无人机编队空中无线充电方法与流程

本发明涉及无人机充电方法，尤其涉及一种无人机编队空中无线充电方法。

背景技术：

无人驾驶飞行器也称为无人机，是一种不受任何飞行员驾驶的飞机。无人机在军事和民用领域都有广泛的应用。前者的应用是无人机可以执行诸如探测，攻击和边界监视等任务。后者的应用是无人机可以在高风险区域执行诸如航空摄影，救援和紧急通信等困难任务。它能很好地结合人工智能、信息传输、自动巡航的尖端技术，并且有着快速部署的特点，得到了广泛的应用。可以根据不同的任务需求来制定不同规格的无人机，比如，执行简单监控任务，可以只部署一个或很少数量的无人机。较为复杂的任务，例如，欧洲公益项目saga，利用无人机机群来绘制农田杂草地图，帮助提高农作物产量。单一无人机可以在有限的时间内执行单一的任务，无人机机群可以协作完成更加复杂的任务。

然而，无人机的飞行和执行任何任务，它们所消耗的能量都来自其所携带的能量源。能量源可以是油箱和电池，对于使用化学油的无人机，现在有空中加油技术。但对于使用电池的无人机，目前对这种无人机充电的研究发明还很少。电池电量在这种无人机中起着至关重要的作用，也是其可接受性领域和操作的瓶颈。无人机电池容量限制了其飞行时间和任务持续时间。如果我们想延长其任务时间，就必须给予它充足的能量。有两种方式，第一种是增加电池容量，然而这会显著增加无人机的重量和体积，对于无人机机群来说，可能并不可靠。第二种是对无人机进行电能补充。

显然，无人机执行任务时电能补充，就是对其充电。充电方式有两种，第一种是接触式充电，这需要无人机着陆到指定位置和充电端口对齐。有一种无人机着陆到电线上充电的方法，但由于一些硬件设计问题和安全问题，可能这种充电方式并不可靠。有人考虑了无人机着陆通常存在偏差的问题，并提出了一种无人机无需精准着陆就可以充电的方案。这种接触式充电方案存在着无法避免的劣势，比如无人机可能会在较长的充电时间内无法继续它的任务，遇到紧急情况时非常不灵活。

另一种充电方式是无接触的，目前对于空中无人机充电的一种充电方式时激光束。地面上有一辆激光发射车，发射激光来对无人机充电。但是这种方式，发射车必须不断地检测捕捉无人机的位置，因此非常不灵活。另外，激光对人也是不安全的，因此激光方式可能在短时间内并不能得到很好的应用。

技术实现要素：

发明目的：针对以上问题，本发明提出一种无人机编队空中无线充电方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种无人机编队空中无线充电方法，包括固定拓扑结构和非固定拓扑结构下的无线充电。

