本发明涉及无人机领域，具体涉及一种无人机应对恶劣环境的自适应决策方法及相应的无人机。
背景技术
随着国内航空业的发展，无人驾驶飞机技术渐渐趋向成熟，为电力线路、公安消防、海陆巡逻等方面提供了更新的技术方法和手段，无人机是一种在空中飞行作业的机器，无人驾驶以为着其需要更加自主的应对风险、避免风险，空中作业时无人机的飞行受到诸多不确定因素的影响，例如无人机平台的不确定、目标地点的变化、目标任务的变化、环境的变化等等，而较大的外部因素是天气条件，在无人机起飞、着陆或执行飞行任务的过程中，一旦遭到突发的天气变化，其飞行稳定性、任务执行都会受到一定的影响，目前，无人机在这种复杂、不确定的条件下执行任务时往往是依靠地面工作站的控制，通过接收地面工作站工作人员依据无人机当前所处的环境作出的控制指令，然后再依据该控制指令执行相应的操作，而无人机由于飞行距离远、作业范围广的特点，与地面工作站的信息传输需要消耗一定的时间，导致应对突变环境时无法作出及时的回应，严重时影响无人机的飞行安全。因此，如何让无人机面对不确定的环境作出自主决策是目前无人机领域研究的一大问题。
技术实现要素：
为克服以上技术问题，特别是现有技术中无人机无法在遭遇恶劣气象条件下自主决策的问题，特提出以下技术方案：
第一方面，本发明提供了一种无人机应对恶劣环境的自适应决策方法，包括如下步骤：
基于无人机上预置的传感器检测无人机预设范围内的气象条件，将所述气象条件转化为相应的气象数据；
将所述气象数据导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度；
通过人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取相应的无人机的执行策略，根据所述执行策略控制无人机进行任务重新规划。
进一步的，所述根据所述执行策略控制无人机进行任务重新规划，包括：
获取无人机当前未完成的飞行任务，确定所述未完成的飞行任务的优先级，将高优先级的飞行任务排列在前进行任务重新规划，控制无人机执行所述高优先级的飞行任务。
进一步的，所述控制无人机执行所述高优先级的飞行任务之后，还包括：
控制无人机放弃执行低优先级的飞行任务，并使无人机返回预设的降落目的地。
较佳的，所述传感器包括温度传感器，所述将所述气象条件转化为相应的气象数据之后，还包括：
当所述气象条件低于温度临界值时，控制无人机的自加热系统将无人机的指定零件加热至预定温度。
具体的，所述传感器包括雷达及红外传感器，所述恶劣气象条件数学模型包括风切变模型，雷暴影像区域模型，紊流模型。
第二方面，本发明提供一种无人机，包括一个或多个处理器；存储器；一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于执行：
基于无人机上预置的传感器检测无人机预设范围内的气象条件，将所述气象条件转化为相应的气象数据；
将所述气象数据导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度；
通过人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取相应的无人机的执行策略，根据所述执行策略控制无人机进行任务重新规划。
进一步的，所述计算机程序根据所述执行策略控制无人机进行任务重新规划，包括：
获取无人机当前未完成的飞行任务，确定所述未完成的飞行任务的优先级，将高优先级的飞行任务排列在前进行任务重新规划，控制无人机执行所述高优先级的飞行任务。
进一步的，所述计算机程序控制无人机执行所述高优先级的飞行任务之后，还包括：
控制无人机放弃执行低优先级的飞行任务，并使无人机返回预设的降落目的地。
第三方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的无人机应对恶劣环境的自适应决策方法。
本发明与现有技术相比，具有以下有益效果：
