一种无人机在线实时飞行状态辨识及调参方法
阅读说明：本技术 一种无人机在线实时飞行状态辨识及调参方法 (Unmanned aerial vehicle online real-time flight state identification and parameter adjustment method ) 是由 何巍 罗伟 于 2019-12-04 设计创作，主要内容包括：本发明公开了一种无人机在线实时飞行状态辨识及调参方法,基于物理原理建立了无人机的数学模型并进行模型线性化,然后采集无人机的姿态数据和动力数据,以实时的飞行状态数据为分析基础,通过人工神经网络系统辨识方法在线辨识出无人机的被控对象数学模型,并通过后续的飞行状态数据实时验证无人机被控对象数学模型的准确性,为飞行控制参数的调整提供了依据,解决了目前大多数无人机飞行控制PID参数调整的不直观性和盲目性。该方法能够实现在线实时飞行状态辨识与控制参数调整的目的,从而提高了无人机的飞行控制精度及效率。(The invention discloses an unmanned aerial vehicle online real-time flight state identification and parameter adjustment method, which is characterized in that a mathematical model of an unmanned aerial vehicle is established based on a physical principle, model linearization is carried out, attitude data and power data of the unmanned aerial vehicle are collected, a controlled object mathematical model of the unmanned aerial vehicle is identified online by an artificial neural network system identification method on the basis of real-time flight state data, the accuracy of the controlled object mathematical model of the unmanned aerial vehicle is verified in real time through subsequent flight state data, a basis is provided for adjustment of flight control parameters, and the problem that most of unmanned aerial vehicle flight control PID parameter adjustment is not direct in appearance and blindness at present is solved. The method can realize the purposes of online real-time flight state identification and control parameter adjustment, thereby improving the flight control precision and efficiency of the unmanned aerial vehicle.)
技术领域
本发明涉及一种无人机在线实时飞行状态辨识及调参方法，属于无人机飞行控制技术领域。
背景技术
无人机的飞行控制是无人机研究领域主要问题之一。由于无人机在飞行过程中会受到各种干扰，如传感器的噪音与漂移、强风与乱气流、载重量变化及倾角过大引起的模型变动等等，这些都会严重影响飞行器的飞行品质，因此无人机的控制技术便显得尤为重要，对于改善无人机飞行性能、降低事故率有显著作用。
传统的无人机飞行控制方法主要集中于姿态和高度的控制，除此之外还有一些用来控制速度、位置、航向、3D轨迹跟踪控制。现阶段最广泛的控制算法是经典PID控制，根据现场的实际飞行试验出现的飞行现象来判断PID参数是否合适及需要调整，但无人机飞行过程中的气动环境相当复杂，是非线性和时变的，因而，传统的PID控制算法实时性较差，具有不直观性和一定的盲目性，亟待改进。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种无人机在线实时飞行状态辨识与调参方法，以提高无人机飞行的飞行效率及精度。
为了实现上述目标，本发明采用如下的技术方案：
一种无人机在线实时飞行状态辨识及调参方法，包括如下步骤：
S1、建立无人机的数学模型并进行模型线性化：
其中，为惯性坐标系下的无人机旋转角度，R为坐标旋转矩阵，
S2、实时采集无人机的飞行状态数据；
S3、以步骤S2采集到的的飞行状态数据为分析基础，通过人工神经网络系统辨识方法在线辨识，拟合飞行状态数据，得到无人机精确的被控对象数学模型；其中，无人机的部分物理参数通过步骤S2测量采集得到，另一部分参数使用神经网络的train等函数在线实时辨识获得；
S4、基于无人机控制系统动态响应时域指标，通过最优化算法计算得到飞行控制PID参数；
