CN101460735B - 用来对动力翼翼型的飞行进行自动控制的方法和系统 - Google Patents

Abstract

一种自动控制至少一个动力翼翼型(2)飞行的系统(1)，其包括：第一检测装置(3)，其装在所述动力翼翼型(2)上，用来检测出第一信息(3a)，该信息至少涉及所述动力翼型(2)在空间的位置和方向以及所述动力翼翼型(2)受到的加速度；第二检测装置(5)，其装在地面上，用来检测所述机翼翼型(2)的所述驱动缆(21)上的拉力以及所述驱动单元(9)配重的位置；处理和控制装置(7)，其用来将所述这些信息(3a、5a)的内容转换成一机械驱动操作，该操作作用在所述驱动单元(9)的所述绞盘上从而驱动所述动力翼翼型(2)沿着一飞行轨迹TV₁、TV₂、TV₃、…、TV_n前进，该飞行轨迹能够使所述动力翼翼型上产生的“提升”作用最大。本发明还公开了一种方法，该方法用来通过系统(1)自动控制至少一个动力翼翼型(2)的飞行。

Description

用来对动力翼翼型的飞行进行自动控制的方法和系统

技术领域

本发明涉及一种用来对动力翼翼型的飞行(the flight ofpowerwing airfoils)进行自动控制的系统和方法，特别是适用于通过这个与“转盘”型系统相连的动力翼翼型的飞行来使产生的电能达到最优。 

背景技术

众所周知，关于无人飞机(UAV)的飞行有大量的文献和许多的技术方案。正如大家所知道的那样，人对机翼翼型如风筝飞行的控制主要来自于眼睛对机翼翼型空间位置和方向的估计，由此提供感知数据从而实现对牵引绳索的操控。机翼翼型的自动操控必然要通过上述这种人的敏感性的精确再现来实现。 

然而现有的技术和文献中并没有对动力翼翼型的飞行特别是“动力风筝”的飞行进行自动控制的解决方案和研究结果，事实上，大家均认为与这种控制相关的问题具有多样性和复杂性，由此需要使用最先进的控制方法和算法。事实上，动力翼翼型的飞行及其建模会涉及到多变量非线性系统的使用，其所监测的控制规范相对于参数的变化和无法精确建模的动力性能来说具有相对较强的要求。基于这种特性，控制系统还必须提供控制校正功能，其基于虚拟模型设计出来，在实现的时候采用实际系统的实验值。根据Nyquist和Bode的大量工作，在对控制进行设计时所采用的系统数学模型的近似性会给实际系统的控制带来一些问题，这个领域的研究人员始终关注于这些问题。然而，仅仅是从70到80年代开始才出现相关的研究成果，由此才能对控制系统分析和结合中所用模型的不确定性所产生的影响进行系统地、定量地处理，因此才在鲁棒控制(robust control)领域中产生大量的研究成果。由于这些方法能用来解决现实存在的大部分问题，因本发明的上述和其它目的和优点通过一种自动控制动力翼翼型飞行的系统来实现，该系统的方案是： 

此必须通过适当的辨识方法来获得这些特性，同时这些方法能用在所控制的实际系统的测量结果上，这类参考文献就是鲁棒辨识、面向控制的辨识或者是集员辨识。上述这些方面主要存在下面的成果： 

-Horowitz，“Synthesis of Feedback Control systems”，Acadimic Press，1963； 

-Menga g.，Milanese M.，Negro A.，“Min-max quadraticcost contol of systems described by approximatemodels”，IEEE Trans.Aut.Contr，1976； 

-J.C.Doyle，”Guaranteed margins ofr LQG regulators”，IEEE Trans.Aut.Contr，1978； 

-V.L.Kharitonov，“Asymptotic stability of anequilibrium position of a family of systems of lineardifferential equations”，differential Equations，1979； 

-G.Zames，“Feedback and optimal sensitivity”，IEEETrans.Aut.Contr，1981-1982； 

-H.Kimura，“Robust stabilizability for a class oftransfer function”，IEEE Trans.Aut.Contr，1984； 

-J.C.Doyle，k.Glover，P.P.Khargonekar，B.A.Francis，“State space solution to standard H-2 and H-infcontrol problems”，IEEE Trans.Aut.Contr，1989； 

-S.P.Bhattacharyya，H.Chapellat，L.H.keel，“RobustControl：The Parametric Approach”，Prentice Hall，1995； 

-K.Zhou，J.C.Doyle，K.Glover，“Robust and OptimalControl”，Prentice Hall，1996； 

-M.Milanese，R.Tempo，A.Vicino(Eds)，“Robustnessin Identification and control”，Plenum，London，1989； 

-IEEE Trans.On Aut.Contr.，“Special Issue on SystemIdentification for Robust Control Desigh”，1992； 

-A.B.Kurzhanksi，V.M.Veliov(Eds)，“ModelingTechniques for Uncertain Systems”，Birkhauser，1984； 

-B.Ninness and G.C.Goodwin，“Estimation of modelquality”，Automatics，1995； 

-M.Milanese，J.Norton，H.Piet-Lahanier，E.Walter(Eds)，“Bounding Approaches to SystemIdentification”，Plenum Press，1996； 

-J.R.Partington，“Interpolation，Identification，andSampling”，Clarendon Press；1996； 

-H.Kimura，M.Milanese(Org.)，Invited Session“ModelSet Theoty in Identification and Control”，38^th IEEECDC，Phoenix，1999； 

-J.chen，G.Gu，“Control-oriented system identification：an H-infinity approach”，John Wiley，2000； 

-Int.J.of Robust and Nonlinear Control，Special Issueon“Robust control from data”，M.Milanese，M.Taragna Eds.，2004. 

除了上述这些文献和著作，在鲁棒辨识和控制方面具有国际水平的新方法和算法还有其它的国际性文章，特别是下面这些文献所涉及的线性非线性复合系统近似模型的辨识方法： 

-M.Milanese，G.Belforte：“Estimation theory anduncertainty intervals evaluation in presence ofunknown but bouned errors：linear families of modeland estimators”，IEEE Transactions on AutomaticControl，vol.27，n.2，April 1982. 

-M.Milanese，R.Tempo：”Optimal Algorithms Theoryfor robust estimation and prediction”，IEEE Trans.AC，August 1985. 

-B.Z.Kacewicz，M.Milanese，A.Vicino：“Conditionally optimal algorithms and estimation ofreduced order models”Invited paper 2^nd Int.Symposium on Optimal Algorithms，new york，1987.Also Journal of complexity ol.4，pp.73-85，1988. 

-M.Milanese，A.Vicino，“optimal estimation theory fordynamic systems with set membership uncertainty：anoverview”，Automatica，vol.27，997-1009，1991； 

-L.Giarre，B.Z.Kacewicz，M.Milanese，“Modelquality evaluation in set membership identification”，Automatica，vol.33，no.6，pp.1133-1139，1997； 

-M.Milanese，M.Taragna，“Optimality，approximation，and complexity in Set Membership H-infidentification”，IEEE Transactions on AutomaticControl，vol.AC-47(10)，pp.1682-1690，2002； 

-M.Milanese，C.Novara，“Set MembershipIdentification of Nonlinear Systems”，Automatica，Vol.40/6，pp.957-975，2004； 

-K.Hsu，M.claassen，C.Novara，P.Khargonekar，M.Milanese，K Poolla，“Non-parametric Identification ofStatic Nonlinearities in a General InterconnectedSystem”，International Federation Automatic ControlWorld Conference，Prague，2005. 

鲁棒控制起始于下面文献所涉及的实验数据： 

-M.Milanese，G.Fiorio，S.Malan，“Robustperformances control desigh for a high accuracycalibration device”，Automatica，Special Issue onRobust Control，vol.29，pp.147-156，1993； 

-S.Malan，M.Milanese，d.Regruto and M.Taragna，“Robust control from data via uncertainty model setsindentification”，International Journal of Robust andNonlinear Control，Special Issue on“Robust controlfrom data”，2004. 