本发明提供了一种无人机应对恶劣环境时的自适应、自主决策的方法，通过无人机上预置的传感器检测无人机预设范围内的气象条件，然后将所述气象条件转化为相应的气象数据后导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度，再基于人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取无人机在该气象条件下的执行策略，无人机根据所述执行策略后作出相应的任务重新规划，让无人机能够及时、准确地应对恶劣环境调整任务的执行，保证无人机在恶劣气象条件下能够更安全、有效地完成飞行任务。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明无人机应对恶劣环境的自适应决策方法的一实施例流程示意图；
图2为本发明无人机应对恶劣环境的自适应决策方法的另一实施例流程示意图；
图3为本发明无人机应对恶劣环境的自适应决策方法的又一实施例流程示意图；
图4为本发明无人机的一实施例结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术术语和科学术语），具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本领域技术人员应当理解，本发明所称的“应用程序”、“计算机程序”以及类似表述的概念，是业内技术人员所公知的相同概念，是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定，这种命名本身不受编程语言种类、级别，也不受其赖以运行的操作系统或平台所限制。理所当然地，此类概念也不受任何形式的终端所限制。
在一种实施例中，本发明提供一种无人机应对恶劣环境的自适应决策方法，该方法所实现的功能应用于包括无人机、控制系统的无人机系统，所述无人机上安装有图像数据拍摄模组，具体的，如图1所示，所述方法包括以下步骤：
s10：基于无人机上预置的传感器检测无人机预设范围内的气象条件，将所述气象条件转化为相应的气象数据。
无人机是一种在空中飞行作业的机器，空中对无人机的飞行影响较大的外部因素是气象条件，在无人机起飞、着陆或执行飞行任务的过程中，一旦遭到突发的恶劣气象条件，其飞行稳定性、任务执行都会受到一定的影响。基于上述考量，本实施例中，在无人机上预置了能够检测气象条件的传感器，并基于本实施例的应对恶劣环境的自适应决策方法为无人机执行飞行任务提供更好的保证；传感器是一种信息检测装置，可以将感受到的测量信息按照一定规律转换为电信号或其他信号所需形式输出，用来满足信息的传输、处理、存储等，本实施例中，利用无人机上预置的传感器检测无人机的预设范围内的气象条件，然后将所述气象条件转化为相应的气象数据，以便后续对所述气象数据进行传输、处理；其中，所述气象数据包括：气温、相对湿度、降雨强度、降雨类型、降雨量、日照总辐射、闪电探测、气压、风速和风向等；所述预设范围根据传感器的精度确定，例如传感器能够检测无人机的飞行高度在海拔高度500米以下，1000米范围内的气象条件。
s20：将所述气象数据导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度。
在获得无人机预设范围内的气象数据后，将所述气象数据进行传输、处理，本实施例中将所述气象数据导入恶劣气象条件数学模型，恶劣气象数学模型用数学的方法刻画了某一种气象的最本质的机理及原型，不同的恶劣气象数学模型可以精确地描述与分析该恶劣气象的现象与规律、预测该恶劣气象的发展趋势及状况，将所述气象数据导入恶劣气象条件数学模型，还原出无人机实际遭遇到的恶劣气象状况；例如将所述气象数据导入恶劣气象条件数学模型，得出无人机预设范围内的风速在水平和垂直方向突然急剧变化，进而得出无人机遭遇到风切变的恶劣气象条件；或，例如将所述气象数据导入恶劣气象条件数学模型，得出无人机预设范围内的大气层结构产生强烈的对流，云与云、云与地面之间电位差达到一定程度，进而得出无人机遭遇到雷暴的恶劣气象条件；或，例如将所述气象数据导入恶劣气象条件数学模型，得出无人机预设范围内的空域中的不同位置处，气流运动速度向量之间存在较大的差异且急剧变化，进而得出无人机遭遇到紊流的恶劣气象条件。不同的气象条件对无人机的威胁度不同，且不同的气象条件对不同类型的无人机的威胁度不同，本实施例中然后结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度，所述飞行参数包括无人机的经纬度、海拔高度、零部件温度、动力源剩余量、防风防水级别。
s30：通过人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取相应的无人机的执行策略，根据所述执行策略控制无人机进行任务重新规划。
