多旋翼无人机系统组成(七)(电源系统详解)

多旋翼无人机的动力来自电池,但真正让整机稳定工作的,并不只是“有电”这么简单

一架无人机在飞行过程中,电源系统同时承担着两类完全不同的任务:

  • 为电机提供大功率输出
  • 为飞控和电子设备提供稳定低压供电

前者决定推力是否足够,后者决定控制系统是否可靠

实际工程里,很多飞行异常表面上看像控制问题,最后定位下来却发现是供电链路中的某一个环节已经不稳定

例如:

  • 大油门时飞控重启
  • GPS 突然掉星
  • 图传画面出现干扰
  • 电压报警提前触发

这些问题往往都和电源系统直接相关

所以对于多旋翼来说:

电源系统不是附属部分,而是整个飞控系统正常工作的基础

一些读者可能会觉得,电源系统似乎并不复杂,无非就是把锂电池接上,让整机通电,似乎没有太多可讲的

但真正进入工程应用后会发现,电源问题远没有看起来那么简单

它和结构系统其实很像:

在小型多旋翼上,很多方案都已经高度标准化,直接按成熟配置使用,通常不会暴露太多问题。但随着无人机尺寸增大、载荷增加、功率提升,原本不起眼的电源细节会逐渐变成影响整机可靠性的关键因素

很多时候,一些飞行异常看起来像控制问题,最终却追溯到供电链路中的某一个细节

所以电源系统真正要看的,不只是“有没有电”,而是整条供电链路在飞行过程中是否始终稳定

接下来,就按照无人机电源在机上的实际流向,把整个电源系统分成几个部分来看:

电池 → 配电 → 稳压 → 监测 → 冗余 → 常见故障

一、电池

无人机最基础的电源来自电池

目前多旋翼最常见的是:

Lithium polymer battery

也就是常说的 LiPo 电池

它被广泛使用的原因很直接:

  • 能量密度高
  • 放电能力强
  • 重量相对较轻

对于多旋翼这种需要短时间输出大电流的系统,LiPo 仍然是目前最适合的方案之一


电压的实际变化范围

电池标称电压并不是飞行全过程中的真实电压

以 6S 电池为例:

                                ​​​​​​​                        

3.7V \times 6 = 22.2V

这是标称值

满电时实际是:

        ​​​​​​​        ​​​​​​​                                        

4.2V \times 6 = 25.2V

而飞行后段通常会下降到:

约 19V 左右

也就是说:

无人机整个飞行过程中,供电电压始终在变化

这也是为什么同一架飞机在起飞和飞行后段动力表现并不完全一样


放电倍率比容量更重要

很多人选电池只看容量,比如 10000mAh、16000mAh

但对于多旋翼来说,更关键的是:

电池能否承受瞬时大电流输出

这由 C 倍率决定:

        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        

I_{max}=C \times Capacity

例如:

10000mAh,10C 电池:

最大持续输出约 100A

如果实际负载超过这个能力,最先出现的问题不是没电,而是:

  • 电压快速下陷
  • 推力下降
  • 飞控低压报警提前触发

内阻决定动态表现

电池不是理想电源

内部存在内阻

当电流增大时:

        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        

V = V_0 - IR

所以:

大油门瞬间最容易看到电压明显下降

这就是工程里常说的:

电压塌陷

老化电池最典型的问题就是:

静态测量正常,但一拉油门电压掉得很快


二、配电

电池出来的电能不会直接进入所有设备,而是先经过配电系统

大型多旋翼通常使用:

Power distribution board

即 PDB

它的作用不仅仅是把一组电压分到多个电调,更重要的是承担整机主电流汇流


为什么配电板很关键

多旋翼电流非常大

例如 25kg 级无人机,在大油门阶段瞬时总电流很容易超过 100A

如果配电铜层设计不足,会出现:

  • 局部温升
  • 电压损耗
  • 接点发热

所以工业机的配电板往往比消费级无人机厚很多


主线线径不能只看能不能导通

动力线设计核心不是能接上,而是:

