太阳能/氢能无人机总体设计与能源管理策略研究

针对小型低空长航时电动无人机需求,给出了太阳能/氢能混合能源动力系统集成方案和小型低空长航时无人机构型。针对典型任务剖面,综合考虑太阳能电池和氢燃料电池特性,提出了一种考虑全机重量能量耦合关系的总体设计方法和任务剖面驱动的能源管理策略;建立了能源系统模型,给出了能源控制流程,开发了能源管理仿真平台。以1.5 kg任务载荷为例,完成了无人机总体方案设计,仿真分析了各种能源特性对飞行结果的影响。结果表明:能源管理策略能够根据任务剖面的要求合理配置能源系统的功率,满足各阶段的功率需求;无人机在冬至日航时为21 h、夏至日可实现跨昼夜飞行;在能源系统重量相同情况下,该混合能源无人机的航时分别是纯锂电池无人机和燃料电池无人机的5.5倍和1.2倍。     

燃料电池无人机能源管理与飞行状态耦合

开展了燃料电池/锂电池（简称燃锂）混合动力无人机的能源管理与飞行状态耦合研究。综合顶层飞行任务规划与底层能源系统管理，以动力系统模型为耦合点联立能源系统与无人机运动方程，建立能源状态与运动状态耦合模型。针对燃锂混合最紧密的爬升过程，以迎角、转速和燃料电池的放电功率作为控制变量，建立了燃料消耗最小的能源管理与航迹规划耦合最优控制问题，研究不同爬升高度对最优控制过程的影响，并与模糊控制能源管理策略进行对比分析。针对大功率短时爬升和小功率长时巡航的典型任务特点，建立了燃锂最优混合问题。研究了最优的锂电池容量和燃料电池功率水平的混合量，以及爬升和巡航两阶段最优功率分配和飞行状态，分析了不同巡航目标高度对最优混合量和飞行状态的影响。结果表明：采用能源与航迹耦合的最优控制策略在给出最优功率流分配的同时，能够很好地兼顾飞行状态控制；对燃锂混合和飞行状态的综合优化可以有效地处理爬升和巡航阶段的能源需求矛盾，在给出最优燃锂混合量和飞行状态的同时，降低整个任务过程的燃料消耗。     

燃料电池无人机混合电源动态平衡能量管理策略

飞机电推进的动力系统趋于混合能源形式的发展方向，不同类型的源具有不同的特性，混合能源协调工作的方式可以提高动力系统的性能。本文所研究的飞机电推进系统的能源形式为燃料电池和锂电池所做成的混合能源。针对无人机动力系统工况的特殊性，本文在基于规则的能量管理策略研究基础上，提出了一种基于燃料电池氢气消耗的动态平衡能量管理策略，使燃料电池和辅助电源的能量消耗处于相对平衡的状态，避免了其中一种电源能量先耗尽的情况，可以满足多种工况的变化，提高了混合电源的能量利用率和稳定性，保证了无人机动力系统的可靠性。通过仿真分析结果证明了可行性，最后设计了能量管理系统的硬件并进行了实验验证，通过对实验结果计算分析验证了该能量管理策略的可行性。     

多太阳能无人机覆盖路径优化方法

为解决传统电动无人机在覆盖作业时存在的续航时间短的问题,提出应用多架太阳能无人机进行覆盖作业。首先,在建立了应用于覆盖作业的太阳能无人机的能量模型的基础上,提出了能量流动效率这一指标来评价太阳能无人机在作业过程中对能量的利用率。其次,针对边界存在障碍物的凹多边形区域和内部含障碍物的多边形区域,以总作业完成时间最短为优化目标,提出基于无向图搜索方法的覆盖路径优化模型,定义约束方程限制无人机按照一定规则访问无向图中的节点,通过混合整数线性规划的方法求解每架无人机的最优飞行路径。再次,考虑无人机转弯时的姿态变化对能量流动效率的影响,将总作业完成时间最短和总能量流动效率最高同时作为优化目标,建立双目标优化方程,在首先以作业时间最短为优化目标进行求解的基础上,通过有限遍历的方式选择使能流效率和作业时间相对最优的覆盖飞行方向及飞行路径。大量仿真实验表明,所提的优化模型选取不同的优化目标,应用于不同形状的待覆盖区域,适用性广,在工程上应用范围广、可行性强。     

