无人机民用和军用价值很高，在各个领域应用广泛，近年来行业持续保持快速增长，未来发展前景备受期待。摩擦纳米发电机在缓解能源短缺危机和自供电传感器方面具有很大潜力，有助于无人机复杂环境感知外界信息。燃料电池是绿色清洁能源，能够有效提升无人机续航能力。新能源技术在无人机领域的应用具有重要研究意义和实用价值。
近日，我院姚永明教授团队在摩擦纳米发电技术和燃料电池技术在无人机领域应用研究取得新进展，相关研究成果以我校为第一单位发表在国际知名学术期刊Nano Energy（IF：19.069）和Energy（IF：8.857）。在Nano Energy期刊发表《Arc-shaped flutter-driven wind speed sensor based on triboelectric nanogenerator for unmanned aerial vehicle》，姚永明教授为第一作者，中国科学院北京纳米能源与系统研究所程廷海教授、长春工业大学卢晓晖副教授为共同通讯作者，研究生周志聪等参与了研究工作。在Energy期刊发表《Grey Markov prediction-based hierarchical model predictive control energy management for fuel cell/battery hybrid unmanned aerial vehicles》，姚永明教授为第一作者，李天宇副教授为通讯作者，研究生王杰等参与了研究工作。相关研究工作受到国家自然科学基金（51805200）、吉林省科学技术发展计划（20200201057JC）等资助。
团队提出一种基于摩擦纳米发电机的弧形颤振式无人机风速传感器（AW-TENG）。针对于无人机的流线型外形，采用弧形结构设计，通过风场环境下的空气振动实现接触分离并产生电信号。根据其工作原理及仿真分析，对板间距、弧度和弧度方向三个影响因素进行了实验分析，并确定其最优结构。对传感性能进行了验证，在6~20m/s的风速范围内AW-TENG具备良好的拟合优度等传感特性。在此基础上测试了风速信号无线传输的应用。该新型传感器在无人机领域具有良好应用前景，研究拓展了TENG传感器应用领域，为TENG无线自供电传感提供了技术支持。
团队针对燃料电池-电池混合电源无人机的能量管理问题，提出了基于灰色马尔可夫的分层模型预测控制能量管理策略。该策略分为轨迹优化层和控制层，轨迹优化层根据混合电源的经济成本进行优化，得到电池荷电状态的参考轨迹，控制层跟随参考轨迹进行控制。针对无人机复杂工况条件下负载功率预测，提出了灰色马尔可夫功率预测模型。研究表明所提控制策略能够节约经济成本，有效提升了无人机续航能力。
论文1链接：https://doi.org/10.1016/j.nanoen.2022.107871
论文2链接：https://doi.org/10.1016/j.energy.2022.125405
