,以批量激活或关断对应容置单元的供电通路; 电池管理系统bms,与所述电池组连接,用于实时监测电池组的电压、电流及温度,并控制放电容量; 电源板,分别与电池管理系统bms及机载设备连接,所述电源板包括dc-dc转换模块及并网模块,所述dc-dc转换模块用于将电池组电压转换为机载设备工作电压,所述并网模块用于实现多源并网供电;其中,所述综合控制模块、发射控制单元及plc通过协同控制逻辑,进行集群无人机的批量冷启动与统一状态管理,所述统一状态管理包括关机状态、待机状态及作业状态的切换控制。本技术具有以下技术效果:
48、1、操作效率提升:plc的逻辑控制技术替代人工逐个操作,显著缩短集群无人机的启动时间,尤其适用于大规模部署场景;2、任务响应能力增强:通过预设程序实现精准的供电通路激活,确保无人机在任务触发时快速进入作业状态,提升任务执行的即时性;3、系统可靠性提高:plc的程序化控制逻辑避免了人为操作失误,减少因操作不当导致的设备损坏或任务延误风险;4、规模化协同支持:通过集中化控制模块与plc的协同,实现多容置单元的统一管理,适应复杂任务场景下的集群化需求;5、冷启动能力增强:bms的实时监测与动态放电控制确保无人机在长时间储存后仍能快速恢复供能,无需依赖外部能源支持;6、供能稳定性提升:电源板的dc-dc转换技术将电池组的高电压适配为机载设备所需的低电压,并网功能则实现多机协同供能,避免单点供电故障;7、能源利用率优化:通过动态调整放电容量与多源并网,减少能源浪费,延长电池组的使用寿命;8、任务响应速度提高:冷启动与动态供能的结合确保无人机在任务触发时快速完成供能并进入作业状态,缩短任务准备时间;9、能源分配效率提升:动态负载分配算法根据任务需求精准匹配供电资源,减少低优先级任务的能源占用,提升整体能源利用效率;10、系统冗余度优化:通过优先级调度机制,确保关键任务的供能稳定性,降低因能源不足导致的任务中断风险;11、供能稳定性增强:dc-dc转换器的调压功能适应不同负载需求,避免电压波动对机载设备的干扰;12、任务执行可靠性提高:高优先级任务的供能保障机制确保关键任务(如应急救援)的优先执行,提升系统在复杂场景下的适应性;13、电池寿命延长:通过预测性维护提前识别潜在电池故障,减少因电池异常导致的冷启动失败或运行中断;14、供能可靠性提升:动态调整放电策略确保电池组在健康状态下稳定输出,降低因电池失效导致的供能中断风险;15、系统维护成本降低:预测性维护减少突发性电池故障,降低维护频率与更换成本;16、任务连续性保障:通过优化电池健康状态管理,确保无人机在长时间任务中的持续供能,提升任务执行的稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com