S5、当最优化PID控制参数在设定参数范围内且大于阈值时，适时调整飞行控制PID参数；当不符合上述条件时，则返回初始重新开始循环，重复步骤S1~S5。在该步骤中，设定参数范围是根据控制理论，基于被控对象数学模型的可控性分析得到，调整阈值一般根据经验获得，或者按照设定参数范围进行等分设计来获得。
优选地，在步骤S1中，模型线性化过程是在增稳模式下进行的，具体是通过matlab软件的linmod函数进行线性化。其中，所述增稳模式是指：无人机以巡航速度附近的某一稳定飞行速度，巡航高度无要求，以小角度近似水平姿态飞行。
优选地，前述步骤S2中，飞行状态数据包括姿态数据和动力数据。其中，姿态数据包括无人机的俯仰、滚转及偏航角度、角速度以及线加速度，通过惯性测量单元和磁力计进行实时采集；所述动力数据包括无人机动力电机的电压、电流及转速反馈信息，通过电子调速器进行实时采集。
再优选地，前述步骤S4中，控制系统动态响应时域指标包括：调节时间(s)：
更优选地，前述步骤S4中，通过matlab多目标优化函数fminimax进行多目标优化求解得到飞行控制系统的最优化PID控制参数。在优化时，尽量对上述各个参数进行协调和折中处理，使各个目标都尽可能的达到最优化，多目标优化解并非唯一，我们一般进行排序找到最优解，根据控制理论，排序标准为：稳态误差指标排第一，控制超调量指标排第二，调节时间指标排第三。
进一步优选地，在前述步骤S5中，设定参数范围根据控制理论，基于被控对象数学模型的可控性分析得到，调整阈值一般根据经验获得，或者按照设定参数范围进行等分设计来获得。
更进一步优选地，建模过程为：将
具体地，， 其中，为第n号电机的力臂长度，为电机安装轴与无人机机头方向夹角，及 均为力矩系数，
本发明的有益之处在于：
（1）本发明基于物理原理建立了核心的无人机数学模型并在增稳模式下进行模型线性化，通过惯性测量单元、磁力计及电子调速器等实时采集无人机的飞行状态数据，以相关的实时飞行状态数据为分析基础，首创性地通过人工神经网络系统辨识方法进行在线智能化辨识，从而得到无人机精确的被控对象数学模型，克服了无人机飞行过程中复杂、非线性和时变的气动环境对飞行的影响，为飞行控制参数的实时调整提供了可靠的依据；
（2）在建立了无人机精确的被控对象数学模型后，以自动控制理论控制系统动态响应时域指标作为飞行控制PID参数调整标准，通过最优化计算方法实时计算出飞行控制系统所需的最优化PID控制参数，从而达到无人机在线实时飞行状态辨识与控制参数调整的目的，进而提高了无人机的飞行控制精度及效率，解决了目前大多数无人机飞行控制PID参数调整的不直观性及盲目性。
附图说明
图1是本发明的一种无人机在线实时飞行状态辨识与调参方法的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
本实施例公布了一种新的方法来实现无人机在线实时飞行状态辨识及调参，其流程图参见图1，具体步骤如下：
（1）建立无人机的数学模型并在增稳模式下进行模型线性化；
该无人机的初始数学模型是基于物理原理建立的，建立的数学模型表达式为：
其中，
电机力矩与电机转速之间的数学关系见下式：
其中，
其中为第n号电机的力臂长度，为电机安装轴与无人机机头方向夹角，及均为力矩系数，
数学模型建立后，通过matlab软件的linmod函数进行线性化即可。
（2）当无人机在飞行时，通过惯性测量单元(IMU)、磁力计实时采集无人机的飞行状态数据（姿态数据），通过电子调速器(ESC)实时采集无人机动力电机的电压、电流及转速反馈信息（动力数据）；在该步骤中，悬停或低速飞行状态下的数据更加有利于准确辨识。
（3）以上述姿态数据和动力数据为分析基础，通过人工神经网络系统辨识方法在线辨识，从而得到无人机精确的被控对象数学模型，对无人机数学模型的系统参数进行实时准确的估计计算，并通过后续的飞行状态数据实时验证无人机被控对象数学模型的准确性。
在该步骤中，首创性地应用了人工神经网络系统进行参数的拟合计算，通过连续训练的方式不断得到实时、连续的优化参数，因而很好地避免了无人机在飞行过程中参数的动态变化对飞行的影响，同时也能适应无人机长时间飞行后数学模型参数所作出的必要性调整。
（4）在建立了无人机精确的被控对象数学模型之后，以自动控制理论控制系统动态响应时域指标作为飞行控制参数调整标准，基于无人机控制系统动态响应时域指标，通过最优化计算方法实时计算出飞行控制系统所需的最优PID控制参数，从而达到无人机在线实时飞行状态辨识与控制参数调整的目的，进而提高了无人机的飞行控制精度及效率。
其中，控制系统动态响应时域指标有：
调节时间(s)：
超调量(%)：
稳态误差(%)：
在该步骤中，通过matlab多目标优化函数fminimax进行多目标优化(所有目标最小)求解得到飞行控制系统的最佳PID控制参数。
（5）在飞行过程中，实时验证最优化PID控制参数，当最优化PID控制参数在设定参数范围内且大于阈值时，适时调整飞行控制PID参数；当不符合上述条件时，回到初始重新开始循环。
综上，本发明的方法首先建立起无人机的数学模型并进行模型线性化，然后采集无人机的姿态数据和动力数据，以实时的飞行状态数据为分析基础，通过人工神经网络系统辨识方法在线辨识出无人机被控对象数学模型，并通过后续的飞行状态数据实时验证无人机被控对象数学模型的准确性，为飞行控制参数的调整提供了依据，解决了目前大多数无人机飞行控制PID参数调整的不直观性和盲目性。该方法能够实现在线实时飞行状态辨识与控制参数调整的目的，从而提高了无人机的飞行控制精度及效率。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。