无人飞行器控制辅助系统以及无人飞行器控制辅助方法与流程

1.本发明涉及无人飞行器控制辅助系统以及无人飞行器控制辅助方法的技术。


背景技术：

2.为了检查用于风力发电的风车等，无人机(无人飞行器)的应用正不断进展。在这样的情况下，无人机拍摄风车，检查者基于该图像来判定是否需要维护等。在以这样的用途使用无人机时，需要拍摄高分辨率的图像，因此需要稳定的飞行以及滞空。
3.但是，会有以下课题，由于无人机小型轻量化，因此容易受到风的影响，特别是容易受到阵风等风况变化的影响。
4.针对这样的课题，公开了专利文献1。
5.在专利文献1中公开了飞行路径计算系统、飞行路径计算程序以及无人驾驶飞行器路径控制方法，其“不需要人的操纵并且考虑了风的影响来使无人机飞行。无人驾驶飞行器飞行管理系统1具备：三维地图数据存储部172，其存储不存在地面物体而无人驾驶飞行器6能够飞行的水平方向以及高度方向的三维地图数据；当前位置取得部175，其取得当前位置；输送指示取得部166，其取得目的地；路径计算部167，其计算从当前位置到目的地为止的所述地图数据中的可飞行路径；激光雷达数据取得部121，其取得风况数据；危险风况区域判定部123，其根据所述风况数据计算应避免飞行的警戒区域；以及路径再计算部164，其在所述路径计算部167计算出的路径是经过所述危险风况区域判定部123计算出的警戒区域的路径的情况下，避开所述警戒区域而重新计算路径”。
6.现有技术文献
7.专利文献
8.专利文献1：国际公开第2020/013153号


技术实现要素：

9.发明所要解决的课题
10.但是，专利文献1中虽然记载了根据实测的风况数据来预测近期的风况，但没有记载预测的具体方法。
11.鉴于这样的背景而作出了本发明，本发明的课题在于使无人飞行器稳定地飞行。
12.用于解决课题的手段
13.为了解决上述课题，本发明的特征为具有：模拟处理部，其对多个虚拟风况信息分别执行无人飞行器飞行的地点的空气流动的模拟，并输出作为所述模拟的结果的模拟结果；模拟结果取得部，其基于实测的风况的信息即实测风况信息，取得与所述实测风况信息对应的所述虚拟风况信息的所述模拟结果；以及输出部，其输出所取得的所述模拟结果。
14.在实施方式中还记载其他的解决手段。
15.发明效果
16.根据本发明，能够使无人飞行器稳定地飞行。
附图说明
17.图1表示无人机控制辅助系统的结构例。
18.图2是本实施方式的模拟装置的功能框图。
19.图3是本实施方式的风况推定装置的功能框图。
20.图4是表示本实施方式的模拟装置进行的处理的步骤的流程图。
21.图5是表示本实施方式的风况推定装置进行的处理的顺序的流程图。
22.图6表示过去气象数据的一例(其1)。
23.图7表示过去气象数据的一例(其2)。
24.图8表示虚拟风况数据及风况模拟的结果。
25.图9表示流场特征量解析处理的结果。
26.图10表示本实施方式的无人机控制辅助系统的执行例(其1)。
27.图11表示本实施方式的无人机控制辅助系统的执行例(其2)。
28.图12表示本实施方式的无人机控制辅助系统的执行例(其3)。
29.图13表示本实施方式的无人机控制辅助系统的另一应用例。
具体实施方式
30.接着，适当参照附图对用于实施本发明的方式(称为“实施方式”)进行详细说明。在各附图中，对相同的构成要素标注相同的附图标记并省略说明。
31.《系统》
32.图1表示无人机控制辅助系统1的结构例。
33.无人机控制辅助系统1具有模拟装置100和风况推定装置300。无人机控制辅助系统1还可以包括解析结果db200。
34.模拟装置100从气象中心b1取得过去气象数据601，从地理中心b2取得地形数据602。然后，模拟装置100基于这些数据进行风况推定地域的风况的模拟(风况模拟)。在此，风况是指风速及风向。另外，风况推定地域是为了使无人机500飞行而推定风况的地域。换言之，风况推定地域是指使无人机500飞行的地域。
35.并且，模拟装置100对作为风况模拟的结果而得到的风况推定地域中的风况进行流场特征量解析。流场特征量解析将在后面叙述。在此，设为作为流场特征量解析的结果，生成解析结果的组750。关于解析结果的组750在后面叙述。然后，模拟装置100将生成的解析结果(在此为解析结果的组750)存储在解析结果db200中。
