一种无人机停机路径管理方法及系统与流程

1.本发明涉及无人机控制领域，具体涉及一种无人机停机路径管理方法及系统。


背景技术：

2.现有的无人机在执行飞行任务的过程中，如果发生需要停机的事件后，如故障或供能不足等，无人机只能返回起飞点，而在无人机返回起飞点的过程中，坠毁的风险大大提高。因此，如何解决无人机安全停机是目前亟待解决的问题。


技术实现要素：

3.本发明所要解决的技术问题是提供一种无人机停机路径管理方法及系统，可以同时管理多架无人机，确保无人机能够安全的停机。
4.本发明解决上述技术问题的技术方案如下：一种无人机停机路径管理方法，用于同时管理多架无人机，包括以下步骤，
5.s1，获取无人机的机况，通过所述无人机的机况判断出所述无人机停机的优先级；
6.s2，根据所述无人机停机的优先级以及所述无人机的实时位置数据，从预先分布设置于地面的多个停机坪中匹配出供所述无人机停机的最佳停机坪；
7.s3，根据所述无人机停机的最佳停机坪的位置规划所述无人机的停机路径；
8.s4，根据所述无人机的停机路径控制所述无人机飞向所述最佳停机坪停机。
9.在上述技术方案的基础上，本发明还可以做如下改进。
10.进一步，所述s1具体为，
11.s11，实时采集多架所述无人机的电量信息和故障信息；
12.s12，分别对每架所述无人机的电量信息和故障信息进行数据处理，对应得到每架所述无人机的剩余飞行时间和故障严重程度等级；
13.s13，将多架所述无人机的剩余飞行时间和故障严重程度等级输入至预先训练好的卷积神经网络中进行处理，得到多架所述无人机停机的优先级，并输出优先级队列。
14.进一步，所述卷积神经网络包括依次连接的输入层、时空卷积层、池化层和输出层；
15.在所述s13中，所述卷积神经网络对多架所述无人机的剩余飞行时间和故障严重程度等级进行处理的具体过程为，
16.s131，所述输入层将输入的多架所述无人机的剩余飞行时间和故障严重程度等级进行矩阵标准化处理，得到输入矩阵；
17.s132，所述时空卷积层对所述输入矩阵进行时空卷积运算，得到特征向量；
18.s133，所述池化层对所述特征向量进行池化，得到池化向量；
19.s134，所述输出层对所述池化向量进行输出处理，得到多架所述无人机停机的优先级，并输出优先级队列。
20.进一步，所述时空卷积层具有两个卷积核，分别为时间卷积核和空间卷积核；所述
输入矩阵包括与所述无人机的剩余飞行时间对应的时间子矩阵和与所述无人机的故障严重程度等级对应的空间子矩阵；
21.在所述s132中，所述时空卷积层对所述输入矩阵进行时空卷积运算具体为；
22.s1321，利用所述时间卷积核对所述时间子矩阵进行向量点积运算，得到时间特征子向量；
23.s1322，利用所述空间卷积核对所述空间子矩阵进行向量点积运算，得到空间特征子向量；
24.s1323，将所述时间特征子向量与所述空间特征子向量进行加权运算，得到所述特征向量。
25.进一步，所述s2具体为，
26.s21，根据预先分布设置于地面的多个停机坪构建停机坪网络；
27.s22，实时获取每架所述无人机的位置数据，并将每架所述无人机的位置数据加载至所述优先级队列中，且每架所述无人机的位置数据与每架所述无人机在所述优先级队列中的优先级对应，形成优先级位置队列；
28.s23，基于所述优先级位置队列，采用聚类的分析方法对所述停机坪网络进行聚类分析，得到每架所述无人机停机的最佳停机坪。
29.进一步，所述s23具体为，
30.s231，根据所述优先级位置队列的长度q，使用k
‑
means聚类算法对所述停机坪网络进行聚类，获得q个停机坪集合；
31.s232，基于所述优先级位置队列，利用匈牙利分析方法在q个停机坪集合中进行分析，获得每架所述无人机所分配的最佳停机坪集合；
32.s233，采用费罗伊德分析方法在每架所述无人机所分配的停机坪集合进行分析，获得每架所述无人机所分配的最佳停机坪。
33.进一步，在所述s231中，获得的每个停机坪集合中的停机坪数量均在预设范围内。
34.进一步，所述s3具体为，