基于能量优化的无人机机动轨迹生成方法

基于能量优化的无人机机动能够使无人机在不失去决定性位置优势的情况下获取相对于对手的能量优势，足够的能量优势可转换为有效的位置优势，有利于无人机在空战中随时改出当前机动并投入下一机动动作，对于无人机获取空战胜利至关重要。开展了基于能量优化的无人机机动轨迹生成方法研究，通过在无人机机动飞行包线内设计合适的机动指令，使得无人机能量性能指标最优。以上升转弯机动为例进行了机动轨迹生成的详细设计，并与常规上升转弯机动轨迹生成结果进行对比，仿真结果显示所设计的机动动作完成时间缩短了28.6%~83.8%，总能量变化减少了64.7%~70.1%，实现了无人机机动飞行的能量优化。     

Mission-oriented cooperative 3D path planning for modular solar-powered aircraft with energy optimization

Modular Solar-Powered Aircraft(M-SPA) is a kind of High-Altitude Long-Endurance(HALE) aircraft which exploits the mission advantage of swarm UAV and the HALE advantage of large aspect-ratio SPA. M-SPA’s separated mode and combined mode give it the potential to maximize the mission efficiency with limited solar energy. In this paper, firstly, oriented by the mission of maximizing the cruise area, the overall design of the M-SPA is modeled, including the energy model, the aerodynamic model and the...     

无人机增程式电推进系统双模糊能量管理策略仿真

为提高应用于无人机的增程式电推进系统能量利用效率,采用基于双层模糊控制的能量管理策略并使用遗传算法对控制参数进行优化,依据飞行动力学理论在仿真飞行工况中设置不同扰动,检验能量管理策略的抗飞行扰动效果。仿真结果表明:相比于基于多点逻辑门规则和比例积分微分PID（proportion integral differential）的能量管理策略,双模糊能量管理策略可使发动机运行平均燃油消耗率下降3.4%,整体燃油消耗量下降3.8%,电池使用量降低10.6%,发动机平均转速误差下降77.0%,面对突风扰动、复合扰动和连续紊流扰动时转速最大波动量分别降低71.4%、72.6%和46.7%。经过遗传算法优化后的双模糊能量管理策略相比优化前的控制参数,发动机平均转速误差下降6.6%,面对上述3种扰动时转速最大波动量分别降低12.8%、8.3%和39.4%。      

Energy-efficiency maximization for fixed-wing UAV-enabled relay network with circular trajectory

With the development of Unmanned Aerial Vehicles (UAVs), the applications of UAVs have been extensively explored. In the field of wireless communications, the relay nodes are often used to extend network coverage. However, traditional fixed ground relays cannot be flexibly deployed due to their low heights and fixed locations. Hence, deploying UAV as relay node is a promising solution and has become a research hotspot. In this paper, we consider an UAV-enabled relaying network in which a fixed-wing UAV is deployed between the Base Station (BS) and Ground Users (GUs). We study the energy-efficiency gap between the link “BS-UAV-GUs” and the link “BS-GUs”, and jointly optimize UAV relay transmission power and flight radius to achieve the highest energy-efficiency. Firstly, the UAV/BS-GUs channels models and the UAV energy consumption model are built. Secondly, the optimization objective function is formulated to maximize the energy-efficiency gap. Then, the solution of the optimization problem is divided into a two-step iteration process, in which the UAV relay transmission power and flight radius are adjusted to maximize the energy-efficiency gap. Finally, the experimental results under different simulation scenarios (such as cities, forests, deserts, oceans, etc.) are shown to illustrate the effectiveness of the proposed algorithm. The results show that the proposed algorithm can always find the optimal UAV relay transmission power and flight radius settings, and achieve the largest energy-efficiency gap. The convergency speed of the proposed algorithm is fast, and can obtain the optimal solution within only a few iterations.     

