摘要
无人机（UAV）为城市物流提供了一种有前景的解决方案，在这种解决方案中，由最优路径规划指导的有效能源管理策略对于降低运营成本和延长系统寿命至关重要。本研究首先利用计算流体动力学分析了成都某个特定城市区域的风场分布，并建立了一个数据驱动的功率预测模型来评估无人机的能耗。随后，提出了一种结合风场感知和蚁群优化算法的混合A*算法，用于计算在能耗和距离之间取得平衡的最优飞行路径，从而生成相应的功率需求曲线，为后续的能源管理策略提供依据。最后，实施了一种基于深度Q学习（DQN）的能源管理策略，以调节燃料电池和电池之间的功率分配，旨在最小化氢气消耗并稳定主要能源的输出。实验结果表明，所提出的路径规划方法能够在不同场景下有效降低能耗，同时仅导致行驶距离的轻微增加。此外，基于DQN的策略显著抑制了燃料电池的功率波动，而氢气消耗仅略有增加，从而证明了这种基于路径规划的能源管理策略的有效性。
