CN119203007A - 一种基于eVTOL飞行器电池电压异常的紧急迫降方法 - Google Patents

Abstract

一种基于eVTOL飞行器电池电压异常的紧急迫降方法，属于eVTOL飞行器系统检测技术领域。为保障eVTOL飞行器的飞行安全，本发明包括采集同一时刻的eVTOL飞行器电池电压和eVTOL飞行器电池电压的影响因素的数据，构建飞行器电池电压数据预测数据集；基于改进的LSTM神经网络构建eVTOL飞行器电池电压数据预测模型；对预测得到的电压进行电压异常情况识别，提取电压异常情况的电压数据；构建电压异常情况分类模型，对电压异常情况的电压数据进行电压异常情况分类；基于不同类别的电压异常情况，构建eVTOL飞行器紧急迫降点选择方法。本发明极大提高了飞行安全性和应急响应能力。

Description

一种基于eVTOL飞行器电池电压异常的紧急迫降方法

技术领域

本发明属于eVTOL飞行器系统检测技术领域，具体涉及一种基于eVTOL飞行器电池电压异常的紧急迫降方法。

背景技术

电池电压的稳定性对于eVTOL飞行器至关重要，它直接影响到飞行的安全性、性能效率、系统寿命和能源管理。稳定的电压确保了飞行器的电动机和飞行控制系统能够在最佳状态下运行，从而提高了飞行的平稳性和动力输出的连贯性。此外，电压稳定也有助于延长电池和电子元件的寿命，通过减少波动带来的磨损，维持设备的性能。有效的电池管理和能量使用预测同样依赖于电压的稳定，这对于确保飞行器能够完成预定的飞行任务并安全返回是必不可少的。

然而，电压的异常波动会带来一系列严重的后果，包括动力系统的故障、控制系统的失效甚至电池本身的损害。这些问题可能导致飞行器动力输出不稳定，控制响应延迟，严重时甚至可能导致飞行器进行紧急着陆或发生事故，危及人员安全。

eVTOL飞行器缺少电压异常识别方法，会面临多方面的问题和风险。首先，电压异常可能导致飞行器的关键系统，如推进系统、导航系统和通信系统的失效或表现不稳，这直接威胁到飞行安全，增加发生事故的风险。例如，电压过低或波动大可能导致电动机功率输出不稳定，影响飞行器的升力和驱动力，甚至可能导致飞行器失控。其次，电压异常未能及时识别和处理，可能会对飞行器的电子设备造成永久性损害，增加维修成本和维护难度。长期的电压不稳还可能影响电池的健康状态和使用寿命，从而影响整个飞行器的经济效益和运营效率。

发明内容

本发明要解决的问题是保障eVTOL飞行器的飞行安全，提出一种基于eVTOL飞行器电池电压异常的紧急迫降方法。

为实现上述目的，本发明通过以下技术方案实现：

一种基于eVTOL飞行器电池电压异常的紧急迫降方法，包括如下步骤：

S1. 采集同一时刻的eVTOL飞行器电池电压和eVTOL飞行器电池电压的影响因素的数据，构建飞行器电池电压数据预测数据集，包括训练集、验证集、测试集；

S2. 基于改进的LSTM神经网络构建eVTOL飞行器电池电压数据预测模型；

S3. 利用步骤S1得到的训练集对eVTOL飞行器电池电压数据预测模型进行训练，得到训练好的eVTOL飞行器电池电压数据预测模型；

S4. 实时采集eVTOL飞行器飞行过程中电池电压和eVTOL飞行器电池电压的影响因素的数据，利用步骤S3得到的训练好的eVTOL飞行器电池电压数据预测模型对eVTOL飞行器电池电压进行预测，基于预测得到的电压进行电压异常情况识别，提取电压异常情况的电压数据；

S5. 构建电压异常情况分类模型，对步骤S4得到的电压异常情况的电压数据进行电压异常情况分类；

S6. 基于步骤S5得到的不同类别的电压异常情况，构建eVTOL飞行器紧急迫降点选择方法。

进一步的，步骤S1的具体实现方法包括如下步骤：

S1.1. 采集同一时间的的eVTOL飞行器电池电压和eVTOL飞行器电池电压的影响因素的数据，所述eVTOL飞行器电池电压的影响因素的数据包括环境温度、充放电循环次数、飞行速度、飞行阻力、电池初始充电量、飞行高度、无人机重量；

通过红外热像仪采集无人机飞行过程中时刻对应的环境温度依次为；

通过读取电池管理系统中的记录值采集无人机飞行过程中时刻对应的充放电循环次数依次为；

通过使用飞行器载导航模块采集无人机飞行过程中时刻对应的飞行速度依次为；

通过压力传感器测量无人机飞行过程中时刻对应的飞行阻力依次为；

通过库仑计采集无人机飞行过程中时刻对应的电池初始充电量依次为；

通过飞行器载导航模块采集无人机飞行过程中时刻对应的飞行高度依次为；

通过荷载传感器采集无人机飞行过程中时刻对应的无人机重量依次为；

通过电压传感器采集无人机飞行过程中时刻对应的电池的电压依次为；

S1.2. 将步骤S1.1得到的t1~tn时刻的数据进行划分，划分成了多个连续的时间序列，每个时间序列的长度为J，划分得到的时间序列的数量为K个；即第一个时间序列对应的时刻为：t1~tJ；第二个时间序列对应的时刻为：t2~t(J+1)；第三个时间序列对应的时刻为：t3~t(J+2)；…；第K个时间序列对应的时刻为：tK~t(J+K-1)；