36.风况推定装置300基于气象预报数据603、实测风况数据604，从解析结果db200取得解析结果。并且，风况推定装置300基于所取得的解析结果(在此为解析结果的组750)，推定从当前开始预定时间后的风况推定地域的风况。气象预报数据603从气象中心b1等取得。另外，实测风况数据604从风车wm所具备的未图示的风速传感器等取得。
37.然后，风况推定装置300将推定出的风况的数据(推定风况数据605)向无人机控制装置400输出。
38.操纵者p1基于输出到无人机控制装置400的推定风况数据605来操作无人机控制装置400，由此控制无人机500。将输出到无人机控制装置400的推定风况数据605例如显示在无人机控制装置400的未图示的显示装置。操纵者p1基于在未图示的显示装置中显示的
推定风况进行无人机500的控制(操纵)。
39.(模拟装置100)
40.图2是本实施方式的模拟装置100的功能框图。适当参照图1。
41.模拟装置100至少具备存储器110、cpu(central processing unit中央处理单元)121、收发装置122。
42.收发装置122从气象中心b1接收过去气象数据601，从地理中心b2接收地形数据602。另外，收发装置122将解析结果的组750等发送到解析结果db200。
43.此外，将未图示的存储装置中存储的程序加载到存储器110中，并且由cpu121执行所加载的程序。由此，实现数据取得部111、模拟处理部112、解析处理部113、存储处理部114。
44.数据取得部111经由收发装置122从气象中心b1取得过去气象数据601，从地理中心b2取得地形数据602。
45.模拟处理部112基于所取得的过去气象数据601、地形数据602，计算时刻t的虚拟风况数据741(参照图8)。另外，模拟处理部112基于计算出的虚拟风况数据741，进行时刻t 1的风况推定地域中的风况的模拟(风况模拟)。关于虚拟风况数据741在后面叙述，是风况模拟中的输入数据。在此，时刻t 1是指相对于时刻t预定时间后的意思。
46.解析处理部113对模拟处理部112的模拟结果进行主成分解析(固有值正交分解)等流场特征量解析处理。
47.存储处理部114经由收发装置122将解析处理部113的结果与虚拟风况数据741、过去气象数据601中的气象条件等对应起来存储到解析结果db200中。
48.(风况推定装置300)
49.图3是本实施方式的风况推定装置300的功能框图。适当参照图1。
50.风况推定装置300至少具备存储器310、cpu321、收发装置322。
51.收发装置322从气象中心b1接收气象预报数据603，并接收实测的风况的数据即实测风况数据604。另外，收发装置322从解析结果db200取得解析结果的组750，将推定出的风况推定地域的风况数据(推定风况数据605)向无人机控制装置400输出。
52.并且，将未图示的存储装置中存储的程序加载到存储器310中，并且由cpu321执行所加载的程序。由此，实现数据取得部311、解析结果取得部312、风况推定部313、输出处理部314。
53.数据取得部311经由收发装置322从气象中心b1取得气象预报数据603，从风车wm所具备的风速传感器(未图示)等取得实测风况数据604。
54.解析结果取得部312基于取得的气象预报数据603、实测风况数据604，从解析结果db200取得解析结果的组750。
55.风况推定部313基于所取得的解析结果的组750，推定风况推定地域中的风况。
56.输出处理部314将推定出的风况的数据(推定风况数据605)向无人机控制装置400输出。
57.《流程图》
58.(模拟装置100的处理)
59.图4是表示本实施方式的模拟装置100进行的处理的步骤的流程图。步骤s101～
s105中的各个处理的详情后述。另外，适当参照图1至图3。
60.首先，数据取得部111经由收发装置122从气象中心b1取得过去气象数据601，从地理中心b2取得地形数据602(s101)。
61.接着，模拟处理部112计算某个地点的虚拟风况数据741(参照图8)(s102)。关于虚拟风况数据741在后面叙述。
62.然后，模拟处理部112基于所输入的虚拟风况数据741、过去气象数据601、地形数据602，进行风况推定地域的风况的模拟(风况模拟)(s103)。
