一种针对混合动力电动无人机的高效能源管理策略，该策略考虑了涡轮轴发动机的排气温度因素

《ENERGY CONVERSION AND MANAGEMENT》：An efficient energy management strategy for hybrid electric unmanned aerial vehicles considering exhaust gas temperature of the turboshaft engine

降低燃油消耗和涡轮发动机排气温度（EGT）控制的混合电动无人机（HEUAV）能量管理策略，基于模型预测控制（MPC）与迭代秩最小化（IRM）方法，解决非线性约束优化问题，仿真与硬件在环实验验证有效。

　　在低空经济快速发展的背景下，混合电动无人飞行器（HEUAVs）作为缓解能源短缺、推动碳中和目标的重要解决方案，正逐渐成为研究热点。HEUAVs通过结合传统涡轴发动机与电池系统，实现了在飞行过程中对能源的高效利用。涡轴发动机因其卓越的功率重量比、紧凑的结构设计以及易于安装等特性，被广泛应用于HEUAVs的主动力系统中。为了进一步提升HEUAVs的能效，研究者们提出了多种能量管理策略（EMS），旨在优化涡轴发动机-发电机组（TGP）与电池之间的功率分配，以实现更低的燃油消耗和更稳定的系统运行。

然而，HEUAVs的能量管理问题远不止于简单的效率优化。随着飞行任务的复杂化，发动机涡轮的耐久性也成为了不可忽视的关键因素。涡轮排气温度（EGT）作为衡量发动机运行状态的重要参数，其长期处于高温状态可能导致涡轮部件的加速老化甚至损坏。因此，将EGT纳入EMS设计中，不仅有助于提高飞行器的能效，还能有效延长其使用寿命，确保飞行安全。当前，许多研究主要关注于如何通过规则控制或优化算法来实现能量分配的最优化，但这些方法往往忽略了EGT在系统运行中的动态特性及其对整体性能的影响。

HEUAVs的能量管理问题本质上是一个高度非凸的优化问题，其复杂性来源于两个方面：一是TGP本身的非线性特性，二是EGT的动态变化所带来的额外非线性约束。传统的优化方法，如动态规划（DP）和庞特里亚金最小化原理（PMP），虽然理论上可以实现全局最优解，但它们对飞行轨迹的预先知识要求较高，计算量巨大，难以满足实时控制的需求。相比之下，基于模型预测控制（MPC）的优化方法则展现出更强的实时适应性，能够在每个时间步长内进行滚动优化，从而在计算效率与控制精度之间取得平衡。然而，MPC方法在处理非线性系统时仍面临挑战，尤其是在需要同时考虑多个优化目标的情况下。

为了解决这一问题，本文提出了一种高效的HEUAV能量管理策略，该策略不仅关注燃油经济性，还充分考虑了涡轮排气温度的控制。首先，将多目标优化问题建模为一个二次约束二次规划（QCQP）问题，这为后续的优化求解奠定了基础。其次，将QCQP问题重新表述为一个半正定规划（SDP）问题，将非凸性集中于一个秩一约束中，从而简化了问题结构。随后，利用约束矩阵的稀疏性，将秩一约束分解为更小的子矩阵约束，降低了计算复杂度。最后，通过迭代秩最小化方法，将非凸的SDP问题转化为一系列凸子问题，从而实现高效的求解。

在实际应用中，该策略通过仿真测试和硬件在环（HIL）实验进行了验证。仿真测试基于真实飞行数据，而HIL实验则模拟了实际飞行环境，以评估策略在复杂工况下的性能表现。实验结果表明，相较于传统方法，该策略在燃油消耗方面实现了8.8%至15.6%的显著降低，同时在EGT调节方面也取得了5.5%至15.0%的提升。此外，HIL实验进一步证明了该策略在实时应用中的可行性，为未来HEUAVs的大规模部署提供了有力支持。

HEUAVs的混合动力系统由涡轴发动机和电池组成，两者通过电力网络连接，共同为飞行器提供动力。涡轴发动机作为主要动力源，其输出功率受到飞行状态、负载变化和环境条件的多重影响。电池则作为辅助动力源，用于存储和释放能量，以平衡涡轴发动机的输出波动。为了实现高效的能量管理，必须对这两个子系统的协同工作方式进行深入研究。本文提出的策略在这一方面做出了重要贡献，它不仅考虑了功率分配的最优化，还通过引入EGT作为关键约束，确保了系统的长期稳定运行。

此外，本文还探讨了HEUAVs能量管理策略的设计挑战。现有的EMS方法主要分为三类：基于规则的方法、基于优化的方法和基于学习的方法。基于规则的方法虽然在实时性方面表现良好，但其依赖于经验设定的阈值，难以适应复杂多变的飞行条件。基于优化的方法虽然理论上可以实现最优解，但由于其计算需求较高，难以在实际飞行中应用。而基于学习的方法，如强化学习和自适应动态规划，则在不依赖未来状态信息的情况下实现了实时功率分配，但它们需要大量的离线训练数据，且数据质量直接影响控制策略的性能。

因此，本文提出的策略在设计上兼顾了多种因素，包括系统的实时性、计算效率以及对非线性约束的处理能力。通过将非凸优化问题转化为一系列凸子问题，该策略不仅提高了计算效率，还确保了优化结果的可行性。同时，通过将EGT纳入成本函数和约束条件中，该策略有效控制了涡轮的温度变化，延长了发动机的使用寿命。这些优势使得该策略在实际应用中具有更高的可靠性和适应性。

本文的研究成果为HEUAVs的高效能量管理提供了新的思路。通过引入模型预测控制与迭代秩最小化方法的结合，该策略在保持计算效率的同时，实现了对多个优化目标的综合考虑。这不仅有助于提升HEUAVs的能源利用效率，还能有效降低其运行成本，提高其在复杂环境下的适应能力。此外，该策略的可扩展性也为未来HEUAVs的广泛应用奠定了基础。

为了实现这一目标，本文首先构建了HEUAVs的混合动力系统模型。该模型涵盖了飞行器的动力系统、热力学特性和控制系统，为后续的EMS设计提供了理论依据。随后，本文提出了基于MPC和迭代秩最小化（IRM）的EGT敏感能量管理框架。该框架通过将EGT纳入优化问题的约束条件中，确保了涡轮温度的稳定控制。在预测模型的基础上，该策略对飞行速度进行了预测，并将其作为可配置的前端输入，以提高系统的灵活性和适应性。

在实验验证部分，本文通过MATLAB/Simulink搭建了仿真平台，并在AMD R7 5800H CPU上进行了测试。仿真结果表明，该策略在不同飞行条件下均能有效降低燃油消耗，同时保持EGT在安全范围内。此外，HIL实验进一步验证了该策略在实际飞行环境中的性能，展示了其在复杂工况下的鲁棒性和实时性。这些实验结果不仅证明了该策略的有效性，还为其在实际应用中的推广提供了依据。

总之，本文的研究为HEUAVs的能量管理提供了新的解决方案。通过将非凸优化问题转化为一系列凸子问题，该策略在计算效率和控制精度之间取得了良好的平衡。同时，通过将EGT纳入优化目标，该策略有效延长了涡轴发动机的使用寿命，提高了系统的整体可靠性。未来，随着低空经济的进一步发展，HEUAVs的应用场景将更加广泛，而高效的能量管理策略将成为其成功的关键因素之一。本文的研究成果为这一领域的发展提供了重要的理论支持和实践指导。