所述固定拓扑结构下，一对一充电方法，包括步骤：

(1)根据确认的充电主机和任务无人机，规划充电主机依次充电的路径；

(2)充电主机移动，为第一个任务无人机充电，并计算在该节点最佳停留充电时间；

(3)上一个充电任务完成或中断后，计算下一个充电节点；

(4)充电主机往下一个计划充电节点方向移动。

所述固定拓扑结构下，一对多充电方法，包括步骤：

(1)对任务无人机进行分簇；

(2)规划充电主机依次充电的路径；

(3)充电主机移动，为第一个任务无人机簇充电，并计算在该簇的最佳停留充电时间；

(4)上一个充电任务完成或中断后，计算下一个充电簇；

(5)充电主机往下一个计划充电簇移动。

进一步地，簇内，充电主机在一个位置同时对多个任务无人机充电，并计算最有效率的充电位置。

所述非固定拓扑结构下，静态充电主机的充电方法，包括步骤：

(1)根据任务无人机的移动范围确定充电主机的最佳部署位置；

(2)充电主机停留到最佳部署位置，当任务无人机经过该区域时或在此停留时，便会自动充电；

(3)充电主机根据周围的任务无人机的需求情况，调节向外辐射的功率。

所述非固定拓扑结构下，动态充电主机一对一的充电方法，包括步骤：

(1)规划充电主机的路径，寻找最佳的充电路径；

(2)充电主机移动，为第一个任务无人机充电，并计算在该节点的最佳充电时间；

(3)上一个充电任务完成或中断后，计算下一个充电节点；

(4)充电主机往下一个计划充电节点方向移动；

(5)调节充电过程中充电主机和任务无人机的相对位置偏差。

所述非固定拓扑结构下，动态充电主机一对多的充电方法，包括步骤：

(1)充电主机收集周围任务无人机的移动方向信息，规划充电路径；

(2)充电主机跟随多个需要充电的任务无人机一起飞行，形成一个充电区域，进行充电；

(3)充电主机根据周围的任务无人机的充电请求不断计算下一个移动方向；

(4)上一个充电任务完成，充电主机向下一个目标节点移动；

(5)充电主机根据周围的任务无人机的需求情况，调节向外辐射的功率。

进一步地，除了充电主机可以充电之外，任务无人机也具有无线电能传输能力，相邻的任务无人机可以共享彼此的能量，形成基于共享能量的充电体系。

进一步地，无线充电的同时可以进行无线携能通信。

有益效果：本发明无人机可以源源不断地获取能量，延长任务时间；可以碎片化地进行电能补充；可以灵活地调整输入输出功率，更加节能；甚至无人机不携带电池就可以执行任务，会使设计更加简单。

附图说明

图1是本发明固定拓扑结构下一对一充电模型图；

图2是本发明固定拓扑结构下一对多充电模型图；

图3是异构系数示意图；

图4是本发明非固定拓扑结构下，静态充电主机充电模型图；

图5是本发明非固定拓扑结构下，动态充电主机一对一充电模型图；

图6是本发明非固定拓扑结构下，动态充电主机一对多充电模型图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

假设场景内有若干架可以提供充电服务的无人机，我们称它为充电主机(ch)。有一些执行任务的无人机，称作任务无人机(md)。所有的任务无人机的能量源都是它们自身所携带的电池。ch的能量可以来自太阳能、地面补充等等，ch和md装配有无线收发器，md的能量只能通过ch无线充电来补充。

常见的无线充电方式有三种，分别是电感耦合、磁共振耦合和射频(rf)方式。基于rf的充电方式有着充电距离远、射频能量可控、输出功率恒定、可以对多个设备同时进行充电和可以和现代通信系统兼容的优势，因此，这种充电方式适合无人机编队空中充电。

由于是在空中充电，基于rf的充电方式的充电模型是视线的，因此，单个md接收到的能量pr为：

其中，pt是充电机的输出功率，gt和gr分别是发射天线和接收天线增益，λ是发射波长，d是发射天线和接收天线之间的距离，l是路径损耗因子。

我们将充电场景分为两大基本类，分别是固定拓扑结构和非固定拓扑结构。前者是无人机机群拓扑结构不发生改变，后者是不断改变。

固定拓扑结构场景可以根据md的运动状态分为静态任务无人机场景和动态任务无人机场景。前者是所有任务无人机在某个固定点提供服务，它们的水平位置不发生改变。后者，所有的任务无人机等矢量水平位移，但相对位置不变。在不同的场景下，根据无线充电可以多充电的特性，又可将场景分为两类，分别是一对一和一对多。

非固定拓扑结构场景是，当任务无人机群相对位置发生改变的情况。在非固定拓扑结构场景下，根据ch的运动状态，可以将其分为两类，分别是静态充电主机和动态充电主机场景。

固定拓扑结构

在静态任务无人机场景下，整个系统运行过程中，充电主机需要根据任务无人机的需求进行充电调度和部署。这种情况的主要问题在于如何调度和部署充电主机，使得在一定时间内，失效的节点(即能量在阈值以下)数最小。此时，根据射频充电的特性，无线充电结构可以分为两种，一对一和一对多。

一对一：充电结构为一对一，即充电主机一次只对一个任务无人机进行充电，这种充电方式可以节约充电主机自身的能量，最重要的是由于rf充电能量供应可控，可以支持有qos要求的充电。假设场景内只有一台充电主机，充电模型如图1所示。