鲁棒控制在其饱和度具有抗饱和方法和MPC时涉及下面的文献： 

-M.Canale，M.Milanese，“Robust desigh of predictivecontrollers in presence of unmodeled dynamics”，European Journal of Control，vol.9，no.5，2003； 

-M.Canale，M.Milanese，Z.Ahmad，E.Matta，“AnImproved Semi-Active Suspension Control StrategyUsing Predictive Techniques”，Proc.IEEEInternational Conference on Information &communication Technologies，Damasco，2004； 

同时它们对不同申请部分的申请涉及下面的文献： 

-M.Milanese，C.Novara，P.Gabrielli，L.Tenneriello，“Experimental Modelling of vertical dynamics ofvehicles with controlled suspensions”，SAE World Congress，Detroit，Michigan，2004； 

-M.Milanese，C.Novara，“Set Membership Predictionof River Flow”，Systems and Control Letters，Vol.53/1，pp.31-39，2004； 

-A.Chiesa，“Tecniche di controllo Fault Tolerant pervelivoli Senza pilota(UAV)”Graduating Paper，responsible M.Milanese，Politecnico di Torino，2004； 

-M.Milanese，C.Novara，L.Pivano，“Structured SMidentification of vehicles vertical dynamics”，Mathematical and Computer Modelling of DynamicalSystems(Special Issue)，2005. 

然而，从上述文献可知，还没有一种系统和/或方法用于自动控制动力翼翼型的飞行，其中的翼型为预测性操作，即其根据动力翼翼型自身未来飞行状况的观测和预判来进行操作，由于预测问题，因此其需要考虑到各种临界状况和错误。 

意大利专利申请TO2003A000945和欧洲专利申请EP04028646.0，均要求了本申请人的优先权，公开了一种将通过对动力翼翼型的飞行进行预测自适应控制来将气流的动能转换成电能的系统，其中的翼型连接到一种“转盘”型系统上。在该系统中，最好是采用一种系统和一种方法来自动控制所用动力翼翼型的飞行，由此就能根据上述申请所述的模式来实时地驱动动力翼翼型。然而，在现有的技术中，还没有系统能够以一种高效地方式来对“转盘”型系统中所用的动力翼翼型的飞行进行控制。 

发明内容

因此，本发明的目的在于通过一种系统和方法来解决现有技术中的上述问题，该系统和方法基于对动力翼翼型未来飞行状态的观测和预判根据“优选控制策略”以一种预测的方式来对动力翼翼型的飞行进行自动控制，这其中要考虑由预测带来的各种临界状况和错误，从而能够避免局部极大、振动和驱动不稳。 

本发明的另一个目的是提供一种系统和一种方法来自动控制意大利专利申请TO2003A000945和欧洲专利申请EP04028646.0中所述“转盘”型系统中所用动力翼翼型的飞行。 

本发明的上述和其它目的和优点通过一种如权利要求1所述的用来自动控制动力翼翼型飞行的系统来实现，这一点通过下面的说明将更加清楚。 

一种自动控制至少一个动力翼翼型(2)飞行的系统(1)，所述动力翼翼型(2)由一驱动单元(9)控制，该驱动单元(9)配备两台绞盘，所述动力翼翼型(2)通过两根驱动缆(21)连接到两个绞盘上，其特征在于该系统包括： 

附图说明

-第一检测装置(3)，其装在所述动力翼翼型(2)上，用来检测出第一信息(3a)，该信息至少涉及所述动力翼翼型(2)在空间的位置和方向以及所述动力翼翼型(2)受到的加速度； 

-第二检测装置(5)，其装在地面上，用来检测出第二信息(5a)，该信息至少涉及所述动力翼翼型(2)的所述驱动缆(21)上的拉力以及所述驱动单元(9)配重的位置； 

-所述第一信息(3a)和所述第二信息(5a)的处理和控制装置(7)，其用来将所述这些信息(3a、5a)的内容转换成一机械驱动操作，其作用在所述驱动单元(9)的所述绞盘上从而驱动所述动力翼翼型(2)沿着一飞行轨迹(TV1)、(TV2)、(TV3)、、(TVn)前进，该飞行轨迹能够使所述动力翼翼型所处气流(W)作用在所述动力翼翼型(2)上的“提升”作用最大，并能使气流所产生的动能达到最大；以及 

-所述第一信息(3a)到所述处理和控制装置(7)的变送系统。 

这一点通过下面的说明将更加清楚。 

此外，本发明的上述和其它目的和优点通过一种所述的自动控制至少一个动力翼翼型飞行的系统来自动控制动力翼翼型飞行的方法来实现，所述的方法为： 

一种所述的自动控制至少一个动力翼翼型飞行的系统来自动控制动力翼翼型飞行的方法，其特征在于，该方法包括下面的步骤： 

a)通过所述第一检测装置(3)检测出与动力翼翼型当前飞行轨迹相关的所述第一信息(3a)； 

b)通过所述第二检测装置(5a)检测出与所述动力翼翼型当前飞行轨迹相关的第二信息(5a)； 

c)通过所述变送系统将所述第一信息(3a、3a’)发送到处理和控制装置(7)； 

d)将所述第二信息(5a)发送到所述处理和控制装置(7)； 

e)从所述第一信息(3a、3a’)和所述第二信息，直接或间接地获得至少与所述动力翼翼型当前位置X Y和当前飞行轨迹相关、与所述配重动态特性相关以及与所述驱动缆牵引力相关的数值； 

f)确定飞行和控制参数； 

g)为所述每一个飞行和控制参数确定出其权重PQ、PC、PM、PZI、PT； 

h)为每一个所述参数计算下面时刻T0、T1、T2、、Tn的最佳坐标XY； 

i)计算出所有坐标在所述时刻T0时的矢量和RX0Y0； 

j)计算出未来所有时刻T1、T2、、Tn的矢量和RX1Y1、RX2Y2、、RXnYn； 

k)为这些矢量和确定并应用时间权重PT0、PT1、PT2、、PTn； 

l)从所述矢量和RX1Y1、RX2Y2、、RXnYn中选择出最佳的一个作为所述动力翼翼型(2)操纵必须依从的理想瞬时坐标； 

m)选择出最佳的飞行轨迹路径(TV1)、(TV2)、(TV3)、、(TVn)从而将所述动力翼翼型(2)从所述当前位置带到所述理想瞬时坐标； 

n)通过所述数字控制器(7b)来作用所述驱动单元(9)从而将所述动力翼翼型(2)从所述当前位置的所述坐标带到所述理想瞬时坐标； 

o)按时间间隔t重复步骤a)到n)。 

参照附图，下面通过本发明的一些非限定性的优选实施例来描述本发明，其中： 

图1是一方块图，其展示的是本发明自动控制动力翼翼型飞行的系统中的主要部件； 

图2a的曲线图表示的是一种与一动力翼翼型相关的参照系统，其中的动力翼翼型约束于一种已知的“转盘”型系统； 

图2b的示图表示的是一重力加速度矢量的矢量分量； 

图3的示图表示的是动力翼翼型相对于气流方向和感知的航行区域； 

图4a的示图表示的是本发明方法中动力翼翼型的三维飞行目标； 

图4b表示的是图4a中示图的平面示图； 

图5表示的是图4在带有本发明方法的一些参数时的示图；以及 

图6表示的是已知“转盘”型系统在动力翼翼型通过本发明系统和/或方法进行驱动时其中某些飞行步骤下的顶视图。 

在下面的说明中，本发明系统和方法的描述将以一种优选地、示例性地方式来针对意大利专利申请TO2003A000945和欧洲专利申请EP04028646.0中所述动力翼翼型飞行的自动控制进行。因此，由于简化的考虑，对于下面将要提到的与现有“转盘”型系统相同的部件，其详细说明必须参考上述的申请。显然，本发明的系统和方法也能用于其它的、不同于“转盘”型系统的场合，其中只要在本领域技术人员的能力范围之内进行适当地变更即可。 

在本文中，我们假定至少有一个动力翼翼型的飞行是由这样的一种驱动单元进行控制的，该驱动单元配有交流电动绞盘，其中的翼型通过相应的两根驱动缆通过到绞盘上，这一点参见TO2003A000945和EP04028646.0。 

