无人机无线充电场设计实战:从磁共振技术到智能调度系统

【低空经济】无人机无线充电场智能调度与能效优化方案 本文深入探讨了无人机无线充电场的智能调度与能效优化方案,重点分析了磁共振无线充电技术的原理、优势及实际应用中的挑战。通过智能调度算法和动态功率分配技术,显著提升了充电效率和能源利用率,适用于物流仓储、农业植保等多种场景。文章还展望了未来无人机无线充电技术的发展方向,包括更高功率充电和动态充电技术。 阅读详情

无人机无线充电场设计实战:从磁共振技术到智能调度系统

想象一下,在广袤的农田上空,一架执行喷洒任务的无人机电池即将耗尽,它无需飞回遥远的基地,而是自主导航至田间地头一个不起眼的“能量站”,悬停片刻后便“满血复活”,继续投入工作。这并非科幻场景,而是无线充电技术为无人机应用带来的革命性图景。对于从事物流、农业巡检、安防监控等领域的技术开发者和设施工程师而言,无人机的续航焦虑始终是悬在头顶的达摩克利斯之剑。传统的电池更换或插拔充电方式,不仅效率低下,更严重制约了自动化作业的连续性和规模化部署的可能性。

因此,构建一个高效、智能、可靠的无人机无线充电场,从单纯的“能量补给点”升级为“自主能源网络节点”,已成为推动行业向前迈进的关键基础设施。这不仅仅是把有线充电器换成无线线圈那么简单,它涉及从底层能量传输物理机制的选择与优化,到上层复杂系统调度逻辑的设计与实现,是一个多学科交叉的软硬件系统工程。本文将深入这一系统的核心,抛开泛泛而谈的概念,聚焦于磁共振无线充电技术的工程化落地细节,并探讨如何构建一个真正“聪明”的智能调度系统,让充电场从被动服务变为主动协同,从而彻底释放无人机的作业潜能。

1. 磁共振无线充电:原理、挑战与工程优化

无线充电技术种类繁多,但在无人机动态、非精确对位的应用场景下,磁共振耦合技术展现出了独特的优势。与常见的电磁感应式(如手机Qi充电)相比,磁共振的关键在于引入了谐振电路。

1.1 磁共振耦合的核心原理与优势

磁共振无线充电系统的核心,是让能量发射线圈(Tx)和接收线圈(Rx)工作在同一谐振频率上。当发射线圈通以高频交流电时,其周围会产生交变磁场。如果接收线圈的LC谐振电路被调谐到同一频率,就会发生强烈的磁共振耦合,能量得以高效地通过磁场传递过去,即使两者之间存在一定的空间距离或角度偏移。

其相对于电磁感应的主要优势在于:

  • 空间自由度更高:对线圈间的轴向和径向错位容忍度更好,无人机无需极其精确地降落在某个“点”上,只需进入一个“区域”即可。
  • 传输距离更远:在同等功率下,有效充电距离可以从电磁感应的几毫米到几厘米,提升到数十厘米,为充电平台的设计提供了更大灵活性。
  • 可穿透非金属介质:能量能够穿透塑料、木材等外壳,便于将接收线圈完全封装在无人机内部,提升设备防护等级。

然而,高自由度并非没有代价。磁共振系统的设计复杂度、对频率一致性的苛刻要求以及潜在的电磁干扰(EMI)问题,都是工程实践中必须翻越的山岭。

1.2 关键硬件设计:线圈、电路与效率瓶颈

一个典型的磁共振充电模块,硬件上可分为发射端和接收端。

发射端硬件栈通常包括:直流电源输入、高频逆变器(将直流转为高频交流)、阻抗匹配网络、以及最重要的发射线圈。接收端则包括:接收线圈、阻抗匹配网络、整流滤波电路(将高频交流转回直流)以及电池管理单元。

