一种用于自动对移动平台投放的飞行控制系统

技术领域

本发明涉及飞行控制技术领域，更具体地说，本发明涉及一种用于自动对移动平台投放的飞行控制系统。

背景技术

自动对移动平台投放的飞行控制系统背景技术主要涉及到飞行控制技术、自主导航技术和目标识别技术等，这些技术的综合应用可以实现无人机在移动平台上自主进行目标识别、路径规划和精准投放的功能，但是当前飞行控制系统在自主导航和精准投放方面的精度和稳定性有待提高，并且无人机的投放轨迹模型是一个理想的固定的过程，这可能导致某些重要的物理过程被忽略或简化，使用无人机的投放轨迹模型时，需要判断投放轨迹模型的实用性，并加入数据反馈机制。

为了解决上述缺陷，现提供一种技术方案。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种用于自动对移动平台投放的飞行控制系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种用于自动对移动平台投放的飞行控制系统，包括数据采集模块、数据分析模块、评估模块、深度评估模块，模块之间信号连接；

数据采集模块，用于采集无人机进行投放前的环境信息和动力信息，并采集无人机对移动平台投放过程的飞行数据信息和投放数据信息；

数据分析模块，用于对采集到的数据进行处理，根据环境信息和动力信息，获得雷诺数异常累积系数、位置偏差系数以及风向波动系数，根据飞行数据信息和投放数据信息，获得时间偏差系数和识别频率系数；

评估模块，用于通过雷诺数异常累积系数、位置偏差系数以及风向波动系数构建数据分析模型，生成影响评估系数，判断进行投放前的无人机是否能够精准投放；

深度评估模块，用于通过时间偏差系数和识别频率系数构建深度数据分析模型，生成投放评估系数，判断无人机执行投放任务的性能；

在一个优选地实施方式中，动力信息包括雷诺数异常累积系数和位置偏差系数，包括：

所述雷诺数异常累积系数的获取逻辑为：通过无人机佩戴的检测设备，获得空气的密度和空气的黏度，通过公式计算雷诺数，雷诺数计算公式：

通过采集物体在最佳的无人机投放位置投放后，获得不同时刻的物体与空气的相对运动速度，对采集到的速度数据进行处理，包括数据清洗、筛选和整理，选择适当的数学模型来拟合物体与空气的相对运动速度与时间的关系,确定物体与空气的相对运动的速度与时间的函数关系，并将物体与空气的相对运动的速度与时间的函数关系标记为：

根据相对运动的速度与时间的函数关系，获得雷诺数与时间的函数关系，并将雷诺数与时间的函数关标记为：

设置雷诺数阈值，计算雷诺数异常累积系数，计算公式为

所述位置偏差系数的获取逻辑为：获取无人机的位置信息，其中包括无人机的经纬度和高度，将无人机的经度标记为：

获得每次无人机应该处于的位置信息，并将预设无人机的经度、纬度和高度标记为：

计算位置偏差系数，计算公式为：

在一个优选地实施方式中，环境信息通过风向波动系数表示，包括：

所述风向波动系数的获取逻辑为：通过在无人机上部署监测设备，获得单位时间段内风速关于无人机行驶角度的变化，将风速与z轴的夹角标记为：

计算单位时间段内风速关于无人机行驶角度的平均值和标准差，将风速与z轴夹角的平均值和标准差标记为：

其中，

计算风速与z轴夹角的变异系数，计算公式为：

计算风向波动系数，计算公式为：

在一个优选地实施方式中，通过雷诺数异常累积系数、位置偏差系数以及风向波动系数构建数据分析模型，生成影响评估系数，包括：

将环境信息和动力信息综合性分析，通过雷诺数异常累积系数、位置偏差系数以及风向波动系数构建数据分析模型，生成影响评估系数，影响评估系数的计算公式为：

在一个优选地实施方式中，判断进行投放前的无人机是否能够精准投放，包括：

设置影响评估系数阈值，将影响评估系数与影响评估系数阈值对比，若影响评估系数大于影响评估系数阈值，则生成预警信号，说明无人机按当前的飞行姿态不适合对移动平台的精准投放，需要调整飞行姿态后进行投放任务，若影响评估系数小于影响评估系数阈值，则不生成预警信号，说明飞行控制系统的投放轨迹模型适用于对移动平台的投放任务。