参见图1，我们可以看，本发明用来自动控制至少一个动力翼翼型2飞行的系统1包括： 

-第一检测装置3，其装在动力翼翼型2上，用来检测出第一信息3a，该信息至少涉及翼型2在空间的位置和方向及其三维加速度； 

-第二检测装置5，其装在地面上，用来检测出第二信息5a，该信息至少涉及动力翼翼型2驱动缆上的拉力以及驱动单元9配重的位置； 

-第一信息3a和第二信息5a的处理和控制装置7，其用来将这些信息的内容转换驱动单元9的机械驱动操作从而沿着飞行轨道驱动动力翼翼型2，该飞行轨道能够使动力翼翼型所处气流作用在动力翼翼型2上的“提升”作用最大，并能使气流所产生的动能达到最大；事实上，我们还可以看到，如果动力翼翼型没有以“提升”的方式扫过气流的风锋，那么不仅仅是由此施加到驱动缆上的牵引力(其由此也能作用在“转盘”系统的臂上)远远大于将通过“拖拽”作用将动力翼翼型停留于最大风阻点中所施加的力，而且动力翼翼型在“转盘”系统旋转时产生刹车效应的区域也完全消失了；更为特别的是，处理和控制装置7包括一个几何电机(geometrical motor)7a，其能 够对第一信息3a进行处理从而将动力翼翼型2的位置、加速度和方向信息返回给一个常规类型的数字控制器7b，该控制器能够对驱动单元9的绞盘进行操作9a，从而对驱动缆的牵引力进行控制；以及 

-第一信息3a到处理和控制装置7特别是几何电机7a的变送系统。 

此外，本发明的系统可包括一个基于鲁棒控制原理实现的失稳消耗驱动器(instability dissipation drive)。 

为了更好地理解第一检测装置3直接采集第一信息3a的工作模式，其它的信息可由第一信息3a间接获得，从而知道哪种第一检测装置3可用在本发明的系统1中，最好是简单地检查一下表征动力翼翼型2在空间位置的几何位置信息。参见图2a，从中可以看到每一个动力翼翼型2(其从专利申请TO2003A000945和EP04028646.0所述“转盘”型系统20的臂20a伸出)，通过两根驱动缆21限制到地面上，同时假想线L连接翼型2的端点，由此在空间一平面内形成一个三角形OAB。气动研究中需要引入飞机姿态中的翻滚、俯仰和偏航等概念。对于动力翼翼型2来说，来自臂20a的驱动缆21的输出喷嘴会形成一个约束，其迫使我们放弃这些经典的术语(偏航、翻滚、俯仰)。现在，让我们来参考一个理想的参考坐标系XYZ_ref，将其与系统20的臂20a合在一起，这样重力加速度就仅在Z轴上存在分量。让我们进一步来考虑一条将臂20a的端点与动力翼翼型2的中点相连的假想线。该线段，如上所述，相对于水平面XY_ref具有一个角度α，同时将该线段投射到水平面XY_ref上时其相对于轴X_ref具有一个角度γ。角度α和γ确定了动力翼翼型2的空间位置。然而，几何位置信息只有在引入了方向概念时才是完整的。为此，让我们再来考虑一下上述的三角形。三角形OAB处于一个平面内，该平面相对于地面参考系统的位置会根据动力翼翼型2飞行状态而实时变化。因此，术语----动力翼翼型2的方向定义的是平面所述的角度β，其不同于角度α和γ，其中的平面是三角形和水平面XY_ref所处的平面。尽管为了导出动力翼翼型2的空间位置和方向，需要采用一个人为的地面观察系统，该系统有可能会因云层或缺乏能见度而受到影响，同时这些问题在系统1与操作着飞行高度很高的动力翼翼型2的“转盘”型系统20结合使用时会更严重。 

因此，作为优选，为了导出动力翼翼型2的空间位置和方向及其加速度，第一检测装置3包括多个MEMS型三维加速度计，其至少组合有一个电子罗盘。后者可用一个Fluxgate型或其它类型的磁力计来实现从而能够提供出一个大大精确于人类视线在完美观察条件下所能达到精度的可靠精度。更为特别的是，动力翼翼型2至少带有一个磁计力和至少两个三维加速度计，其布置在动力翼翼型的端部，优选为动力翼翼型外壁上驱动缆的连接点旁边。因此，这些装载在动力翼翼型上的加速度计能够实现下面的功能： 

-使系统1能够识别识别出动力翼翼型的空间位置和方向； 

-提供多维并且即时的加速度数据，其可用来校正本发明方 法中控制回路的反馈，这一点正如下面所述将通过系统1来实现； 

-校正重力矢量有可能因猛烈的气动加速度而产生的错误预判。 

磁力计提供的仅是一个加速度计不能提供信息，即，动力翼翼型2绕重力轴的旋转。 

系统1中所用的加速度计对很宽范围的加速度都非常敏感，该范围从静止加速度如重力加速度到频率具有几kHz的加速度。 

显然，三维加速度计为自身定义了一个卡笛尔(Cartesian)参考坐标系XYZ_A，这一点如图2b所示。假定在某一个瞬时内，这种参照系与理想的卡笛尔坐标系XYZ_A重合，针对重力(静止)加速度的敏感度实际上就能区分出加速度的变化，因为加速度计因参照系XYZ_A起点实际位移只会出现倾斜的变化，其被定义为气动加速度，所表示的是动力翼翼型的飞行。 

通常来讲，三维加速度计会在空间中有一个瞬时的位置。因此，矢量g，其用来表示重力加速度(以一个常量模数的形式)、方向和感知度，可以沿着三个平行于轴X_A、Y_A、Z_A的矢量方向分解成三个分量。显然，通过下面的坐标变换可以将坐标系XYZ_A中重力矢量g的位置变到球坐标中： 

$Z_{g_A}=g*\cos \mathrm{\θ}$

由此可以得到： 

$\mathrm{\θ}=a\sin \left(X_{g_A}\right)$

其中，atan²是反tangent(x)函数，其模糊精度为(+/-)π/2。 

每一个加速度都受到两种加速度。如上所述，重力加速度会矢量叠加到动力翼翼型相对于固定参照系XYZ_ref实际运动所产生的气动加速度上。因此，第一检测装置3能够，智能装载在动力翼翼型上，运行合适的算法从而将重力加速度与气动加速度区分开来，其一方面通知球坐标系，后者指出相对于加速度计坐标系的重力矢量分量(由此还有相对于固定参照系的加速度计的倾斜)，其另一方面通知气动加速度的实时评估结果。加速度的测量结果，首先能够实现的是实时控制技术，其能够强制性地驱动动力翼翼型的飞行，这一点将在后面对本发明的方法进行描述时看到。该测量结果还能用来即时校正估算加速度计方向时所必须用到的角度θ和 

同时将加速度数据合起来还能进一步用来评 估动力翼翼型的飞行轨迹，由此就能得到其飞行的所有信息。 

由于我们必须能够区分出动力翼翼型运动中绕其一端旋转的运动，因此必须使动力翼翼型至少提供两个加速度计。此时，动力翼翼型的中心例如只装上一个加速度计，由此切向速度可近似地由v_t＝ω*r来表示，其中的ω表示相对转速，r表示加速度计到旋转中心的距离(此时，其就是动力翼翼型宽度的一半)。该速度并不能正确地描述出动力翼翼型的运动，其“自由”端的旋转轨迹具有两倍的正切速度v_t＝ω*r，其向心加速度等于a_c＝v_r ²/r。因此将两个加速 

度计布置在动力翼翼型上能够形成一个具有高性能和高剪切频率的六坐标轴惯性平台，该平台能够识别出六个轴上的运动，并能描述出动力翼翼型的位置和方向。 

只需整体地考虑这种配置的加速度计就能感知到绕着一条轴的转动，这种转动不会在平行于Z_ref的轴向上带来变化。因此，必须使动力翼翼型至少带有一个磁力计以便补偿因双重积分所带来的偏移。两个加速度计与缆21从臂21a上的输出点一起构成了一个完全已知的三角形，其每条边的长度都是已知的。唯一未知的数据是臂与两根缆21(考虑两根缆21之间内括锐角的对分线)之间投射到水平面XY_ref上时的角度。通过对缆绳在臂21输出点上的直接测量能够轻松地从地面上估出该角度。 

正如上面说的那样，第二检测装置5能够检测出第二信息5a，该信息至少涉及驱动单元9配重状态下绞盘实际或模拟作用在动力翼翼型2驱动缆上的拉力和位置；更为特别的是，配重能够将强风所产生的过多能够吸收并保存为势能或电能，并且在动力翼翼型相对于风力处于停置状态时返回这部分能量。因此，第二检测装置5可包括用来测量驱动缆偏转的应变仪和安装在驱动单元绞盘上的编码器；该编码器，能够与交流电机相连，从而能够用来检测已从绞盘上绕出的驱动缆的长度，并由此得到动力翼翼型到驱动单元之间的距离，以及同一动力翼翼型的两根驱动缆之间的长度差。此外，第二检测装置5还可包括有接近传感器，其用来检测“转盘”系统操作臂喷嘴出口处驱动缆之间的夹角。 