35.s31，基于最短路径法，根据每架所述无人机的实时位置以及最佳停机坪的位置，分别对每架所述无人机的飞行路径进行初始规划，得到每架所述无人机的初始规划路径；
36.s32，基于时间轴，判断在所有所述无人机中是否存在至少两架所述无人机按对应的初始规划路径飞行时发生碰撞；
37.s33，将不会发生碰撞的所述无人机的初始规划路径作为对应的所述无人机的停机路径；将会发生碰撞的所述无人机的初始规划路径进行调整，使其与其他任一架所述无人机都不会发生碰撞，并将调整后的初始规划路径作为对应所述无人机的停机路径。
38.基于上述一种无人机停机路径管理方法，本发明还提供一种无人机停机路径管理系统。
39.一种无人机停机路径管理系统，用于同时管理多架无人机，包括以下模块，
40.停机优先级计算模块，其用于获取无人机的机况，通过所述无人机的机况判断出所述无人机停机的优先级；
41.最佳停机坪匹配模块，其用于根据所述无人机停机的优先级以及所述无人机的实时位置数据，从预先分布设置于地面的多个停机坪中匹配出供所述无人机停机的最佳停机
坪；
42.停机路径规划模块，其用于根据所述无人机停机的最佳停机坪的位置规划所述无人机的停机路径；
43.停机控制模块，其用于根据所述无人机的停机路径控制所述无人机飞向所述最佳停机坪停机。
44.本发明的有益效果是：在本发明一种无人机停机路径管理方法及系统中，可以同时管理多架无人机，方便集中管理；另外，本发明根据无人机的机况以及停机坪的位置来综合评估无人机的停机路径，确保所有无人机均能够安全的停机。
附图说明
45.图1为本发明一种无人机停机路径管理方法的流程图；
46.图2为停机优先级的处理流程图；
47.图3为卷积神经网络的结构示意图；
48.图4为优先级队列生成原理图；
49.图5为时空卷积运算的流程图；
50.图6为最佳停机坪匹配流程；
51.图7为采用聚类的分析方法对停机坪网络进行聚类分析的具体流程图；
52.图8为停机路径规划流程图；
53.图9为本发明一种无人机停机路径管理系统的结构框图。
具体实施方式
54.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
55.如图1所示，一种无人机停机路径管理方法，用于同时管理多架无人机，包括以下步骤，
56.s1，获取无人机的机况，通过所述无人机的机况判断出所述无人机停机的优先级；
57.s2，根据所述无人机停机的优先级以及所述无人机的实时位置数据，从预先分布设置于地面的多个停机坪中匹配出供所述无人机停机的最佳停机坪；
58.s3，根据所述无人机停机的最佳停机坪的位置规划所述无人机的停机路径；
59.s4，根据所述无人机的停机路径控制所述无人机飞向所述最佳停机坪停机。
60.在本发明中，停机坪设有多个，可以避免发生需要停机的事件后，如故障或供能不足等，无人机可以不用返回起飞点，而是根据停机优先级选择最佳的停机坪停机，大大降低了无人机发生坠毁风险。
61.在本具体实施例中：如图2所示，所述s1具体为，
62.s11，实时采集多架所述无人机的电量信息和故障信息；
63.s12，分别对每架所述无人机的电量信息和故障信息进行数据处理，对应得到每架所述无人机的剩余飞行时间和故障严重程度等级；
64.s13，将多架所述无人机的剩余飞行时间和故障严重程度等级输入至预先训练好的卷积神经网络中进行处理，得到多架所述无人机停机的优先级，并输出优先级队列。
65.本发明根据无人机的机况以及停机坪的位置来综合评估无人机的停机优先级，再根据停机优先级确定最优停机坪，进而规划停机路径，确保所有无人机均能够安全的停机。
66.具体的，如图3所示，所述卷积神经网络包括依次连接的输入层、时空卷积层、池化层和输出层；
67.如图4所示，在所述s13中，所述卷积神经网络对多架所述无人机的剩余飞行时间和故障严重程度等级进行处理的具体过程为，
68.s131，所述输入层将输入的多架所述无人机的剩余飞行时间和故障严重程度等级进行矩阵标准化处理，得到输入矩阵；
69.s132，所述时空卷积层对所述输入矩阵进行时空卷积运算，得到特征向量；
70.s133，所述池化层对所述特征向量进行池化，得到池化向量；