在一个优选地实施方式中，飞行数据信息通过整体时间偏差系数表示，包括：

所述时间偏差系数的获取逻辑为：获取最佳的无人机投放位置的时间，并将最佳的无人机投放位置的时间标记为：

计算整体时间偏差系数，计算公式为：

在一个优选地实施方式中，投放数据信息通过识别频率系数表示，包括：

所述识别频率系数的获取逻辑为：获得实际投放位置与目标位置之间的距离，设置实际投放位置与目标位置之间的距离阈值，将实际投放位置与目标位置之间的距离小于实际投放位置与目标位置之间的距离阈值作为一次正确识别，获取一段时间范围内正确识别的次数，并将一段时间范围内正确识别的次数标记为：CS，计算识别频率系数，计算公式为：

在一个优选地实施方式中，用于通过时间偏差系数和识别频率系数构建深度数据分析模型，生成投放评估系数，包括：

将飞行数据信息和投放数据信息综合性分析，通过整体时间偏差系数和识别频率系数建立深度数据分析模型，生成投放评估系数，投放评估系数的计算公式为：

一个优选地实施方式中，判断无人机执行投放任务的性能，包括：

设置投放评估系数阈值，将投放评估系数与投放评估系数阈值对比，若投放评估系数小于投放评估系数阈值，则生成调整反馈信号，表示以提示飞行控制系统当前的性能未达到预期水平，需要进行调整，若投放评估系数大于投放评估系数阈值，则不生成信号，表示飞行控制系统表现良好。

本发明的技术效果和优点：

1、本发明通过环境信息和动力信息综合性分析，评估无人机在移动平台的投放任务的适用性，主要考虑了物体下落时的流体动力学以及风向对物体轨迹的影响，并结合无人机的飞行轨迹对投放任务进行预测，有助于确保投放任务的安全性、准确性和有效性；

2、本发明通过飞行数据信息和投放数据信息综合性分析，通过无人机传回的实际飞行数据和投放结果，对模型进行调整和优化，有助于改进飞行控制系统的环境适应性和应变能力。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明一种用于自动对移动平台投放的飞行控制系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

如图1给出了本发明一种用于自动对移动平台投放的飞行控制系统的结构示意图，其中包括数据采集模块、数据分析模块、评估模块、深度评估模块，模块之间信号连接；

数据采集模块，用于采集无人机进行投放前的环境信息和动力信息，并采集无人机对移动平台投放过程的飞行数据信息和投放数据信息；

数据分析模块，用于对采集到的数据进行处理，根据环境信息和动力信息，获得雷诺数异常累积系数、位置偏差系数以及风向波动系数，根据飞行数据信息和投放数据信息，获得时间偏差系数和识别频率系数；

评估模块，用于通过雷诺数异常累积系数、位置偏差系数以及风向波动系数构建数据分析模型，生成影响评估系数，判断进行投放前的无人机是否能够精准投放；

深度评估模块，用于通过时间偏差系数和识别频率系数构建深度数据分析模型，生成投放评估系数，判断无人机执行投放任务的性能；

飞行控制系统控制无人机的飞行轨迹，在无人机飞行的过程中，通过构建投放轨迹模型确定投放物体的下落轨迹，确保下落轨迹精准落到移动平台上，其中，无人机在接近移动平台时，飞行控制系统控制无人机在移动平台上空盘旋，实时收集并分析周围环境的信息，基于周围环境的信息，系统会动态规划飞行路径，确保无人机能够稳定盘旋并准备进行投放操作，在投放过程中，飞行控制系统会不断监控无人机的状态和环境条件，根据实时数据以及投放物体的位置，进行调整和优化。

