Battery-Aware Predictive Trajectory Planning and Control for Multirotors Under Disturbances
本文介绍了一种针对多旋翼飞行器的电池感知预测轨迹规划与控制框架，该框架集成了闭环飞行器、电机及电池动力学，旨在优化空间局部扰动下的飞行路径，从而在适应不同电池状态和控制器选择的同时，显著降低能量消耗并减小跟踪误差。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
无人驾驶飞行器，即常被称为“无人机”的小型飞行机器人，正日益被期望在现实世界中执行长时间、自主性的任务。这些机器完全依赖电池供电，其完成任务的能力取决于储存在电池中的能量与维持飞行所需努力之间的微妙平衡。当无人机在平静的空气中飞行时，其能量消耗是可预测的。然而，现实世界很少是平静的。阵风和湍流气流就像看不见的障碍物，迫使无人机的计算机必须更加努力地工作以保持航向。这种额外的努力会更快地消耗电池，并降低提供给电机的电压。随着电池电量减弱，电机旋转的速度会比满电时慢，从而产生连锁反应：剧烈的飞行路径可能会导致无人机剩余的电量不足以完成任务。工程师面临的挑战在于规划一条不仅能避开障碍物，还能预判风力如何消耗电池以及如何限制电机未来强度的飞行路径。
代顿大学的一位研究人员开发了一种新的飞行规划方法，该方法将电池、电机和风视为一个单一的、相互连接的系统，而非独立的部件。该软件并非仅仅绘制一条从A点到B点的直线，而是在无人机起飞前就对其整个旅程进行模拟。它计算特定路径将如何与已知的风力扰动发生相互作用，电机需要多少额外能量来对抗这些风，以及这种能量消耗将如何降低电池电压。至关重要的是，该系统随后会提出第二个问题：如果电池电压下降到一定水平，电机是否仍然足够强大以遵循同一条路径？通过对许多可能的路线进行这种复杂的模拟，该软件会选择那条能让无人机保持安全、精准且动力维持时间最长的路线。
在一项详细的计算机模拟中，研究人员针对一项持续150秒、距离640米的任务测试了这种方法。该路线包括三个明显的区域，预计在这些区域内会出现强烈的局部风力扰动。研究人员将这种新的“电池感知型”规划方法与一种虽然了解风力但未考虑飞行过程中电池变化的常规方法进行了对比。结果非常显著。新方法选择了一条在接近风区时降低高度的飞行路径，有效地引导无人机穿过较平静的空气层。这一简单的调整减少了7.46%的总电能消耗。更重要的是，它极大地提高了无人机保持既定航线的能力。常规方法在抗风时表现挣扎，导致较大的偏差，而电池感知型计划将跟踪误差降低了约72%。
研究人员还发现，这种新方法的益处在很大程度上取决于电池的状态。当电池在任务开始时处于高电量状态时，无论软件是被告知要担心电池还是不担心，都会做出同样的智能调整。在这种条件下，电池足够强劲，电机从未达到极限，因此额外的电池计算并不会改变最终路线。然而，研究人员进行了第二次测试，其中无人机以电量耗尽的状态开始任务，模拟了一种压力巨大的低功率场景。在这种情况下，电池感知型规划器选择了截然不同的路径，比其他方法更积极地改变了飞行高度。这表明，当电力匮几时，精确了解电池电压将如何下降，可以使规划器做出不同且更安全的决策。研究证实，忽视电池不断变化的强度会导致无人机在电量较低时做出糟糕的决策。
为了确保结果的稳健性，研究人员使用四种不同的控制软件测试了所选的飞行路径，这些软件可用于无人机自主转向。尽管飞行路径完全相同，但不同的控制器产生了不同的能量消耗和精度结果。一个控制器能够非常精确地跟踪路径但消耗更多能量，而另一个则精度稍逊但效率更高。这凸显了一个关键发现：规划软件和转向软件扮演着不同的角色。规划器根据其对电池和电机的预测来设定路线，但最终结果仍取决于无人机的转向系统如何应对风力。该研究并未声称解决了无人机飞行的所有问题，但它清晰地证明了：在规划路线时同时预测电池和电机的行为，可以实现更安全、更高效的任务。
研究人员通过将他们的数学模型与一种高度详细的行业标准模拟工具进行对比，验证了其模型的准确性，发现其简化的模型足以用于规划中的重复使用。他们还指出，虽然该方法在模拟中表现良好，但目前依赖于在飞行前准确获知风力位置。未来的工作将致力于在飞行过程中实时更新这些计划，从而使其能够应对未预见的风力。目前，这项研究证明了将无人机的飞行计划、电池健康状况和电机限制视为一个单一且相互关联的谜题，是延长自主飞行航程和可靠性的有力途径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。