第二检测装置5还可包括有光学或微波地面人工观测系统以便观测动力翼翼型的位置。地面光学观测系统相对于微波观测系统而言有一个不可忽视的缺点，这就是其观测取决于云层的透视度，所述云层有可能会挡住动力翼翼型从而无法观测。一台有效的人工观测系统在安全性方面具有重要的意义，其能提供必要的信息从而避免与直升机和小型飞行相撞。 

由第一和第二检测装置3、5所测量的第一和第二信息3a、5a以及动力翼翼型的空间位置至少可以以下面三种不同的方式获得： 

a)通过几何电机对来自加速度计和磁力计的数据进行处理；特别是通过对加速度信号的双重积分能够获得动力翼翼型位置矢量的长度； 

b)将从绞盘编码器所获得的数据与在操作臂端部所获得缆绳 和操作臂之间角度的测量值组合起来；必须注意的是，从操作臂端部这里，只有两根驱动缆之间的角度，作为一个整体能够与与操作臂一起评估出来； 

c)采用人工观测系统：此时必须加上信息导出时因图像获取和分解所产生的延迟。 

同样，可通过对加速度计数据的处理以及人工观测系统的使用来获取动力翼翼型的空间方向。 

加速度必须在动力翼翼型这里获得，因为由位置信息计算出第二导出信息所引发的延迟无法与强制驱动动力翼翼型飞行时所用的实时控制技术相兼容。这就意味着装载在动力翼翼型上的人工智能构成了控制系统1的一个不可分割的部分。 

在另一个实施例中，可在动力翼翼型结构中使用流变聚合物，由此能够直接在装载点这里实现驱动系统；此时，可能提供这样的第一检测装置，其还包括其它的传感器，这些传感器能够提供由复合材料的反馈信息所导出的信号从而有助于或检测出动力翼翼型的空间位置。 

基于上述的内容可知，动力翼翼型位置和方向的测量结果有可能会变成多余的。更为特别的是，由直接得到的位置和方向信息开始的加速度评估，尽管无助于实时冗余，但其有助于形成系统在评估动力翼翼型飞行特性时的诊断冗余。 

在本文中，在本发明的方法中特别适合将虚拟传感器与系统1的第一和/或第二检测装置一起布置。实际上，第一和第二检测装置中的传感器所测量的许多参量都能，在某一传感器失效时，通过观测者/Kalman过滤器由其它传感器的测量结果估算出来，其中的观测者/Kalman过滤器在设计上取决于动力翼翼型动态特性的模型。采用虚拟传感器代替某些实际传感器来实现所需的冗余水平，其优点是显然的，整体上讲，其取决于物理传感器的成本以及传感器安装和传感器与控制系统之间进行通讯所涉及问题的状况。这些优点特别适合于装载在动力翼翼型上的传感器，其中的优点还要加上重量和能量的消耗。从这个意义上讲，可以结合虚拟传感器在气动领域中应用时所导出的那些实验结果，这一点可以参考下面的文献：“Rilevazione，isolamento e recupero of the guasti of the sensori diassetto di aeromobili”，Graduation Thesis，Responsibles：M.Milanese(Dip.Automatica e Informatica)，S Chiesa(Dip.Ingegneria Aerospaziale)，M.birindelli(Alenia)，Politecnico di Torino，2003 by E.Corigliano，同时在汽车领域可参考下面的文献：“Experimental results in vehicle sideslip angle estimation”SAE 2006，Detroit di M.Milanese，D.Regruto，e A.Fortina. 

用来驱动动力翼翼型的数字控制器7b需要可靠及实时的加速度和位置信息。特别是，描述动力翼翼型在三维空间中性能的三 维加速度必须在动力翼翼型所在的高度这里获得。 

接着是，第一信息3a在动力翼翼型和处理控制装置7之间的变送系统必须满足严格的性能和能量吸收要求。为了满足这些要求，并且作为优选为了避免动力翼翼型和地面处理控制装置7之间形成明显的电连接从而避免给大气中可能存在的静电形成导路，该变送系统可通过至少一根数据光纤集成在动力翼翼型的驱动缆中。 

将光纤插入到缆绳中必须考虑到驱动缆通常要配上高模数的光纤，同时其工作环境对于凯夫拉尔纤维(kevlar)和UHMW聚乙烯纤维来说均非常严格。众所周知，凯夫拉尔纤维可能具有渗出物从而有可能会吸收水分，由此在遇到酸雨或局部污染物时会提高其导电性，因此必须使用由THFT做成的保护层或编织物，其同时具有防腐蚀功能。在这种情况下，光纤自然要处于壳层和纤维束之间，由此会在长度上形成一定的自由度，从而令光纤部分少受缆绳弹性变形的影响。 

在使用UHMW聚乙烯时，同样需要考虑到凯夫拉尔纤维中的问题，同时还要考虑其自身的使用问题，这就是所谓的“蠕变”，即在外力下不可逆的伸长，这一问题会导致带有光纤的缆绳的频繁更换，由此会减少其实际工作时间。这里需要考虑将那些与聚乙烯相关的并且能够减少这类问题的材料结合进来与UHM W纤维束内的光纤编织起来。然而，必须强调的是，截面的直径会增加，因此缆绳的工作负载必须根据所需的最大受力而确定，不要出现蠕变，也不要增加气动拖力，即缆绳施加给空气的阻力。此外，对动力翼翼型的缆绳截面进行几何定型从而使它们的形状具有更低的拖拽力更高的提升力是一个很好的解决方式。 

缆绳中的其它光纤可用来给装载在动力翼翼型上的第一检测装置提供电力。在一种多模式低损耗光纤中，在地面端引入足量的光线，这些光线会通过一种例如由GaAS制成的微光电模块在动力翼翼型端转换回来。 

作为选择，该变送系统能够以无线电波的形式来传送第一信息，这种解决方案被认为是最佳的通讯方法，其不需要电连接，从能量的观点来是需要的。 

即使光纤解决了信息传送的问题，出于冗余设计的原因仍然需要保留无线电传送的额外资源。如果用无线通讯作为光纤通讯的备份方案，那么可用看门狗发出指令进行激活，这里要仔细注意光流确认的中断。 

显然，无线传送系统可采用各种通讯协议将第一信息发送给地面处理和控制装置。如果采用例如单向连续流协议，那么低通讯级，物理层，将是无线电波的介质，其可以是一种简单的FSK调制器，用来对传感器的数字信息进行连续地有源地调制，但其存在连续的能量吸收。可以通过诸如下面的方法来减少传送信息所需的时间和功率： 

-高增益定向天线：一种天线，其不会对气流增加阻力，它的导线与现有的几何结构相适配：合适的位置可以是缆绳 长度上靠近动力翼翼型的位置，或者是动力翼翼型的壁面上。这两个位置的优点是，其始终指向驱动单元，因此可以将相对应的、与处理和控制装置通讯的接收天线包起来； 

-载波抑制：这是一种已知的单侧波段传送方案，其能节约能量，但会降低传送的位速率； 

-异步激活：该方案需要变送器上装有一种特定的软件，其采用视频压缩关键帧概念能对数据流的意义进行评估，并且只在最有意义的时候才传送信息。该方案的优点非常有用，类似于数据压缩系数，这里也可通过计算得到能量需求降低系数。 

作为选择，还可采用数据包协议(datagram packet protocol)，其与互联网中用来传送数据流的协议一样不需要特征序列和有效性检查，其适于电影和无线广播。由于该协议是双向的，因此检查通讯周期和相关电吸收性的负担可转移到接收站控制器，后者只需在需要的时候才对传感器进行查询，或者是查询传感器从而将控制系统的动态模式与实际的状态对齐。 

作为选择，还可采用异步协商传输协议，该协议在实施进更为复杂，但其能够集合上述方案的所有优点。事实上，这一种非常小但强大的双向通讯协议，其能同时从第一检测装置侧和处理控制装置侧开始通讯。没有堆栈就没有潜伏期，从而不会损害到位速率。 