需要说明的是，飞行控制系统需要实时追踪移动平台的位置和运动状态，使用GPS等定位设备来获取平台的实时位置信息，并根据这些信息进行投放修正，并且飞行控制系统需要与移动平台上的控制系统进行协同工作，通过通信链路实时交换数据，以便飞行控制系统能够及时获取到移动平台的实时位置信息。

因为无人机在对移动平台进行投放时，大大提高了投放物体精准度的难度，无人机的投放轨迹模型通常是在理想状态下构建，因此在进行投放任务前，通过进行无人机投放实验，根据无人机投放实验数据构建无人机的投放轨迹模型，或通过传感器等监测设备获取环境信息，将获取的环境信息与历史数据中的环境信息对比，确定历史数据中的相似环境信息，使用历史数据中相似环境信息的投放轨迹模型。

通过无人机的投放轨迹模型与移动平台的位置，进行轨迹规划，确定最佳的无人机投放位置，以使投放物体能够准确地到达目标位置，为提高无人机投放的准确性，避免投放的不精准，通过采集实时的环境信息和动力信息，其中，环境信息包括风向对投放物体的影响，动力信息为物体在空气中的运动对投放物体的影响和无人机与移动平台的相对稳定性。

物体在空气中的运动对投放物体的影响通过雷诺数表示，其中，当雷诺数较小时，流体流动更倾向于层流，投放物体可能更容易受到流体流动的影响而运动更加稳定，因此在某些情况下投放物体可能更精准，当雷诺数较大时，流体流动更容易转变为湍流，导致投放物体的运动变得更加不稳定，从而影响投放的精准度，湍流流动会导致以下几个方面的影响，从而影响投放的精准度：

飞行轨迹不稳定：湍流流动通常表现出不规则和变化多端的特性，导致投放物体的飞行轨迹变得不稳定，投放物体可能会受到湍流涡旋的影响而产生偏移或剧烈摆动，从而使得其难以准确到达目标位置。

阻力影响增大：湍流流动会增加投放物体受到的空气阻力，使得其飞行速度和轨迹受到更大的影响，这可能导致投放物体的下落速度不稳定，进而影响到达目标位置的精准度。

飞行稳定性降低：湍流流动会增加投放物体受到的不规则干扰，使得其飞行稳定性降低，投放物体可能会更容易受到外界风场的影响而失去平衡，从而影响飞行的精准性。

无人机与移动平台的相对稳定性对投放物体的影响包括：

平台运动稳定性：移动平台的运动稳定性直接影响着无人机在平台上的稳定性，如果移动平台在运动过程中不稳定，无人机在平台上的位置和姿态可能会发生变化，从而影响到投放物体的准确性。

飞行控制系统的响应速度：无人机的飞行控制系统需要能够及时地感知到移动平台的运动，并相应地调整飞行姿态以保持稳定，如果飞行控制系统的响应速度较慢，可能导致无人机无法及时地跟随移动平台的运动，进而影响投放物体的准确性。

风向对投放物体的影响包括：

偏移影响：风向的改变会影响投放物体的飞行方向，导致其偏离预期的飞行轨迹，特别是在风向与投放方向不一致时，风会对投放物体产生侧向力，使其偏离原本计划的飞行路径。

风阻影响：风向的变化会影响投放物体受到的风阻力，当风向与投放方向相同或相反时，风阻力会增加，导致投放物体下落速度减慢或者加快，进而影响到达目标位置的时间和速度。

其中，动力信息通过雷诺数异常累积系数和位置偏差系数表示，所述雷诺数异常累积系数的获取逻辑为：通过无人机佩戴的检测设备，获得空气的密度和空气的黏度，通过公式计算雷诺数，雷诺数计算公式：