线圈的设计是效率的灵魂。我们通常使用利兹线(Litz wire)来绕制线圈,以减小高频下的趋肤效应损耗。线圈的形状(圆形、方形、DD形等)、匝数、直径以及电感值,都需要通过仿真和实验反复优化,以在目标距离(例如10-30厘米)内达到最高的耦合系数。

注意:耦合系数k是衡量线圈间能量传递能力的关键参数,理想情况下k越接近1越好。但在无人机场景中,k值通常在0.1到0.3之间,这意味着大部分能量实际上并未被耦合,设计的目标就是尽可能提升这个值。

高频逆变器的选择也至关重要。常用的全桥或半桥逆变器,其开关频率需要与线圈的谐振频率精确匹配。频率通常在85kHz到6.78MHz这个范围内选择。较低的频率(如100-200kHz)技术成熟,器件成本低,但线圈体积较大;较高的频率(如6.78MHz,属于ISM频段)允许使用更小的线圈和电容,但开关损耗和电磁兼容设计挑战更大。

下面是一个简化的发射端关键参数设计考量表示例:

组件关键参数典型值/考量设计目标
发射线圈电感值 (Ltx)10-50 µH与谐振电容匹配,达到目标频率
品质因数 (Q)> 100减少线圈自身损耗,提高效率
形状与尺寸直径30-50cm覆盖足够的充电区域,与无人机尺寸匹配
谐振电容容值 (Ctx)根据 L 和 f 计算与线圈电感精确谐振
类型NP0/C0G陶瓷电容高稳定性,低损耗
高频逆变器开关频率 (fsw)85kHz, 145kHz, 6.78MHz与谐振频率一致,考虑法规与效率
拓扑结构全桥/Class E高效率,适合谐振负载
开关器件MOSFET (GaN器件更优)低导通电阻,高开关速度

效率是贯穿始终的挑战。系统总效率 η_total 是多个环节效率的乘积: η_total = η_inverter * η_coil_coupling * η_rectifier 其中,线圈耦合效率 η_coil_coupling 往往是瓶颈。除了优化线圈,我们还需要引入阻抗匹配网络(通常使用L型或π型网络),动态调整发射端看到的阻抗,使其与电源输出阻抗匹配,从而最大化功率传输。

2. 充电场硬件架构:从单点到网络化部署

单个充电桩的设计是基础,但真正的充电场是由多个这样的节点构成的网络。硬件架构需要支持扩展性、可靠性和智能化管理。

2.1 模块化充电桩设计

每个充电桩应是一个功能完整的独立单元。其核心是一个具备足够功率裕度的发射模块。考虑到无人机的多样性,充电桩最好能支持多档功率输出(例如50W、100W、200W),通过通信协议接收调度系统的指令,动态调整。

充电桩的物理结构必须考虑户外部署的严苛环境:

  • 防护等级:至少达到IP65,防尘防水。
  • 散热设计:无线充电功率器件发热量大,需要结合散热片和低噪音风扇进行主动散热,并内置温度传感器。
  • 状态指示:通过多色LED或小型显示屏,直观显示待机、充电、故障等状态。
  • 安全冗余:除了电路级的过流、过压、过温保护,还应配备物理急停按钮和异物检测功能(如通过线圈电感值变化检测金属异物侵入)。

一个健壮的充电桩内部,电源管理是另一个核心。它需要处理从电网或太阳能板来的不稳定输入,提供干净、稳定的直流母线电压给后续的高频逆变器。通常会采用功率因数校正(PFC)电路来满足电网谐波要求,并可能集成储能单元(如超级电容或锂电池),用于缓冲功率波动或在电网短暂中断时维持关键功能。

2.2 无人机端的接收器集成

无人机端的改造同样关键。接收线圈需要以最小的重量和空间代价集成到机身中,通常放置在底盘中心位置以保持平衡。整流和稳压电路需要高效率且轻量化。

更重要的是,无人机需要具备与充电场“对话”的能力。这要求无人机除了无线充电接收模块,还需集成一个低功耗的通信模块(如Wi-Fi或低功耗广域网LoRa模块)和相应的控制逻辑。当电量低于阈值时,无人机应能自主向调度系统发起充电请求,并在获准后,利用自身的视觉或UWB定位系统,精确地悬停在充电桩上方。