将全部K个时间序列的数据，按照8:1:1的比例关系划分成训练集、验证集、测试集。

进一步的，步骤S2的具体实现方法包括如下步骤：

S2.1. 设置改进的LSTM神经网络中改进后的遗忘门的激活值计算表达式为：

；

其中，为遗忘门的激活值，为sigmoid激活函数，为层归一化，为Dropout正则化，为遗忘门的权重，为上一时间步的最终输出，为当前时间步的输入，为连接操作，为遗忘门中的权重，为上一时间步的细胞状态，为遗忘门的偏置；

S2.2. 设置改进的LSTM神经网络中，改进后的输入门的激活值计算方法如下为：

；

其中，为输入门的激活值，为输入门的权重，为输入门中的权重，为输入门的偏置；

S2.3. 设置改进的LSTM神经网络中，改进后的细胞候选值计算方法如下：

；

其中，为细胞候选值，为双曲正切激活函数，为细胞候选值的权重，为细胞候选值中的权重，为细胞候选值的偏置；

S2.4. 设置改进的LSTM神经网络中，改进后的细胞状态更新的计算方法如下：

；

其中，为注意力权重，为softmax激活函数，为注意力权重的系数，为注意力权重中的权重，为注意力权重的偏置；

；

其中，为细胞状态；为点乘操作；

S2.5. 设置改进的LSTM神经网络中，改进后的输出门和最终输出计算方法如下：

；

其中，为输出门的激活值，为输出门的权重，为输出门的权重，为输出门的偏置；

；

其中，为最终输出值；

S2.6. 将改进的LSTM模型计算公式，更新至LSTM模型对应的算法中，并且部署至计算机中，完成eVTOL飞行器电池电压数据预测模型的构建。

进一步的，步骤S3的具体实现方法包括如下步骤：

S3.1. 将训练集输入到eVTOL飞行器电池电压数据预测模型中进行训练，训练过程中，损失函数采用均方误差MSE，计算方法如下：

；

其中，为样本数量，为电池电压真实值，为电池电压预测值；

S3.2. 误差修正通过反向传播和随机梯度下降SGD方法来实现，当损失函数值趋于稳定或达到预设的训练轮次时，训练结束；完成eVTOL飞行器电池电压数据预测模型的训练，用于预测eVTOL飞行器飞行过程中的电池电压。

进一步的，步骤S4中对预测得到的电压进行电压异常情况识别的方法包括如下步骤：

基于步骤S3预测得到第时刻的电池电压值，采用电压传感器实际监测得到的电池电压值为；

比较与，当时，其中为专家确定的允许电池电压误差，表明预测的第时刻的电池电压值与实际监测的第时刻的电池电压值保持一致；

当时，表明预测的第时刻的电池电压值与实际监测的第时刻的电池电压值相差较大，存在电压异常的情况，提取实际监测的第时刻及其前后M个时刻的电池电压值。

进一步的，步骤S5的具体实现方法包括如下步骤：

S5.1. 设置电压异常情况包括电压骤降、电压持续下降、电压异常波动、瞬时电压尖峰；

S5.2. 从行业数据库的航空电池性能数据库中，获取电压骤降、电压持续下降、电压异常波动、瞬时电压尖峰数据，并采用数据画出对应的电压随时间变化的折现图；

S5.3. 使用标注工具LabelImg对步骤S5.2得到的电压随时间变化的折现图中电压异常情况的标注，标注信息包含标注框的坐标和异常情况的类别；将标注后的数据，按照70%、15%、15%的比例，划分为训练集、验证集和测试集；

S5.4. 在计算机中部署YOLOv9深度学习模型，基于步骤S5.3划分好的训练集、验证集和测试集，设置模型的学习率、批大小超参数，采用优化器和损失函数，对YOLOv9深度学习模型进行训练，当模型损失函数值趋于稳定或达到预设的训练轮次时，训练结束，得到电压异常情况分类模型；

S5.5. 对步骤S4得到的电压异常情况的电压数据绘制电池电压值随时间变化的折线图；然后输入到电压异常情况分类模型中进行电压异常情况分类。

进一步的，步骤S6的具体实现方法包括如下步骤：

S6.1. 构建eVTOL飞行器紧急迫降点选择方法；

S6.1.1. 采用eVTOL飞行器机载导航系统，获取飞行器的当前位置和当前速度，采用库仑计测量电池剩余电量，采用电流传感器测量电流，采用电压传感器测量电压，在此基础上，计算当前功率消耗，计算公式为：

