CN119012136B - 利用气压唤醒监测无人机定位的方法 - Google Patents
利用气压唤醒监测无人机定位的方法 Download PDFInfo
- Publication number
- CN119012136B CN119012136B CN202411500577.9A CN202411500577A CN119012136B CN 119012136 B CN119012136 B CN 119012136B CN 202411500577 A CN202411500577 A CN 202411500577A CN 119012136 B CN119012136 B CN 119012136B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- air pressure
- flight
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 26
- 238000009825 accumulation Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 230000010006 flight Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. Transmission Power Control [TPC] or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于无人机管控技术领域。提供了利用气压唤醒监测无人机定位的方法，包括：将监测器安装在无人机上，监测器包括处理器、电子气压计、有源射频标签、定位设备，电子气压计连续检测所处区域内的若干组气压信息；处理器根据各组所述气压信息计算得出气压波动数据，并根据气压波动数据判断无人机是否切换至飞行状态；若是，则激活有源射频标签和定位设备，有源射频标签将无人机ID和定位设备检测得到的定位信息发送给无人机管理平台；无人机管理平台根据无人机ID、定位信息及内部存储的飞行备案信息进行比对，对该无人机是否属于黑飞做出判断。本发明的方案既实现了对无人机黑飞的监测管控，还有效降低了监测过程中的电能消耗问题。
Description
技术领域
本发明涉及无人机管控技术领域，具体而言，涉及利用气压唤醒监测无人机定位的方法。
背景技术
对无人机的飞行活动进行规范管理，是促进无人机产业的健康发展的重要内容。现有技术中，为了防止无人机黑飞，会在无人机上配置定位设备和通信设备，由通信设备将无人机的定位信息实时反馈给无人机管控平台，根据定位信息可以判定无人机的飞行状态，通过与备案的飞行时间进行比对，即可对其是否属于黑飞做出判断。
但是，上述现有方式需要定位设备和通信设备处于实时的通信状态，这会大量消耗无人机的电能，不利于对无人机进行长时间的黑飞管控监测。本发明旨在对该技术问题进行改进。
发明内容
为解决上述技术问题，本发明提供了一种利用气压唤醒监测无人机定位的方法、系统、电子设备、计算机存储介质及计算机程序产品，以实现在完成对无人机的黑飞监控的同时，还有效降低监控电耗的目的。
本发明公开了一种利用气压唤醒监测无人机定位的方法，所述方法包括如下步骤：将监测器安装在无人机上，所述监测器包括处理器、电子气压计、有源射频标签、定位设备，所述有源射频标签和所述定位设备平常处于低功耗休眠状态；所述电子气压计连续检测所处区域内的若干组气压信息，并将各组所述气压信息传输给所述处理器；所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态；若是，则激活所述有源射频标签和所述定位设备，所述有源射频标签将无人机ID和所述定位设备检测得到的定位信息发送给无人机管理平台；所述无人机管理平台根据所述无人机ID、所述定位信息及内部存储的与所述无人机ID对应的飞行备案信息进行比对，对该无人机是否属于黑飞做出判断。
可选地，所述处理器还用于：与无人机的飞行记录装置进行通信，以获得最新的一组飞行记录数据，从所述飞行记录数据中提取得出飞行时长、飞行速度；根据所述飞行时长和所述飞行速度预测得出待散发热量值，将所述待散发热量值与预设对照表格进行比对分析，获得静默时长；其中，预设对照表格中的所述静默时长与所述待散发热量值呈现正相关关系；在达到所述静默时长时，接收所述电子气压计发送的各组所述气压信息。
可选地，所述根据所述飞行时长和所述飞行速度预测得出待散发热量值，包括：将所述飞行时长、所述飞行速度、无人机的基础参数及环境温度输入基于大模型的热量积蓄预测模型；其中，所述基础参数包括电机参数、电调参数、电池参数、螺旋桨参数；基于所述热量积蓄预测模型的预测结果生成所述待散发热量值。