在另一实施方式中，还可使用超声波传送系统。 

无论怎样，在动力翼翼型上装两个加速度计和一个磁力计会以每秒数千次的采样频率产生七个信息流。从动力翼翼型到地面的原始数据流，除了对传送来讲数量过多以外，其基本上对几何电机没有用处：几何电机必须以一个与系统的尺寸和时间常数相兼容的频率周期运转，向数字控制器连续地提供最新的位置数据，并假定更为合理的数据作为输入。为此，可加上一个预处理装置11，以便对动力翼翼型上的所有或部分第一信息3a进行预处理从而提供出经过预处理的第一信息3a’，该信息既适合于传送又适合几何电机7a进行轻松地处理。为此，加速度计上可带有集成的预处理D SP(数字信号处理----Digital Signal Processing)装置11。 

此外，如前所述，用来采集有用信息从而知道动力翼翼型飞行轨迹的MEMS型加速度计既对静态加速度(重力)敏感，又对动态加速度敏感。由于必须采用重力(静态)加速度来测量有用的角度从而获得动力翼翼型的位置和方向，因此这里会有一个问题，即要将静态加速度与动力翼翼型受到的猛烈的气动加速度隔离开。这一点可通过一种合适的算法来实现，该算法必须以必要的速率周期运转，该速率不应与变送系统可获得的变送速率相兼容，因此该算法必须由装载在动力翼翼型上的预处理装置11来实现。 

本发明的系统1至少还包括一个供电系统，该系统用来给第一检测装置和变送系统中装载在动力翼翼型上的部件提供电力；上述第一装置和部件可通过它们自己的电池来自我供电。然而，必须考虑到下面的事实，即本发明的系统1，如果与“转盘”系统一起使用，那么就需要很高的能量自理能力，这样才能避免频繁地将动力翼翼型降到地面来更换电池或进行充电，从而也避免“转盘”系统必须停止工作所带来的负担。此外，最好是将下面的因素考虑进来，即系统1应当能够耐受自然力和自然事件，如雨、雪、冰、大风、大气静电、白天、晚上、和太阳。为了能够满足动力翼翼型上有限的能量需求，另一个解决方案是自供电，其采用太阳能和可见风能部件。实际上，供电系统可包括光电薄膜模块，其布置在一个塑料支撑件上，最好是能够装在动力翼翼型上，条件是 

不会改变翼型的重量和气动特性。显然，这些模块应当能够产生足够的能量以便提供给所装载的电子设备，同时在夜晚还能提高畜电池的再充电能力。 

作为选择，还可以动力翼翼型周围始终存在的可见风的气流；此时供电系统至少包括一个微型风力涡轮，其插入到一个小型永磁性磁体发生器内，并由可见风提供电能。 

本发明进一步涉及一种方法，该方法优选通过如前所述的系统1自动控制动力翼翼型的飞行。更为特别的是，本发明的方法根据“优选的控制策略”基于对动力翼翼型未来飞行状况的观测和预测来进行预测性地操作，其中要考虑到由上述预测所带来的临界状况和错误，从而避免出现局部最大、振动以及动力翼翼型驱动失稳。如前所述，本发明的系统1按如下方式构成：处理和控制装置7获取输入信息如位置、加速度、力和其它几何参量，然后对这些信息进行处理，最后作为输出是操作绞盘从而对动力翼翼型的飞行轨迹进行控制。 

为了更好地描述本发明方法的逻辑，需要再次考虑动力翼翼型的动力特性。参见图3，从中可以示意性地看到动力翼翼型2所拦截的风锋或气流W即时的状况，其中的参照点就在驱动缆21于地面的约束点。事实上，图3描述了一个四分之一球，其实际上就是动力翼翼型2的飞行区域，该区域的中心就是所谓的“动力区域”，动力翼翼型2在这里对驱动缆21具有最大的牵引力。在“动力区域”31之外，即窗口区域32，动力翼翼型2在这里对驱动缆21的牵引力大大降低。窗口的边缘22，即动力翼翼型所能飞到的边缘区域，其对驱动缆21的牵引力极速降低。 

参见图4a和4b，现在假定，此时动力翼翼型2布置在理想的“目标”平面P的中心，即两根驱动缆21之间夹角等分线的正交平面的中心。本发明的方法，通过系统1就能确定动力翼翼型2是否要从平面P中心的当前位置开始进行下面可能的飞行轨迹之一TV1、TV2、TV3、......TVn。在该平面P上，可将动力翼翼型2根据所需时间T0、T1、T2、......Tn行前的飞行轨迹分开从而达到每一个点。更为特别的是，可能考虑下面连续的时间间隔，这些时间间隔对应于“转盘”系统操作臂20a连续动作的角度位置。 因此，动力翼翼型2的飞行轨迹就会与操作臂20a的运动同步。 

为了简化起见，让我们以动力翼翼型2的坐标来考虑图4b。卡笛尔坐标系统与动力翼翼型2相整合，并将其移到空间位置上。由此，动力翼翼型2始终都处于平面P的中心，只有时间在不断变化。该图并没有指出必须要经过的点，因此这是一个对未来的评估。在经过了第一时间间隔T0时，与动力翼翼型集成在一起的参照系再次画出一个与前完全相同的“目标”，其中的不同仅仅是时间T1变成T0了，以此类推。因此，T1表示的是动力翼翼型2在步骤1内在其飞行轨迹内所能达到的一组点，T2表示的是在步骤2内所能达到的一组点，以此类推。动力翼翼型2始终都处在“目标”平面P的中心。 

为了简化起见，图2a和2b作为示例展示了到时间T2为止的“目标”平面P，但显然所看到的步骤数n可以是不同的数字。 

为了评估出自己的控制策略并选择出动力翼翼型所必须完成的飞行轨迹，本发明的方法需要用到飞行和控制参数。 

参见图5，其中可以看到“目标”平面P上绘出了本发明方法中的一些飞行和控制参数。 

图5以一种简化的形式展示了这些参数如何在空间中变化的，其中减少了模型中“转盘”系统旋转-平移的复杂性，模型也与动力翼翼型2的参照系集成在一起。这些参数的形态和特性是信息的核心部分，其能使控制器确定出动力翼翼型2的飞行策略。实际上，采用这种方式能够表示出到达理想高度Q的最佳运动方式、方向和位置，从而具有最佳的风，或者是具有最佳的迎风角度，但同时其也能表示其它的参数，如所需的最大牵引区域T、禁止区域ZI(该区域内例如会存在结构无法耐受的应力状态、失稳、受力过大)以及系统1的功能参数保持在其动态参数一半的区域，如用来保持动力翼翼型2的飞行参数不变并且用来快速调节驱动缆长度(动态长度)的配重C保持在其态动参数一半的区域。区域C对应于配重，其是假定用来提升配重或降低配重的位置。此外，驱动单元绞盘也有一些参数，因为它们可给出缆绳的绝对长度。高度参数Q的区域表示的是最佳的高度区域。操纵参数M的区域表示的是在动力翼翼型2飞行中完成最重要操纵即方位改变的最佳区域，其包括有突然操控，此时动力翼翼型2经驱动在两种飞行之间进行快速转换。参见图6可以看到，整体上讲，如果动力翼翼型2没有扫过气流的风锋，那么不仅仅是由此施加到驱动缆上的牵引力(其由此也能作用在“转盘”系统20的臂上)远远大于将动力翼翼型停留于最大风阻点(拖拽点)中所施加的力，而且动力翼翼型在“转盘”系统20旋转时产生刹车效应的区域也完全消失了。在上风区域37，或迎风区域中，驱动动力翼翼型2飞行的能力能够完成方位转换，其包括在两个横向区域36、38之间的快速转换，此时，动力翼翼型2在空气中行进的距离至少等于圆周弧线34的三倍，圆周弧线34是“转盘”系统20沿着该弧线行进时所影响的弧线。飞行控制中必须小心操纵控制除了要快速完成之外还不能对能量的产生形成不好的影响。在图6中， 每一个动力翼翼型的位置都是随机的，即该图像应当被看到是“转盘”系统操作的顶部快照。在这种配置下，每个动力翼翼型都不用去查找最大的风力，避开已耗尽的风锋区域以便紧前面的动力翼翼型通过。 

每一区域(高度、配重等)的大小都正比于相应参数的允许公差。反过来，每一个参数都有一个相应的权重P_Q、P_C、P_M、P_ZI、P_T，一个相对于所有高度来说的相对高度，这一点将在下面进行描述。 