需要说明的是，通过气象信息和地面站数据，可以了解空气的运动状态，用数值模拟和仿真技术，模拟物体在不同环境条件下的飞行状态和运动轨迹，从而计算物体与空气的相对运动速度。

通过采集物体在最佳的无人机投放位置投放后，获得不同时刻的物体与空气的相对运动速度，对采集到的速度数据进行处理，包括数据清洗、筛选和整理，选择适当的数学模型来拟合物体与空气的相对运动速度与时间的关系,确定物体与空气的相对运动的速度与时间的函数关系，并将物体与空气的相对运动的速度与时间的函数关系标记为：

根据相对运动的速度与时间的函数关系，获得雷诺数与时间的函数关系，并将雷诺数与时间的函数关标记为：

设置雷诺数阈值，计算雷诺数异常累积系数，计算公式为：

需要说明的是，雷诺数阈值基于一些经验和实验观察得出的，由专业领域的工作人员设置，若雷诺数超过雷诺数阈值，表示在物体下落的时间段的飞行轨迹更不准确，很有可能偏离投放轨迹模型预设的飞行轨迹。

所述位置偏差系数的获取逻辑为：获取无人机的位置信息，其中包括无人机的经纬度和高度，将无人机的经度标记为：

获得每次无人机应该处于的位置信息，并将预设无人机的经度、纬度和高度标记为：

需要说明的是，无人机与移动平台的相对稳定性对投放物体的影响是多方面的，包括移动平台的运动稳定性、飞行控制系统的响应速度、传感器的精度等因素，飞行控制系统需要与移动平台上的控制系统进行协同工作，通过通信链路实时交换数据，以便飞行控制系统能够及时获取到移动平台的实时位置信息，其中，信号干扰、信号延迟、通信丢包、信号强度不稳定都可能使无人机与移动平台的相对位置出现偏差。

计算位置偏差系数，计算公式为：

环境信息通过风向波动系数表示，所述风向波动系数的获取逻辑为：通过在无人机上部署监测设备，获得单位时间段内风速关于无人机行驶角度的变化，将风速与z轴的夹角标记为：

计算单位时间段内风速关于无人机行驶角度的平均值和标准差，将风速与z轴夹角的平均值和标准差标记为：

其中，

计算风速与z轴夹角的变异系数，计算公式为：

计算风向波动系数，计算公式为：

将环境信息和动力信息综合性分析，通过雷诺数异常累积系数、位置偏差系数以及风向波动系数构建数据分析模型，生成影响评估系数，影响评估系数的计算公式为：

由公式可知，雷诺数异常累积系数、位置偏差系数、风向波动系数越大，则影响评估系数越大，说明无人机在投放物体前不能够精准命中移动平台的可能性越高，表示投放轨迹模型越不适用于物体的投放轨迹，反之，雷诺数异常累积系数、位置偏差系数、风向波动系数越小，则影响评估系数越小，说明无人机在投放物体前能够精准命中移动平台的可能性越高。

设置影响评估系数阈值，将影响评估系数与影响评估系数阈值对比，若影响评估系数大于影响评估系数阈值，则生成预警信号，说明无人机按当前的飞行姿态不适合对移动平台的精准投放，需要调整飞行姿态后进行投放任务（调整飞行姿态，如何进行调整，此为现有技术，在此不做详细的阐述），若影响评估系数小于影响评估系数阈值，则不生成预警信号，说明飞行控制系统的投放轨迹模型适用于对移动平台的投放任务。

本实施例通过环境信息和动力信息综合性分析，评估无人机在移动平台的投放任务的适用性，主要考虑了物体下落时的流体动力学以及风向对物体轨迹的影响，并结合无人机的飞行轨迹对投放任务进行预测，有助于确保投放任务的安全性、准确性和有效性。

