基于数字孪生的无人机自主起降巡航方法与流程

技术特征：
1.一种基于数字孪生的无人机自主起降巡航方法，其特征在于，包括以下步骤：步骤1，搭建无人机3d模型以及场景使用模拟端建立3d无人机模型、传感器模型以及室内室外场景模型，将建立的无人机模型进行标注，并且设置无人机模型以及室内室外场景的建筑物的3d刚体、角色控制器以及对所有的场景设置位置，着色背景，针对无人机模型加碰撞器，设置旋翼，对无人机模型进行位置布控以及无人机模型局部渲染和贴图；步骤2，设计无人机起飞降落针对建立的无人机模型设计起飞降落，编写script脚本对无人机模型进行控制，根据之前的无人机模型标注，按照标注编写script脚本，在脚本中定义键盘按键，鼠标聚焦，从而更方便地控制无人机的航线，完成虚拟漫游程序实现虚拟视野在所建立场景中的移动与切换；步骤3，模拟端下的传感器模拟在模拟端中，利用红外传感器进行红外避障，信息传递；利用超声波传感器进行超声波避障；利用普通相机传感器模拟机器视觉；利用深度相机传感器和激光雷达传感器，获取环境深度信息，进行自主定位导航；利用imu传感器进行无人机姿态信息以及无人机运行信息获取；利用高度传感器获取无人机的高度信息及速度信息；利用接触式传感器获得无人机的感知范围，从而通过步骤1至步骤3完成数字孪生模型的构建；步骤4，无人机模型的自组网络通信基于现有的移动自组网体系结构，进行自组网络通信；无人机路径的偏差采用梯度下降法进行误差消除，将当前的位置与所规划的路径之间的差值进行梯度下降，使得无人机位置更加贴近于所规划的路径；步骤5，利用数字孪生技术进行实时交互采用三维建模的方法加上模拟端中渲染引擎技术对现实生活的场景进行建模，同时，利用现有的4g、5g模块以及阿里云服务、网络通信技术实现云端远程对实际场景中的无人机发布指令，同时与模拟端场景进行对接，实现虚拟现实同步；利用大数据云平台，对实际场景中无人机数据进行采集，优化模拟端中的无人机模型；将实际场景中的无人机与物联网平台结合，加以虚拟地理环境和多源数据融合以及模拟仿真实现可视智能化监测，提升信息资源配置运行效率和价值，全面升级和优化云平台发布检测水平，达到更好的控制效果；步骤6，在电脑网页启动云命令，通过执行linux命令来对阿里云的资源进行管理，远程对实际场景中的无人机发布命令；步骤7，利用云平台对实际场景中的无人机进行自组网络通信，以进行现实虚拟同步：先在模拟端进行无人机模型的自主起降巡航，实际的无人机同样实现无人自主起降巡航，实现同步。2.根据权利要求1所述的基于数字孪生的无人机自主起降巡航方法，其特征在于，从多领域模型构建以及“几何
‑
物理
‑
行为
‑
规则”多维模型构建两方面进行数字孪生模型的构建；数字孪生模型涵盖多维度和多领域模型，从而实现对物理对象的全面真实刻画与描述，当模型构建对象相对复杂的时候，需构建模型的层次关系并明确模型的组装顺序，以避
免出现难以组装的情况，并且需要构建与添加零部件之间的角度约束、接触约束、偏移约束等约束关系，其次进行模型融合，针对一些系统级孪生模型构建，控件维度的模型组装不能满足物理对象的刻画要求，还需进一步进行的融合，即实现不同学科不同领域之间的融合；最后还需要对模型进行验证，在模型构建、组装、融合后，需要对模型进行验证，以确保模型的正确性和有效性，模型验证时针对不同需求，检验模型的输出与物理对象的输出是否一致。3.根据权利要求1所述的基于数字孪生的无人机自主起降巡航方法，其特征在于，通过设置认知平面用于无人机通信网络动态信息的认知推理、控制和配置无人机网络相应动态参数，引导、测量和修复数据平面，将较为复杂的动态信息认知和主要的管理控制从单一平面分离，保证数据平面高效实时传输数据。4.根据权利要求1所述的基于数字孪生的无人机自主起降巡航方法，其特征在于，在认知平面移动测量提供已知条件下，无人机间的直接链路状态和路径权重计算方法如下式：式中为i到其直接邻居的链路权重；ρ
maci
∈[0,1]为mac占空比，反映信道忙闲，本地mac统计由信标传出；γ
i
为接收机阈值；f
map
(sinr
i,i 1
)为相对映射函数：式中p
rxi
为i最大接收功率；d0为远场距离，d为两无人机间距，γ的取值为2
‑
6，表示对节点j干扰的源功率，n
o
为噪声功率；链路聚合为路径，端对端的权重定义为：因此，单一链路失效回导致整个源路径失效，需要改径并重新计算权重。5.根据权利要求1所述的基于数字孪生的无人机自主起降巡航方法，其特征在于，所述模拟端采用unity平台。

技术总结
本发明公开了一种基于数字孪生的无人机自主起降巡航方法，将其创建在信息化平台上，从而使无人机在无法实现检测定位的情况下完成自主起降；引入大数据云平台对已经建立的场景模型进行在线优化，针对服务在线升级，引入物联网，实现现实中的无人机信息与虚拟场景中无人机进行实时高效实时交互，解决了无人机中信息化程度较低、数据采集具有延滞性、过于依赖操控手的飞行经验进行决策等现象是推动无人机向智能化发展的核心问题，实现高精度的人机交互，实现多传感器融合进行信息处理，达到远程高精度处理无人机信息，减少无人机本身的计算量，使得无人机更加安全、高效。高效。高效。


技术研发人员：臧家瑶 杨远林 孟伟
受保护的技术使用者：广东工业大学
技术研发日：2021.06.17
技术公布日：2021/9/17