无人机的飞行均是为了完成某些特定任务，例如军事侦探、航拍测绘、环境监测、火灾洪灾救援等，在确定气象条件对无人机的威胁度后，通过人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，专家系统是一个具有大量专门知识与经验的程序系统，应用人工智能和计算机技术，根据无人机领域一个或多个专家提供的知识和经验进行推理和判断，能够模拟人类专家遭遇到相同情况的评估、决策，还能够自主演化出人类未曾遭遇到的其它情况进行评估、决策，专家系统包含了原始知识库，原始知识库中即以分化的因素将历史遭遇过的实际情况进行输入，例如无人机遭遇到的气象条件a1+a2+a3，专家的评估及作出的执行执行策略为b1+b2，得到的结果为c1+c2，对结果的满意度评价为c1:70%、c2:60%；以此一步步地构建专家系统的原始知识库，然后当无人机遭遇到恶劣气象条件时，根据所述知识库便可根据所述威胁度对无人机的飞行任务进行评估，评估时根据无人机在目前气象条件下，执行哪些飞行任务所能得到的结果的满意度是否大于期望值，从而获取无人机的执行策略，然后根据所述执行策略便可控制无人机进行任务重新规划，例如，当前的气象条件为风切变，风切变对于无人机的威胁度为s+，威胁度s+时飞行任务r1、r3最大的结果满意度只有45%，小于期望值70%，所以得到执行策略为在该气象条件下不适合执行飞行任务r1、r3，进行任务重新规划后便暂不执行飞行任务r1、r3；所述任务重新规划包括设定新的飞行任务或执行原有的飞行任务，优选的，无论所述恶劣天气对无人机的威胁度如何，均需要通过上述方式使无人机进行任务重新规划。
本实施例提供了一种无人机应对恶劣环境时的自适应、自主决策的方法，通过无人机上预置的传感器检测无人机预设范围内的气象条件，然后将所述气象条件转化为相应的气象数据后导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度，再基于人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取无人机在该气象条件下的执行策略，无人机根据所述执行策略后作出相应的任务重新规划，让无人机能够及时、准确地应对恶劣环境调整任务的执行，保证无人机在恶劣气象条件下能够更安全、有效地完成飞行任务。
进一步的，本发明的一种实施例，如图2所示，所述根据所述执行策略控制无人机进行任务重新规划，包括：
s31：获取无人机当前未完成的飞行任务，确定所述未完成的飞行任务的优先级，将高优先级的飞行任务排列在前进行任务重新规划，控制无人机执行所述高优先级的飞行任务。
无人机的飞行均是为了完成某些特定任务，本实施例中，无人机在遭遇到恶劣气象条件后，通过人工智能专家系统根据所述气象条件的威胁度对无人机的飞行任务进行评估后，确定无人机仍然能够在该气象条件下完成一定的飞行任务，然后获取无人机当前未完成的飞行任务，并确定各个未完成的飞行任务的优先级，然后将高优先级的未完成的飞行任务排列在前从而进行任务重新规划，然后控制无人机在有限资源条件下执行所述高优先级的飞行任务。例如本来无人机按照“任务1—任务2—任务3—任务4”的飞行任务进行作业，当遭遇到恶劣气象条件时，获取到未完成的飞行任务为任务2、任务3、任务4，且任务3的优先级最高，任务4的优先级最低，此时进行任务重新规划，将飞行任务调整为“任务3—任务2—任务4”，控制无人机执行所述高优先级的飞行任务（即任务3），保证无人机能够更好地完成更重要的飞行任务。
进一步的，上述实施例中，如图3所示，所述控制无人机执行所述高优先级的飞行任务之后，还包括：
s32：控制无人机放弃执行低优先级的飞行任务，并使无人机返回预设的降落目的地。
继上述实施例，进一步的，考虑到在恶劣气象条件下无人机完成某一项飞行任务所消耗的资源比在正常气象条件下多，根据所述执行策略控制无人机进行任务重新规划，确定无人机在执行高优先级的飞行任务后，放弃执行低优先级的飞行任务，并使无人机返回预设的降落目的地。例如在正常气象条件下，完成任务3需要消耗15%的动力源，而在恶劣气象条件下，完成该项任务3需要消耗25%的动力源，当通过人工智能专家系统根据所述气象条件的威胁度对无人机的飞行任务进行评估后，确定只有25%动力源能够用于执行飞行任务，剩余的动力源为无人机返航所需的动力源，此时，进行任务重新规划后，确定控制无人机只执行任务3而放弃执行任务2及任务4，一方面保证无人机能够更好地完成更重要的飞行任务，另一方面保证无人机能够安全地返回预设的降落目的地，避免无人机因动力源不足而无法返回降落目的地，从而造成更大的经济损失。