Trajectory tracking control of a VTOL unmanned aerial vehicle using offset-free tracking MPC

Designing a stable and robust flight control system for an Unmanned Aerial Vehicle (UAV) is an arduous task. This paper addresses the trajectory tracking control problem of a Ducted Fan UAV (DFUAV) using offset-free Model Predictive Control (MPC) technique in the presence of various uncertainties and external disturbances. The designed strategy aims to ensure adequate flight robustness and stability while overcoming the effects of time delays, parametric uncertainties, and disturbances. The six degrees of freedom DFUAV model is divided into three flight modes based on its airspeed, namely the hover, transition, and cruise mode. The Dryden wind turbulence is applied to the DFUAV in the linear and angular velocity component. Moreover, different uncertainties such as parametric, time delays in state and input, are introduced in translational and rotational components. From the previous work, the Linear Quadratic Tracker with Integrator (LQTI) is used for comparison to corroborate the performance of the designed controller. Simulations are computed to investigate the control performance for the aforementioned modes and different flight phases including the autonomous flight to validate the performance of the designed strategy. Finally, discussions are provided to demonstrate the effectiveness of the given methodology.     

基于信息一致性的无人机紧密编队集结控制

提出了基于信息一致性的分段式无人机紧密编队集结控制策略,将集结过程分为3步:参考集结点选取和目标集结点分配、形成松散编队以及形成紧密编队。首先,以线切入预定航线的方式计算参考集结点,按照松散编队队形展开生成目标集结点,并利用基于三维距离空间的优化选择算法,将目标集结点快速、准确地分配给每架无人机。然后,使用速度一致性实现向目标集结点定点集结和向松散编队伴航集结,通过非精确的航迹控制快速形成松散编队,提高编队集结的效率。接下来,启动速度、姿态一致性来实现编队最终的精确航迹控制,并逐步压缩编队队形进入紧密编队,避免发生碰撞,完成从松散编队到紧密编队的平稳过渡,同时准确地跟踪预定航线。使用协同修正方法抑制了测量误差、协同误差和通信延迟,提高了紧密编队的稳定性和控制精度。最后,基于MATLAB平台环境对所提三维集结控制策略进行了仿真,验证了其合理性与有效性。     

无人机系统的安全性与危险源分析

无人机系统的战术性能及优势将使其在未来高技术战争和民用航空中发挥越来越重要的作用。然 而,由于有人机与无人机飞行事故的特点不同,使得有人机的安全性分析与管理措施不完全适用于无人机系 统。首先,对无人机系统的飞行事故进行统计分析,得出无人机系统事故的特点;然后,合理借鉴有人机的安全 性分析,定义无人机系统的安全性,提出无人机系统事故的严酷度等级划分及相应的危险可接受度;最后,从设 计、机组训练及使用操作三方面进行危险源分析。本文提出的无人机系统不安全事件发生可能性等级划分和 危险源定性分析,可为后续无人机安全管理框架的构建奠定基础。     

中低空太阳能无人机高效螺旋桨设计方法

目前对于常规螺旋桨和高空螺旋桨的设计较多,而对中低空太阳能无人机螺旋桨的研究很少,因此提出一种针对中低空太阳能无人机的高效率螺旋桨设计方法。根据太阳能无人机的飞行跨度曲线,选取爬升和主要巡航高度为设计点,首先基于Betz 最小能量损失的设计准则和片条理论及其逆向推导,计算各设计点下的弦长与桨距角分布;然后根据飞行跨度曲线对各设计点的计算结果进行权值分配,得到最终的设计弦长与桨距角分布;最后基于CFD 数值模拟技术,在验证算法的基础上对设计的螺旋桨进行仿真计算。结果表明：与使用常规螺旋桨相比较,在允许功率范围下,本文设计的螺旋桨效率在整个任务周期的飞行包线内均有明显提升,满足设计要求。     

基于多机协作的认知无人机网络能效联合优化

针对无人机（UAV）通信网络中频谱资源紧缺的问题,构建基于认知无线电的多无人机通信网络,通过多机协作频谱感知有效探索授权频谱。提出一种基于Bisection算法的迭代算法,通过联合优化感知时间和判决门限对构建的复杂非凸问题求解,显著提高了无人机次级认知网络的能量效率（EE）。分析了无人机飞行过程中能效的变化情况,仿真结果表明,存在最优感知时间使能效获得最大值,且判决门限的选择会影响该能效最优值;提出的高能效迭代算法具有较好收敛性,有效提高了认知无人机网络的能量利用率。     