；

然后计算eVTOL飞行器剩余可飞行距离，计算公式为：

；

S6.1.2. 紧急迫降点选择：

使用地理信息系统识别eVTOL飞行器视野范围内容的潜在降落点，选择nm个潜在降落点；潜在降落点的考虑因素包括地形平坦度PT、障碍物密度ZM、人口密度RM、地表类型DB，从地理信息系统平台获取降落点的考虑因素数据如下：

为每个潜在降落点建立评分标准，计算表达式为：

；

其中，为第个潜在降落点对应的评分，分别为地形平坦度、障碍物密度、人口密度、地表类型的权重系数，分别为第个潜在降落点对应的地形平坦度、障碍物密度、人口密度、地表类型的评分，所述潜在降落点对应的地形平坦度、障碍物密度、人口密度、地表类型的评分采用工作人员直接打分得到；

按照评分从大到小的顺序，将全部个潜在降落点进行排序，按照排序，依次计算潜在降落点与飞行器的当前位置之间的距离，计算公式为：

；

比较与间的关系：当时，表明当前计算的潜在降落点在eVTOL飞行器剩余可飞行距离范围内，即选取当前计算的潜在降落点为紧急迫降点；

当表明当前计算的潜在降落点不在eVTOL飞行器剩余可飞行距离范围内，需要继续按照评分从大到小的排序，计算下一个潜在降落点与飞行器的当前位置之间的距离，直至满足时，即选取当前计算的潜在降落点为紧急迫降点，然后停止计算；

S6.2. 设置对步骤S5得到的电压异常情况分类情况中，判断为是电压骤降的，采用eVTOL飞行器紧急迫降点选择方法进行紧急迫降，判断为否的记录电池状态进行电池检修。

本发明的有益效果：

本发明所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，VTOL飞行器飞行过程中，通过实时监测电池的电压数据，判断电压的异常情况；然后对识别到的电压异常情况，采用异常电压分类模型进行分类；最后，针对电池损伤严重的情况，提出eVTOL飞行器紧急迫降点选择方法。最终可以实现对eVTOL飞行器飞行过程中的电池电压的全面监测，保证飞行器飞行安全。本发明可全面、准确地实现了电压异常值的识别，从而提前发现和预防电力系统的潜在故障，保障设备的正常运行和系统的稳定性，减少意外停电的风险。

本发明所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，可在飞行器电压出现严重的异常后，依据周边环境信息快速确定紧急迫降点，极大提高了飞行安全性和应急响应能力。减少了因电压问题造成的事故风险。

附图说明

图1为本发明所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法的流程图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。

因此，以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。

为能进一步了解本发明的发明内容、特点及功效，兹例举以下具体实施方式，并配合附图1详细说明如下：

实施例1：

一种基于eVTOL飞行器电池电压异常的紧急迫降方法，包括如下步骤：

S1. 采集同一时刻的eVTOL飞行器电池电压和eVTOL飞行器电池电压的影响因素的数据，构建飞行器电池电压数据预测数据集，包括训练集、验证集、测试集；

进一步的，步骤S1的具体实现方法包括如下步骤：

S1.1. 采集同一时间的的eVTOL飞行器电池电压和eVTOL飞行器电池电压的影响因素的数据，所述eVTOL飞行器电池电压的影响因素的数据包括环境温度、充放电循环次数、飞行速度、飞行阻力、电池初始充电量、飞行高度、无人机重量；

通过红外热像仪采集无人机飞行过程中时刻对应的环境温度依次为；

进一步的，环境温度指无人机操作环境的周围温度。低温会增加电池内阻，降低放电效率，导致电压下降；高温可能导致电池过热，影响电池性能和寿命。

通过读取电池管理系统中的记录值采集无人机飞行过程中时刻对应的充放电循环次数依次为；

进一步的，充放电循环次数指电池完成充电和放电的完整周期的次数。每次将电池从满电量使用到需要充电，再充满，就计为一个循环。随着充放电循环次数增加，电池容量逐渐降低，导致相同负载下电压下降更快。

通过使用飞行器载导航模块采集无人机飞行过程中时刻对应的飞行速度依次为；

进一步的，飞行速度指无人机在空中移动的速率。高速飞行增加风阻，需要更多功率克服阻力，导致更大的电流消耗和更快的电压下降。

通过压力传感器测量无人机飞行过程中时刻对应的飞行阻力依次为；

进一步的，飞行阻力指阻碍无人机在空中运动的力。主要包括空气阻力。逆风飞行比顺风飞行消耗更多能量，加速电压下降。

通过库仑计采集无人机飞行过程中时刻对应的电池初始充电量依次为；

进一步的，电池初始充电量指无人机起飞前电池的电量状态。通常以百分比表示，100%表示电池完全充满。初始充电不足会导致起飞时电压就较低，飞行过程中电压下降更快。过度充电可能导致电池寿命缩短，影响长期电压稳定性。