可选地，所述基于所述热量积蓄预测模型的预测结果生成所述待散发热量值，包括：所述热量积蓄预测模型输出其预测的初步待散发热量值；所述无人机管理平台将该无人机停放区域内的其它无人机信息发送给所述处理器，所述其它无人机信息包括停放时长低于预定时长的无人机数量；所述处理器根据所述无人机数量换算得出优化系数，使用所述优化系数对所述初步待散发热量值进行调整，获得所述待散发热量值。
可选地，所述停放区域是以无人机所处位置为基准的圆形区域，该圆形区域的半径是根据所述初步待散发热量值确定得出的，具体地，所述半径与所述初步待散发热量值负相关。
可选地，所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态，包括：所述处理器根据各组所述气压信息计算得出气压波动数据，所述气压波动数据中包括按时间先后排序的若干气压波动幅度，各所述气压波动幅度带有正负号，正号代表在后气压相比于邻接的在前气压变大，负号代表在后气压相比于邻接的在前气压变小；使用卷积网络从所述气压波动数据提取得出气压波动特征，将所述气压波动特征输入分类器，所述分类器输出无人机切换至飞行状态的概率；若所述概率高于阈值，则判定无人机切换至飞行状态，否则判定无人机未切换至飞行状态。
本发明还提供了一种利用气压唤醒监测无人机定位的系统，所述系统包括处理模组和存储模组，所述存储模组中存储有计算机程序，所述处理模组对所述存储模组中的计算机程序进行调用，以实现如下方法步骤：将监测器安装在无人机上，所述监测器包括处理器、电子气压计、有源射频标签、定位设备，所述有源射频标签和所述定位设备平常处于低功耗休眠状态；所述电子气压计连续检测所处区域内的若干组气压信息，并将各组所述气压信息传输给所述处理器；所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态；若是，则激活所述有源射频标签和所述定位设备，所述有源射频标签将无人机ID和所述定位设备检测得到的定位信息发送给无人机管理平台；所述无人机管理平台根据所述无人机ID、所述定位信息及内部存储的与所述无人机ID对应的飞行备案信息进行比对，对该无人机是否属于黑飞做出判断。
本发明还公开了一种电子设备，包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现如前所述的方法。
本发明还公开了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如前所述的方法。
本发明还公开了一种计算机程序产品，当计算机程序产品被电子设备的处理器调用并执行时，执行时以实现如前所述的方法。
本发明的方案既实现了对无人机黑飞的监测管控，还有效降低了监测过程中的电能消耗问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1是本发明实施例公开的一种利用气压唤醒监测无人机定位的方法的流程示意图。
图2是本发明实施例公开的一种利用气压唤醒监测无人机定位的系统的结构示意图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
此外，下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
如图1所示，本发明实施例公开了一种利用气压唤醒监测无人机定位的方法，所述方法包括如下步骤：将监测器安装在无人机上，所述监测器包括处理器、电子气压计、有源射频标签、定位设备，所述有源射频标签和所述定位设备平常处于低功耗休眠状态；所述电子气压计连续检测所处区域内的若干组气压信息，并将各组所述气压信息传输给所述处理器；所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态；若是，则激活所述有源射频标签和所述定位设备，所述有源射频标签将无人机ID和所述定位设备检测得到的定位信息发送给无人机管理平台；所述无人机管理平台根据所述无人机ID、所述定位信息及内部存储的与所述无人机ID对应的飞行备案信息进行比对，对该无人机是否属于黑飞做出判断。
与现有方式相比，本发明监测器中的有源射频标签和定位设备在平常是处于低功耗休眠状态的，只有电子气压计和处理器是处于常开状态的，这有利于降低监测器的电力消耗，从而提升对无人机的黑飞监测的时长。