提示:接收端线圈的封装需要考虑电磁屏蔽,防止其产生的杂散磁场干扰无人机自身的飞控、GPS或图传系统。通常会在线圈背面加装铁氧体磁片或铝屏蔽层。

2.3 场站级能源与通信网络

多个充电桩需要被统一管理和供电。场站级设计需考虑:

  • 能源供给:优先采用风光储一体化的微电网方案。太阳能光伏板可为白天作业提供主要能源,搭配储能系统平衡昼夜和天气波动,市电作为备份。这不仅能降低运营成本,也符合绿色发展的趋势。
  • 通信骨干:充电桩之间、充电桩与中央调度服务器之间需要可靠的通信。场内可采用工业以太网或高速无线Mesh网络,确保控制指令和状态数据低延迟传输。通信协议必须定义清晰,例如:
    // 示例:无人机发送的充电请求报文
    {
      "drone_id": "UAV-2024-001",
      "battery_level": 15.5,
      "location": {"x": 125.7, "y": 89.2},
      "required_power": 100,
      "timestamp": 1712345678
    }
    
  • 数据采集与监控(SCADA)系统:部署各类传感器,监测整个充电场的总功耗、各桩状态、环境温湿度、安防状态等,所有数据汇聚到中央服务器,为智能调度和预防性维护提供依据。

3. 智能调度系统的核心算法与实现

硬件提供了“肌肉”,智能调度系统则是充电场的“大脑”。它的目标是在多无人机、多充电桩的动态环境下,最大化整体作业效率,其核心是一个复杂的资源分配优化问题。

3.1 调度问题建模与优化目标

我们可以将调度问题抽象为:在时间窗口T内,有M架无人机(每架有剩余电量、任务优先级、位置、所需充电量等属性)和N个充电桩(每个有位置、状态、输出功率等属性),需要决策何时、何地为哪架无人机充电,以优化一个或多个目标。

常见的优化目标包括:

  1. 总任务完成量最大化:优先保障高优先级任务的无人机及时充电。
  2. 全场无人机总续航时间最大化:更平均地分配充电资源,避免个别无人机“饿死”。
  3. 总充电等待时间最小化:减少无人机排队闲置的时间。
  4. 系统总能耗最小化:在电价谷期或太阳能充足时多充电。

这些目标往往是相互冲突的,因此调度算法需要在其中进行权衡。一个实用的方法是采用加权多目标优化,根据业务场景为不同目标分配权重。

3.2 核心调度算法策略

对于此类动态调度问题,完全精确的全局最优解计算复杂度极高,不适合实时系统。因此,我们通常采用启发式或元启发式算法来寻找满意解。

  • 基于规则的启发式算法:实现简单,响应快。例如:

    • 先来先服务(FCFS):按请求顺序分配。
    • 最短充电时间优先(STCF):选择所需充电时间最短的无人机,能快速释放充电桩。
    • 最高优先级优先(HPF):保障关键任务。
    • 最近距离优先:无人机选择距离最近的空闲充电桩,节省飞行能耗和时间。

    在实际系统中,往往会采用混合规则,例如:“首先筛选出优先级高于阈值的无人机,在其中选择距离最近的充电桩;若没有高优先级任务,则采用最短充电时间优先规则。”

  • 基于优化的算法:当问题规模较大时,可以采用更高级的算法。

    • 遗传算法(GA):将调度方案编码为“染色体”,通过选择、交叉、变异等操作迭代进化,寻找较优解。适合离线或周期性的调度规划。
    • 强化学习(RL):这是目前的前沿方向。将调度系统视为智能体(Agent),充电场状态视为环境(Environment),分配决策视为动作(Action),无人机任务完成情况视为奖励(Reward)。通过不断试错学习,智能体最终能学会在复杂状态下做出长期收益最大的决策。例如,使用深度Q网络(DQN)来近似状态-动作价值函数。