通过飞行器载导航模块采集无人机飞行过程中时刻对应的飞行高度依次为；

进一步的，飞行高度指无人机相对于地面或海平面的垂直距离。高海拔飞行时，空气密度降低，需要更多功率维持飞行，加速电压下降。频繁的高度变化（上升和下降）会增加能量消耗，影响电压稳定性。

通过荷载传感器采集无人机飞行过程中时刻对应的无人机重量依次为；

进一步的，无人机重量指无人机的总重量，包括机体、电池、载荷等所有组件的重量之和。无人机总重增加会直接增加电机负载，导致更大的电流消耗和更快的电压下降。重量分布不均可能导致某些电机负载过大，造成不均匀的电压消耗。

通过电压传感器采集无人机飞行过程中时刻对应的电池的电压依次为；

S1.2. 将步骤S1.1得到的t1~tn时刻的数据进行划分，划分成了多个连续的时间序列，每个时间序列的长度为J，划分得到的时间序列的数量为K个；即第一个时间序列对应的时刻为：t1~tJ；第二个时间序列对应的时刻为：t2~t(J+1)；第三个时间序列对应的时刻为：t3~t(J+2)；…；第K个时间序列对应的时刻为：tK~t(J+K-1)；

将全部K个时间序列的数据，按照8:1:1的比例关系划分成训练集、验证集、测试集。

S2. 基于改进的LSTM神经网络构建eVTOL飞行器电池电压数据预测模型；

采用电压传感器，在eVTOL飞行器飞行过程中，实时测量和监测电池端的电压。通过构建电池电压数据预测模型，实现eVTOL飞行器飞行过程中电池电压数据的预测，然后与监测数据进行比较，判别电压数据异常情况。

电池电压值预测模型的构建：在构建预测模型过程中，存在两个问题：（1）传统模型中，难以捕捉数据之间的长期依赖关系，即模型难以记住并使用较早时刻的电池电压值，对未来时刻的电池电压值进行预测。（2）在对电池电压值进行预测时，并不是所有的较早时刻的信息都是同等重要的，需要对已有时刻的信息的重要程度进行区分。

针对上述问题，提出了LSTM（长短期记忆网络）模型，该模型引入了门控机制，包括输入门、遗忘门、输出门，通过控制信息的长期保存与遗忘，有效解决了数据长期以来问题。同时，LSTM的门控机制可以允许模型学习不同时间节点的信息重要程度。然而，在LSTM中，依然存在下面几方面的问题，（1）在训练LSTM时，由于时间序列中的数据波动较大，模型的性能可能会受到影响，特别是在数据分布不均匀的情况下。（2）传统的LSTM模型在处理含有复杂时间依赖性的数据，如电池电压值变化时可能不够精确，因为该方法通常只依赖于短期的输入和隐藏状态。（3）传统LSTM在处理长序列数据时，可能会忽略那些对预测特别重要的信息，该方法通常用于处理整个序列的信息。（4）在训练复杂的LSTM网络时，模型会过拟合训练数据，导致在实际应用中性能下降。

上述问题，将导致eVTOL飞行器飞行过程中，较难基于监测数据对电池电压值进行准确地预测。

因此，本发明中，对LSTM模型进行了改进。具体如下：

（1）引入层归一化技术。层归一化能够稳定LSTM的学习过程，提高模型在不同数据条件下的适应能力，这对于无人机在不同环境和负载条件下飞行是非常重要的。这种技术可以帮助模型更好地适应环境变化，如环境温度、负载变化对电池电压值的影响。

（2）引入峰值连接技术。峰值连接使得模型可以直接利用长期记忆来调整门控的开闭，这对于预测如电池连续运行下的电压值非常有用。

（3）引入注意力机制。注意力机制可以帮助模型识别出对电池电压变化影响最关键的飞行阶段。

（4）引入Dropout正则化技术。在无人机的电池电压值的预测模型中，使用Dropout可以增加模型的泛化能力，减少在新的或未见过的飞行条件下的预测误差。这有助于当无人机面临不同的环境条件或飞行模式时，保持预测的稳定性和准确性。

采用上述4项技术，对传统LSTM中遗忘门、输入门、细胞候选值、细胞状态更新值、输出门、最终输出进行改进，具体如下：细胞状态为网络记忆的核心部分，通过一系列时间步传递信息。细胞状态可以看作是一条流动的“信息公路”，它携带着对未来决策可能重要的所有信息。在 LSTM 中，这个细胞状态能够在不同时间步间以几乎不变的形式传递，只通过门控制的方式进行细微的调整。

进一步的，步骤S2的具体实现方法包括如下步骤：

S2.1. 设置改进的LSTM神经网络中改进后的遗忘门的激活值计算表达式为：

；

其中，为遗忘门的激活值，为sigmoid激活函数，为层归一化，为Dropout正则化，为遗忘门的权重，为上一时间步的最终输出，为当前时间步的输入，为连接操作，为遗忘门中的权重，为上一时间步的细胞状态，为遗忘门的偏置；