从图5所示的平面P可知，一旦完成了操作并经过了时间T0，就走到一个新的重新计算出来的平面P以便作出下面的决定。如果球形状态不变，那么与每一个参数相关的区域就会集中。为所关心的每一个参数选择图形表示的最佳区域是一种方法，其能解决不确定性并能理解哪一个决定必须做出。该策略在不落入局部最大的情况非常适用，即那些看上去是最佳但实际不是的位置。 

[0146]  本方法始终具有这样的信息，其要么是直接获得，要么是由系统1检测装置的检测的第一和第二信息的所导出，该信息涉及动力翼翼型的飞行高度，涉及配重的动态特性，涉及牵引力的大小，涉及禁止区域中的安全计算，涉及操控的时间。让我们考虑一下例如动力翼翼型飞行中最重要的操控，其被定义为方位变换。确定是否进行方位变换的是下面的这种触发事件：实际上，在该状态下，本发明的发法能够提供一种紧急操作步骤，其中动力翼翼型的操控必须具有最大的优先级。这里不要排除的是，通过远观策略自动地设计出操控，而不需要提供建议。如果能够达到一种好的评估时间深度，变换会出现在根据当前信息和参数所计算出的理想时间点上，因为我们想到的最明智的动作就是不撤消牵引，不使配重失去动态特性，并且在不进入到禁止区域的情况下与一定的高度相适应。 

方法步骤，其在每一步都要确定动力翼翼型飞行轨迹的朝向，可虚拟地表示为一个矩阵，例如就像下表1所示的矩阵，其对每一个参数在时间T0、T1、T2、...、T3在正交平面上相对于驱动缆的重心都包含有最佳的坐标系XY。 

表1 

因此，表1中的矩阵包含有所需数据。但是当前的高度和所需的高度之间的高度差可使人读取数字控制逻辑，或是错误计算。这种特性就是矩阵的本质：实质上讲，对于T₀、T₁、T₂、...、T_n来说，有当前的坐标系和所需的坐标系。矩阵中所处理的所有参 数都会在时间T₀、T₁、T₂、...、T_n生成数值XY。然后，本方法将动力翼翼型所处的状态照下来，并将图5中的平面变换成数字和坐标。考虑到例如高度问题，矩阵值QX₀Y₀指出了高度参数附近的一个点，其趋向于图5中高度Q区域的中心。圆形将所有都在时间上变为一致，其中的趋势很清楚：T₁、T₂提高。在牵引的情况下，本方法可能已经计算出理想点随着时间的演变：因此所需数据的形式不是圆形。 

显然，每一个相关参数的相对权重PQ、PC、PM、PZI、PT均可设定，并且这种设定可以是动态的(可逆的)。通过分析例如所需高度相对于当前高度的平均误差等，本方法就能意识到那些最难满足的参数。逆向过程能够校正那些最关键参数的权重，从而使得那些关于这些参数决定变得更为重要。此类误差可给出一个结果，例如对每一个参数来说标化成相对于最大误差值的一个百分比结果。例如，如果时间的权重始终都在动态变化的中心区之外，并且其有可能会到，那么这种标化能够对误差最大的参数进行定位。对每一个参数的权重进行调整可以是一种独立的过程。一旦采集了每一个参数的最佳坐标，那么本方法就会提供一个步骤，其中会对时间T0时刻所有坐标的矢量和进行计算。得到的矢量是RX0Y0，其仍然不是动力翼翼型必须移动的飞行轨迹的方向，因为还要考虑到对未来的预判。然后本方法计算出所有未来步骤的矢量和R X1Y1、RX2Y2、...、RXnYn，然后再引入时间权重PT0、PT1、PT2、...、PTn，其会给短期策略优先权，同时还会避免动力翼翼型处于潜在的危险区域中。 

显然，时间权重PT0、PT1、PT2、...、PTn是可设定的。通过表1中矩阵的计算，本发明的方法将一理想的瞬时坐标(目标)定位于操纵动力翼翼型沿其飞行轨迹会飞到的位置。一旦发现该理想坐标，就必须小心驱动缆的操纵和控制从而使动力翼翼型达到其目标位置。然后，本方法还包括下面的一个步骤：选择最佳路径(最短路径，绕过禁止区域等)从而将动力翼翼型从当前的位置带到目标位置。因此，在该步骤中，本方法会根据所要达到的目标位置来确定最佳飞行轨迹以便在达到该目标位置时所用的时间最短，这是因为使动力翼翼型始终处于最佳的目标位置才能保证其在最安全的情况下产生出最大的能量，并且与动态特性保持最大的兼容。在该步骤中，问题的核心是如何在牵引中变换目标坐标。因此，选择最佳路径这一步中需要采用一种由动力翼翼型动态模型(dynamic model of the wing foil----FVM)所支持的惯性巡航系统(Inertial Navigation System----INS)，该系统会考虑到动力翼翼型的飞行公式和惯量，以及根据缆绳牵引力差而有所不同的反应百分数。惯量和牵引力描述的是动力翼翼型的操作规律；最好是对所有的可能路径进行评估同时用决策树对操作性进行评估从而将最佳路径的(预测性)评估考虑进来。在该步骤中，将表观速度和牵引力考虑进来，人们就能够对最佳路径策 略进行精确地评估了。惯性导航和动态模型所给出信息之间的协同，即由动力翼翼型的位置、控制输入和动力翼翼型上操作力的历史记录所获得的运动模型已经通过汽车的动态公式在过去广泛展示出来(例如，Koifman和Bar-Itzhack在1999年，Ma等人在2003年的研究成果)。这些研究成果表明，采有汽车模型的主要优点就是提高了对INS中错误源的观察能力。 

在惯性导航系统INS中，动力翼翼型，相对于参考系统n＝[N，E，D]的位置(pn)、速度(vn)和Eulero角(ψ)通过下式计算出来： 

${\stackrel{.}{P}}_n=v_n$

${\stackrel{.}{v}}_n=C_b^m{f}_b+g_n$

${\stackrel{.}{\mathrm{\ψ}}}_n=E_b^m{\mathrm{\ω}}_b$

其中，g_n是重力加速度，f_b是三个轴上的加速度矢量，ω_b是旋转速度。 

分别是变换和旋转矩阵，其定义如下： 

$C_b^m=\left[\begin{array}{ccc}{c}_{\mathrm{\ψ}}{c}_{\mathrm{\θ}}& c_{\mathrm{\ψ}}{s}_{\mathrm{\θ}}{s}_{\mathrm{\φ}}-s_{\mathrm{\ψ}}{c}_{\mathrm{\φ}}& c_{\mathrm{\ψ}}{s}_{\mathrm{\θ}}{c}_{\mathrm{\φ}}+s_{\mathrm{\ψ}}{s}_{\mathrm{\φ}}\\ s_{\mathrm{\ψ}}{c}_{\mathrm{\θ}}& s_{\mathrm{\ψ}}{s}_{\mathrm{\θ}}{s}_{\mathrm{\φ}}+c_{\mathrm{\ψ}}{c}_{\mathrm{\φ}}& s_{\mathrm{\ψ}}{s}_{\mathrm{\θ}}{c}_{\mathrm{\φ}}-c_{\mathrm{\ψ}}{s}_{\mathrm{\φ}}\\ -s_{\mathrm{\θ}}& c_{\mathrm{\θ}}{s}_{\mathrm{\φ}}& c_{\mathrm{\θ}}{c}_{\mathrm{\φ}}\end{array}\right]$

$E_b^n=\left[\begin{array}{ccc}1& s_{\mathrm{\φ}}{t}_{\mathrm{\θ}}& c_{\mathrm{\φ}}{t}_{\mathrm{\θ}}\\ 0& c_{\mathrm{\φ}}& -s_{\mathrm{\φ}}\\ 0& s_{\mathrm{\φ}}{\sec }_{\mathrm{\θ}}& c_{\mathrm{\φ}}{\sec }_{\mathrm{\θ}}\end{array}\right]$

其中s(.)、c(.)和t(.)表示sen(.)、cos(.)和tan(.)，同时 

是Eulero角。 

具有六个自由度的动力翼翼型动态模型(FVM)由一组公式构成，这些公式借助于动力翼翼型的控制变量提供了动力翼翼型的状态变量，其包括位置、速度、Eulero角、和转速，其假定为从系统1已知。动力翼翼型的运动可通过下面系统的运动方程来描述，其中作用在车辆上的力是动力翼翼型位置、速度、Eulero角和当前转速的函数： 

