尽量减少监视无人飞行器的燃料消耗,使用并行粒子群集优化

科学领域:

• 航空航天工程 航空航天工程
• 人工智能的人工智能
• 运营研究 运营研究

背景情况:

• 无人驾驶飞行器 (UAV) 对于监视任务至关重要,其中自主性和耐力是关键性能指标.
• 减少无人机的燃料消耗直接转化为更大的作战范围和任务持续时间.
• 优化无人机电源设置的现有方法往往缺乏效率或适应动态任务参数的适应性.

研究的目的:

• 开发和验证粒子群集优化 (PSO) 方法,以优化在预定义的轨迹上优化无人机功率设置.
• 为了尽量减少燃料消耗,并最大限度地提高固定翼无人机在监视操作期间的自主性.
• 通过并行化来提高优化过程的计算效率.

主要方法:

• 实现了固定翼无人机的3D路径平滑,使用圆弧在路标上.
• 使用运动方程和牛顿方程分解来计算基于功率设置的燃料消耗.
• 应用粒子群优化 (PSO) 来确定最佳功率设置,遵守物理约束 (负载系数,升力系数,速度,燃料容量).
• 在多核处理器上并行了PSO算法,以加速计算.

主要成果:

• 拟议的PSO方法在测试轨迹上实现了高达25%的燃料消耗降低.
• 并行实现显示了21.67×的显著加快速度,与连续的CPU实现相比.
• 该方法成功地优化了功率设置,同时尊重所有指定的物理约束.

结论:

• 粒子群集优化 (PSO) 提供了一种有效的策略,可以最大限度地降低燃料消耗,并提高无人机在监视任务中的自主性.
• 并行方法提供快速,实时的功率设置优化,对于适应飞行轨迹变化至关重要.
• 这项研究为提高无人机操作的效率和有效性提供了有价值的工具.