进一步的，遗忘门的作用是决定从细胞状态中丢弃的信息。它通过一个sigmoid激活函数计算出一个介于0和1之间的值，这个值会与细胞状态逐元素相乘，从而实现对状态的“遗忘”。对于eVTOL飞行器飞行过程中，对于电池电压预测，如果电池的电压在某些条件下变化不大，遗忘门可以帮助模型忽略这些不重要的变化。

S2.2. 设置改进的LSTM神经网络中，改进后的输入门的激活值计算方法如下为：

；

其中，为输入门的激活值，为输入门的权重，为输入门中的权重，为输入门的偏置；

进一步的，输入门控制着新信息的重要性，决定将被加入到细胞状态的新信息。细胞候选值则是可能被加入到细胞状态的新信息的一个变换形式。对于eVTOL飞行器飞行过程中，对于电池电压值预测，输入门控制着新的电压输入信息的重要性，细胞候选值则根据这些信息更新电压值状态。

S2.3. 设置改进的LSTM神经网络中，改进后的细胞候选值计算方法如下：

；

其中，为细胞候选值，为双曲正切激活函数，为细胞候选值的权重，为细胞候选值中的权重，为细胞候选值的偏置；

进一步的，细胞状态是LSTM存储过去信息的地方，它在每个时间步被更新，用以保持长期依赖的信息。对于eVTOL飞行器飞行过程中，在进行电池电压值预测时，细胞状态的更新允许模型保留和遗忘信息，确保只有有用的信息被保留，从而提高预测的准确性。

S2.4. 设置改进的LSTM神经网络中，改进后的细胞状态更新的计算方法如下：

；

其中，为注意力权重，为softmax激活函数，为注意力权重的系数，为注意力权重中的权重，为注意力权重的偏置；

；

其中，为细胞状态；为点乘操作；

S2.5. 设置改进的LSTM神经网络中，改进后的输出门和最终输出计算方法如下：

；

其中，为输出门的激活值，为输出门的权重，为输出门的权重，为输出门的偏置；

；

其中，为最终输出值；

进一步的，输出门控制着从LSTM单元输出的信息量。最终输出则是基于当前的细胞状态和输出门的输出，它是传递给下一个时间步的输出以及最终输出的部分。对于eVTOL飞行器飞行过程中，对于电池电压值的预测，输出门和最终输出帮助确定每一步的电压值，为电池管理提供数据支持。

S2.6. 将改进的LSTM模型计算公式，更新至LSTM模型对应的算法中，并且部署至计算机中，完成eVTOL飞行器电池电压数据预测模型的构建。

S3. 利用步骤S1得到的训练集对eVTOL飞行器电池电压数据预测模型进行训练，得到训练好的eVTOL飞行器电池电压数据预测模型；

进一步的，步骤S3的具体实现方法包括如下步骤：

S3.1. 将训练集输入到eVTOL飞行器电池电压数据预测模型中进行训练，训练过程中，损失函数采用均方误差MSE，计算方法如下：

；

其中，为样本数量，为电池电压真实值，为电池电压预测值；

S3.2. 误差修正通过反向传播和随机梯度下降SGD方法来实现，当损失函数值趋于稳定或达到预设的训练轮次时，训练结束；完成eVTOL飞行器电池电压数据预测模型的训练，用于预测eVTOL飞行器飞行过程中的电池电压。

S4. 实时采集eVTOL飞行器飞行过程中电池电压和eVTOL飞行器电池电压的影响因素的数据，利用步骤S3得到的训练好的eVTOL飞行器电池电压数据预测模型对eVTOL飞行器电池电压进行预测，基于预测得到的电压进行电压异常情况识别，提取电压异常情况的电压数据；

进一步的，步骤S4中对预测得到的电压进行电压异常情况识别的方法包括如下步骤：

基于步骤S3预测得到第时刻的电池电压值，采用电压传感器实际监测得到的电池电压值为；

比较与，当时，其中为专家确定的允许电池电压误差，表明预测的第时刻的电池电压值与实际监测的第时刻的电池电压值保持一致；

当时，表明预测的第时刻的电池电压值与实际监测的第时刻的电池电压值相差较大，存在电压异常的情况，提取实际监测的第时刻及其前后M个时刻的电池电压值。

S5. 构建电压异常情况分类模型，对步骤S4得到的电压异常情况的电压数据进行电压异常情况分类；

进一步的，步骤S5的具体实现方法包括如下步骤：

S5.1. 设置电压异常情况包括电压骤降、电压持续下降、电压异常波动、瞬时电压尖峰；

进一步的，异常电压情况包含电压骤降、电压持续下降、电压异常波动、瞬时电压尖峰，这几类的电压异常情况异常特征明显，可通过图像识别的方式识别分类。

电压骤降是指电池电压在极短时间内发生显著且突然的下降。电压骤降在电压-时间图上呈现为一条几乎垂直的线段，通常是一个急剧的、近乎瞬时的下降，下降后可能会迅速回升（形成V形），或在低位持续一段时间。导致电压骤降的原因包含：瞬时大电流负载、电池内部短路、连接松动或接触不良。