黑色的线为充电主机的移动方向，在上一个充电任务完成或中断后，充电主机往下一个计划充电节点方向移动，绿色的线为充电能量流。在该场景下，由于知道充电主机和任务无人机的位置，充电主机可以使用定向单天线发射机，然而，单天线发射机的能量传输效率会随着距离平方而衰减。因此，充电主机和任务无人机应该相互处于合适的位置以提高充电效率。

固定拓扑结构下，一对一充电方法，包括步骤：

(1)根据确认的充电主机和任务无人机，规划充电主机依次充电的路径；

(2)充电主机移动，为第一个任务无人机充电，并计算在该节点最佳停留充电时间；

(3)上一个充电任务完成或中断后，计算下一个充电节点；

(4)充电主机往下一个计划充电节点方向移动。

这种充电结构需要考虑的问题有：

(1)充电速率：是为了保证硬件安全和能量的递增性，由于无线充电的热效应很明显，随着输入输出功率的增大，热能也随之增大，因此需要在热效应和更快充电速率之间找出一个权衡。由于任务无人机的所有行为需要不断的能量消耗，在充电的同时，需要保证充入的电能大于同时间消耗的电能，这样才能保证电池能量递增。

(2)在该节点最佳停留充电时间：要使得在一定时间内，失效的节点数最少，那么就需要让尽可能多的任务无人机的能量保持在阈值以上，如果充电主机为一架任务无人机停留充电时间过长，那么可能会导致其它任务无人机迟迟得不到电能补充而处于危险电量水平，所以，在为一架任务无人机充电时，需要仔细考虑为该节点提供多长的服务时间最好。

(3)下一个充电节点的计算：在完成上一个充电任务后，需要计算最好为哪一个任务无人机进行充电任务，这需要考虑其它任务无人机的的距离--包括与充电主机的距离，和其它任务无人机之间的距离、当前电能和预计能量消耗速率。综合考虑这几个问题，使整个无人机网络稳定，是无人机机群充电网络的一项挑战。

(4)充电主机路径规划：如果我们已经确定了几个需要充电的任务无人机，如何规划访问路径以最快地遍历整个结构是一个挑战。如果先为距离近的节点服务，那么其它距离远的节点可能会在某个时期处于电量危险水平，最终导致失效。如果先为最需要充电的节点服务，那么可能会导致遍历整个结构链的效率降低。确定了下一个充电位置之后，需要以最快的速度移动到目标位置，此时需要考虑到充电主机移动的三个阶段，加速、匀速、减速运动阶段，并将它们作为优化变量，求解最短位移时间。

一对多：一对多充电结构，即充电主机在一个位置同时对多个任务无人机充电。假设场景内只有一台充电主机，充电模型如图2所示。

固定拓扑结构下，一对多充电方法，包括步骤：

(1)对任务无人机进行分簇；

(2)规划充电主机依次充电的路径；

(3)充电主机移动，为第一个任务无人机簇充电，并计算在该簇的最佳停留充电时间；

(4)上一个充电任务完成或中断后，计算下一个充电簇；

(5)充电主机往下一个计划充电簇移动。

当任务无人机比较集中，或者任务无人机活动区域较小，单个充电主机可以完全覆盖整片活动区域，此时需要考虑的问题有：

(1)充电主机位置：rf能量传递的一个重要问题是传输效率随着距离的增加而衰减。因此，充电主机需要在最有效率的位置进行充电。充电主机在范围内可以根据任务无人机的充电情况自由运动，不断调节在充电组内位置来改变充电情况。为了保证整体充电效率，充电主机的位置选择应该是着重考虑的。

(2)qos需求和能量分配：如果某个或某几个无人机需要更加快速地充电，或其qos要求较高，那么就应该重点考虑这个需求较高的无人机，同时也要保证整体的充电效率。

(3)向外辐射功率：同样是为了硬件安全和能量的递增性。

为了覆盖异构分布的任务无人机，我们使用异构系数cov作为分析指标。如果系数cv＝1，表示任务无人机是均匀分布的，如果cv>1，表示人物无人机位于热点聚集，如图3所示。