应用极值搜索算法优化无人机近距离编队飞行

针对无人机近距离编队飞行问题，采用极值搜索算法．解决其中僚机所需动力最小化的控制问题。在近距离飞行编队中，充当僚机的无人机会受到前面长机产生的旋涡力的影响，旋涡力是两飞机间距离的函数，以僚机的俯仰角作为搜索目标，寻求两无人机问的最大旋涡力．使得僚机所消耗动力最小，从而构造出最优的飞行编队结构。通过仿真．验证了所设计的控制方法能够极大地节省僚机的能量。     

并联混合动力齿轮传动涡扇发动机建模与性能分析

为对比探究未来大推力航空混合动力系统与传统航空发动机的优劣,本文依托某概念型齿轮传动涡扇(Geared turbofan,GTF)发动机,设计了一个并联航空油-电混合动力系统(hybrid GTF,hGTF),在Matlab /Simulink数字仿真软件中建立相匹配的电动力模型以及氮氧化物NOx排放和噪声预测等性能参数计算模型,并在稳态和飞行任务剖面下初步分析了电动力系统的引入对原基线GTF发动机的性能改变状况。稳态仿真结果表明,大推力等级的并联油-电混合动力系统中,至少需要兆瓦级的电动力系统进行匹配;当电动力系统处于电动模式时,可能会带来低压压气机喘振的隐患;当电动力系统处于再生模式时,电能源相当于经过了电能到机械能再到电能的二次效率损失,不建议采用。飞行任务剖面动态仿真结果表明,相比于传统GTF发动机,hGTF推进系统的燃油消耗率最高下降15%,总燃油消耗节省8.3%, NOx总排放量减少18.8%,各部件起飞噪声总声压级减少1.5~3.3dB。分析结果表明采用并联混合动力系统具有显著提升省油、减排效果的能力,同时也具有一定的降噪潜力。     

基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

本文针对某无人机基于聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统的应用,研究开发了一种基于自适应神经模糊推理系统的电源管理系统控制技术,以控制混合动力电力推进系统,同时优化燃料电池供气系统的性能。本文以所建立的某无人机混合电推进系统数学模型为研究对象,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型。在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能。基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值。自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能。在Matlab 仿真环境中开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型并对所设计的控制器进行了仿真分析,结果表明基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出。将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行了比较,结果表明优化的压缩机功率配置比恒定的压缩机功率配置节能2.62%。同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用。     

超长航时太阳能无人机关键技术综述

超长航时太阳能无人机（UAV）以其高效节能、原理上可实现无限巡航的特点受到广泛关注，而其独特的设计指标与任务特性也对各项关键技术提出了较高要求。多设计要素的高度耦合意味着不同于常规飞行器的总体设计方法，低密度、低速度的飞行条件使其具有明显的低雷诺数气动特性，柔性超大展弦比机翼带来了复杂的气动弹性问题，低翼载荷特性与较大的风场扰动增加了控制难度，极端的飞行环境与苛刻的任务指标对能源、动力系统带来了新挑战，飞行性能对能源系统的高度依赖开辟了飞行轨迹优化的研究方向。本文梳理了超长航时太阳能无人机关键技术的研究现状，在此基础上对各项技术中的难点问题进行了阐释，并对超长航时太阳能无人机未来发展趋势进行了展望。     

无人机爬升转弯航迹预测

信息获取、自动精确打击等使得无人机已成为不可缺少的武器。快速精确的航迹预测可以提高作战效率,提供及时、最优的冲突解决方案。针对无人机的优良特性,首先优化无人机的航迹模型,并对其可行性进行理论推导,重点研究了以最大功率爬升转弯过程,验证了优化后的过程优于普通爬升转弯模型。此航迹预测方法可以快速得出航迹特征点以及到达航迹特征点的时间。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况，开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进，实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础，设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例，建立了太阳能电池阵列模型，开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验；基于"蒲公英I"飞行剖面，开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪，与萤火虫算法相比收敛时间更短、且功率波动幅度更小；采用改进萤火虫算法和状态机能源管理策略，在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。