电压持续下降是指电池电压以比正常放电更快的速度持续降低。电压持续下降在电压-时间图上呈现为一条斜率较大的下降曲线；下降速度明显快于正常放电曲线；可能是线性下降，也可能是非线性的加速下降。导致电压持续下降的原因包含：电池容量耗尽、电池老化或损坏、持续的过度负载。

电压异常波动是指电池电压在短时间内频繁且幅度较大地上下波动。电压异常波动在电压-时间图上呈现为不规则的锯齿状或波浪状曲线；波动幅度明显大于正常工作状态下的小幅波动；波动频率可能较高，但不一定规律。导致电压异常波动的原因包含：负载急剧变化、电池内部电化学反应不稳定。

瞬时电压尖峰是指电池电压在极短时间内出现一个显著的向上峰值。瞬时电压尖峰在电压-时间图上呈现为一个尖锐的向上"刺尖"；通常是一个非常短暂的尖峰，之后迅速回落到正常水平；峰值可能远高于正常工作电压。导致瞬时电压尖峰的原因包含：负载突然移除、电磁干扰、充电系统故障、传感器或数据采集系统异常。

S5.2. 从行业数据库的航空电池性能数据库中，获取电压骤降、电压持续下降、电压异常波动、瞬时电压尖峰数据，并采用数据画出对应的电压随时间变化的折现图；

S5.3. 使用标注工具LabelImg对步骤S5.2得到的电压随时间变化的折现图中电压异常情况的标注，标注信息包含标注框的坐标和异常情况的类别；将标注后的数据，按照70%、15%、15%的比例，划分为训练集、验证集和测试集；

S5.4. 在计算机中部署YOLOv9深度学习模型，基于步骤S5.3划分好的训练集、验证集和测试集，设置模型的学习率、批大小超参数，采用优化器和损失函数，对YOLOv9深度学习模型进行训练，当模型损失函数值趋于稳定或达到预设的训练轮次时，训练结束，得到电压异常情况分类模型；

S5.5. 对步骤S4得到的电压异常情况的电压数据绘制电池电压值随时间变化的折线图；然后输入到电压异常情况分类模型中进行电压异常情况分类。

S6. 基于步骤S5得到的不同类别的电压异常情况，构建eVTOL飞行器紧急迫降点选择方法。

进一步的，步骤S6的具体实现方法包括如下步骤：

S6.1. 构建eVTOL飞行器紧急迫降点选择方法；

S6.1.1. 采用eVTOL飞行器机载导航系统，获取飞行器的当前位置和当前速度，采用库仑计测量电池剩余电量，采用电流传感器测量电流，采用电压传感器测量电压，在此基础上，计算当前功率消耗，计算公式为：

；

然后计算eVTOL飞行器剩余可飞行距离，计算公式为：

；

S6.1.2. 紧急迫降点选择：

使用地理信息系统识别eVTOL飞行器视野范围内容的潜在降落点，选择nm个潜在降落点；潜在降落点的考虑因素包括地形平坦度PT、障碍物密度ZM、人口密度RM、地表类型DB，从地理信息系统平台获取降落点的考虑因素数据如下：

为每个潜在降落点建立评分标准，计算表达式为：

；

其中，为第个潜在降落点对应的评分，分别为地形平坦度、障碍物密度、人口密度、地表类型的权重系数，分别为第个潜在降落点对应的地形平坦度、障碍物密度、人口密度、地表类型的评分，所述潜在降落点对应的地形平坦度、障碍物密度、人口密度、地表类型的评分采用工作人员直接打分得到；

按照评分从大到小的顺序，将全部个潜在降落点进行排序，按照排序，依次计算潜在降落点与飞行器的当前位置之间的距离，计算公式为：

；

比较与间的关系：当时，表明当前计算的潜在降落点在eVTOL飞行器剩余可飞行距离范围内，即选取当前计算的潜在降落点为紧急迫降点；

当表明当前计算的潜在降落点不在eVTOL飞行器剩余可飞行距离范围内，需要继续按照评分从大到小的排序，计算下一个潜在降落点与飞行器的当前位置之间的距离，直至满足时，即选取当前计算的潜在降落点为紧急迫降点，然后停止计算；

S6.2. 设置对步骤S5得到的电压异常情况分类情况中，判断为是电压骤降的，采用eVTOL飞行器紧急迫降点选择方法进行紧急迫降，判断为否的记录电池状态进行电池检修。

进一步的，与电压持续下降、电压异常波动、瞬时电压尖峰相比，电压骤降被认为是最严重的，最有可能导致坠机。电压骤降的危险性主要源于其突发性、全面影响和难以恢复的特点。可能导致推进系统和控制系统同时失效，使飞行器瞬间失去升力和控制能力。一旦出现电压骤降，立即寻找紧急迫降点成为至关重要的安全措施。这是因为时间紧迫，系统可能快速失效。迅速着陆可以防止飞行器完全失控，最小化坠机风险，并有效利用剩余电力进行受控降落。应对电压骤降需要快速决策，选择最佳着陆点，执行紧急程序。因此，针对前述电压异常智能分类结果为电压持续下降、电压异常波动、瞬时电压尖峰时，需要对电池进行检修。电池检查过程中，若电池损伤不严重，可直接进行维修，例如，由于环境温度变化、轻微的充放电循环影响或短时间的负载波动等影响的；若发现电池损坏严重，例如，电池内部短路、电解液泄露或电池膨胀，就需要选择紧急迫降点，进行无人机紧急迫降。而上述电压异常智能分类结果为电压骤降时，需要立即选择紧急迫降点。