这种情况需要对任务无人机进行分簇，每簇内的问题又回到了上面区域较小的情况。对于任务无人机分簇的划分需要考虑的问题有：

(1)每簇节点个数：每簇节点个数可能是不相同的，根据下面条件来规定簇的划分可以确定更好的簇内组织。

(2)节点之间的距离：簇内节点相互之间的距离不能太大，距离不能超过充电主机的有效充电范围，合适的簇内节点距离有助于提高整体充电效率和能量节约。

(3)簇内拓扑结构：一个好的簇内拓扑结构有助于提高整体的能量传输效率。

(4)簇内平均电量水平和电量总和：一个健康的簇的平均能量应该在比较好的水平，簇内的任务无人机可能执行的是相同或相似的任务，电量总和高可能会提高任务质量和延长任务时间。

(5)节点的多簇性：一个节点可能会属于多个簇，这个节点可以是目前或者以后最需要能量补给的，这样这个节点就能享有更多的充电机会。

此外，对于分簇充电的情况，还需考虑的问题有：

(1)在该位置最佳停留充电时间，类似于一对一的情况，如果对一簇任务无人机充电时间过长，可能会导致其它无人机簇久久得不到电能补充而失效。

(2)下个充电位置的计算，完成上一个充电任务后，首先需要根据剩余无人机簇的簇内剩余电量，距离等因素确定充电的优先级别，进行簇选择。在簇选择之后，还需要根据簇内任务无人机的能量水平和qos确定出簇内的最佳充电位置，其实这又回到了小范围一对多的情况。

(3)充电主机路径规划，和一对一的场景类似，需要快速地遍历整个簇结构。在确定下个充电位置之后，充电主机需要尽快移动到指定位置进行簇内充电。

上面提到的考虑点都是基于静态任务无人机场景，在动态任务无人机场景下，需要再另外考虑的有：

(1)额外的飞行功耗，由于任务无人机会水平运动，这会有更多的能耗，需要参与计算。

(2)充电主机和被充电的任务无人机的相对位置，由于充电主机和任务无人机的飞行状态和过程不同，从而导致相对位置偏移，需要控制这个偏差保证系统和充电过程的稳定性。

非固定拓扑结构

非固定拓扑结构场景是指任务无人机之间的相对位置是不断改变的，其拓朴结构也不断发生着改变。在这种情况下，充电主机的位置可以是固定的，但会其周围形成一个充电区域，任务无人机在一定区域内飞行，并且到达任意一个充电区域进行充电。充电主机的位置也可以是不固定的，它可以形成一个充电区域，和任务无人机一起飞行，进行电能补充。

当任务无人机群拓扑结构不断变化，且在一定区域内活动。根据充电主机的运动状态可以分为两种场景。第一种是静态充电主机场景，在这种场景下，充电主机的空间位置不发生改变，是静态的。第二种场景中，充电主机是动态的。

静态ch：如果充电主机是静态的，位置不发生改变，但它会在周围形成一片充电区域，当任务无人机经过该区域时或在此停留时，便会自动充电。如图4所示，当充电主机数量为一个，非固定拓扑结构下，静态充电主机的充电方法，包括步骤：