具体地，电子气压计对无人机所处区域的气压进行检测，获得若干组气压信息，处理器根据各组气压信息计算得出气压波动数据，并根据气压波动数据判断无人机是否切换至飞行状态，若是，则激活有源射频标签和定位设备，定位设备实时检测无人机的定位信息，有源射频标签将无人机ID和定位信息发送给无人机管理平台，由无人机管理平台根据该无人机的定位信息与其内部存储的该无人机的飞行备案信息（特定时间的飞行请求）进行比对，若不匹配，例如备案的飞行时间并非当前时间，则判定该无人机为黑飞，否则判定为正常飞行。
本发明通过检测无人机所处区域的气压信息来对该无人机是否处于飞行状态进行判断，并触发低功耗休眠状态的有源射频标签和定位设备切换至使能状态，以实现将无人机的ID及定位信息实时向无人机管理平台进行发送，从而由无人机管理平台对该无人机是否存在黑飞做出判断。可见，本发明的方案既实现了对无人机黑飞的监测管控，还有效降低了监测过程中的电能消耗问题。
需要说明的是，无人机管理平台可以是本地平台，例如在无人机管理平台的布设位置与各无人机的存放位置的距离为100米以内，这样无人机管理平台就可以接收到各无人机通过射频通信技术发送的无人机ID和定位信息。
可选地，所述处理器还用于：与无人机的飞行记录装置进行通信，以获得最新的一组飞行记录数据，从所述飞行记录数据中提取得出飞行时长、飞行速度；根据所述飞行时长和所述飞行速度预测得出待散发热量值，将所述待散发热量值与预设对照表格进行比对分析，获得静默时长；其中，预设对照表格中的所述静默时长与所述待散发热量值呈现正相关关系；在达到所述静默时长时，接收所述电子气压计发送的各组所述气压信息。
在本发明实施例中，无人机在飞行的过程中电机、电子调速器、动力电池、螺旋桨等均会产生一定的热量，以及无人机机身与空气摩擦之后也会产生较多热量，这些热量在无人机落地之后的一段时长内会逐渐向周围区域散发，进而导致所处区域内的空气温度升高。而空气温度的变化会引起气压变化，电子气压计可能会检测到波动幅度过大的一组气压信息，进而容易导致处理器误判无人机进入了飞行状态即黑飞。
针对上述技术问题，本发明设置在将监测器安装在无人机上之后或者无人机落地停机后（此时监测器固定安装在无人机上），监测器的处理器及时与无人机的飞行记录装置进行通信，获得该无人机最新的一组飞行记录数据，其中包括飞行时长、飞行速度。处理器根据飞行时长和飞行速度可以预测得出最近一次飞行所产生的热量，即预测得出此时的待散发热量值，将待散发热量值与预设对照表格进行比对分析，获得静默时长。最后，控制处理器在该静默时长之后再接收电子气压计检测的多组气压信息，由于无人机飞行过程中积聚的热量已经得到了散发，所处区域的空气温度恢复了正常，此时再基于所处区域的气压信息对无人机是否切换至飞行状态进行判断，就基本不会存在该因素导致的误判黑飞的情况。
其中，预设一个对照表格，该对照表格中包含了多组[静默时长, 待散发热量值]，通过查表即可确定出对应的静默时长。
可选地，所述根据所述飞行时长和所述飞行速度预测得出待散发热量值，包括：将所述飞行时长、所述飞行速度、无人机的基础参数及环境温度输入基于大模型的热量积蓄预测模型；其中，所述基础参数包括电机参数、电调参数、电池参数、螺旋桨参数；基于所述热量积蓄预测模型的预测结果生成所述待散发热量值。
在本发明实施例中，无人机在飞行过程中所产生的热量来源于两方面，1）电机、电子调速器、动力电池、螺旋桨等自身设备在运行过程中产生的热量；2）无人机在飞行过程中与空气的摩擦所产生的热量。同时，热量的产生量与飞行时长和飞行速度正相关，即飞行时长越长、飞行速度越快则产生的热量越多；以及，由于飞行速度越快、环境温度越低，则热量散发速度越快，对应地，待散发热量值又与飞行速度负相关、与环境温度正相关。可见，待散发热量值与飞行时长、飞行速度、无人机的基础参数及环境温度之间的关系是十分复杂的，难以为其构造出对应的换算函数。
针对上述技术问题，本发明基于大模型构建了热量积蓄预测模型，其中的大模型指的是具有大规模参数和复杂计算结构的机器学习模型，通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。这些模型在训练和优化过程中，利用大规模数据进行自我调整和优化，实现智能的数据分析和处理。本发明优选采用最新的现有大模型，例如Qwen2.5-Math-72B、Llama3.1-405B、GPT-4o mini、Gemma2-9B等，本发明对此不作具体限定。同时，收集一些不同型号（对应不同的基础参数）无人机在多种温度的环境中按照不同的飞行速度飞行多种时长的记录，并检测其在落地后的温度散发量，由这些数据构成小样本微调数据集，使用该小样本微调数据集对上述任一种的现有大模型进行微调训练，即可获得适于本发明的待散发热量值的预测任务的热量积蓄预测模型。