$\stackrel{.}{u}=\mathrm{rv}-\mathrm{qw}+g_x+[\mathrm{Fx}/m]$

$\stackrel{.}{v}=\mathrm{pw}-\mathrm{ru}+g_y+[F_y/m]$

$\stackrel{.}{w}=\mathrm{qu}-\mathrm{pv}+g_z+[F_z/m]$

$\stackrel{.}{p}=C_3\mathrm{pq}-C_4\mathrm{qr}+C_{l}l+C_{2}N$

$\stackrel{.}{q}=C_7\mathrm{pr}-C_6(p^2-r^2)+C_{5}M$

$\stackrel{.}{r}=C_9\mathrm{pq}-C_3\mathrm{qr}+C_{2}l+C_{8}N$

其中vb＝[u，v，w]是沿着动力翼翼型参照系三个轴的速度分量，ωb＝[p，q，r]是动力翼翼型的转速，Fx、Fy、Fz和I、M、N是作用在动力翼翼型上的力和动量沿其轴向的分量。gx、gY、gz是重力加速度矢量在动力翼翼型参数系中分解后的分量，其中质量为m。系数C0-9从惯性矩阵I获得。 

例如，这里有两种方法，通过该方法，动力翼翼型FVM的动态模型可用作惯性巡航系统的支持：第一种方法是指动力翼翼型速度和高度的比较和校正，其中的速度和高度由INS和FVM独立地获得。第二种方法采用的是加速度和旋转速度的预测，其通过FVM所完成从而实现惯性测量单元(IMU)的直接校准。在上述两种情况下，INS都会对动力翼翼型的位置、速度和Eulero角(其用来描述旋转)进行处理，以便将动力翼翼型上装载的IMU所提供 

的加速度和旋转速度集成起来。然而，在第一种方法中，动力翼翼型模型采用飞机自己的控制输入计算出动力翼翼型的速度和角度。此外，FMV和INS的实际实施中利用了基于四元算术的最新发展成果。Extended Kalman Filter(EKF)---扩展型Kalman过滤器的任务就是通过对INS和FVM分别产生的速度和角度数据之间的差来评估出INS和FVM的误差。 

在第二种方法中，FMV用来计算直接由控制输入得到的加速度和旋转速度的评估值。因此，扩展型Kalman过滤器的输入就由FVM计算出的加速度和旋转速度的评估值与那些由所用传感器读取的数值之间的差构成。因此，EKF用来评估传感器和FVM之间加速度和旋转速度的误差，然后将该误差用来校正传感器和FVM。 

然而，动力翼翼型的操纵还有一个校准的问题。事实上，人可以确定出操纵的量，但该量仍然需要定义。实际工作中在增益过大时有一个振动的危险，这是因为惯性会使运动链的弹性(绞盘在地面上，而操纵发生在空气中)和测量结果被延后。因此，这里有一个危险就是进行未校准的、不足的或过度的操纵，其会迫使进行连续地校正(反向补偿)，出现的风险就是不可控的振动。为了解决这组问题，控制领域中已开发出许多诸如Hinf和上述Kalman过滤器的技术，其会将执行延迟作为控制系统必须控制的一种干扰或一种噪声，具体方式是用过滤器和系统校准方法或自校准方法来优化并限制上述的操纵。本发明所述的方法还可具有预判功能，其时间深度是本发明系统信息处理能力的函数。其它用来实现上述问题预测的特征是处理和控制装置接收与加速度有关的信息。因此，过度操纵相对于运动实际出现的时间来说可被提前预判出来，这一点会使系统处于一种亚临界状态，在该状态下，由于传感器能够在运动之前提供数据180度，因此振动不会被触发。如果位置的数据能够直接获得，那么一旦加速度形成了损坏，那么就会进行新的操作。 

通过上述内容可知，本发明的方法包括下面的步骤： 

a)通过第一检测装置3检测出与动力翼翼型当前飞行轨迹相关的第一信息3a；通过预处理装置11重新处理所有或部分第一信息3a从而获得经过预处理的第一信息3a’； 

b)通过第二检测装置5a检测出与动力翼翼型当前飞行轨迹相关的第二信息5a； 

c)通过变送系统将第一信息3a、3a’发送到处理和控制装置7，特别是几何电机7a； 

d)将第二信息5a发送到处理和控制装置7，特别是几何电机7a； 

e)从第一信息3a、3a’和第二信息，直接或间接地获得至少与动力翼翼型当前位置XY和当前飞行轨迹相关、与配重动态特性相关以及与驱动缆牵引力相关的数值； 

f)确定飞行和控制参数，如高度Q、配重的动态特性C、操纵性M、禁止区域ZI、驱动缆上牵引力T；有可能的话还要确定出上述每一个参数的允许误差； 

g)为每一个飞行和控制参数确定出其权重P_Q、P_C、P_M、P_ZI、P_T； 

h)为每一个参数计算下面时刻T0、T1、T2、...、Tn的最佳坐标XY； 

i)计算出所有坐标在时刻T0时矢量和RX0Y0； 

j)计算出未来所有时刻T1、T2、...、Tn的矢量和R X1Y1、RX2Y2、...、RXnYn； 

k)为这些矢量和确定并应用时间权重PT0、PT1、PT2、...、PTn； 

l)从R X₁Y₁、RX₂Y₂、...、RX_nY_n选择出最佳的一个作为动力翼翼型操纵必须依从的理想瞬时坐标(目标)； 

m)选择出最佳的飞行轨迹路径TV1、TV2、TV3、...、TVn从而将动力翼翼型从当前位置带到目标位置； 

n)通过系统1的数字控制器7b来作用驱动单元从而将动力翼翼型从坐标的当前位置带到目标位置；作为优选是采用由动力翼翼型的动态模型(FVM)所支持的惯性导航系统(INS)； 

o)按时间间隔Δt即控制循环频率重复步骤a)到n)；本发明的方法还可包括下面的步骤，即：逆向调节Δt的长度，从而能够实现对循环频率的调节。如果Δt短了，那么本方法一项精确详细的，但也有可能是过度、极其远视并且短期的预分析，因为步骤n有可能在时间上距离当前的时间不能全面地达到最佳时间长度：因此就必须将对未来预测的那些步骤与长度步骤相关联，从而使动力翼翼型完成飞行轨迹所需要的时间深度达到最佳。因此，最好是评估出进行一项预测该预测能够覆盖未来大多数情况的几率：合理的假设是“转盘系统多于一次的 旋转是没有用的，因为在稳定状态下，这种状态会不断地重复进行。Δt的理想长度可能是其应当对应于一项复杂操纵的长度，如动力翼翼型的方位变换。 

Claims (35)

1.一种自动控制至少一个动力翼翼型(2)飞行的系统(1)，所述动力翼翼型(2)由一驱动单元(9)控制，该驱动单元(9)配备两台绞盘，所述动力翼翼型(2)通过两根驱动缆(21)连接到两个绞盘上，其特征在于该系统包括：

-第一检测装置(3)，其装在所述动力翼翼型(2)上，用来检测出第一信息(3a)，该第一信息(3a)至少涉及所述动力翼翼型(2)在空间的位置和方向以及所述动力翼翼型(2)受到的加速度；

-第二检测装置(5)，其装在地面上，用来检测出第二信息(5a)，该第二信息(5a)至少涉及所述动力翼翼型(2)的所述驱动缆(21)上的拉力以及所述驱动单元(9)配重的位置；

-所述第一信息(3a)和所述第二信息(5a)的处理和控制装置(7)，其用来将所述这些信息(3a、5a)的内容转换成一机械驱动操作，其作用在所述驱动单元(9)的所述绞盘上从而驱动所述动力翼翼型(2)沿着一飞行轨迹(TV₁)、(TV₂)、(TV₃)、...、(TVn)前进，该飞行轨迹能够使所述动力翼翼型所处气流(W)作用在所述动力翼翼型(2)上的“提升”作用最大，并能使气流所产生的动能达到最大；以及

-所述第一信息(3a)到所述处理和控制装置(7)的变送系统。

2.如权利要求1的系统，其特征在于：所述处理和控制装置(7)包括一个几何电机(7a)，其能够对所述第一信息(3a)进行处理从而将所述动力翼翼型(2)的位置、加速度和方向信息(7c)返回给一个数字控制器(7b)，该控制器能够对所述驱动单元(9)的所述绞盘进行操作(9a)，从而对所述驱动缆(21)的牵引力进行控制。