(1)根据任务无人机的移动范围确定充电主机的最佳部署位置；

(2)充电主机停留到最佳部署位置，当任务无人机经过该区域时或在此停留时，便会自动充电；

(3)充电主机根据周围的任务无人机的需求情况，调节向外辐射的功率。

需要考虑的问题如下：

(1)部署位置：充电主机应该跟随任务无人机的移动(或在某地停留时间较长)轨迹大数据规律，找出规律来确定一个最佳部署位置，这个位置可以覆盖最多入次任务无人机。

(2)向外辐射的功率：根据周围的任务无人机的需求情况，调节向外辐射的功率，来保证自身的能量损耗和能量递增性。

动态ch：如果充电主机是动态的，根据充电主机的充电方式，充电结构可以分为两种，分别是一对一和一对多。

动态ch一对一：充电主机跟随单个任务无人机飞行充电，这种充电方式如前面提到的，可以节约充电主机自身电量，也可以支持qos充电，场景如图5所示。

非固定拓扑结构下，动态充电主机一对一的充电方法，包括步骤：

(1)规划充电主机的路径，寻找最佳的充电路径；

(2)充电主机移动，为第一个任务无人机充电，并计算在该节点的最佳充电时间；

(3)上一个充电任务完成或中断后，计算下一个充电节点；

(4)充电主机往下一个计划充电节点方向移动；

(5)调节充电过程中充电主机和任务无人机的相对位置偏差。

当充电主机为一个时需要考虑的问题如下：

(1)充电速率：为了保证硬件安全和能量的递增性。

(2)为该节点充电的最佳充电时间：与固定拓扑结构一对一的情况不同的是，在为一个节点充电的过程中，其它节点的电量信息和位置信息不断发生改变，这可能会产生更高的计算复杂度。

(3)下一个充电节点的计算：由于此时拓扑结构不断改变，预测一个以上的节点充电需求是很难的事。如果知道拓扑结构如何改变，那么可以花费更多的计算量来预测更多的充电节点，如果拓扑结构的改变不可知，那么可能需要预测一个大致的分布。

(4)充电过程中的相对位置偏差：充电主机和任务无人机的运动状态和过程可能不同，从而导致持续的位置偏差，需要进行调节。

(5)充电主机的路径规划：充电主机需要考虑不停变换的任务无人机位置，在运动的三个阶段做出相应调整，最后应与任务无人机为相同的运动状态。如果确定了几个需要充电的任务无人机，需要在不断变化的由这几个无人机确定的拓扑结构中寻找最佳的充电路径。

动态ch一对多：充电主机形成一个充电区域跟随多个任务无人机飞行并充电。当充电主机是动态时，充电主机随着需要充电的任务无人机一起飞行，形成的充电区域的位置会随着其飞行而不断改变，如图6所示。

非固定拓扑结构下，动态充电主机一对多的充电方法，包括步骤：

(1)充电主机收集周围任务无人机的移动方向信息，规划充电路径；

(2)充电主机跟随多个需要充电的任务无人机一起飞行，形成一个充电区域，进行充电；

(3)充电主机根据周围的任务无人机的充电请求不断计算下一个移动方向；

(4)上一个充电任务完成，充电主机向下一个目标节点移动；

(5)充电主机根据周围的任务无人机的需求情况，调节向外辐射的功率。

充电主机应该及时收集周围任务无人机的移动方向信息，假设充电主机为一个时，需要考虑的问题如下：

(1)向外辐射的功率：当有较少任务无人机靠近或请求充电强度小时，充电主机应当缩小充电范围。当较多任务无人机请求充电，充电主机应当适当扩大充电范围。

(2)下一个移动方向：充电主机需要根据周围的任务无人机的电量情况和充电请求不断计算下一个移动方向。充电主机收集信息能力是有限的，当充电主机不能直接获取某些任务无人机的位置信息和充电需求时，需要进行多跳收集。根据收集来的信息确定自己的下一个移动方向，这些信息可能是局部的，也可能是全局的。

(3)充电主机的路径规划：当上一个充电任务完成，充电主机应该向下一个目标节点移动。

基于共享能量调度

基于共享能量的充电体系，也可以看作是基于能量中继充电体系。它是指除了充电主机可以充电之外，任务无人机也具有无线电能传输能力，相邻的任务无人机可以共享彼此的能量，我们假设只有被充电主机直接或者间接覆盖的任务无人机才可以共享其能量。被直接覆盖的任务无人机是该任务无人机在充电主机的充电区域内。被间接覆盖指任务无人机可以经过多跳能量传递接收到充电主机的能量。充电主机和任务无人机的电能输出功率是不同的。此时，充电主机可以是静态或动态的，任务无人机机群也可以是静态或是动态的。因此，场景又可以分为四种。在这些情况下，能量共享通常会作为一种辅助手段。

静态充电主机和静态任务无人机

当充电主机和任务无人机都是静态时，如何让整个系统连通是主要问题，因此充电主机的向外辐射功率应该被考虑。如果充电主机和任务无人机的辐射范围都可调节，那么一定能找到一个充电主机的位置，使得所有的无人机实现能量共享。