63.接着，解析处理部113对步骤s103的处理结果进行流场特征量解析处理(s104)。如上所述，在流场特征量解析处理中使用的方法是sy成分分析(固有值正交分解)、傅立叶解析等。
64.然后，存储处理部114将流场特征量解析处理的结果(解析结果；在本实施方式中为解析结果的组750)存储到解析结果db200(s105)。
65.模拟装置100对各种虚拟风况数据741进行步骤s101～s105的处理。然后，模拟装置100将解析结果(解析结果的组750)与各个虚拟风况数据741以及在虚拟风况数据741的计算中使用的气象条件对应起来存储到解析结果db200中。
66.(风况推定装置300的处理)
67.图5是表示本实施方式的风况推定装置300进行的处理的顺序的流程图。步骤s201～s204中的各个处理的详情后述。另外，适当参照图1至图3。
68.数据取得部311经由收发装置322取得气象预报数据603及实测风况数据604(s201)。如上所述，气象预报数据603从气象中心b1取得，实测风况数据604例如从风车wm所具备的风速传感器(未图示)等取得。
69.接着，解析结果取得部312取得与所取得的实测风况数据604、气象预报数据603的气象条件相符的解析结果的组750(s202)。
70.然后，风况推定部313基于所取得的解析结果的组750，推定从当前开始预定时间后的风况推定地域的风况(s203)。若将当前设为时刻t，则在此的预定时间后是指相当于时刻t 1的时刻。
71.然后，输出处理部314输出所推定出的风况推定地域的风况数据(推定风况数据605)(s204)。
72.《处理的具体例》
73.接着，参照图6～图9说明图4和图5中的各处理的具体例。
74.首先，参照图6等对图4的步骤s101～s105的处理的具体例进行说明。
75.(s101)
76.图6表示在图4的步骤s101中取得的过去气象数据601的一例。
77.在图6中，示出了日本附近的过去气象数据601。
78.在图6中，示出了过去气象数据601中的风况。即，附图标记711是表示风向的箭头，浓淡表示风速。即，浓淡越浓则风速越快，浓淡越淡则风速越慢。在此，设置了成为风况推定对象的风车wm的附图标记713所示的地域的过去气象数据601在后述的图7中示出。
79.图7是图6中的附图标记713所示的地域的过去气象数据601。
80.在图7中，附图标记721表示地形的轮廓，附图标记722是表示风向的箭头。另外，在
图7中，浓淡表示风速。即，浓淡越浓表示风速越快，浓淡越淡表示风速越慢。
81.附图标记723表示风况推定区域的范围。
82.(s102，s103)
83.图8表示在图4的步骤s102中计算出的虚拟风况数据741以及在步骤s103中进行的风况推定地域的风况模拟的结果。
84.在图8中，虚拟风况数据741是在图4的步骤s102中计算出的。虚拟风况数据741是模拟处理部112基于图6、图7所示的过去气象数据601、地形数据602、过去气象数据601中的气温、湿度等数据、过去的风况等计算出的。
85.在图8中，附图标记742表示风车wm。
86.在时刻t相当于虚拟风况数据741的风吹向附图标记742表示的风车wm，由此对在时刻t 1在风车wm的下风(风况推定地域)产生的风况743进行风况模拟。在风况743中，浓度的浓淡表示风速，浓度越浓则风速越快，浓度越淡则风速越慢。如风况743所示，在风车wm的下风(风况推定区域)产生空气涡流等空气的紊乱。当无人机500被卷入这样的空气紊乱(涡流)时，姿势大幅改变，拍摄等变得困难。
87.(s104)
88.图9表示在图4的步骤s104中进行的流场特征量解析处理的结果。
89.在此，作为流场特征量解析方法，使用主成分分析(固有值正交分解)。并且，在图9中示出了对图8的表示为风况743的模拟结果应用了主成分分析的例子。
90.当对图8所示的风况推定地域的风况743进行主成分分析时，得到第一模式至第n模式的解析结果。在图9中，附图标记751表示第一模式的解析结果，附图标记752表示第n模式的解析结果。在此，仅表示第一模式和第n模式的解析结果，但实际上，在第一模式的解析结果与第n模式的解析结果之间存在第二模式、第三模式、
……
、第n-1模式的解析结果。
91.在此，附图标记751所示的第一模式的解析结果表示大的空气涡流，附图标记752所示的第n模式表示细小的流速变化。
