1.一种工业物联网环境下的无人机能量最优轨迹规划方法，其特征在于，包括以下步骤：
步骤一：根据工业物联网设备的数据采集任务和边缘计算服务需求设置无人机固定航点状态以及待优化航点状态；
步骤二：建立无人机的动力学模型和能量消耗模型，构建以最小化无人机能耗为目标函数，以无人机动力学和固定航点状态作为约束条件的无人机轨迹优化问题；
步骤三：根据无人机微分平坦性质和无人机动力学模型，结合待优化航点状态和步骤二中的无人机轨迹优化问题，得到目标函数关于待优化航点状态的梯度解析式；
步骤四：利用目标函数关于待优化航点状态的梯度解析式计算梯度，进而利用梯度下降算法循环迭代求解出待优化航点状态的最优值；
步骤五：通过待优化航点状态的最优值和固定航点状态得到最优全航点状态，基于最优全航点状态求解出无人机飞行轨迹的多项式系数，进而得到一条能量最优轨迹。
2.根据权利要求1所述的一种工业物联网环境下的无人机能量最优轨迹规划方法，其特征在于，所述无人机固定航点状态包括无人机飞行航线的起点初始状态、终点初始状态以及执行任务所需经过的中间航点位置和该位置所需满足的运动状态；
所述待优化航点状态包括起点待优化状态、终点待优化状态以及执行任务所需经过的中间航点处可调整优化的运行状态；
起点初始状态和终点初始状态包含位置和偏航角时，则起点待优化状态和终点待优化状态至少包含速度和偏航角的一阶导数；起点初始状态和终点初始状态包含位置和位置的较低阶导数以及偏航角和偏航角的较低阶导数时，则起点待优化状态和终点待优化状态包含位置的较高阶导数和偏航角的较高阶导数。
3.根据权利要求1所述的一种工业物联网环境下的无人机能量最优轨迹规划方法，其特征在于，所述步骤二中，当无人机为四旋翼无人机时，无人机轨迹优化问题的具体公式如下：
式中，E代表无人机消耗的能量；min表示取最小值；ωj(t)代表第j个电机的角速度；J，κτ和Dv分别代表电机的转动惯量、空气阻力系数、电机的粘性阻尼系数；t0和tf分别代表轨迹的起始时间和终止时间；z(t)是所规划轨迹在t时刻的位置及各阶状态，t＝t0,tf,ti；
代表固定航点状态中的起点初始状态， 代表固定航点状态中的终点初始状态， 代表第i个中间航点的运动状态；M代表中间航点的数量； 和 分别代表大地坐标系
下无人机在x，y和z方向上的加速度；φ(t)，θ(t)和ψ(t)分别代表横滚角，俯仰角和偏航角；
和 分别代表横滚角，俯仰角和偏航角的一阶导数； 和 分
别代表横滚角，俯仰角和偏航角的二阶导数；m代表无人机的质量，g代表重力加速度；Ix，Iy和Iz分别代表无人机在x，y和z方向上的转动惯量；T(t)为电机总推力；τx(t)，τy(t)和τz(t)分别表示第1个力矩矢量，第2个力矩矢量和第3个力矩矢量。
4.根据权利要求1所述的一种工业物联网环境下的无人机能量最优轨迹规划方法，其特征在于，所述步骤三中，当无人机为四旋翼无人机时，目标函数关于待优化航点状态的梯度表达式如下所示：
其中，gj(t)代表在t时刻第j个电机角速度的平方，dP表示待优化航点状态， 表示目标函数关于待优化航点状态的梯度； 表示在t时刻第j个电机角速度ωj(t)的平方关于待优化航点状态的梯度。
5.根据权利要求1所述的一种工业物联网环境下的无人机能量最优轨迹规划方法，其特征在于，所述步骤四中，梯度下降算法包括SGD算法、Adam算法、BFGS算法和L‑BFGS。
6.根据权利要求1所述的一种工业物联网环境下的无人机能量最优轨迹规划方法，其*
特征在于，所述步骤五中，将最优全航点状态D代入到多项式轨迹参数求解方程中，求解出* *
无人机飞行轨迹的多项式系数p，然后根据人机飞行轨迹的多项式系数p分离出x维度最优轨迹系数 y维度最优轨迹系数 z维度最优轨迹系数 ψ维度最优轨迹系数 从
而得到了一条满足固定航点状态约束且符合无人机动力学的能量最优轨迹，具体公式如下：
其中， 为待优化航点状态的最优值，dF为固定航点状态，T为转置， 为多项式轨迹的增广映射矩阵。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至6中任一项所述方法的步骤。