动态充电主机和静态任务无人机

这其实是刚才那种情况的拓展，ch的调度会更加灵活。ch可以在高密度md区域和低密度md区域相互转换，多跳问题也可以通过这种办法解决。

静态充电主机和动态任务无人机

ch的部署位置可以通过mds的轨迹移动大数据来确定。mds可以根据自身剩余电量和周围的充电请求来开关能量共享。在这种场景下，一致性会更加明显，例如，一架md如果不能及时到达充电区域充电，它可以经过多跳来实现能量补给。

动态充电主机和动态任务无人机

这种情况，ch的调度策略是不变的，但是会收集局部或者全局的信息。此时，md的能量共享可能仅仅只能用做一种辅助手段。

具有无线携能通信的场景

射频无线充电方式有一个特点是可以兼容现代的无线通讯系统，也就是说使用射频方式不仅可以传输电力，同时也可以传输信息。同时传输信息和电力叫做无线携能通信。无线携能通信利用了射频可以传输信号的同时承载能量，终端接收到信号之后解码出信息并吸收部分能量。然而，电路硬件限制了信息和电能不能同时接收。在接收信号解码为信息的时候，会将这部分能量转化为热能，从而无法收集。接收信息和电力的方式取决于硬件设计，常见的硬件设计分为单天线和多天线设计架构。多天线架构中电力和信息的接收装置分别有独立的接收天线，可以独立接收能量和信息。单天线架构是用一根天线交替接收电力和信息。rf信号传输的量取决于信号的熵率，平均rf信息量的平方与功率成正比，且信息和电力不能同时接收，且为此消彼长的关系，因此信息和电力的收发量存在着权衡，这又会是一项挑战。

多ch场景

如果任务无人机活动范围区域过大，单个充电主机无论如何都无法满足覆盖要求，例如在静态任务无人机场景下，两架相距较远任务无人机同时发出充电请求，那么单个充电主机无法满足这种充电需求。因此，可以部署多个充电主机来预防这种情况。部署的充电主机数量规模对机群可能是有利的也可能是不利的。对于多个充电主机的情况，无论是哪种场景，其关键问题在于下面几点：

(1)充电主机数量最小化，充电主机数量过多，会导致更多的搜索复杂性，更复杂的调度计划，难以协调。过少会导致不完全的覆盖，降低机群的稳定性。因此需要在可以完全满足覆盖需求的情况下，使充电主机的数量最小化。

(2)相互协调性，相互的协调不仅在于协调各自的充电顺序，还需要根据自身的位置来确定一个最佳的形成路径，也是为了更高的性能。

(3)最佳调度计划，在充电主机数量最小的前提下，采取最佳调度计划，提高效率，使能量利用率最高是多充电主机的挑战之一。

多充电主机都可以应用到上面提到的场景，在固定拓扑结构场景中，根据充电状态，可以分为一对一充电和一对多充电。在非固定拓扑结构场景中，根据充电主机的运动状态，可以分为静态充电主机和动态充电主机场景。

固定拓扑结构

对于一对一的场景，多个充电主机可以一次对多个任务无人机充电，需要考虑充电速率、在该节点最佳的停留充电时间问题。这些充电主机需要获取充电请求，并根据相对于各自的充电难度合理地派遣一个充电主机。对于一对多的场景，将机群分簇后，可以按照一对一的场景调度，簇内的充电问题也回到了之前的问题。

非固定拓扑结构

当充电主机数量为多个，且充电主机为静态部署，每个充电主机周围会形成一个充电区域，需要考虑的问题如下：

(1)部署位置，充电主机应该尽可能多地覆盖到任务无人机比较活跃的区域。

(2)向外辐射功率，充电主机应该随着附近任务无人机的充电请求情况调整向外辐射的功率，保证能量递增性和自身损耗。

(3)充电主机之间的相对位置，确定了向外辐射的功率后，在尽量填充任务无人机活动范围的情况下，减少充电区域重叠。