    下面是一个极度简化的强化学习调度框架伪代码概念:

    # 伪代码,示意核心循环
    class ChargingScheduler:
        def __init__(self):
            self.q_network = DQN() # 深度Q网络
            self.memory = ReplayBuffer()
    
        def make_decision(self, state):
            # state: 包含所有无人机和充电桩的状态信息
            # 根据当前策略(如ε-greedy)选择动作:为哪架无人机分配哪个充电桩
            action = self.q_network.select_action(state)
            return action
    
        def learn_from_experience(self, state, action, reward, next_state):
            # 将经验存入记忆库,并采样训练Q网络
            self.memory.push(state, action, reward, next_state)
            if len(self.memory) > batch_size:
                batch = self.memory.sample()
                self.q_network.update(batch)
    

3.3 系统实现与实时决策

智能调度系统通常作为一个独立的微服务运行在中央服务器或边缘计算网关上。它持续监听来自无人机的充电请求和来自充电桩的状态更新。

其决策流程可以概括为:

  1. 状态感知:实时维护一个全局状态视图,包括所有无人机的(位置、电量、任务)、所有充电桩的(位置、状态、占用情况)以及环境信息(电价、太阳能输出)。
  2. 事件触发:充电请求、充电完成、充电桩故障等都会触发一次调度计算。
  3. 决策计算:根据当前状态和优化目标,运行调度算法,生成分配指令。计算必须在百毫秒级内完成,以保证实时性。
  4. 指令下发与执行:将“无人机A飞往充电桩3,以100W功率充电”的指令同时下发给无人机和充电桩。两者协同完成对接和充电启动。
  5. 监控与调整:在充电过程中持续监控,如遇更高优先级任务插入,系统可能需要中断当前充电,进行重新调度。

为了提升系统鲁棒性,必须考虑异常处理:

  • 通信中断:无人机或充电桩失联时,系统应能将其标记为“可疑状态”,并避免分配新任务,同时尝试恢复连接或触发巡检。
  • 充电失败:如果对接后充电功率始终无法建立,系统应能判断为硬件故障,将该充电桩标记为禁用,并重新调度受影响的无人机。
  • 电量紧急:对于电量即将耗尽(如<5%)的无人机,系统应启用“急救模式”,优先分配任何可用充电桩,甚至指令其就近迫降,由移动充电车处理。

4. 实战案例:农业巡检场景的部署与调优

理论需要实践的检验。我们以一个面积为5000亩的现代化农场无人机巡检场景为例,具体看看如何应用上述设计。

4.1 场景分析与需求定义

该农场使用10架多旋翼无人机,每日进行两次全覆盖作物健康巡查。每架无人机单次飞行续航为40分钟,巡查完整区域需60分钟,因此中途必须充电一次。

  • 核心需求:确保10架无人机能在3小时内完成两次全覆盖巡查,且人工干预最少。
  • 挑战:无人机分散在广阔区域,返回集中充电站时间成本过高;充电需求在巡查开始后约30-40分钟集中爆发。

解决方案是在农场中部署4个分布式无线充电场,每个覆盖一片区域。每个充电场配备3个充电桩,形成一个小型网络。

4.2 部署与配置细节

  1. 充电场选址:基于历史飞行路径热力图,将充电场部署在飞行密度高的区域中心,同时考虑电网或太阳能接入的便利性。
  2. 硬件选型:
    • 采用工作频率为145kHz的磁共振方案,平衡了效率、成本和法规。
    • 发射线圈直径40cm,有效充电高度20-40cm(兼容无人机悬停误差)。
    • 每个充电桩最大输出功率150W,满足无人机电池1C-2C快充需求。
    • 充电场集成20kWh锂电池储能和3kW太阳能板,实现日间能源自给。
  3. 调度策略定制:
    • 初始阶段:采用“区域归属+最近距离优先”规则。每架无人机默认归属到一个充电场,电量低时优先前往所属充电场。
    • 拥堵处理:当某个充电场排队数量超过2时,调度系统会计算将排队无人机引导至相邻空闲充电场的总体耗时,若更优则执行跨区调度。
    • 优先级嵌入:对于标记了“发现病虫害疑似区域”的无人机,其充电优先级自动提升,确保它能尽快返回进行详细复查。

