一种多传感器融合的无人机复杂天候飞行控制方法
阅读说明：本技术 一种多传感器融合的无人机复杂天候飞行控制方法 (Multi-sensor fusion unmanned aerial vehicle complex weather flight control method ) 是由 李道春 姚卓尔 邵浩原 阚梓 申童 向锦武 于 2021-10-27 设计创作，主要内容包括：本发明公开了一种多传感器融合的无人机复杂天候飞行控制方法,所方法包括：建立无人机运动学方程及多个传感器的观测模型,根据观测模型及无人机运动学方程,建立无人机高度状态方程和量测方程,进一步通过卡尔曼滤波法得到多个传感器高度数据融合后的无人机飞行高度值,并根据所得飞行高度值调控无人机飞行高度。本发明可在复杂天候下获得准确的无人机高度信息,使无人机能够在复杂天候环境下进行安全稳定飞行。(The invention discloses a multi-sensor integrated unmanned aerial vehicle complex weather flight control method, which comprises the following steps: an unmanned aerial vehicle kinematic equation and observation models of a plurality of sensors are established, an unmanned aerial vehicle altitude state equation and a measurement equation are established according to the observation models and the unmanned aerial vehicle kinematic equation, the unmanned aerial vehicle flight height value after the height data of the plurality of sensors are fused is further obtained through a Kalman filtering method, and the unmanned aerial vehicle flight height is regulated according to the obtained flight height value. The invention can obtain accurate height information of the unmanned aerial vehicle in complex weather, so that the unmanned aerial vehicle can safely and stably fly in the complex weather environment.)
技术领域
本发明涉及无人机飞行控制系统的技术领域。
背景技术
当前世界涌起了发展无人机的热潮，无论是军用领域，还是民用领域，无人机的地位愈加重要，应用范围也愈加广泛。然而目前的无人机在复杂天候情况下会出现诸多不利于安全航行的问题，例如，降雨情况下无人机的各个舵面、机翼、尾翼的气动性能会受到影响，其飞行稳定性与操纵性会出现恶化；结冰情况下无人机外形尤其是机翼会发生改变，其甚至可能造成机翼升力的骤然减少，引发重大安全事故。
目前对于无人机在天候情况较为复杂时，往往因为各种因素的干扰而无法得到正确的位置信息。例如，在降雨、阵风等影响下无人机的可能会出现掉高现象，但因为天候影响，单一传感器反馈得到的无人机高度信息存在不准确，误差较大情况，从而便会影响到对应无人机的高度控制。因此研究复杂天候情况下无人机的飞行控制对于无人机的应用发展具有重要意义。
发明内容
本发明的目的是针对目前无人机在复杂天候条件下无法得到正确的高度信息，使其在复杂天候条件下出现飞行控制困难的问题等缺陷，提供一种可在复杂天候情况下进行稳定的高度控制的无人机飞行控制方法。
本发明的技术方案如下：
一种多传感器融合的无人机复杂天候飞行控制方法，其包括：
S1根据地轴系与机体轴系转换关系建立无人机运动学方程；
S2建立无人机中与高度值相关的多个传感器的观测模型；
S3根据所述观测模型及所述无人机运动学方程，建立无人机高度状态方程和量测方程；
S4基于所述无人机高度状态方程和量测方程，通过卡尔曼滤波法得到多个传感器高度数据融合后的无人机飞行高度值；
S5构建无人机高度控制回路，根据所得数据融合后的飞行高度值调控无人机飞行高度。
根据本发明的一些优选实施方式，所述观测模型包括大气数据计算机观测模型、无线电高度表观测模型及差分GPS观测模型。
根据本发明的一些优选实施方式，所述无人机运动学方程建立如下：
u＝V0 cosαcosβ
v＝V0 sinβ
w＝V0 cosβsinα
其中，地轴系为OxEyEzE，为地轴系下沿x轴、y轴、z轴无人机速度，u,v,w分别为无人机速度沿机体轴系x轴、y轴和z轴的分量；θ,φ,ψ分别为俯仰角，滚转角和偏航角；V0,α,β分别为无人机速度，无人机迎角和无人机侧滑角。
根据本发明的一些优选实施方式，所述观测模型包括：
如下的大气数据计算机观测模型：
h1＝h+bh+v1，
其中，h1为大气数据计算机测量的高度值，h为无人机真实高度，bh为大气数据计算机测高常值偏差，v1为大气数据计算机观测方差；
如下的无线电高度表观测模型：
h2＝h+v2，
其中，h2为无线电高度表测量的高度值，v2为无线电高度表的观测方差；
如下的差分GPS的观测模型：
h3＝h+v3，
其中，h3为差分GPS测量的高度值，v3为差分GPS的观测方差。
根据本发明的一些优选实施方式，所述状态方程如下：
X＝[h bh]T
所述量测方程如下：
Z＝[h1 h2 h3]T，且：