本发明的关键点和欲保护点为：

（1）一种电压异常情况识别和分类方法

（2）一种eVTOL飞行器紧急迫降点选择方法。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

虽然在上文中已经参考具体实施方式对本申请进行了描述，然而在不脱离本申请的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本申请所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本申请并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (7)

1.一种基于eVTOL飞行器电池电压异常的紧急迫降方法，其特征在于，包括如下步骤：

S1. 采集同一时刻的eVTOL飞行器电池电压和eVTOL飞行器电池电压的影响因素的数据，构建飞行器电池电压数据预测数据集，包括训练集、验证集、测试集；

S2. 基于改进的LSTM神经网络构建eVTOL飞行器电池电压数据预测模型；

S3. 利用步骤S1得到的训练集对eVTOL飞行器电池电压数据预测模型进行训练，得到训练好的eVTOL飞行器电池电压数据预测模型；

S4. 实时采集eVTOL飞行器飞行过程中电池电压和eVTOL飞行器电池电压的影响因素的数据，利用步骤S3得到的训练好的eVTOL飞行器电池电压数据预测模型对eVTOL飞行器电池电压进行预测，基于预测得到的电压进行电压异常情况识别，提取电压异常情况的电压数据；

S5. 构建电压异常情况分类模型，对步骤S4得到的电压异常情况的电压数据进行电压异常情况分类；

S6. 基于步骤S5得到的不同类别的电压异常情况，构建eVTOL飞行器紧急迫降点选择方法。

2.根据权利要求1所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，其特征在于，步骤S1的具体实现方法包括如下步骤：

S1.1. 采集同一时间的的eVTOL飞行器电池电压和eVTOL飞行器电池电压的影响因素的数据，所述eVTOL飞行器电池电压的影响因素的数据包括环境温度、充放电循环次数、飞行速度、飞行阻力、电池初始充电量、飞行高度、无人机重量；

通过红外热像仪采集无人机飞行过程中时刻对应的环境温度依次为；

通过读取电池管理系统中的记录值采集无人机飞行过程中时刻对应的充放电循环次数依次为；

通过使用飞行器载导航模块采集无人机飞行过程中时刻对应的飞行速度依次为；

通过压力传感器测量无人机飞行过程中时刻对应的飞行阻力依次为；

通过库仑计采集无人机飞行过程中时刻对应的电池初始充电量依次为；

通过飞行器载导航模块采集无人机飞行过程中时刻对应的飞行高度依次为；

通过荷载传感器采集无人机飞行过程中时刻对应的无人机重量依次为；

通过电压传感器采集无人机飞行过程中时刻对应的电池的电压依次为；

S1.2. 将步骤S1.1得到的t1~tn时刻的数据进行划分，划分成了多个连续的时间序列，每个时间序列的长度为J，划分得到的时间序列的数量为K个；即第一个时间序列对应的时刻为：t1~tJ；第二个时间序列对应的时刻为：t2~t(J+1)；第三个时间序列对应的时刻为：t3~t(J+2)；…；第K个时间序列对应的时刻为：tK~t(J+K-1)；

将全部K个时间序列的数据，按照8:1:1的比例关系划分成训练集、验证集、测试集。

3.根据权利要求2所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，其特征在于，步骤S2的具体实现方法包括如下步骤：

S2.1. 设置改进的LSTM神经网络中改进后的遗忘门的激活值计算表达式为：

；

其中，为遗忘门的激活值，为sigmoid激活函数，为层归一化，为Dropout正则化，为遗忘门的权重，为上一时间步的最终输出，为当前时间步的输入，为连接操作，为遗忘门中的权重，为上一时间步的细胞状态，为遗忘门的偏置；

S2.2. 设置改进的LSTM神经网络中，改进后的输入门的激活值计算方法如下为：

；

其中，为输入门的激活值，为输入门的权重，为输入门中的权重，为输入门的偏置；

S2.3. 设置改进的LSTM神经网络中，改进后的细胞候选值计算方法如下：

；

其中，为细胞候选值，为双曲正切激活函数，为细胞候选值的权重，为细胞候选值中的权重，为细胞候选值的偏置；

S2.4. 设置改进的LSTM神经网络中，改进后的细胞状态更新的计算方法如下：

；

其中，为注意力权重，为softmax激活函数，为注意力权重的系数，为注意力权重中的权重，为注意力权重的偏置；

；

其中，为细胞状态；为点乘操作；

S2.5. 设置改进的LSTM神经网络中，改进后的输出门和最终输出计算方法如下：

；

其中，为输出门的激活值，为输出门的权重，为输出门的权重，为输出门的偏置；

；

其中，为最终输出值；

S2.6. 将改进的LSTM模型计算公式，更新至LSTM模型对应的算法中，并且部署至计算机中，完成eVTOL飞行器电池电压数据预测模型的构建。

4.根据权利要求3所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，其特征在于，步骤S3的具体实现方法包括如下步骤：