进一步的，本发明的一种实施例，所述传感器包括温度传感器，所述将所述气象条件转化为相应的气象数据之后，还包括：
当所述气象条件低于温度临界值时，控制无人机的自加热系统将无人机的指定零件加热至预定温度。
考虑到无人机在空中作业，伴随着恶劣气象条件通常有强冷空气、剧烈的风速变化和湿性气流等现象，该些现象均会导致温度急剧下降，而无人机上的电子零件在严寒作用下无法正常工作或精度明显下降，本实施例中，无人机上预置的传感器包括温度传感器，在将所述气象条件转化为相应的气象数据之后，确定当前气象条件低于温度临界值时，控制无人机的自加热系统将无人机的指定零件加热至预定温度，所述指定零件包括电池、摄像模组，气压计、指南针等；优选的，不同的无人机零件的工作温度不同，本实施例中，根据对不同零件的设定将所述指定零件加热至不同的预定温度，让不同零件能够在各自适应的温度下更高效地作业。
具体的，本发明实施例中，所述传感器包括雷达及红外传感器，所述恶劣气象条件数学模型包括风切变模型，雷暴影响区域模型，紊流模型。所述雷达为合成孔径雷达（syntheticapertureradar，sar），利用雷达载体与目标之间相对运动产生的多普勒频移，将在不同位置接收的回波进行相干处理，从而获得较高分辨率的成像，是一种主动式微波传感器，安装在无人机上能够实现全天时、全天候对地检测气象条件的特点；所述红外传感器为前视红外（forward-lookinginfrared，flir），能够通过光学系统把物体的红外辐射成像。基于风切变的特点“风速在水平和垂直方向突然急剧变化”建立风切变模型，原理是雷达回波的多普勒频移特效，风切变区域的水平风速差越大，对应多普勒频移的中心频率差就越大；雷暴现象的形式比较复杂，一般用一定高度范围内的圆柱体表示雷暴影响区域模型，通过sar回波分布和强度探测雷暴区域的平面分布和垂直分布，从而得到雷暴影响区域模型；通过紊流现象的特定“空域中的不同位置处，气流运动速度向量之间存在较大的差异且急剧变化”建立紊流模型。
在另一种实施例中，本发明提供了一种无人机，如图4所示，所述无人机包括计算机程序401、处理器403、存储器405、输入单元407等器件。本领域技术人员可以理解，图4示出的结构器件并不构成对无人机的所有限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器405可用于存储计算机程序401以及各功能模块，处理器403运行存储在存储器405的计算机程序401，从而执行设备的各种功能应用以及数据处理。存储器405可以是内存储器或外存储器，或者包括内存储器和外存储器两者。输入单元407用于接收信号的输入，以及接收用户的输入。输入单元407可包括触控面板以及其它输入设备。处理器403是无人机的控制中心，利用各种接口和线路连接无人机的各个电子零件，通过运行或执行存储在存储器403内的计算机程序401，以及调用存储在存储器403内的数据，执行各种功能和处理数据。
在一种实施方式中，所述无人机包括一个或多个处理器403，以及一个或多个存储器405，一个或多个计算机程序401，其中所述一个或多个计算机程序401被存储在存储器405中并被配置为由所述一个或多个处理器403执行，所述一个或多个计算机程序401配置用于执行以上实施例所述的无人机应对恶劣环境的自适应决策方法，包括：
基于无人机上预置的传感器检测无人机预设范围内的气象条件，将所述气象条件转化为相应的气象数据；
将所述气象数据导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度；
通过人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取相应的无人机的执行策略，根据所述执行策略控制无人机进行任务重新规划。