其中，w1、w2为系统噪声。
根据本发明的一些优选实施方式，所述卡尔曼滤波法中，卡尔曼滤波器的时间更新方程为：
P(k+1|k)＝P(k|k)+Q(k|k)，
和/或，
量测更新方程为：
P(k+1)＝(I-K(k+1)C(k+1))P(k+1|k)
其中：
其中，K(k+1)为卡尔曼增益；C(k+1)为观测输出矩阵；P(k+1)为估计均方差矩阵；Q(k+1)为系统噪声的协方差矩阵；R(k+1)为量测噪声的协方差矩阵。
根据本发明的一些优选实施方式，所述高度控制回路采用PID控制。
根据本发明的一些优选实施方式，所述PID控制中，以期望飞行高度作为输入，以所述数据融合后的飞行高度值作为反馈。
本发明具备以下有益效果：
本发明所提供的一种多传感器融合的无人机复杂天候飞行控制方法，首先通过卡尔曼滤波方法融合多传感器测得高度数据，从而得到复杂天候情况下无人机真实飞行高度，再通过控制系统对无人机进行高度控制使得无人机能够在复杂天候环境下进行安全稳定飞行。该发明所提出的方法相比于现有方法，优势在于能够在复杂天候情况下通过多传感器对无人机进行高度测量，而不仅仅是对单一数据，通过数据融合便可以消除因为复杂天候带来的高度测量不准确问题，得到可靠的无人机飞行高度数据，然后再通过控制系统便可以控制无人机达到期望飞行高度，为无人机在复杂天候情况下安全飞行提供参考。
附图说明
图1为一种具体的复杂天候下无人机飞行控制方法的流程示意图。
图2为一种具体的无人机高度控制回路。
图3为实施例中真实高度与大气数据计算机测量结果对比曲线。
图4为实施例中真实高度与无线电高度表测量结果对比曲线。
图5为实施例中真实高度与差分GPS测量结果对比曲线。
图6为实施例中真实高度与多传感器数据融合结果对比曲线。
具体实施方式
以下结合实施例和附图对本发明进行详细描述，但需要理解的是，所述实施例和附图仅用于对本发明进行示例性的描述，而并不能对本发明的保护范围构成任何限制。所有包含在本发明的发明宗旨范围内的合理的变换和组合均落入本发明的保护范围。
参照图1，以某型无人机在复杂天候下飞行情况为例，一种多传感器融合的无人机复杂天候飞行控制方法，包括以下步骤：
第一步，根据地轴系与机体轴系转换关系建立无人机运动学方程，如下所示：
u＝V0cosαcosβ
v＝V0sinβ
w＝V0cosβsinα
其中，地轴系为OxEyEzE、是固定于地球中心随地球一起转动的坐标系，原点OE即为地球中心；定义体轴系OxByBzB、是固连于无人机飞行器上的坐标系，原点OB取无人机质心，OxB平行于飞行器的纵向中心线并指向运动方向，OyB垂直于OxBzB平面并指向飞行器右侧，OzB位于对称平面指向下方，构成右手系，ZE为无人机纵向位移，u,v,w分别为无人机速度沿x轴、y轴和z轴的分量；θ,φ,ψ分别为俯仰角，滚转角和偏航角；V0,α,β分别为无人机速度，无人机迎角和无人机侧滑角。
第二步，建立无人机中各高度传感器的观测模型，其中，所述观测模型包括：大气数据计算机观测模型、无线电高度表观测模型及差分GPS观测模型；
更具体的，各观测模型可包括：
大气数据计算机的观测模型：
h1＝h+bh+v1
其中，h1为大气数据计算机测量的高度值，h为无人机真实高度，bh为大气数据计算机测高常值偏差，v1为大气数据计算机观测方差。
无线电高度表的观测模型：
h2＝h+v2
其中，h2为无线电高度表测量的高度值，v2为无线电高度表的观测方差。
差分GPS的观测模型：
h3＝h+v3
其中，h3为差分GPS测量的高度值，v3为差分GPS的观测方差。
第三步，根据所述观测模型及所述无人机运动学方程，建立无人机高度状态方程和量测方程；
其中，所述无人机高度状态方程的建立可具体如：
将与无人机纵向位移ZE的关系为h＝-ZE无人机真实高度h代入无人机纵向运动方程可得：
在三个传感器都正常工作情况下，系统的状态方程和量测方程如下所示：
Z＝CX+V
其中系统状态X＝[h bh]T，系统观测量Z＝[h1 h2 h3]T，A为系统状态矩阵，C为量测矩阵，W为系统噪声矩阵，V为量测噪声矩阵，
将其中各项代入，可以得到状态方程和量测方程具体形式如下所示：
第四步，设计Kalman滤波器，得到在多传感器数据融合下的无人机飞行高度值；
更具体的，根据卡尔曼滤波法，可以得到时间更新方程为：
P(k+1|k)＝P(k|k)+Q(k|k)
量测更新方程为：
P(k+1)＝(I-K(k+1)C(k+1))P(k+1|k)
其中：
其中，K(k+1)为卡尔曼增益；C(k+1)为传感器观测输出矩阵；P(k+1)为估计均方差矩阵；Q(k+1)为系统噪声的协方差矩阵；R(k+1)为量测噪声的协方差矩阵。
由此可以得到无人机飞行高度的无偏估计值该值与无人机真实高度h非常接近，可以认为相等。
第五步，构建无人机高度控制回路，根据所得飞行高度值调控无人机飞行高度。
其中，更具体的，参照图2，所述高度控制回路可采用PID控制方法，以期望飞行高度作为输入，所得多传感器数据融合的真实高度值作为反馈，调节无人机飞行高使无人机真实飞行高度达到输入的期望飞行高度，最终完成复杂天候条件下无人机的飞行高度控制。
在一些具体实施例中，根据上述具体实施方式所得真实高度与大气数据计算机测量结果曲线如图3所示，真实高度与无线电高度表测量结果曲线如图4所示，真实高度与差分GPS测量结果曲线如图5所示，真实高度与多传感器数据融合结果曲线如图6所示，可以看出，通过本发明的多传感器融合的方式所得的高度数据与真实高度最为一致。
以上实施例仅用于展示本发明的部分实施方式，本发明的保护范围并不仅局限于上述实施例。凡属于本发明思路下的技术方案均属于本发明的保护范围。应该指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下的改进和润饰，这些改进和润饰也应视为本发明的保护范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种无人机多余度传感器管理方法、系统及无人机