71.s134，所述输出层对所述池化向量进行输出处理，得到多架所述无人机停机的优先级，并输出优先级队列。
72.更进一步，所述时空卷积层具有两个卷积核，分别为时间卷积核和空间卷积核；所述输入矩阵包括与所述无人机的剩余飞行时间对应的时间子矩阵和与所述无人机的故障严重程度等级对应的空间子矩阵。如图5所示，在所述s132中，所述时空卷积层对所述输入矩阵进行时空卷积运算具体为；
73.s1321，利用所述时间卷积核对所述时间子矩阵进行向量点积运算，得到时间特征子向量；
74.s1322，利用所述空间卷积核对所述空间子矩阵进行向量点积运算，得到空间特征子向量；
75.s1323，将所述时间特征子向量与所述空间特征子向量进行加权运算，得到所述特征向量。
76.在本发明中，采用双核的卷积神经网络分别进行时间卷积和空间卷积操作，然后进行加权运算，保证得到更加准确的停机优先级。
77.在本具体实施例中：如图6所示，所述s2具体为，
78.s21，根据预先分布设置于地面的多个停机坪构建停机坪网络；
79.s22，实时获取每架所述无人机的位置数据，并将每架所述无人机的位置数据加载至所述优先级队列中，且每架所述无人机的位置数据与每架所述无人机在所述优先级队列中的优先级对应，形成优先级位置队列；
80.s23，基于所述优先级位置队列，采用聚类的分析方法对所述停机坪网络进行聚类分析，得到每架所述无人机停机的最佳停机坪。
81.具体的，如图7所示，所述s23具体为，
82.s231，根据所述优先级位置队列的长度q，使用k
‑
means聚类算法对所述停机坪网络进行聚类，获得q个停机坪集合；
83.s232，基于所述优先级位置队列，利用匈牙利分析方法在q个停机坪集合中进行分析，获得每架所述无人机所分配的最佳停机坪集合；
84.s233，采用费罗伊德分析方法在每架所述无人机所分配的停机坪集合进行分析，获得每架所述无人机所分配的最佳停机坪。
85.更进一步，在所述s231中，获得的每个停机坪集合中的停机坪数量均在预设范围
内。
86.本发明基于优先级位置队列，采用聚类分析的方法分析停机坪网络，可以方便、快速、准确地得到最佳的停机坪。
87.在本具体实施例中：如图8所示，所述s3具体为，
88.s31，基于最短路径法，根据每架所述无人机的实时位置以及最佳停机坪的位置，分别对每架所述无人机的飞行路径进行初始规划，得到每架所述无人机的初始规划路径；
89.s32，基于时间轴，判断在所有所述无人机中是否存在至少两架所述无人机按对应的初始规划路径飞行时发生碰撞；
90.s33，将不会发生碰撞的所述无人机的初始规划路径作为对应的所述无人机的停机路径；将会发生碰撞的所述无人机的初始规划路径进行调整，使其与其他任一架所述无人机都不会发生碰撞，并将调整后的初始规划路径作为对应所述无人机的停机路径。
91.本发明基于最短路径法进行路径规划，可以得到最优的停机路径，当有个别路径发生冲突时，可以在空间或时间上对路径进行微调，确保所有停机路径均不冲突，使整体停机路径达到最优状态，整体提高了停机的安全性。
92.基于上述一种无人机停机路径管理方法，本发明还提供一种无人机停机路径管理系统。
93.如图9所示，一种无人机停机路径管理系统，用于同时管理多架无人机，包括以下模块，
94.停机优先级计算模块，其用于获取无人机的机况，通过所述无人机的机况判断出所述无人机停机的优先级；
95.最佳停机坪匹配模块，其用于根据所述无人机停机的优先级以及所述无人机的实时位置数据，从预先分布设置于地面的多个停机坪中匹配出供所述无人机停机的最佳停机坪；
96.停机路径规划模块，其用于根据所述无人机停机的最佳停机坪的位置规划所述无人机的停机路径；
97.停机控制模块，其用于根据所述无人机的停机路径控制所述无人机飞向所述最佳停机坪停机。
98.在本具体实施例中：所述停机优先级计算模块具体用于，
99.实时采集多架所述无人机的电量信息和故障信息；
100.分别对每架所述无人机的电量信息和故障信息进行数据处理，对应得到每架所述无人机的剩余飞行时间和故障严重程度等级；