本实施例中，在无人机上预置了能够检测气象条件的传感器，利用无人机上预置的传感器检测无人机的预设范围内的气象条件，然后将所述气象条件转化为相应的气象数据，以便后续对所述气象数据进行传输、处理。在获得无人机预设范围内的气象数据后，将所述气象数据导入恶劣气象条件数学模型，还原出无人机实际遭遇到的恶劣气象状况；例如将所述气象数据导入恶劣气象条件数学模型，得出无人机预设范围内的风速在水平和垂直方向突然急剧变化，进而得出无人机遭遇到风切变的恶劣气象条件；然后结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度，所述飞行参数包括无人机的经纬度、海拔高度、零部件温度、动力源剩余量、防风防水级别。在确定气象条件对无人机的威胁度后，通过人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，当无人机遭遇到恶劣气象条件时，根据所述知识库便可根据所述威胁度对无人机的飞行任务进行评估，从而获取无人机的执行策略，根据所述执行策略便可控制无人机进行任务重新规划。
进一步的，所述计算机程序401根据所述执行策略控制无人机进行任务重新规划，包括：
获取无人机当前未完成的飞行任务，确定所述未完成的飞行任务的优先级，将高优先级的飞行任务排列在前进行任务重新规划，控制无人机执行所述高优先级的飞行任务。
进一步的，所述计算机程序401控制无人机执行所述高优先级的飞行任务之后，还包括：
控制无人机放弃执行低优先级的飞行任务，并使无人机返回预设的降落目的地。
本发明实施例提供的无人机，能够在应对恶劣环境时自适应、自主决策，通过无人机上预置的传感器检测无人机预设范围内的气象条件，然后将所述气象条件转化为相应的气象数据后导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度，再基于人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取无人机在该气象条件下的执行策略，无人机根据所述执行策略后作出相应的任务重新规划，让无人机能够及时、准确地应对恶劣环境调整任务的执行，保证无人机在恶劣气象条件下能够更安全、有效地完成飞行任务。
在另一种实施例中，本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述实施例所述的无人机应对恶劣环境的自适应决策方法。其中，所述计算机可读存储介质包括但不限于任何类型的盘（包括软盘、硬盘、光盘、cd-rom、和磁光盘）、rom（read-onlymemory，只读存储器）、ram（randomaccessmemory，随即存储器）、eprom（erasableprogrammableread-onlymemory，可擦写可编程只读存储器）、eeprom（electricallyerasableprogrammableread-onlymemory，电可擦可编程只读存储器）、闪存、磁性卡片或光线卡片。也就是，存储设备包括由设备（例如，计算机、手机）以能够读的形式存储或传输信息的任何介质，可以是只读存储器，磁盘或光盘等。
本发明实施例提供的一种计算机可读存储介质，可实现基于无人机上预置的传感器检测无人机预设范围内的气象条件，将所述气象条件转化为相应的气象数据；将所述气象数据导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度；通过人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取相应的无人机的执行策略，根据所述执行策略控制无人机进行任务重新规划。通过提供一种无人机应对恶劣环境时的自适应、自主决策的方法，通过无人机上预置的传感器检测无人机预设范围内的气象条件，然后将所述气象条件转化为相应的气象数据后导入恶劣气象条件数学模型，结合无人机的飞行参数计算所述气象条件对所述无人机的威胁度，再基于人工智能专家系统根据所述威胁度对无人机的飞行任务进行评估，获取无人机在该气象条件下的执行策略，无人机根据所述执行策略后作出相应的任务重新规划，让无人机能够及时、准确地应对恶劣环境调整任务的执行，保证无人机在恶劣气象条件下能够更安全、有效地完成飞行任务。
本发明实施例提供的计算机可读存储介质可以实现上述无人机应对恶劣环境的自适应决策方法的实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。