实施例2：

上述实施例评估无人机在移动平台的投放任务的适用性，确保投放任务的安全性、准确性和有效性，当无人机进行投放任务后加入实时数据反馈机制，通过无人机传回的实际飞行数据和投放结果，对模型进行实时调整和优化，进一步提升投放精度和稳定性。

通过每次无人机对移动平台的投放，采集无人机传回来的实际飞行数据和投放结果，包括飞行数据信息和投放数据信息，飞行数据信息反映了无人机投放物体的效率，无人机投放物体的时间越短，表示无人机投放物体的效率越高，投放数据信息反映了无人机投放物体的精度。

需要说明的是，投放任务的效率可以通过投放时间来评估，投放时间短意味着无人机能够快速准确地完成任务，从而提高了整个投放过程的效率，投放时间的缩短可以减少资源消耗，提高生产效率，并且可以降低对环境的影响，投放时间的缩短不能以牺牲投放的精确性和稳定性为代价，在追求投放时间的同时，还需要确保投放的准确性、稳定性和安全性，即投放前未生成预警信号，并完成确定最佳的无人机投放位置。

飞行数据信息通过整体时间偏差系数表示，所述时间偏差系数的获取逻辑为：获取最佳的无人机投放位置的时间，并将最佳的无人机投放位置的时间标记为：

计算整体时间偏差系数，计算公式为：

由公式可知，整体时间偏差系数越大，说明用于衡量实际完成任务所花费的时间与预期完成任务所需时间之间的差异，从而反映任务执行的整体时间偏差情况，整体时间偏差系数越小，表示投放任务的时间准确性越高，任务执行的整体效率越好。

投放数据信息通过识别频率系数表示，所述识别频率系数的获取逻辑为：获得实际投放位置与目标位置之间的距离，设置实际投放位置与目标位置之间的距离阈值，将实际投放位置与目标位置之间的距离小于实际投放位置与目标位置之间的距离阈值作为一次正确识别，获取一段时间范围内正确识别的次数，并将一段时间范围内正确识别的次数标记为：CS，计算识别频率系数，计算公式为：

需要说明的是，T表示一个时间范围，用来限定统计正确识别的次数，T具体设置的值由专业领域的工作人员设定，基于无人机投放物体的数量以及完成投放物体的时间。

由公式可知，识别频率系数越高，表示无人机在执行任务时成功识别目标的概率越大，目标识别的准确性越高,反之，识别频率系数越低，则表示目标识别的准确性较低，需要进一步优化目标识别算法或改进识别策略。

将飞行数据信息和投放数据信息综合性分析，通过整体时间偏差系数和识别频率系数建立深度数据分析模型，生成投放评估系数，投放评估系数的计算公式为：

由公式可知，整体时间偏差系数越小、识别频率系数越大，则投放评估系数越大，表示飞行控制系统的性能越好，无人机在执行投放任务时的表现越优秀，能够更准确、稳定、高效地完成任务，反之，整体时间偏差系数越大、识别频率系数越小，则投放评估系数越小，表示目标识别的准确性较低，需要进一步优化目标识别算法或改进识别策略。

设置投放评估系数阈值，将投放评估系数与投放评估系数阈值对比，若投放评估系数小于投放评估系数阈值，则生成调整反馈信号，表示以提示飞行控制系统当前的性能未达到预期水平，需要进行调整（具体如何进行调整，此同样为现有技术，在此不做详细的阐述），帮助及时发现投放任务执行中的问题并采取有效的措施加以解决，从而提高投放任务的准确性、稳定性和效率，若投放评估系数大于投放评估系数阈值，则不生成信号，表示飞行控制系统表现良好，无人机投放的性能和精准度较高。

本实施例通过飞行数据信息和投放数据信息综合性分析，通过无人机传回的实际飞行数据和投放结果，对模型进行调整和优化，有助于改进飞行控制系统的环境适应性和应变能力。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。