一种用于无人机的电源安全管理系统及其安全管理方法

本技术涉及无人机领域，尤其涉及一种无人机的电源安全管理系统及其安全管理方法。

背景技术：

1、无人机的能源供应通常使用可充电电池，常见的可充电电池类型包括锂聚合物电池、锂离子电池和镍氢电池，根据无人机的重量、飞行时间和功率等因素选择适当的可充电电池。无人机的电源管理提供无人机功能组件的供能管理和安全监测管理，供能管理用于将电池提供的直流电能转换为各个功能组件所需的不同电压和电流，其中，一般使用变换器或者稳压器对电能进行转换和调节，以确保各个功能组件正常运行。安全监测管理用于对无人机状态的监测以及提供电池的保护措施，其中，监测异常数据是无人机任务中最重要的指标数据之一，根据监测数据的结果，能够提供相应的保护措施。但目前的电源管理方法中，通常是使用数据模型，获得特征数据，对异常状况进行判别后，根据产生的异常状况，为异常状况分配解决方案。但由于无人机在任务中往往会遇到综合性的异常情况，也就是多种类的异常结合在一起的情况，而且在异常状况产生之后再采取维护方案，出现事故的危险的可能性会大大增加，因此，需要一种能够提前判断风险趋势，提前做出风险干涉，灵敏调整监测方案的管理方法。

技术实现思路

1、以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

2、为了解决问题，本技术提供一种用于无人机的电源安全管理系统，包括供能模块和监测模块；其中，所述供能模块用于向无人机的功能组件提供电源，所述监测模块包括异常数据采集模块和安全预测模块；其中，所述异常数据采集模块能够以预设的频率获取异常数据；所述安全预测模块包括数据库模块、评估模块和调整模块；其中，所述数据库模块记录有异常类别、异常类别的基础数据阈值和安全评估阈值、与异常类别关联的功能组件，以及无人机状态安全评估阈值，所述评估模块能够根据获取到的异常数据对异常类别的安全风险进行评估，所述调整模块能够根据安全风险的评估结果对异常类别关联的功能组件的供能进行调整。

3、其中，所述调整模块包括低风险监测模块和高风险监测模块。

4、其中，所述低风险监测模块以第一频率进行异常数据采集，根据采集到的异常数据评估对应的异常类别的安全风险，根据评估结果，判断是否转入高风险监测模块进行监测。

5、其中，所述高风险监测模块对异常数据采集的频率由第一频率提高到第二频率，根据采集到的异常数据评估对应的异常类别的安全风险，根据评估结果，判断是否对功能组件的应用功耗进行限制。

6、本技术还提供一种使用如上所述的用于无人机的电源安全管理系统的安全管理方法，其步骤包括：

7、s1，设置在无人机p执行的第r巡检任务中，任务起始时间为ts，预计结束时间为te；

8、设置异常数据对应于m个异常类别nd，nd = [nd1，nd2，nd3，…，ndm],其中,第z类异常ndz的风险权重为nwz，与第z类异常ndz相关联的功能组件列表为pg;

9、s2，以第一频率k1进行监测，设置在ti时间获取到第z类异常ndz的异常数据qiz，其中，根据第z类异常ndz的基础数据阈值q0z，获得第z类异常ndz的异常数据qiz与基础数据阈值q0z的异常数据差值△qiz= qiz- q0z；

10、获得ti时间的第z类异常ndz的安全评估分数 ；

11、根据第z类异常ndz的安全评估阈值c0z；

12、当ciz＜c0z时，转入步骤s3；

13、当ciz≥c0z时，转入步骤s4；

14、s3，以第一频率k1继续进行监测，设置初始评估系数η1，其中， 1＜η1＜1.5；

15、设置在ti时间之后的t(i+1)时间获取到第z类异常ndz的异常数据q(i+1)z，根据第z类异常ndz的基础数据阈值q0z，获得t(i+1)时间第z类异常的异常数据q(i+1)z与基础数据阈值q0z之间的异常数据差值△q(i+1)z=q(i+1)z-q0z；

16、获得无人机第z类异常类别ndz在t(i+1)时间的安全评估分数；

17、根据第z类异常ndz的安全评估阈值c0z；

18、当c (i+1)z≤ciz时，循环本步骤；

19、当c (i+1)z≥c0z时，转入步骤s4；

20、当ciz＜c (i+1)z＜c0z时，获得无人机p在t (i+1)时间获得的包含所有异常类别的状态安全评估分数；

21、根据无人机状态安全评估阈值c0；

22、当c(i+1)≥c0时，转入步骤s4：

23、当c(i+1)＜c0时，循环本步骤；

24、s4，由监测频率由第一频率k1提高到第二频率k2，其中，k2＞k1 ；

25、在第一评估系数η1的基础上获得第二评估系数η2，其中，η2＞η1；

26、设置在ti时间之后的t(i+1)’时间获取到第z类异常ndz的异常数据q(i+1)z’，根据数据库中第z类异常ndz的基础数据阈值q0z，获得t(i+1)’时间第z类异常的异常数据q(i+1)z’与基础数据阈值q0z之间的异常数据差值△q(i+1)z’= q(i+1)z’-q0z；

27、获得无人机第z类异常ndz在t(i+1)’时间的安全评估分数；

28、根据第z类异常ndz的安全评估阈值c0z；

29、当c(i+1)z’＜ c0z时，转入s3步骤；

30、当c(i+1)z’≥ c0z时，转入s5步骤；

31、s5，获取第z类异常ndz相关联的功能组件列表pg，pg=[pg1，pg2，pg3，…，pgn]，设置其中第j个功能组件pgj的重要级别系数为pwj，按重要级别系数由低到高的顺序限制列表中功能组件的应用功耗。

32、其中，s5步骤包括：

33、设置第z类异常ndz相关联的功能组件列表pg=[pg1，pg2，pg3，…，pgn]中的功能组件以重要级别系数由低到高排列，设置其中第j个功能组件pgj的重要级别系数为pwj；

34、设置预警指标为fmax，其中,当第j个功能组件pgj受到应用功耗限制时，若＞fmax，则发出安全预警。

35、其中，在s4步骤中，第二频率k2=η1k1。

36、其中，在s4步骤中，第二评估系数 ，其中，e为自然常数。

37、本技术实现的有益效果如下：

38、本技术对于无人机在任务中遇到综合性的异常情况，能够在多种类型的异常结合中分析出针对性的异常类型，在异常状况产生之前采取维护方案，提前预测到风险趋势，大大降低出现事故的危险，同时，能够灵敏调整监测方案，调整供能分配方式，最大程度的保证飞行任务中重要级别较高的功能组件的供电应用，使飞行任务能够稳定完成。

39、本技术克服了多数机理模型仅为简化的线性系统，能够对非线性、自由度较高以及多变量耦合的复杂情况进行判断，触发速度快，成本较低，预警的启动和恢复都十分迅速，应用范围广。