4.3 性能评估与迭代优化

部署后,我们收集了一周的运行数据:

指标部署前(集中充电)部署后(无线充电场)提升
日总巡检面积约3000亩(因充电中断)5000亩(全覆盖)66.7%
无人机日均闲置率35% (等待充电/往返)12%提升23个百分点
单次任务平均中断次数1.2次0次(无缝衔接)100%
人工干预次数每日更换电池约20次仅每周例行维护减少95%

数据表明核心目标已达成。但在调优过程中,我们也发现了新问题:午后日照最强时,太阳能发电过剩,而充电需求相对平缓,导致储能满充,能量被浪费。

优化迭代:我们改进了调度算法,引入了“能源感知”策略。在太阳能充足时,系统会适当放宽充电阈值(如从20%提前到30%触发充电),鼓励无人机“见缝插针”地多充电,将多余太阳能以化学能形式储存在无人机电池中,间接扩大了整个系统的储能容量。同时,调度时会优先使用太阳能输出高的充电场,实现能源的局域消纳。

这个案例说明,无人机无线充电场的设计绝非一劳永逸。它需要与具体的业务场景深度结合,并在实际运行中持续收集数据、分析瓶颈、迭代优化调度策略和硬件参数。从“能用”到“好用”,再到“聪明地用好”,正是工程师价值所在。最终,这套系统不再是一个孤立的充电设施,而是融入了整个无人机作业生态的能量循环神经网络,默默地为每一次起航提供着不竭的动力。

【低空经济】无人机无线充电场智能调度与效率优化方案 本文探讨了无人机无线充电场的智能调度与效率优化方案,重点分析了磁共振无线充电技术的关键突破和智能调度系统的核心设计。通过动态需求预测算法和多目标优化调度策略,显著提升了充电效率和无人机作业能力,为低空经济发展提供了技术支撑。 阅读详情

相关推荐

无人机安全管理体系(SMS)实战指南:四大支柱、5×5 风险评估与法规合规落地全解析

安全管理体系(SMS,Safety Management System)是一套以风险为核心、可持续运行的管理机制,不是一堆制度文件。支柱一句话产出物① 安全政策与目标老板签字承诺,定方向安全政策书、安全目标、组织与职责② 风险管理提前找出危险源并压住它危险源台账、风险评估表、控制措施③ 安全保证用数据证明「真的安全」安全绩效指标、监控报告、变更管理记录④ 安全促进让所有人愿意报问题培训记录、安全文化、自愿报四大支柱不是四个并列的模块,而是一个首尾相接的闭环:fill:#333。

Frank17806的博客 399

【低空经济】无人机无线充电场设计方案

随着无人机技术的快速发展,其在物流、农业、安防等领域的应用日益广泛。然而,无人机续航能力的限制成为制约其大规模推广的关键因素之一。为解决这一问题,本项目提出了一种高效、智能的无人机无线充电场设计方案。该方案旨在通过无线充电技术实现无人机的自动充电,从而延长其作业时间,提升整体运行效率。设计包括充电场地的规划、无线充电模块的部署、能量传输效率的优化以及智能管理系统的集成,确保充电过程的安全性和可靠性。充电场地的布局将根据无人机的飞行路径和作业需求进行优化,采用模块化设计,便于扩展和维护。