可选地，所述基于所述热量积蓄预测模型的预测结果生成所述待散发热量值，包括：所述热量积蓄预测模型输出其预测的初步待散发热量值；所述无人机管理平台将该无人机停放区域内的其它无人机信息发送给所述处理器，所述其它无人机信息包括停放时长低于预定时长的无人机数量；所述处理器根据所述无人机数量换算得出优化系数，使用所述优化系数对所述初步待散发热量值进行调整，获得所述待散发热量值。
在本发明实施例中，经过微调训练的热量积蓄预测模型可以基于飞行时长、飞行速度、无人机的基础参数及环境温度初步预测出该无人机的待散发热量值，该初步待散发热量值并未考虑无人机停放区域内的环境。无人机管理平台所对应的停放区域内会放置多台无人机，其中的部分无人机可能也是刚完成飞行、尚未完成热量的完全散发，这些无人机散发的热量同样会导致本无人机所处区域的气压发生变化。
针对上述技术问题，本发明设置在无人机落地停靠之后，无人机管理平台将该无人机停放区域内的停放时长低于预定时长的无人机数量发送给监测器的处理器，由处理器根据这类无人机的数量换算得出对应的优化系数，再使用优化系数对前述热量积蓄预测模型预测出的初步待散发热量值进行调整，获得最终的待散发热量值。
其中，预定时长是经验值，其代表落地停靠的无人机在该预定时长之后，即完成了积蓄的热量的散发。本发明并不具体限定优化系数与无人机数量之间的换算公式，但二者之间显然应当适配具有正相关关系的换算公式，例如优化系数=基准优化系数+f(无人机数量)。其中，优化系数应当是大于1的数值。
可选地，所述停放区域是以无人机所处位置为基准的圆形区域，该圆形区域的半径是根据所述初步待散发热量值确定得出的，具体地，所述半径与所述初步待散发热量值负相关。
在本发明实施例中，在无人机落地停靠之后，即以其所处位置为基准施画出一个圆形区域，该圆形区域的半径与前述热量积蓄预测模型预测出的初步待散发热量值负相关。如此设置的原因在于：在前述热量积蓄预测模型预测出的初步待散发热量值越大时，说明本无人机自身产生的热量较高，此时该区域内的空气温度变化受周边其它无人机散发的热量的影响较小，所以将圆形区域调小，以适当减少上述的停放时长低于预定时长的无人机数量；与此相反，在前述热量积蓄预测模型预测出的初步待散发热量值越小时，说明本无人机自身产生的热量较低，此时该区域内的空气温度变化受周边其它无人机散发的热量的影响相对更大，所以将圆形区域调大，以适当增加上述的停放时长低于预定时长的无人机数量。
通过对上述圆形区域的大小的调整，可以降低对周围其它无人机的热量散发的过度考虑。
可选地，所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态，包括：所述处理器根据各组所述气压信息计算得出气压波动数据，所述气压波动数据中包括按时间先后排序的若干气压波动幅度，各所述气压波动幅度带有正负号，正号代表在后气压相比于邻接的在前气压变大，负号代表在后气压相比于邻接的在前气压变小；使用卷积网络从所述气压波动数据提取得出气压波动特征，将所述气压波动特征输入分类器，所述分类器输出无人机切换至飞行状态的概率；若所述概率高于阈值，则判定无人机切换至飞行状态，否则判定无人机未切换至飞行状态。
在本发明实施例中，处理器接收到电子气压计检测的各组气压信息之后，即可将这些气压信息按照采集先后进行排序，并计算相邻的气压信息之间的差值即气压波动幅度，气压波动幅度有正波动和负波动，以正负号来区分，对应排序的各气压波动幅度构成气压波动数据。接着，使用卷积网络对气压波动数据进行气压波动幅度的特征提取，提取得出的气压波动特征代表该阶段的气压波动特点。
在无人机出现上下高度的变化时，电子气压计即可检测到气压的波动，但无人机的高度变化既可能是无人机切换至飞行状态导致，也有可能是相关人员无人机导致，需要对此进行区分。对此，本发明构建了分类器，由该分类器对卷积网络提取得出的气压波动特征进行分类，并对应输出无人机切换至飞行状态的概率，在该概率低于阈值时，说明分类器认为该气压波动特征对应的是相关人员手动拿放无人机时导致的气压波动特点，而在该概率高于阈值时，说明分类器认为该气压波动特征对应的是无人机切换为飞行状态导致的气压波动特点。
需要说明的是，相关人员手动拿放无人机时，无人机的高度发生变化，此时电子气压计确实会检测到气压的变化，但这与无人机自身切换至飞行状态的情况所对应的气压波动特征（波动幅度、波动频率等）存在较大的差别。因为无人机在切换至飞行状态时，除了高度的变化，旋翼造成的气流也会直接导致电子气压计检测到的气压出现大幅度的波动，此时的气压波动特征与手动拿放的情况完全不同，分类器可以较为轻松的进行区分。
另外，分类器可以采用SVM、决策树、朴素贝叶斯等中的任一种，本发明对此不作限定。
