[论文解读] High-Fidelity Solar Power Income Modeling for Solar-Electric UAVs: Development and Flight Test Based Verification

Philipp Oettershagen|arXiv (Cornell University)|Mar 21, 2017

Advanced Aircraft Design and Technologies参考文献 6被引用 9

一句话总结

本文提出了一种针对太阳能电动无人机的高保真太阳能功率模型（FM），该模型考虑了飞行器姿态、几何形状、温度以及太阳入射角的影响，显著提升了预测精度。经28小时飞行数据验证，FM将平均太阳能功率误差降低至-1.75%，优于传统模型最高达18%的误差。

ABSTRACT

Solar power models are a crucial element of solar-powered UAV design and performance analysis. During the conceptual design phase, their accuracy directly relates to the accuracy of the predicted performance metrics and thus the final design characteristics of the solar-powered UAV. Likewise, during the operations phase of a solar-powered UAV accurate solar power income models are required to predict and assess the solar power system performance. However, the existing literature on solar-powered UAVs uses highly simplified solar power models. This technical report therefore, first, introduces a high-fidelity solar power model that takes into account the exact aircraft attitude, aircraft geometry, and physical effects such as temperature and the sun radiation's angle-of-incidence that influence the overall solar power system efficiency. Second, models that require a reduced set of input data and are thus more appropriate for the initial design phase of solar-powered UAVs are derived from the high-fidelity model. Third, the models are compared and verified against flight data from a 28-hour continuous day/night solar-powered flight. The results indicate that our high-fidelity model allows a prediction of the average solar power income with an error of less than 5% whereas previous models were only accurate to about 18%.

研究动机与目标

• 解决太阳能电动无人机设计与运行中对精确太阳能功率输入建模的关键需求。
• 克服现有简化模型忽略飞行器姿态、太阳入射角及温度影响的局限性。
• 开发一套分层模型体系——全模型（FM）、概念分析模型（CAM）与概念设计模型（CDM），以适配不同设计阶段。
• 通过阿特兰蒂克太阳能（AtlantikSolar）无人机28小时太阳能飞行的实际飞行数据，验证模型精度。
• 为设计人员提供具备误差意识、适配各设计阶段的模型，以提升早期与后期设计阶段的性能预测准确性。

提出的方法

• 开发全太阳能功率模型（FM），作为时间解析、依赖飞行器状态的模型，整合精确的姿态、几何形状以及温度和入射角等物理效应。
• 通过减少输入数据需求，从FM推导出概念分析模型（CAM）与概念设计模型（CDM），以适用于早期设计阶段。
• 采用基于[1]的太阳辐射模型，计算太阳辐照度在纬度、时间、一年中某日、高度及太阳电池板法向矢量下的函数关系。
• 通过[1]和[6]中的经验曲线，对太阳电池板入射角（γ）和温度进行效率修正，以调整η_sm。
• 对飞行数据应用预滤波技术，以确保在姿态相关（FM、VM）与姿态无关（CDM、CAM）模型之间进行公平比较。
• 通过对比预测太阳能功率与实际飞行数据，计算平均功率与均方根偏差的系统性误差，对模型进行验证。

实验结果

研究问题

• RQ1 在太阳能电动无人机中，包含飞行器姿态与太阳入射角是否显著提升太阳能功率预测的准确性？
• RQ2 当前无人机设计文献中使用的高保真模型与简化模型之间的性能差距有多大？
• RQ3 飞行过程中由风引起的姿态变化在盘旋飞行期间对太阳能功率预测的影响程度如何？
• RQ4 在概念设计早期阶段，简化输入的模型（CAM）是否能显著提升预测精度，优于传统设计模型（CDM）？
• RQ5 当基于28小时太阳能飞行的真实飞行数据验证时，全模型（FM）的预测精度如何？

主要发现

• 全太阳能功率模型（FM）在与飞行数据对比时，平均太阳能功率预测误差仅为-1.75%，表现出极高的精度。
• 传统概念设计模型（CDM）将平均太阳能功率高估了17.81%，表明在真实任务中存在显著的性能不足风险。
• 包含入射角效应的概念分析模型（CAM）将平均误差降低至5.31%，相比CDM有显著改进。
• 飞行过程中由风引起的飞行器姿态变化在盘旋转弯阶段导致CAM系统性高估，尤其在早晨，因太阳照射减少而加剧。
• 当使用预滤波飞行数据时，FM的预测误差进一步降低至4.19% RMS，证实其在详细性能分析中的鲁棒性。
• 本研究识别出太阳电池板效率的入射角依赖性以及风致姿态变化是必须在设计初期即予以考虑的关键因素，以避免性能意外。