方案星的博客 2255

无人机飞行画圈/绕圈故障全解析:从现象分流、应急处置到根因修复与编队专项排查

MECE 分流是起点:先用「画圈半径 + 机头航向 + 波及范围」三个维度把问题切成航向类、位置类、机械类、场地类,避免一上来就盲拆机。应急处置优先于定位:轨迹发散或半径持续增大时,先切手动、远离人群、就近降落,安全永远排在找根因之前。原因假设按概率排序:遵循「先可控后不可控、先常见后罕见」,单机画圈优先查磁罗盘干扰与 GPS 漂移,其次位置环增益、摇杆中立点,最后才是强风、模式误触发与动力/重心。日志取证是假设检验的关键。

Frank17806的博客 507

LeCun团队世界模型JEPA首登无人机:9K参数模型,零样本Sim-to-Real飞入100Hz闭环

SkyJEPA提出一种极小参数(9K)的潜空间动力学模型,通过JEPA架构在抽象表征中预测未来,避免自回归递归误差累积。结合物理探针解码与MPPI控制,实现零样本实机飞行,在60步预测中位置误差仅1.43m(基线8.80m),姿态误差4.71°(基线53.4°)。关键创新在于:潜空间提升时间直线化以抑制误差增长;物理骨架确保状态传播几何正确;数据管线通过域随机化覆盖真实分布;MPPI对模型误差具有天然鲁棒性。实验验证其在变载、换桨等未见场景下仍保持稳定性能,证明“预测-解码-控制”接口设计优于单一模块优化。

编程爱好者 296

在 CentOS7 下安装 Cadence IC验证平台 INCISIVE152

前言 本文所使用的软件 虚拟机软件:VMware Workstation 15 PRO 如何安装? 操作系统:CentOS-7, CentOS-7-x86_64-DVD-1810.iso 如何安装? 简介 INCISIVE Incisive是nc_verilog, nc_sim, nc_lauch,以及ABV,TBV的集合,用于仿真和验证。 InstallScape InstallSc...

沈醉不知的博客 2万+

echarts如何实现3D饼图(环形图)?

自定义修改3D饼图的宽高和legend

i-cat的博客 1万+

无人机如何监测黑臭水体:从指数筛查到边缘推理的递进式技术链路

黑臭水体监测的真实挑战,在于如何从水体光谱信号中稳定反演出COD、溶解氧、氨氮等非光学活性参数,并将反演数据直接转化为可派单的治理事件。受限于空间与光谱分辨率,卫星遥感独立完成参数反演的精度不足;单一可见光只能捕捉表象,无法量化水质等级。工程上的可行路径是一条递进链路:利用指数模型锁定疑似水段,依靠高分辨率多光谱数据建立机器学习反演模型,将模型压缩至边缘端实现实时推理,最后通过低空中枢系统接入工单流转。本文按此链路拆解各环节的技术取舍与物理边界。

THJS优快云的博客 405

WIFI基础入门--802.11g--增强速率物理层ERP--15

WIFI基础入门--802.11--增强速率物理层--191.802.11g的组件保护机制 1.802.11g的组件 802.11g其实是将好几种物理层规范合而为一。虽然统称为增强速率物理层(Extended Rate PHY简称ERP),但是实际上ERP有好几种不同的方式: ERP-DSSS与ERP-CCK 这两种模式向下兼容于原始直接序列规范(1Mbps与2Mbps),以及所提到的802.11...

香蕉一号 4619

无人机数据链抗干扰怎么做?基于Python的链路健康度监控与分级告警实现

无人机数据链的稳定性,不应该只用信号强度来衡量。第一,能够监测。实时掌握链路质量,及时发现信号衰减和通信异常。第二,能够响应。根据异常等级,执行经过验证的飞行安全预案。第三,能够追溯。将链路状态、飞行轨迹和任务画面关联存档,为后续分析提供依据。对于城市巡检、智慧林业、应急救援等低空应用场景而言,通信链路不仅关系到无人机能否持续飞行,也关系到现场信息能否稳定回传、任务能否顺利完成。