S3.1. 将训练集输入到eVTOL飞行器电池电压数据预测模型中进行训练，训练过程中，损失函数采用均方误差MSE，计算方法如下：

；

其中，为样本数量，为电池电压真实值，为电池电压预测值；

S3.2. 误差修正通过反向传播和随机梯度下降SGD方法来实现，当损失函数值趋于稳定或达到预设的训练轮次时，训练结束；完成eVTOL飞行器电池电压数据预测模型的训练，用于预测eVTOL飞行器飞行过程中的电池电压。

5.根据权利要求4所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，其特征在于，步骤S4中对预测得到的电压进行电压异常情况识别的方法包括如下步骤：

基于步骤S3预测得到第时刻的电池电压值，采用电压传感器实际监测得到的电池电压值为；

比较与，当时，其中为专家确定的允许电池电压误差，表明预测的第时刻的电池电压值与实际监测的第时刻的电池电压值保持一致；

当时，表明预测的第时刻的电池电压值与实际监测的第时刻的电池电压值相差较大，存在电压异常的情况，提取实际监测的第时刻及其前后M个时刻的电池电压值。

6.根据权利要求5所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，其特征在于，步骤S5的具体实现方法包括如下步骤：

S5.1. 设置电压异常情况包括电压骤降、电压持续下降、电压异常波动、瞬时电压尖峰；

S5.2. 从行业数据库的航空电池性能数据库中，获取电压骤降、电压持续下降、电压异常波动、瞬时电压尖峰数据，并采用数据画出对应的电压随时间变化的折现图；

S5.3. 使用标注工具LabelImg对步骤S5.2得到的电压随时间变化的折现图中电压异常情况的标注，标注信息包含标注框的坐标和异常情况的类别；将标注后的数据，按照70%、15%、15%的比例，划分为训练集、验证集和测试集；

S5.4. 在计算机中部署YOLOv9深度学习模型，基于步骤S5.3划分好的训练集、验证集和测试集，设置模型的学习率、批大小超参数，采用优化器和损失函数，对YOLOv9深度学习模型进行训练，当模型损失函数值趋于稳定或达到预设的训练轮次时，训练结束，得到电压异常情况分类模型；

S5.5. 对步骤S4得到的电压异常情况的电压数据绘制电池电压值随时间变化的折线图；然后输入到电压异常情况分类模型中进行电压异常情况分类。

7.根据权利要求6所述的一种基于eVTOL飞行器电池电压异常的紧急迫降方法，其特征在于，步骤S6的具体实现方法包括如下步骤：

S6.1. 构建eVTOL飞行器紧急迫降点选择方法；

S6.1.1. 采用eVTOL飞行器机载导航系统，获取飞行器的当前位置和当前速度，采用库仑计测量电池剩余电量，采用电流传感器测量电流，采用电压传感器测量电压，在此基础上，计算当前功率消耗，计算公式为：

；

然后计算eVTOL飞行器剩余可飞行距离，计算公式为：

；

S6.1.2. 紧急迫降点选择：

使用地理信息系统识别eVTOL飞行器视野范围内容的潜在降落点，选择nm个潜在降落点；潜在降落点的考虑因素包括地形平坦度PT、障碍物密度ZM、人口密度RM、地表类型DB，从地理信息系统平台获取降落点的考虑因素数据如下：

为每个潜在降落点建立评分标准，计算表达式为：

；

其中，为第个潜在降落点对应的评分，分别为地形平坦度、障碍物密度、人口密度、地表类型的权重系数，分别为第个潜在降落点对应的地形平坦度、障碍物密度、人口密度、地表类型的评分，所述潜在降落点对应的地形平坦度、障碍物密度、人口密度、地表类型的评分采用工作人员直接打分得到；

按照评分从大到小的顺序，将全部个潜在降落点进行排序，按照排序，依次计算潜在降落点与飞行器的当前位置之间的距离，计算公式为：

；

比较与间的关系：当时，表明当前计算的潜在降落点在eVTOL飞行器剩余可飞行距离范围内，即选取当前计算的潜在降落点为紧急迫降点；

当表明当前计算的潜在降落点不在eVTOL飞行器剩余可飞行距离范围内，需要继续按照评分从大到小的排序，计算下一个潜在降落点与飞行器的当前位置之间的距离，直至满足时，即选取当前计算的潜在降落点为紧急迫降点，然后停止计算；

S6.2. 设置对步骤S5得到的电压异常情况分类情况中，判断为是电压骤降的，采用eVTOL飞行器紧急迫降点选择方法进行紧急迫降，判断为否的记录电池状态进行电池检修。