如图2所示，本发明实施例还公开了一种利用气压唤醒监测无人机定位的系统，所述系统包括处理模组和存储模组，所述存储模组中存储有计算机程序，所述处理模组对所述存储模组中的计算机程序进行调用，以实现如下方法步骤：将监测器安装在无人机上，所述监测器包括处理器、电子气压计、有源射频标签、定位设备，所述有源射频标签和所述定位设备平常处于低功耗休眠状态；所述电子气压计连续检测所处区域内的若干组气压信息，并将各组所述气压信息传输给所述处理器；所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态；若是，则激活所述有源射频标签和所述定位设备，所述有源射频标签将无人机ID和所述定位设备检测得到的定位信息发送给无人机管理平台；所述无人机管理平台根据所述无人机ID、所述定位信息及内部存储的与所述无人机ID对应的飞行备案信息进行比对，对该无人机是否属于黑飞做出判断。
本发明实施例还公开了一种电子设备，包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现如前述实施例所述的方法。
本发明实施例还公开了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如前述实施例所述的方法。
本发明实施例还公开了一种计算机程序产品，当计算机程序产品被电子设备的处理器调用并执行时，执行时以实现如前述实施例所述的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (9)
1.一种利用气压唤醒监测无人机定位的方法，其特征在于,所述方法包括如下步骤：将监测器安装在无人机上，所述监测器包括处理器、电子气压计、有源射频标签、定位设备，所述有源射频标签和所述定位设备平常处于低功耗休眠状态；所述电子气压计连续检测所处区域内的若干组气压信息，并将各组所述气压信息传输给所述处理器；所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态；若是，则激活所述有源射频标签和所述定位设备，所述有源射频标签将无人机ID和所述定位设备检测得到的定位信息发送给无人机管理平台；所述无人机管理平台根据所述无人机ID、所述定位信息及内部存储的与所述无人机ID对应的飞行备案信息进行比对，对该无人机是否属于黑飞做出判断；
所述处理器还用于：与无人机的飞行记录装置进行通信，以获得最新的一组飞行记录数据，从所述飞行记录数据中提取得出飞行时长、飞行速度；根据所述飞行时长和所述飞行速度预测得出待散发热量值，将所述待散发热量值与预设对照表格进行比对分析，获得静默时长；其中，预设对照表格中的所述静默时长与所述待散发热量值呈现正相关关系；在达到所述静默时长时，接收所述电子气压计发送的各组所述气压信息。
2.根据权利要求1所述的一种利用气压唤醒监测无人机定位的方法，其特征在于：根据所述飞行时长和所述飞行速度预测得出待散发热量值，包括：将所述飞行时长、所述飞行速度、无人机的基础参数及环境温度输入基于大模型的热量积蓄预测模型；其中，所述基础参数包括电机参数、电调参数、电池参数、螺旋桨参数；基于所述热量积蓄预测模型的预测结果生成所述待散发热量值。
3.根据权利要求2所述的一种利用气压唤醒监测无人机定位的方法，其特征在于：基于所述热量积蓄预测模型的预测结果生成所述待散发热量值，包括：所述热量积蓄预测模型输出其预测的初步待散发热量值；所述无人机管理平台将该无人机停放区域内的其它无人机信息发送给所述处理器，所述其它无人机信息包括停放时长低于预定时长的无人机数量；所述处理器根据所述无人机数量换算得出优化系数，使用所述优化系数对所述初步待散发热量值进行调整，获得所述待散发热量值。
4.根据权利要求3所述的一种利用气压唤醒监测无人机定位的方法，其特征在于：所述停放区域是以无人机所处位置为基准的圆形区域，该圆形区域的半径是根据所述初步待散发热量值确定得出的，具体地，所述半径与所述初步待散发热量值负相关。
5.根据权利要求4所述的一种利用气压唤醒监测无人机定位的方法，其特征在于：所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态，包括：所述处理器根据各组所述气压信息计算得出气压波动数据，所述气压波动数据中包括按时间先后排序的若干气压波动幅度，各所述气压波动幅度带有正负号，正号代表在后气压相比于邻接的在前气压变大，负号代表在后气压相比于邻接的在前气压变小；使用卷积网络从所述气压波动数据提取得出气压波动特征，将所述气压波动特征输入分类器，所述分类器输出无人机切换至飞行状态的概率；若所述概率高于阈值，则判定无人机切换至飞行状态，否则判定无人机未切换至飞行状态。