3.如权利要求2的系统，其特征在于所述变送系统将所述第一信息(3a)变送到所述几何电机(7a)。

4.如权利要求1的系统，其特征在于该自动控制至少一个动力翼翼型(2)飞行的系统包括一个失稳消耗驱动器。

5.如权利要求1的系统，其特征在于所述第一检测装置(3)包括有多个三维加速度计。

6.如权利要求5的系统，其特征在于所述三维加速度计是MEMS型。

7.如权利要求1的系统，其特征在于所述第一检测装置(3)包括一个电子罗盘。

8.如权利要求7的系统，其特征在于所述电子罗盘是磁通量闸门(Fluxgate)磁力计。

9.如权利要求5的系统，其特征在于两台所述三维加速度计中的每一台均布置在所述动力翼翼型(2)各自端头上面与所述驱动缆(21)在所述动力翼翼型(2)壁面上连接点相邻的位置处。

10.如权利要求1的系统，其特征在于所述第二检测装置(5)包括有应变仪，其能够测量出所述驱动缆(21)的偏转。

11.如权利要求1的系统，其特征在于所述第二检测装置(5)包括有编码器，其布置在所述驱动单元(9)的所述绞盘上。

12.如权利要求1的系统，其特征在于所述第二检测装置(5)包括有接近传感器。

13.如权利要求1的系统，其特征在于所述第二检测装置(5)包括有一个地面人工观测系统。

14.如权利要求1的系统，其特征在于所述动力翼翼型(2)由流变聚合物制成。

15.如权利要求1的系统，其特征在于所述第一(3)和/或第二(5)检测装置包括有虚拟传感器。

16.如权利要求1的系统，其特征在于所述变送系统可通过至少一根数据光纤集成在所述动力翼翼型(2)的所述驱动缆(21)中。

17.如权利要求1或16的系统，其特征在于所述驱动缆(21)具有动力翼翼型形状的截面。

18.如权利要求1的系统，其特征在于所述变送系统是无线发射型。

19.如权利要求1的系统，其特征在于所述变送系统为超声波型。

20.如权利要求1的系统，其特征在于所述变送系统采用连续式单向流协议。

21.如权利要求1的系统，其特征在于所述变送系统采用数据包协议。

22.如权利要求1的系统，其特征在于所述变送系统采用异步协商传输协议。

23.如权利要求2的系统，其特征在于该自动控制至少一个动力翼翼型(2)飞行的系统包括一个预处理装置(11)，其用来对所述动力翼翼型(2)上的所有或部分第一信息(3a)进行预处理从而提供出经过预处理的第一信息(3a’)。

24.如权利要求1的系统，其特征在于该自动控制至少一个动力翼翼型(2)飞行的系统至少包括一个供电系统，该供电系统用来给装载在所述动力翼翼型(2)上的所述第一检测装置(3)和所述变送系统提供电力。

25.如权利要求24的系统，其特征在于所述供电系统包括有光电簿膜模块，其装在所述动力翼翼型(2)上的塑料支持上。

26.如权利要求24的系统，其特征在于该供电系统包括一个微型风力涡轮，其插入到一个永磁性磁力发生器内。

27.一种通过如权利要求2所述的系统(1)自动地控制动力翼翼型(2)的飞行的方法，其特征在于，该方法包括下面的步骤：

a)通过所述第一检测装置(3)检测出与动力翼翼型当前飞行轨迹相关的所述第一信息(3a)；

b)通过所述第二检测装置(5a)检测出与所述动力翼翼型当前飞行轨迹相关的第二信息(5a)；

c)通过所述变送系统将所述第一信息(3a、3a’)发送到处理和控制装置(7)；

d)将所述第二信息(5a)发送到所述处理和控制装置(7)；

e)从所述第一信息(3a、3a’)和所述第二信息，直接或间接地获得至少与所述动力翼翼型当前位置XY和当前飞行轨迹相关、与所述配重动态特性相关以及与所述驱动缆牵引力相关的数值；

f)确定飞行和控制参数；

g)为所述每一个飞行和控制参数确定出其权重P_Q、P_C、P_M、P_ZI、P_T；

h)为每一个所述参数计算下面时刻T₀、T₁、T₂、...、Tn的当前位置XY；

i)计算出所有坐标在所述时刻T₀时的矢量和RX₀Y₀；

i)计算出未来所有时刻T₁、T₂、...、T_n的矢量和R X₁Y₁、RX₂Y₂、...、RX_nY_n；

k)为这些矢量和确定并应用时间权重PT₀、PT₁、PT₂、...、PT_n；

l)从所述矢量和R X₁Y₁、RX₂Y₂、...、RXnYn中选择出最佳的一个作为所述动力翼翼型(2)操纵必须依从的理想瞬时坐标；

m)选择出最佳的飞行轨迹路径(TV₁)、(TV₂)、(TV₃)、...、(TV_n)从而将所述动力翼翼型(2)从所述当前位置带到所述理想瞬时坐标；

n)通过所述数字控制器(7b)来作用所述驱动单元(9)从而将所述动力翼翼型(2)从所述当前位置XY带到所述理想瞬时坐标；

o)按时间间隔Δt重复步骤a)到n)。

28.如权利要求27的方法，其特征在于：所述飞行和控制参数是高度Q、配重的动态特性C、操纵性M、禁止区域ZI、所述驱动缆(21)上牵引力T。

29.如权利要求27的方法，其特征在于：所述步骤f)包括下面的步骤：确定出上述每一个参数的允许误差。

30.如权利要求27的方法，其特征在于：所述步骤m)使用由所述动力翼翼型的动态模型(FVM)所支持的惯性导航系统(INS)。

31.如权利要求27的方法，其特征在于：其包括一个应急步骤从而指出需要对动力翼翼型进行操纵的最大优先级。

32.如权利要求27的方法，其特征在于其包括下面的步骤：逆向校正所述飞行和控制参数。

33.如权利要求27的方法，其特征在于其包括下面的步骤：通过因佛(Hinf)技术和/或卡尔曼(Kalman)过滤器来校准所述操纵。

34.如权利要求27的方法，其特征在于其包括下面的步骤：逆向调节所述时间间隔Δt的长度。

35.如权利要求23所述的系统(1)自动地控制动力翼翼型(2)的飞行的方法，该方法包括下面的步骤：

a)通过所述第一检测装置(3)检测出与动力翼翼型当前飞行轨迹相关的所述第一信息(3a)；

b)通过所述第二检测装置(5a)检测出与所述动力翼翼型当前飞行轨迹相关的第二信息(5a)；

c)通过所述变送系统将所述第一信息(3a、3a’)发送到处理和控制装置(7)；

d)将所述第二信息(5a)发送到所述处理和控制装置(7)；

e)从所述第一信息(3a、3a’)和所述第二信息，直接或间接地获得至少与所述动力翼翼型当前位置XY和当前飞行轨迹相关、与所述配重动态特性相关以及与所述驱动缆牵引力相关的数值；

f)确定飞行和控制参数；

g)为所述每一个飞行和控制参数确定出其权重P_Q、P_C、P_M、P_ZI、P_T；

h)为每一个所述参数计算下面时刻T₀、T₁、T₂、...、Tn的当前位置XY；

i)计算出所有坐标在所述时刻T₀时的矢量和RX₀Y₀；

j)计算出未来所有时刻T₁、T₂、...、T_n的矢量和R X₁Y₁、RX₂Y₂、...、RX_nY_n；

k)为这些矢量和确定并应用时间权重PT₀、PT₁、PT₂、...、PT_n；

l)从所述矢量和R X₁Y₁、RX₂Y₂、...、RXnYn中选择出最佳的一个作为所述动力翼翼型(2)操纵必须依从的理想瞬时坐标；

m)选择出最佳的飞行轨迹路径(TV₁)、(TV₂)、(TV₃)、...、(TV_n)从而将所述动力翼翼型(2)从所述当前位置带到所述理想瞬时坐标；

n)通过所述数字控制器(7b)来作用所述驱动单元(9)从而将所述动力翼翼型(2)从所述当前位置XY带到所述理想瞬时坐标；

o)按时间间隔Δt重复步骤a)到n)；其特征在于其包括，在所述步骤a)和所述步骤b)之间，通过所述预处理装置(11)重新处理所有或部分所述第一信息(3a)从而获得经过预处理的第一信息(3a’)。

Images