多旋翼物流无人机节能轨迹规划（Python代码实现）

  👨‍🎓个人主页：研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🌈3 Python代码实现

🎉4 参考文献

---

💥1 概述

多旋翼物流无人机的节能轨迹规划是一项重要的技术，可以有效减少无人机的能量消耗，延长飞行时间，提高物流效率。下面是一些常见的节能轨迹规划方法：

1. 最短路径规划：通过寻找起点和终点之间的最短路径，减少飞行距离，从而节省能量消耗。可以使用经典的最短路径算法如Dijkstra算法和A*算法来实现。

2. 动态路径规划：考虑当前环境的动态变化，比如风速、天气状况和地形高度等因素，并实时优化飞行路径。这样可以避免飞行过程中遭受很大的阻力，从而减少能量消耗。

3. 高效充电站布置：合理规划充电站的位置，使得无人机在物流任务执行过程中可以方便地进行补充能量。这样无人机可以减少回程飞行距离，节省能量。

4. 光伏充电：在无人机上安装太阳能电池板，通过太阳能充电来提供能源。这种方式可以减少对传统电力的依赖，减少碳排放。

5. 多机协同飞行：通过与其他物流无人机进行协同飞行，在空中形成集群，减少空气阻力，提高整体能源利用效率。

总之，节能轨迹规划为多旋翼物流无人机提供了较大的优化空间，通过合理规划飞行路径、优化充电策略以及使用新能源技术，可以显著减少能量消耗，提高物流效率。

本文考虑静态环境下无人机轨迹轨迹的可行性和能耗特性。

📚2 运行结果

 

部分代码：

def VelDataAboutTime():
    blocks = []
    b1 = Block(0, 0, 0, 150, 200, 200)   # (x1, y1, z1, x2, y2, z2)
    b2 = Block(100, 150, 120, 300, 400, 450)  # (x1, y1, z1, x2, y2, z2)
    b3 = Block(250, 350, 400, 500, 480, 500)   # (x1, y1, z1, x2, y2, z2)
    b4 = Block(420, 220, 200, 650, 400, 450)   # (x1, y1, z1, x2, y2, z2)
    b5 = Block(550, 80, 150, 650, 400, 300)   # (x1, y1, z1, x2, y2, z2)
    b6 = Block(600, 80, 50, 800, 150, 200)   # (x1, y1, z1, x2, y2, z2)
    blocks.append(b1)
    blocks.append(b2)
    blocks.append(b3)
    blocks.append(b4)
    blocks.append(b5)
    blocks.append(b6)
    block2Ds = []
    for b in blocks:
        block2Ds.append(Block2D(b.x1, b.y1, b.x2, b.y2))
    goal = [800, 100, 60]
    c_x = []  # 每段 (x1, x2)
    c_y = []  # 每段 (y1, y2)
    c_z = []  # 每段 (z1, z2)
    corridor = []
    for block in blocks:
        c_x.append([block.x1, block.x2])  # 提取出每一段的 (x1,x2)
        c_y.append([block.y1, block.y2])  # 提取出每一段的 (y1,y2)
        c_z.append([block.z1, block.z2])  # 提取出每一段的 (z1,z2)
    corridor.append(c_x)
    corridor.append(c_y)
    corridor.append(c_z)

    time = [
        [13, 21, 9, 12, 12, 13],
        [16, 23, 10, 13, 13, 15],
        [18, 25, 11, 15, 15, 16],
        [20, 27, 13, 16, 16, 18],
        [22, 29, 14, 18, 18, 19]
    ]

    # time = [13, 21, 9, 12, 12, 13]  # 80  2.68677585e+04
    # time = [16, 23, 10, 13, 13, 15] # 90  2.88795396e+04
    # time = [18, 25, 11, 15, 15, 16]  # 100  3.10684295e+04
    # time = [20, 27, 13, 16, 16, 18]  # 110   3.33565508e+04
    # time = [22, 29, 14, 18, 18, 19]  # 120  3.57001138e+04

    for i in range(5):
        print("============================================")
        energy, power, s, vel = UAV3D(time[i], goal, corridor)
        print(energy)

        """ save vel to excel """
        vel_x = list(np.array(vel[0]).flatten())
        vel_y = list(np.array(vel[1]).flatten())
        vel_z = list(np.array(vel[2]).flatten())

        for index in range(len(vel_x)):
            velocity = math.sqrt(vel_x[index] ** 2 + vel_y[index] ** 2 + vel_z[index] ** 2)
            CVXsheet.write(index, i, velocity)
    workbook.save('Velocity.xls')

def plot_blocks(blocks):
    plt.figure(1)
    ax = plt.axes(projection='3d')
    ax.set_xlabel('X(m)')
    ax.set_ylabel('Y(m)')
    ax.set_zlabel('Z(m)')
    # ax.set_xticks(np.linspace(0, 100, 4))
    # ax.set_yticks(np.linspace(0, 100, 4))
    # ax.set_zticks(np.linspace(0, 100, 4))
    ax.set_xlim(0, 1000)
    ax.set_ylim(0, 1000)

🌈3 Python代码实现

🎉4 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]Wu Kunpeng (2022) Energy-Efficient Trajectory Planning for Multi-rotor Logistics UAVs