[论文解读] An Overview of Drone Energy Consumption Factors and Models

Pedram Beigi, Mohammad Sadra Rajabi+1 more|arXiv (Cornell University)|Jun 21, 2022

Advanced Aircraft Design and Technologies被引用 6

一句话总结

本文全面分析了影响无人机能耗的关键因素，并评估了各类无人机能量建模方法。综合考虑了影响飞行续航时间的物理、操作及环境因素，表明准确的能量模型——尤其是那些考虑推力、升阻比以及非线性飞行阶段的模型——对于可靠的任务规划与优化在物流无人机应用中至关重要。

ABSTRACT

At present, there is a growing demand for drones with diverse capabilities that can be used in both civilian and military applications, and this topic is receiving increasing attention. When it comes to drone operations, the amount of energy they consume is a determining factor in their ability to achieve their full potential. According to this, it appears that it is necessary to identify the factors affecting the energy consumption of the unmanned air vehicle (UAV) during the mission process, as well as examine the general factors that influence the consumption of energy. This chapter aims to provide an overview of the current state of research in the area of UAV energy consumption and provide general categorizations of factors affecting UAV's energy consumption as well as an investigation of different energy models.

研究动机与目标

• 识别并分类影响无人机能耗的关键内部与外部因素。
• 回顾并分类现有无人机能耗模型，依据其基本假设与物理原理。
• 强调精确能耗建模在优化无人机路径规划、调度与机队管理中的重要性。
• 分析不同建模假设（尤其是关于推力与飞行阶段）对无人机配送任务可行性与效率的影响。
• 通过整合现有知识并识别建模精度与应用方面的空白，为未来能源高效无人机运营研究提供基础。

提出的方法

• 将能耗影响因素划分为四大类：无人机设计、环境条件、无人机动力学与配送作业。
• 系统性回顾并分类文献中的15种以上能耗模型，涵盖经验型、解析型与回归分析方法。
• 基于其物理基础（如升阻比、功率分配与航电系统功耗组件）对模型进行分析。
• 利用真实世界数据与实地测量结果评估模型，包括Kirschstein（2020）、Murray & Raj（2020）与Zhang et al.（2021）的研究。
• 对比线性与非线性模型，尤其关注悬停、爬升与平飞阶段的能量消耗。
• 以D’Andrea（2014）模型作为基准，该模型将气动载荷与无人机设计整合为单一升阻比参数。

实验结果

研究问题

• RQ1 固定翼与多旋翼无人机在飞行过程中，影响其能耗的主要内部与外部因素有哪些？
• RQ2 基于物理原理与经验回归的能耗模型在准确性与适用性方面如何比较？
• RQ3 关于推力与飞行阶段（如悬停、巡航）的假设在多大程度上影响无人机配送路线的可行性与效率？
• RQ4 为何必须在优化模型中包含起飞、着陆与悬停等非巡航阶段的能耗？
• RQ5 电池容量、有效载荷重量以及温度与空气密度等环境条件的变化如何影响飞行续航时间与能耗？

主要发现

• 有效载荷重量与无人机质量是对能耗影响最大的因素，显著影响飞行时长与效率。
• 基于时间或距离的线性能耗假设模型常导致能量不可行的路径，尤其在未建模悬停或过渡阶段时更为明显。
• 升阻比是基于物理模型中的关键参数，直接影响持续飞行所需的能量。
• 包含固定航电系统功耗并考虑推力-力平衡的模型（如D’Andrea，2014）比简化的线性模型提供更准确的预测。
• 必须显式建模起飞、回收与通信阶段（尤其是悬停）的能耗，这些因素会显著改变路径的可行性。
• 不同模型可能产生显著不同的最优路径，凸显需根据任务类型与精度要求选择合适模型。