一种基于元学习的混动无人机多任务需求功率预测方法技术

本发明专利技术公开的一种基于元学习的混动无人机多任务需求功率预测方法，属于无人机能量管理技术领域。本发明专利技术基于模型无关元学习方法MAML构建混动无人机多任务状态信息预测元学习模型MLM；使用Bi‑LSTM神经网络预测模型作为元学习基模型，能够有效利用未来和历史时序信息，更适合无人机复杂的多任务状态信息预测；建立无人机飞行工况分类模型对无人机所处工况进行分类，加入工况信息的多特征输入相比单类型的状态量，多任务预测精度更高，从而使计算得到的需求功率更加准确；通过提取无人机在历史飞行数据库中不同飞行任务下的状态信息构建多工况任务数据集，提升多任务数据集训练混动无人机多任务预测元学习模型MLM对无人机复杂场景的适应性。

【技术实现步骤摘要】

本专利技术涉及一种混合动力无人机需求功率预测方法，特别涉及一种基于元学习的混动无人机多任务需求功率预测方法，属于无人机能量管理。

技术介绍

1、为了应对能源短缺和全球变暖等危机，发展新能源推进技术，降低化石能源消耗并保证运载装备续航能力，是各国推进节能减排事业的核心。全球航空运输领域的碳排量已接近总排量的2.5％，面对未来无人机的大量应用，比如长途物流运输、灾难搜救与环境监测等，低碳环保也是无人机发展过程中必须考虑的问题。

2、以内燃机与锂离子电池组合的混合动力推进技术保证了飞行器在多种工况下的长航时需求，同时降低了排放、能够储存多余能量、提高反应速度，必要时能够实现静音飞行与紧急降落，受到了广泛关注。因此，设计合适的能量管理策略是发挥混合动力技术动力特性与经济价值的关键。

3、提高预测功率的准确度是提升能量管理策略性能的关键，现有需求功率预测通常采用特定任务环境进行训练，所以只能适应某些典型任务。飞行器的飞行任务十分复杂，操作自由度多样，当应用这些常规的任务预测方法预测陌生任务时，无法快速学习新任务特征，导致能量管理方法节能优化效本文档来自技高网...

【技术保护点】

1.一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：步骤二实现方法为，

3.如权利要求2所述的一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：步骤三实现方法为，

4.如权利要求3所述的一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：步骤五实现方法为，

5.如权利要求4所述的一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：步骤六实现方法为，

6.如权利要求5所述的一种基于元学习...

【技术特征摘要】

1.一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：步骤二实现方法为，

3.如权利要求2所述的一种基于元学习的混动无人机多任务需求功率预测方法，其特征在于：步骤三实现方法为，

4....

【专利技术属性】
技术研发人员：黄渭清，刘岩松，杨浪洪，李宁，黎奥轩，田柏劲，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：