一种龙形太阳能与空气能复合飞行器 |
|||||||
申请号 | CN201710703877.0 | 申请日 | 2017-08-16 | 公开(公告)号 | CN107458596A | 公开(公告)日 | 2017-12-12 |
申请人 | 重庆华凤衣道文化创意有限公司; | 发明人 | 周启凤; | ||||
摘要 | 本 发明 公开了一种龙形 太阳能 与空气能复合 飞行器 ,所述龙形太阳能与空气能复合飞行器设置有:飞行体,飞行体上安装有两个飞行装置;飞行装置四 角 通过螺丝 螺母 安置有机翼;所述机翼底部通过螺丝螺母固定有 滑轮 ;所述飞行装置两边缘通螺丝螺母安装有 风 力 发 电机 ;所述机箱前端两侧安置有 硅 电池 板;所述机箱内嵌装有 蓄能器 和控制处理器;所述控制处理器通过 导线 连接蓄能器;所述蓄能器通过导线连接 风力 发电机和硅电池板;所述飞行装置表面贴附防 水 薄膜 。本发明为龙形太阳能与空气能复合飞行器,该飞行器通过将滑轮设计在机翼底部,有效节约飞行器的空间,提升飞行器的行驶便利;安装风力发电机和硅电池板可以增加多种功能方式,提升飞行器续航能力。 | ||||||
权利要求 | 1.一种龙形太阳能与空气能复合飞行器,其特征在于,所述龙形太阳能与空气能复合飞行器设置有:飞行体,飞行体上安装有两个飞行装置; |
||||||
说明书全文 | 一种龙形太阳能与空气能复合飞行器技术领域[0001] 本发明属于飞行器技术领域,尤其涉及一种龙形太阳能与空气能复合飞行器。 背景技术[0002] 无人驾驶飞机简称“无人机”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。无人机实际上是无人驾驶飞行器的统称,从技术角度定义可以分为:无人固定翼飞机、无人垂直起降飞机、无人飞艇、无人直升机、无人多旋翼飞行器、无人伞翼机等。与载人飞机相比,它具有体积小、造价低、使用方便、对作战环境要求低、战场生存能力较强等优点。由于无人驾驶飞机对未来空战有着重要的意义,世界各主要军事国家都在加紧进行无人驾驶飞机的研制工作。2013年11月,中国民用航空局(CA)下发了《民用无人驾驶航空器系统驾驶员管理暂行规定》,由中国AOPA协会负责民用无人机的相关管理。根据《规定》,中国内地无人机操作按照机型大小、飞行空域可分为11种情况,其中仅有116千克以上的无人机和4600立方米以上的飞艇在融合空域飞行由民航局管理,其余情况,包括日渐流行的微型航拍飞行器在内的其他飞行,均由行业协会管理、或由操作手自行负责。无人机按应用领域,可分为军用与民用。军用方面,无人机分为侦察机和靶机。民用方面,无人机+行业应用,是无人机真正的刚需;目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用,大大的拓展了无人机本身的用途,发达国家也在积极扩展行业应用与发展无人机技术。然而,现有飞行器提供能源方式单一,续航能力短;两栖功能设计复杂,滑轮单独设计占用飞行器空间,行驶不方便。 发明内容[0004] 针对现有技术存在的问题,本发明提供了一种龙形太阳能与空气能复合飞行器。 [0005] 本发明是这样实现的,一种龙形太阳能与空气能复合飞行器,所述龙形太阳能与空气能复合飞行器设置有:飞行体,飞行体上安装有两个飞行装置; [0009] 信号含有服从SαS分布噪声的MPSK信号,表示为: [0010] [0011] 其中E是信号的平均功率, M=2k,m=1,2,...M,q(t)表示矩形脉冲波形,T表示符号周期,fc表示载波频率,φ0表示初始相位,若w(t)是服从SαS分布的非高斯噪声,则其自共变函数定义为: [0012] [0013] 其中(x(t-τ)) [0014] [0015] 其中ε称为循环频率,T为一个码元周期; [0016] 接收信号的循环共变谱按以下进行: [0017] 循环共变谱是循环共变函数的傅里叶变换,表示为: [0018] [0019] 其循环共变谱推导为: [0020] 当M≥4时,在 处: [0021] [0022] 当M=2时: [0023] [0024] 其中Q(f)为q(t)的傅里叶变换,且 [0025] 所述接收信号的观测向量x的分数低阶快速独立成分分析按以下进行: [0026] 1)将观测向量x减去均值进行中心化,利用主要分量分析对中心化后的观测向量进行分数低阶预白化处理,得到白化矩阵v,其中,独立成分分析中用到的分数低阶相关矩阵定义为: [0027] [0028] 其中,xi(n)和xj(n)分别为第i路和第j路观测信号,且1≤i,j≤2,*代表取共轭,对分数低阶相关矩阵进行特征值分解可以得到特征值矩阵D与特征向量矩阵V,由特征值矩阵和特征向量矩阵可得预白化矩阵M=D-1/2VT,利用预白化矩阵将观测数据x向信号子空间投影,得到白化矩阵v=Mx; [0029] 2)对权向量w0进行随机初始化,同时初始化序列号k使k=1; [0030] 3)进行权值向量迭代: [0031] [0032] 其中, 和 为一阶统计量,g(·)是对比函数,η=Ε[wTxg(wTx)],且在权值的迭代过程中参数λ是可变的,且λ<1; [0033] 4)利用范数归一化权值向量wk,wk=wk/||wk||; [0035] 6)Y=wkx,其中x为观测信号,Y为分离后的二维信号; [0040] [0041] 其中: [0042] 进一步,所述无线传感器网络通过迭代得到各个节点测量数据的无偏估计值,求取各个传感器节点的测量数据值与估计值之间的欧式距离,以归一化的欧式距离作为自适应加权融和的权值;选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据;某个簇中有个传感器节点,用维列向量D=(d1,d2,…,dn)表示相应节点的测量值,通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小,其中li的计算公式为: [0043] [0044] 根据欧式距离自适应设定相应的权值大小,距离越大权值越小,距离越小权值越大; [0045] [0046] 其中 wi为相应的权值。 [0048] 图1是本发明实施例提供的龙形太阳能与空气能复合飞行器结构示意图; [0049] 图2是本发明实施例提供的飞行装置结构示意图; [0050] 图中:1、飞行装置;2、机箱;2-1、控制处理器;2-2、导线;2-3、蓄能器;2-4、风力发电机;2-5、硅电池板;3、机翼;4、滑轮;5、飞行体。 具体实施方式[0051] 为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。 [0052] 下面结合附图对本发明的结构作详细的描述。 [0053] 如图1所示,该龙形太阳能与空气能复合飞行器设置有:飞行体5,飞行体5上安装有两个飞行装置1,飞行装置1,机箱2,风力发电机2-4,硅电池板2-5,机翼3和滑轮4;所述飞行装置1四角通过螺丝螺母安置有机翼3;所述机翼3底部通过螺丝螺母固定有滑轮4;所述飞行装置1两边缘通螺丝螺母安装有风力发电机2-4;所述机箱2前端两侧安置有硅电池板2-5;所述机箱2内嵌装有蓄能器2-3和控制处理器2-1;所述控制处理器2-1通过导线2-2连接蓄能器2-3;所述蓄能器2-3通过导线2-2连接风力发电机2-4和硅电池板2-5;所述飞行装置1表面贴附防水薄膜。 [0054] 所述控制处理器的接收信号循环共变函数包括: [0055] 信号含有服从SαS分布噪声的MPSK信号,表示为: [0056] [0057] 其中E是信号的平均功率, M=2k,m=1,2,...M,q(t)表示矩形脉冲波形,T表示符号周期,fc表示载波频率,φ0表示初始相位,若w(t)是服从SαS分布的非高斯噪声,则其自共变函数定义为: [0058] [0059] 其中(x(t-τ)) [0060] [0061] 其中ε称为循环频率,T为一个码元周期; [0062] 接收信号的循环共变谱按以下进行: [0063] 循环共变谱是循环共变函数的傅里叶变换,表示为: [0064] [0065] 其循环共变谱推导为: [0066] 当M≥4时,在 处: [0067] [0068] 当M=2时: [0069] [0070] 其中Q(f)为q(t)的傅里叶变换,且 [0071] 所述接收信号的观测向量x的分数低阶快速独立成分分析按以下进行: [0072] 1)将观测向量x减去均值进行中心化,利用主要分量分析对中心化后的观测向量进行分数低阶预白化处理,得到白化矩阵v,其中,独立成分分析中用到的分数低阶相关矩阵定义为: [0073] [0074] 其中,xi(n)和xj(n)分别为第i路和第j路观测信号,且1≤i,j≤2,*代表取共轭,对分数低阶相关矩阵进行特征值分解可以得到特征值矩阵D与特征向量矩阵V,由特征值矩阵和特征向量矩阵可得预白化矩阵M=D-1/2VT,利用预白化矩阵将观测数据x向信号子空间投影,得到白化矩阵v=Mx; [0075] 2)对权向量w0进行随机初始化,同时初始化序列号k使k=1; [0076] 3)进行权值向量迭代: [0077] [0078] 其中, 和 为一阶统计量,g(·)是对比函数,η=Ε[wTxg(wTx)],且在权值的迭代过程中参数λ是可变的,且λ<1; [0079] 4)利用范数归一化权值向量wk,wk=wk/||wk||; [0080] 5)若 充分接近于1,算法得到收敛,wk就是最终的解混矩阵,执行6),否则重复步骤3)与步骤4); [0081] 6)Y=wkx,其中x为观测信号,Y为分离后的二维信号; [0082] 所述蓄能器安装有无线传感器网络,所述无线传感器网络的数据融合中心对收集到的感知信息进行数据融合,并依据恶意节点的恶意攻击模式计算全局的虚警概率;具体包括: [0083] 第一步,根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i=1…k设计一个权重 然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量 [0084] 第二步,分析虚警恶意攻击模式对频谱感知造成的影响,得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下: [0085] [0086] 其中: [0087] 所述无线传感器网络通过迭代得到各个节点测量数据的无偏估计值,求取各个传感器节点的测量数据值与估计值之间的欧式距离,以归一化的欧式距离作为自适应加权融和的权值;选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据;某个簇中有个传感器节点,用维列向量D=(d1,d2,…,dn)表示相应节点的测量值,通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小,其中li的计算公式为: [0088] [0089] 根据欧式距离自适应设定相应的权值大小,距离越大权值越小,距离越小权值越大; [0090] [0091] 其中 wi为相应的权值。 [0092] 本发明的工作原理: |