92.将基于同一模拟结果而生成的第一模式(附图标记751)、第二模式、
……
、第n-1模式、第n模式(附图标记752)各自的解析结果的1组称为解析结果的组750。
93.另外，解析处理部113还计算用于从解析结果的组750重建图8中的风况743的系统矩阵a。能够非常简单地进行系统矩阵a的计算。
94.(s105)
95.在图4的步骤s105中，存储处理部114将图9所示的解析结果的组750存储到解析结果db200中。此时，存储处理部114将图8中的虚拟风况数据741、系统矩阵a、从过去气象数据601得到的温度、湿度等气象条件与解析结果的组750对应起来存储到解析结果db200中。如图9所示，通过将解析结果的组750存储在解析结果db200，能够减小在解析结果db200中存储的数据容量。
96.接着，说明图5的步骤s201～s204的处理的具体例。
97.(s201)
98.首先，在步骤s201中，取得气象预报数据603，并取得实测风况数据604。实测风况数据604是相当于图8的虚拟风况数据741的实测风况数据。即，实测风况数据604是与吹向风车wm的风相关的数据。
99.(s202)
100.然后，在步骤s202中，解析结果取得部312从解析结果db200取得与实测风况数据604、从气象预报数据603得到的温度、湿度等气象条件相同的虚拟风况数据741和气象条件所对应的解析结果的组750、以及系统矩阵a。也可以在该定时计算系统矩阵a。
101.(s203)
102.接着，在步骤s203中，风况推定部313基于所取得的解析结果的组750、系统矩阵a，通过低维模型进行处理，由此重建图8的风况743。由此，推定从当前开始预定时间后的风况推定地域的风况。如上所述，在将当前设为时刻t时，这里的预定时间后是指相当于时刻t 1的时刻。
103.(s204)
104.在步骤s204中，输出处理部314将通过复原而推定出的风况推定地域的风况的数据(推定风况数据605)向无人机控制装置400输出。
105.《应用例》
106.图10至图12表示本实施方式的无人机控制辅助系统1的执行例。
107.图10表示当前的无人机500的飞行状态，图11和图12表示从当前开始预定时间后的无人机500的飞行状态。
108.如图10所示，为了对风车wm进行用于维护的拍摄，使无人机500在风车wm的附近飞行。在图10中，设为从纸面左侧吹过不会对无人机500的飞行造成影响的程度的风(图10的细箭头)。
109.在此，设为从纸面左侧吹来图11的粗箭头所示的阵风。于是，从当前开始在预定时间后，在风车wm的下风产生图8的风况743所示的空气的紊乱。其结果，如图11所示，无人机500的飞行姿态紊乱。由此，难以适当地拍摄风车wm，会产生等待阵风停止，或者根据情况中止当天的维护等现象。
110.与此相对，根据本实施方式，能够几乎实时地计算如图12所示在从纸面左侧吹来粗箭头所示的阵风后，从当前开始经过预定时间后，在风车wm的下风产生怎样的空气紊乱。在本实施方式中，将解析结果的组750与各种风况、气象条件对应起来存储在解析结果db200中。并且，风况推定装置300根据当前的风车wm的上风的风况、气象条件来检索解析结果的组750。并且，风况推定装置300能够基于检索到的解析结果的组750重建风况推定地域(例如风车wm的下风)的风况。由于几乎不花费用于重建的时间，因此实质上仅检索并取得已经进行了风况模拟的结果即可，能够实时地输出由阵风等风况变化造成的影响。
111.由此，操纵者p1能够事先识别由于阵风等而产生的空气的紊乱，能够进行与阵风等相适应的无人机500的操纵。其结果，能够实现稳定的无人机500的飞行，能够进行用于维护等的稳定的拍摄。
112.[变形例]
[0113]
图13表示本实施方式的无人机控制辅助系统1的另一应用例。
[0114]
在图13中，与图1的不同点在于无人机500a进行自主控制。
[0115]
另外，在图13中，风况推定装置300将推定风况数据605向无人机500a和无人机监视装置400a输出。
[0116]
无人机500a具有最佳控制运算部501、控制部502、姿势传感器503。
[0117]
最佳控制运算部501基于由姿势传感器503得到的当前的姿势数据和从风况推定装置300输入的推定风况数据605，计算从当前开始经过预定时间后的控制数据。
[0118]