6.一种利用气压唤醒监测无人机定位的系统，所述系统用于实现如权利要求1-5任一项所述的方法，所述系统包括处理模组和存储模组，所述存储模组中存储有计算机程序，其特征在于：所述处理模组对所述存储模组中的计算机程序进行调用，以实现如下方法步骤：将监测器安装在无人机上，所述监测器包括处理器、电子气压计、有源射频标签、定位设备，所述有源射频标签和所述定位设备平常处于低功耗休眠状态；所述电子气压计连续检测所处区域内的若干组气压信息，并将各组所述气压信息传输给所述处理器；所述处理器根据各组所述气压信息计算得出气压波动数据，并根据所述气压波动数据判断无人机是否切换至飞行状态；若是，则激活所述有源射频标签和所述定位设备，所述有源射频标签将无人机ID和所述定位设备检测得到的定位信息发送给无人机管理平台；所述无人机管理平台根据所述无人机ID、所述定位信息及内部存储的与所述无人机ID对应的飞行备案信息进行比对，对该无人机是否属于黑飞做出判断。
7.一种电子设备，包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序以实现如权利要求1-5任一项所述的方法。
8.一种计算机存储介质，所述计算机存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行以实现如权利要求1-5任一项所述的方法。
9.一种计算机程序产品，当计算机程序产品被电子设备的处理器调用并执行时，其特征在于：执行时以实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411500577.9A CN119012136B (zh) | 2024-10-25 | 2024-10-25 | 利用气压唤醒监测无人机定位的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411500577.9A CN119012136B (zh) | 2024-10-25 | 2024-10-25 | 利用气压唤醒监测无人机定位的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN119012136A CN119012136A (zh) | 2024-11-22 |
| CN119012136B true CN119012136B (zh) | 2024-12-27 |
Family
ID=93469233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411500577.9A Active CN119012136B (zh) | 2024-10-25 | 2024-10-25 | 利用气压唤醒监测无人机定位的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119012136B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107291097A (zh) * | 2017-06-30 | 2017-10-24 | 北京明朝万达科技股份有限公司 | 一种无人机身份识别方法及管理平台系统 |
| CN110020705A (zh) * | 2019-03-29 | 2019-07-16 | 上海宜链物联网有限公司 | 一种可自恢复启动通信的有源测温标签及其实现方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7069147B2 (en) * | 2004-05-28 | 2006-06-27 | Honeywell International Inc. | Airborne based monitoring |
| KR101546717B1 (ko) * | 2015-02-23 | 2015-08-25 | 김영권 | 무인비행체가 탑재된 이동통신단말기 |
| US20170103659A1 (en) * | 2015-10-10 | 2017-04-13 | Xin Jin | Method and system for implementing and enforcing a no-fly zone or prohibitive zone for drones and unmanned vehicles |
| CN105652884A (zh) * | 2016-02-15 | 2016-06-08 | 英华达（上海）科技有限公司 | 无人机飞行方法以及无人机飞行系统 |