101.将多架所述无人机的剩余飞行时间和故障严重程度等级输入至预先训练好的卷积神经网络中进行处理，得到多架所述无人机停机的优先级，并输出优先级队列。
102.本发明根据无人机的机况以及停机坪的位置来综合评估无人机的停机优先级，再根据停机优先级确定最优停机坪，进而规划停机路径，确保所有无人机均能够安全的停机。
103.具体的，所述卷积神经网络包括依次连接的输入层、时空卷积层、池化层和输出层；
104.所述卷积神经网络对多架所述无人机的剩余飞行时间和故障严重程度等级进行处理的具体过程为，
105.所述输入层将输入的多架所述无人机的剩余飞行时间和故障严重程度等级进行矩阵标准化处理，得到输入矩阵；
106.所述时空卷积层对所述输入矩阵进行时空卷积运算，得到特征向量；
107.所述池化层对所述特征向量进行池化，得到池化向量；
108.所述输出层对所述池化向量进行输出处理，得到多架所述无人机停机的优先级，并输出优先级队列。
109.更进一步，所述时空卷积层具有两个卷积核，分别为时间卷积核和空间卷积核；所述输入矩阵包括与所述无人机的剩余飞行时间对应的时间子矩阵和与所述无人机的故障严重程度等级对应的空间子矩阵。所述时空卷积层对所述输入矩阵进行时空卷积运算具体为；
110.利用所述时间卷积核对所述时间子矩阵进行向量点积运算，得到时间特征子向量；
111.利用所述空间卷积核对所述空间子矩阵进行向量点积运算，得到空间特征子向量；
112.将所述时间特征子向量与所述空间特征子向量进行加权运算，得到所述特征向量。
113.在本发明中，采用双核的卷积神经网络分别进行时间卷积和空间卷积操作，然后进行加权运算，保证得到更加准确的停机优先级。
114.在本具体实施例中：所述最佳停机坪匹配模块具体用于，
115.根据预先分布设置于地面的多个停机坪构建停机坪网络；
116.实时获取每架所述无人机的位置数据，并将每架所述无人机的位置数据加载至所述优先级队列中，且每架所述无人机的位置数据与每架所述无人机在所述优先级队列中的优先级对应，形成优先级位置队列；
117.基于所述优先级位置队列，采用聚类的分析方法对所述停机坪网络进行聚类分析，得到每架所述无人机停机的最佳停机坪。
118.具体的，采用聚类的分析方法对所述停机坪网络进行聚类分析具体为，
119.根据所述优先级位置队列的长度q，使用k
‑
means聚类算法对所述停机坪网络进行聚类，获得q个停机坪集合；
120.基于所述优先级位置队列，利用匈牙利分析方法在q个停机坪集合中进行分析，获得每架所述无人机所分配的最佳停机坪集合；
121.采用费罗伊德分析方法在每架所述无人机所分配的停机坪集合进行分析，获得每架所述无人机所分配的最佳停机坪。
122.更进一步，获得的每个停机坪集合中的停机坪数量均在预设范围内。
123.本发明基于优先级位置队列，采用聚类分析的方法分析停机坪网络，可以方便、快速、准确地得到最佳的停机坪。
124.在本具体实施例中：所述停机路径规划模块具体用于，
125.基于最短路径法，根据每架所述无人机的实时位置以及最佳停机坪的位置，分别对每架所述无人机的飞行路径进行初始规划，得到每架所述无人机的初始规划路径；
126.基于时间轴，判断在所有所述无人机中是否存在至少两架所述无人机按对应的初
始规划路径飞行时发生碰撞；
127.将不会发生碰撞的所述无人机的初始规划路径作为对应的所述无人机的停机路径；将会发生碰撞的所述无人机的初始规划路径进行调整，使其与其他任一架所述无人机都不会发生碰撞，并将调整后的初始规划路径作为对应所述无人机的停机路径。
128.本发明基于最短路径法进行路径规划，可以得到最优的停机路径，当有个别路径发生冲突时，可以在空间或时间上对路径进行微调，确保所有停机路径均不冲突，使整体停机路径达到最优状态，整体提高了停机的安全性。
129.在本发明一种无人机停机路径管理方法及系统中，可以同时管理多架无人机，方便集中管理；另外，本发明根据无人机的机况以及停机坪的位置来综合评估无人机的停机路径，确保所有无人机均能够安全的停机。
130.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。