无人机500a的控制部502基于计算出的预定时间后的控制数据进行无人机500a的姿势控制。
[0119]
另外，监视者p2通过在无人机监视装置400a中监视从风况推定装置300取得的推定风况数据605，来监视无人机500a是否进行了适当的自主控制。
[0120]
根据本实施方式，能够几乎实时地输出由于阵风等风况变化造成的影响，因此能够实现稳定的无人机500的飞行以及滞空。由此，在用于保养的摄像等中，能够得到稳定的图像。
[0121]
另外，由于阵风等对象难以掌握，因此通常无人机500的操纵大多仅允许熟练者进行。根据本实施方式，操纵者p1能够事先识别推定出的风况推定地域的风况，因此未必是熟练者才可操纵无人机500。
[0122]
另外，通过进行流场特征量解析(图4的步骤s104)，能够压缩解析结果的数据量。由此，能够削减在解析结果db200中存储的数据容量。
[0123]
并且，模拟处理部112基于风况推定地域的过去气象数据601、地形数据602，生成虚拟风况数据741。然后，模拟处理部112基于所生成的虚拟风况数据741进行风况模拟。由此，能够在接近实际风况的条件下进行风况模拟，能够提高风况模拟的精度。
[0124]
在本实施方式中设想了在用于风力发电等的风车wm周围的无人机500的控制辅助，但不限于此。也可以在桥梁、大型设备等结构物周围的无人机500的控制辅助中应用本实施方式的无人机控制辅助系统1。
[0125]
另外，在本实施方式中，实测风况数据604是从风车wm所具备的风速传感器(未图示)取得的，但不限于此。只要是风车wm的附近，风速传感器例如也可以设置在地面、风车wm以外的建筑物。
[0126]
另外，解析处理部113能够省略。在该情况下，不执行图4的步骤s104，将模拟结果(图8的风况743)与虚拟风况数据471、气象条件等对应起来存储在解析结果db740中。另外，解析结果取得部312基于当前的风况、气象条件取得模拟结果。之后，输出处理部314将取得的模拟结果向无人机控制装置400、无人机监视装置400a、无人机400a输出。
[0127]
另外，本发明并不限于上述实施方式，包括各种变形例。例如，上述实施方式是为了容易理解地说明本发明而详细说明的实施方式，并不限于必须具有所说明的所有结构。
[0128]
另外，上述各结构、功能、处理部111～114、311～314、解析结果db200等的一部分或者全部例如可以通过集成电路来设计，由此以硬件方式实现。另外，如图2以及图3所示，上述各结构、功能等也可以通过cpu121、321等处理器解释并执行用于实现各个功能的程序，由此以软件方式实现。实现各功能的程序、表、文件等信息除了存储在hd以外，还能够存储在存储器110、210、ssd(solid state drive：固态驱动器)等记录装置、或者ic(integrated circuit：集成电路)卡、sd(secure digital：安全数字)卡、dvd(digital versatile disc：数字多功能光盘)等记录介质中。
[0129]
另外，在各实施方式中，考虑到说明上的需要，示出了控制线、信息线，但并不一定限于在产品上表示出全部的控制线、信息线。实际上可以认为几乎全部的结构相互连接。
[0130]
附图标记的说明
[0131]
1无人机控制辅助系统(无人飞行器控制辅助系统)
[0132]
112模拟处理部
[0133]
113解析处理部(特征量计算部)
[0134]
312解析结果取得部(模拟结果取得部)
[0135]
313风况推定部(模拟结果重建部)
[0136]
314输出处理部(输出部)
[0137]
500无人机(无人飞行器)
[0138]
601过去气象数据(过去的气象信息)
[0139]
602地形数据(地形信息)
[0140]
603气象预报数据(气象预报信息)
[0141]
604实测风况数据(实测风况信息)
[0142]
605推定风况数据(模拟结果)
[0143]
741虚拟风况数据(虚拟风况信息)
[0144]
743风况(模拟结果)
[0145]
750解析结果的组(模拟结果、流场的特征量)
[0146]
s103风况推定区域的风况模拟(模拟步骤)
[0147]
s202解析结果的组的取得(模拟结果取得步骤)
[0148]
s104推定风况数据的输出(输出步骤)。