אופטימיזציה משותפת GRNN–DP–MPC לניהול אנרגיה חיזוי ברחפנים היברידיים

מדוע בטריות חכמות יותר ברחפנים חשובות

כלי טיס בלתי מאוישים קטנים הופכים לכלי עבודה מרכזי למשימות כמו בדיקת קווי חשמל, משלוח חבילות ותצפית על יערות. אך מגבלה אחת נותרת: משך הטיסה. כל דקה נוספת באוויר יכולה להקיף שטח רב יותר או להבטיח חזרה הביתה בטוחה יותר. מחקר זה בוחן רחפנים המופעלים בסוללה ובאנרגיה סולארית ושואל שאלה פשוטה עם תשובה מורכבת: איך ניתן לאזן בין כוח השמש לכוח המאוחסן כדי שהמטוס יישאר באוויר זמן רב יותר בלי להעמיס יתר על המידה על הסוללה?

שילוב קרני שמש עם אנרגיה מאוחסנת

רחפנים היברידיים סולאריים קולטים אור שמש באמצעות תאים סולאריים דקים וקלים המותקנים על הכנפיים, בעוד שסוללות ליתיום מספקות כוח בהפסקות אור, במהלכי עליה תלולים או במזג אוויר מעונן. המחברים בונים תחילה תמונה מפורטת של זרימת האנרגיה במטוס כזה. הם מתארים כיצד הפאנלים ממירים את השמש לחשמל בהתאם לזווית השמש ולתנוחת הטיסה, כיצד הסוללה נטענת ומתפרקת מבלי להישחק יתר על המידה, וכיצד מנועים, אווניקה ועומס משתמשים בכוח בשלבי טיסה שונים. מודל הלולאה הסגורה הזה מאפשר להם לעקוב בדיוק מאיפה כל וואט מגיע ולאן הוא הולך, ומהווה את עמוד השדרה לכל אסטרטגיית בקרה חכמה.

ללמד את הרחפן להסתכל קדימה

בעיה מרכזית באסטרטגיות אנרגיה נוכחיות היא שהן מגיבות למה שקורה כרגע במקום למה שיקרה בהמשך. זה עלול לגרום לרחפן לרוקן את הסוללה בחמדנות בתחילת המשימה ולהתקשות בהמשך. כדי למנוע זאת, המחברים משתמשים בסוג של רשת עצבית מלאכותית, הנקראת generalized regression neural network (GRNN), כדי לחזות את צרכי הכוח הקרובים של המטוס על סמך היסטוריה חשמלית אחרונה. במקום לקודד ידנית כל פרט פיזיקלי, הרשת לומדת דפוסים מנתוני טיסה אמיתיים, כמו קפיצות כוח טיפוס טיפוסיות בזמן המראה או הצריכה הקבועה בזמן שייט. במבחנים עם עשרות אלפי נקודות נתונים, החזאי הזה מעריך את מתח הסוללה עם שגיאות של כמה אחוזים בלבד, ומספק לבקר תחזית קצרה מדויקת.

תכנון השימוש הטוב ביותר בבטריה

הסתכלות קדימה היא רק חצי מהסיפור; הרחפן גם צריך מנגנון להחליט כיצד לחלק את העומס בין שמש ובטריה. לשם כך, החוקרים מאמצים שיטת תכנון שמחפשת בין אפשרויות רבות ובוחרת באלה שממזערות את השימוש בבטריה על חלון זמן עתידי תוך שמירה על בטיחות המטוס. המתכנן הזה מעדיף להשתמש באנרגיית השמש כשזמינה, מגביל בעדינות את העומס על הסוללה ושומר על רמת הטעינה בטווח בריא כדי להותיר מאגר לנחיתה. מאחר שחיפוש גלובלי כזה עלול להיות איטי, הם מכלילים אותו בתוך סכימת בקרה מחזורית (rolling control) שמפתרת שוב ושוב בעיית תכנון קצרה וקלה יותר, מיישמת רק את ההחלטה הראשונה ואז מעדכנת את התוכנית כאשר מגיעים מדידות וחיזויים חדשים.

שימור אמינות הסוללה בזמן אמת

במהלך טיסות ארוכות, שגיאות קטנות במדידת זרם או מתח עלולות להוביל לסטייה בהערכת מטען הסוללה מהמציאות, וזה מסוכן לכלי טיס שלא אמור להיתקע בלי חשמל. לכן המחברים משזרים מספר בדיקות בטיחות למערכת שלהם. תחזית המתח של הרשת העצבית מושווית ברציפות לקריאות החיישנים; כשהפער עולה על סף קטן, הערכת המטען מתוקנת. בדיקות נוספות משוות בין הספק מחושב ומדוד של הסוללה ומכוונות בעדינות את הבטריה חזרה לרמת מטרה לקראת סוף כל חלון תכנון. שכבות הבטיחות הללו שומרות על תמונת הסוללה של הבקר תואמת במידה רבה למצב האמיתי שלה.

מה המשמעות למשימות רחפניות בעתיד

כאשר נבדק בסימולציות ובניסויים טיסתיים על רחפן היברידי בעל כנף קבועה ומולטירוטור, האסטרטגיה החדשה הקטינה את צריכת כוח הבטריה בזמן עליה וירידה ושמרה על מצב טעינה יציב יותר מאשר שיטה מבוססת כללים וגישה מבוססת למידה עדכנית. במונחים מעשיים, משמעות הדבר היא שהסוללה מנוצלת באופן מחושב יותר, אנרגיית השמש מבצעת רוב העבודה, והמטוס יכול להקדיש חלק גדול יותר ממשקלו המוגבל לעומס שימושי במקום לסוללות גדולות מדי. עבור הקוראים, המסקנה היא ששילוב של חיזוי מהיר, תכנון שקול ותיקון מתמיד מאפשר לרחפנים היברידיים סולאריים להאריך את זמן הטיסה שלהם ולפעול באמינות רבה יותר — צעד לקראת משימות טווח ארוך שגרתיות בגובה נמוך.

ציטוט: Kan, W., Chen, S., Lei, W. et al. GRNN–DP–MPC Co-optimization for predictive energy management in hybrid UAVs. Sci Rep 16, 15107 (2026). https://doi.org/10.1038/s41598-026-44118-y

מילות מפתח: רחפן היברידי סולארי, ניהול אנרגיה, בקרת מודל חיזוי, חיזוי בעזרת רשת עצבית, מצב טעינת סוללת ליתיום (SOC)