是否能长期承受峰值电流

损耗关系:

        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        

P=I^2R

电流平方决定发热速度

所以线径不足时:

看起来能飞,

但长时间高载荷温升会很快积累


三、稳压

飞控不能直接使用主电池电压

因为主电池通常是:

  • 6S
  • 12S
  • 更高

而飞控内部工作电压一般是:

  • 5V
  • 3.3V

所以必须经过稳压模块


BEC 的作用

Battery eliminator circuit

BEC 的任务是:

将主电池稳定转换成低压输出


稳压能力比标称电流更重要

很多 BEC 标称 5A,但动态能力不足

例如:

图传启动瞬间,

GPS 加热启动,

都会产生瞬时电流变化

如果稳压响应慢:

5V 会掉

表现通常是:

  • 飞控重启
  • GPS 断连
  • 罗盘异常

这类问题现场最难排查,因为表面看起来像模块故障

现在很多飞控都提供两个 GPS 接口,其实可以做一个很直观的实验:

分别测试:

  • 不接 GPS
  • 接一个 GPS
  • 接两个 GPS

观察整机启动时供电变化

尤其是带加热功能的 GPS,在双模块同时启动时,电流冲击会比单模块明显得多

如果供电设计余量不足,往往就在这个阶段出现启动异常

所以工程上通常不会只看稳压器“额定几安培”,而更关注:

它在动态负载变化时,电压能不能稳得住

四、监测

飞控并不是简单“用电”,同时还在持续监测电源状态


电压监测

飞控实时读取主电压

用于:

  • 低压报警
  • 自动返航触发
  • 着陆保护

电流监测

真正的剩余电量估算更多依赖电流积分:

        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        

Q=\int I dt

因为单看电压并不能准确判断剩余容量

尤其负载变化时误差很大


五、干扰

电源系统不仅提供能量,还会带来噪声

尤其开关电源和电调工作时,高频纹波很容易进入敏感设备


GPS 最怕纹波

GPS 功耗不大,但对供电干净程度要求很高

纹波大时容易:

  • 卫星数下降
  • 定位精度变差

图传最怕电调干扰

典型现象:

画面横纹

尤其大电流切换时最明显

工程里通常给图传单独滤波


六、冗余

大型工业无人机常用双电池设计

目的不是飞更久,而是:

防止单一路供电失效导致整机掉电

双电池最核心的价值

如果一块电池接插件失效,

另一块仍能维持供电

这属于可靠性设计,而不是续航设计


七、接插件

很多电源故障其实不发生在电池内部,而发生在连接处

常见接插件:

XT60
XT90


接插件老化的典型问题

长期大电流后:

接触电阻增加

然后形成:

发热 → 电阻更大 → 更热

最终恶化非常快

所以工程里经常出现:

电池正常,

但插头先发热


八、总结

电源系统看起来不像飞控那样复杂,但它直接决定整机稳定性

真正需要关注的是:

  • 电池是否能承受负载
  • 配电是否足够可靠
  • 稳压是否稳定
  • 监测是否准确
  • 干扰是否被控制

因为很多飞行问题最后都不是控制算法失效,而是:

电源链路已经先失去了稳定

Read more

OneAPI国产化适配:文心一言+讯飞星火+360智脑+腾讯混元全接入

OneAPI国产化适配:文心一言+讯飞星火+360智脑+腾讯混元全接入 1. 引言:统一API接口的革命性意义 在AI大模型百花齐放的今天,开发者面临着一个巨大的挑战:每个厂商都有自己的API接口、认证方式和参数规范。想要在项目中同时使用多个模型,就需要编写大量适配代码,维护成本高,开发效率低。 OneAPI的出现彻底改变了这一局面。这是一个开源的LLM API管理与分发系统,通过标准的OpenAI API格式让你能够无缝访问所有主流大模型。无论是国外的OpenAI、Google Gemini,还是国内的文心一言、讯飞星火、360智脑、腾讯混元,都可以用同一套接口规范进行调用。 最让人惊喜的是,OneAPI采用单可执行文件设计,提供Docker镜像,真正做到了一键部署、开箱即用。这意味着你可以在几分钟内搭建起自己的大模型网关,统一管理所有API密钥,实现灵活的二次分发。 安全提示:使用root用户初次登录系统后,务必立即修改默认密码123456,确保系统安全。 2. 核心功能全景解读 2.1 全面覆盖的主流模型支持 OneAPI最强大的能力在于其惊人的模型兼容性。系

文心一言开源版测评:能力、易用性与价值的全面解析

文心一言开源版测评:能力、易用性与价值的全面解析

目录 * 一、实测过程记录 * 1. 环境配置详解 * 2. 安装Python环境 * 3. 安装PaddlePaddle(选择CPU版本) * 4. 安装FastDeploy推理引擎 * 5. 下载模型权重及配置文件 * 6. 环境验证脚本 * 7. 常见问题及解决 * 8. 关于GPU加速说明(重要) * 二、模型能力实测:多维度压力测试与代码实战 * 1. 通用理解能力测评(附测试代码) * 1.1 复杂逻辑推理测试 * 1.2 情感极性分析 * 2. 文本生成能力实测 * 风格化写作(带控制参数) * 商业文案生成对比 * 3. 鲁棒性压力测试 * 4. 多模态能力专项测试 * 4.1 图文关联度测评 * 4.2 视觉问答(VQA)实战

知网是如何检测AIGC的?为什么你的论文会被判定为AI生成?

知网是如何检测AIGC的?为什么你的论文会被判定为AI生成?

本文由XYZ SCIENCE官方撰写,未经授权禁止转载 XYZ SCIENCE是国内唯一以自研模型技术提供论文降AI率解决方案的平台,所有用户可以免费使用(www.xyzscience.com) AIGC检测原理 AIGC检测主要有两种方法:一种是传统的统计学方法,另一种是基于深度学习模型(通常是BERT模型)的风格分类方法。 先说结论:  ✅ 知网的AIGC检测由以前的统计学方法升级为了BERT检测模型,这就是为什么之前ai率为0的论文,在知网升级后再去检测会变为100%。 接下来我们分别介绍以下两种方法是如何进行检测的,我们尽量使用通俗易懂的语言来讲解。 统计学方法 主要统计你论文中的一些特征值是否符合AI论文特征,例如困惑度、突发性等等,我们以突发性(这个概念非常好理解)为例,过一遍检测流程。 突发性:输入内容的每个句子的长度分布。 如果你的论文内容有10句话,每句话都是40-50个字长度,那么你的内容突发性就是很低。 如果每一句长度都一样,那么突发性为0。 AI写的论文的一个特征就是,每个句子长度很相近,即突发性很低。 也就是说,如

手把手教你使用 Faster-Whisper 实时语音输入转文本,本地部署教程

手把手教你使用 Faster-Whisper 实时语音输入转文本,本地部署教程

文章目录 * 前言 * 一、安装环境 * 二、使用步骤 * 1.下载模型 * 2.实时录音转文本脚本 * 3.报错解决方法 * 总结 前言 要想实现像豆包、微信等一样的语音输入功能,通常有两种主流方案:云端 API(轻量、准确度极高)和 本地模型(免费、隐私、无需联网)。由于目前开发的系统需要添加一个语音识别功能,刚好记录一下使用 Faster-Whisper 实时语音输入转文本。Faster-Whisper官网地址链接: Faster-Whisper官网地址 复现成功如下图所示,请看下文教程就能部署本地实时语音输入转文本模型: 电脑有显卡的话可以参考下面这篇文章安装 cuda 和 cudnn cuda和cudnn的安装教程: cuda和cudnn的安装教程(全网最详细保姆级教程) 一、安装环境 在你的虚拟环境安装 faster-whisper,命令如下: pip install faster-whisper 安装录音库