荆棘鸟智能的博客 283

TMS320F280049C 学习笔记4 Led_ex1_blinky 初始化函数及系统时钟

承接上一篇学习笔记,这次开始实际运行例程。本文概述了280049C的第一个实验 Led灯闪烁。同时也总结了系统的初始化函数和时钟配置。

whyorwhnt的专栏 7035

海康VisionMaster表面缺陷滤波实战:从参数调优到工业检测落地

本文深入解析海康VisionMaster表面缺陷滤波模块在工业检测中的应用。通过铝壳划痕检测实战案例,详细阐述了从参数调优(滤波核尺寸、方向权重、偏移)到ROI划定、Blob后处理的完整流程,旨在帮助工程师有效提升检测信噪比,实现缺陷精准定位与高效识别,最终推动项目稳定落地。

weixin_29051811的博客 626

【无标题】无人机视角道路坑洞坑洼目标检测数据集深度学习 目标检测 无人机航拍 道路坑洞 路面病害 YOLO格式 数据集发布9032期

(一)类别构成该数据集聚焦单一类别——坑洞(类别 ID 为 0),任务指向明确,围绕无人机俯视视角下的道路坑洞目标开展检测标注。类别体系精简,与公路路面病害巡检的实际需求高度契合,图像中的坑洞样本可直接作为路面破损识别的核心正样本,便于对接道路养护排查流程。(二)数据数量数据集规模为 3285 张无人机俯视航拍图像,采用标准 YOLO txt 标注格式,标注框总计 4457 个,其中带有效标注的图片 2007 张,全部图片均带有有效标注。

qq_2529413168的博客 187

Autosar软件组件分析及ARXML文件分析

Autosar软件组件分析及ARXML文件分析

专注汽车软件开发、AutoSAR、车载以太网、SOA、EE架构。 3604

32阵元CRPA天线:俄罗斯无人机卫导抗干扰能力正在如何升级-V2?

俄罗斯Shahed/Geran类无人机或已装备32阵元CRPA抗干扰天线,实为L1、L2各16阵元的双频结构,非单频32通道。该设计提升双频空间抑制能力,每频段可形成最多15个零陷,增强对多源压制干扰的应对。但性能受限于独立通道数、阵列校准精度、射频前端动态范围及真实战场多干扰环境。阵元数≠抗干扰力,关键在系统工程实现与实战适应性。

chen2jiang3的博客 248

SAP BOM批量反查代码分享

SAP BOM反查批量查询代码分享

我小时候很黑的博客 4974

AI漫剧全套万能提示词合集

今天给大家整理一套已经跑通爆款漫剧的万能提示词库!覆盖:豆包剧本人设词 + 分镜生成词 + 即梦绘图词 + 动态优化词 + 防翻车固定词直接复制粘贴,新手也能做出稳定、高清、统一、有质感的AI漫剧!你是资深短视频漫剧编剧,擅长制作60秒竖屏爆款AI漫剧,请为我创作一集完整漫剧内容。要求:开头3秒高能抓眼,中段有冲突转折,结尾留强悬念钩子,节奏紧凑、适合短视频流量。首先生成固定统一人物人设:包含脸型、五官、发色、发型、穿搭、身材、气质、画风、光影细节,要求足够精细,保证全程角色不变脸。

欢迎来到鸾姝淡月博客,专为程序员和编程爱好者打造的技术博客。我们分享编程语言趋势、开发工具、编程哲学、职业发展等,助你掌握新技术,优化技能,激发编程热情。 1981

无人机两用物项检测告别模糊,千亿出口链迎标准化标尺

无人机两用物项检测告别模糊,千亿出口链迎标准化标尺无人机两用物项检测标准化的核心结论是:一套统一的检测方法指南已形成征求意见稿,出口合规判定首次有了可操作标尺。中国机电产品进出口商会牵头推动的这一规范,正让千亿级出口链的合规成本变得可预算。对年出口额超300亿美元的中国无人机产业链而言,这既是合规成本的重新定价,也是市场秩序的重构。我接触过的7家无人机出口企业中,有5家曾因物项归类不清被海关暂扣货

tengshujc的博客 98

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

沃尔玛扩大无人机配送服务覆盖范围跨境零售配送模式有哪些新变化

沃尔玛扩大无人机配送覆盖,实质是以门店、前置仓等为节点重构履约网络。跨境零售配送正转向时效分层、库存下沉、末端多式联运和数据调度,并需兼顾成本定价与本地合规。无人机只是高时效插件,规模化仍受载重、天气、空域和成本制约。

2401_89629692的博客 245

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

深度学习 目标检测 无人机巡检 防震锤 电力设备 YOLO格式 数据集发布

深度学习 目标检测 无人机巡检 防震锤 电力设备 YOLO格式 数据集发布 9038期

qq_2529413168的博客 335

无人机巡检道路路面异常检测数据集 深度学习 目标检测 无人机巡检 道路病害 路面异常 YOLO格式 数据集发布9028期

无人机巡检道路路面异常检测数据集 深度学习 目标检测 无人机巡检 道路病害 路面异常 YOLO格式 数据集发布9028期

qq_2529413168的博客 213

[黎阳之光] 边海防无人机巡检实战教程:航线规划、目标发现与视频孪生联动一次讲透

本文给出的是简化版模型与参考框架,面向真实项目的完整落地,还需结合具体海域、设备与业务规则做针对性设计。它的角色不是替代固定感知,而是做“机动确认层”——雷达和固定视频负责发现,无人机负责在 10 分钟内飞到目标上空,把“有个点”变成“看清是什么”。数据流的关键指标:无人机视频接入孪生平台延迟不超过 800ms,位置上报频率 1Hz,吊舱角度反馈 10Hz。位置或角度一滞后,图上无人机的视野锥就会和实际画面错位,指挥员按图指挥就会指错地方。这样既不断档,又不烧钱。

m0_75019831的博客 320

山体(边坡)裂缝安全隐患排查检测数据集 边坡裂缝检测、山体隐患排查、地质灾害预警、无人机巡检9332期

一、数据集概述 应用方向 :针对山体、边坡表面裂缝的视觉检测与隐患排查。 服务场景 :地质灾害预警、公路/铁路边坡巡检、矿山安全监测。

qq_2529413168的博客 238

【深度学习实战】基于无人机影像的建筑物墙体缺陷检测:YOLO26 + MBDD2025 全流程实战

本文基于公开无人机影像数据集MBDD2025,采用Ultralytics最新YOLO26模型实现建筑物墙体缺陷自动化检测。针对裂纹、渗漏、墙皮脱落等5类缺陷,完成数据导入、预处理、可视化及模型训练全流程。YOLO26凭借NMS-Free架构与STAL小目标优化,有效提升细长缺陷检测精度。实验在双RTX 6000 GPU环境下进行,验证了该方案在复杂航拍场景下的高效性与可行性,为智慧建筑运维提供技术支撑。

向上生长的程序媛的博客 483

具身智能巡检和无人机巡检怎么选?

本文厘清无人机与具身智能机器人在油气巡检中的分工逻辑:无人机擅长线状区域的广覆盖、高频次巡查,适用于长输管线沿线的宏观异常发现;机器人则聚焦点状精细作业,可深入阀室、装置区等受限空间,实现近距离精准检测。二者互补而非替代,选型应基于巡检颗粒度——“看见”用无人机,“处置”靠机器人。政策与落地实践均支持“天-空-地”一体化协同,以北斗定位、多模态感知与AI平台为支撑,构建闭环巡检体系。

QXWZ_的博客 238
上一篇: ERP在用户体验研究中的隐藏用法:如何用脑电波优化产品设计(含真实案例)
下一篇: 用Python+ROS实现无人机集群避障:Gazebo仿真全流程(附避坑指南)
vim8coder
博客等级 码龄1天 0粉丝 1693原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值