| US20230177968A1 (en) * | 2021-06-11 | 2023-06-08 | Netdrones, Inc. | Systems and methods for configuring a swarm of drones |
| CN113485453B (zh) * | 2021-08-20 | 2024-05-10 | 中国华能集团清洁能源技术研究院有限公司 | 一种海上无人机巡检飞行路径生成方法、装置及无人机 |
| CN117612411A (zh) * | 2023-10-13 | 2024-02-27 | 中国联合网络通信集团有限公司 | 一种无人机状态监管方法、装置及可读存储介质 |
-
2024
- 2024-10-25 CN CN202411500577.9A patent/CN119012136B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107291097A (zh) * | 2017-06-30 | 2017-10-24 | 北京明朝万达科技股份有限公司 | 一种无人机身份识别方法及管理平台系统 |
| CN110020705A (zh) * | 2019-03-29 | 2019-07-16 | 上海宜链物联网有限公司 | 一种可自恢复启动通信的有源测温标签及其实现方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN119012136A (zh) | 2024-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109353345B (zh) | 车辆控制方法、装置、设备、介质和车辆 | |
| US9141181B2 (en) | Low power event processing for sensor controllers | |
| CN111031585B (zh) | 一种休眠控制方法、装置、存储介质及服务器 | |
| CN110719217A (zh) | 基于事理图谱的控制方法及系统、可读存储介质、计算机 | |
| CN104103237B (zh) | 基于多传感器数据融合的智能led显示屏系统 | |
| CN115639861B (zh) | 机房热点区域疏解方法及装置 | |
| CN103852769A (zh) | 一种具有深度节电功能的定位跟踪装置及其节电方法 | |
| CN112672468A (zh) | 一种基于物联网的智慧路灯系统 | |
| CN111276133A (zh) | 音频识别方法、系统、移动终端及存储介质 | |
| CN106762316A (zh) | 基于微行程间隔时长预测的智能起停控制方法 | |
| CN119012136B (zh) | 利用气压唤醒监测无人机定位的方法 | |
| CN108446783A (zh) | 一种新风机运行功率的预测及监控方法 | |
| CN116945856A (zh) | 一种基于边缘计算的纯电动汽车集成式热管理系统及汽车 | |
| CN112484863B (zh) | 客流分析设备 | |
| CN112070072B (zh) | 基于图像识别的预制舱消防控制系统及其控制方法 | |
| CN117558947B (zh) | 一种燃料电池在线健康诊断和寿命预测方法、装置及系统 | |
| CN118573507A (zh) | 自动驾驶控制器数据闲时上传方法、系统、介质及设备 | |
| CN112504467A (zh) | 客流分析设备及其控制方法 | |
| CN116587863A (zh) | 下电休眠后的热失控监测方法、系统及电子设备 | |
| CN117631636A (zh) | 车载控制器测试方法、装置及电子设备 | |
| CN110619341B (zh) | 一种图像识别模型训练系统及方法 | |
| CN115809178B (zh) | 一种基于数据分析的应急装备健康状态监测预警方法和装置 | |
| US12304327B2 (en) | Wireless power transfer system analyzer | |
| CN117892224B (zh) | 一种具备唤醒机制的混合特征神经网络信号处理硬件电路 | |
| CN203786591U (zh) | 用于电动汽车的监控器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |