CN102298332A - 无人直升机飞行动力学模型复合辨识方法 - Google Patents
无人直升机飞行动力学模型复合辨识方法 Download PDFInfo
- Publication number
- CN102298332A CN102298332A CN2011101630279A CN201110163027A CN102298332A CN 102298332 A CN102298332 A CN 102298332A CN 2011101630279 A CN2011101630279 A CN 2011101630279A CN 201110163027 A CN201110163027 A CN 201110163027A CN 102298332 A CN102298332 A CN 102298332A
- Authority
- CN
- China
- Prior art keywords
- flight
- depopulated helicopter
- control computer
- helicopter
- flying
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Toys (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
无人直升机飞行动力学模型复合辨识方法属于无人机动力学建模领域,其特征在于,含有:无人直升机、飞行控制计算机、传感器组、机载数据电台、地面数据电台、地面站、遥控发射机和遥控接收机,其中,地面飞行员的遥控指令负责实施对无人直升机的激励,飞行控制计算机的自控指令用于使无人直升机保持在预定的飞行速度,并保障飞行安全性;飞行控制计算机将遥控指令与自控指令合成得到舵机指令,以操纵无人直升机完成辨识实验。本发明同时引入了地面飞行员的遥控指令和飞行控制计算机的自控指令,并使之相互配合,能够精确、安全地辨识无人直升机的飞行动力学模型。
Description
技术领域
本发明是用于辨识无人直升机飞行动力学模型的方法,能够安全、精确和充分地辨识无人直升机的飞行动力学模型。主要应用在航空航天和无人机等技术领域。
背景技术
无人直升机的飞行动力学模型反映直升机在飞行状态下,对控制输入的操纵响应特性。传统的方法是在直升机的飞行过程中,飞行员对直升机施加操纵指令,以激励直升机做出动态响应。此方法在有人驾驶直升机上已得到成功的验证。
然而,该方法很难在无人驾驶直升机上应用。主要原因是,与有人驾驶直升机不同,无人直升机的操纵人员需要在地面上通过肉眼观察并操纵直升机。因此不能像有人驾驶直升机的飞行员一样,始终在直升机舱内观察直升机的状态并操纵。在无人直升机飞行状态下的动力学模型辨识实验中,直升机飞行速度快,很容易飞出地面操纵人员的视线,因而无法对其继续控制。
目前仅发现一种方法,即美国卡耐基-梅隆大学提出的恒定加速度法。其原理是:使无人直升机保持恒定的加速度,经一段预先测量的距离加速后,得到实验需要的飞行速度。然而,恒定的加速度、准确的加速距离和实验开始后的飞行速度保持,均由地面操纵人员观察并操纵完成,其精度很难保证。此外,由于恒定加速度法也不能解决直升机飞出视线的问题,所以实验的时间非常有限,因而难以对直升机进行充分的激励。
本发明通过引入飞行控制计算机的辅助操纵,一方面保证无人直升机飞行安全,另一方面保证直升机的飞行状态不发生过大的变化。此外,由于飞行控制计算机的辅助操纵,无人直升机的飞行距离不再受操纵人员视线的限制,可以对无人直升机充分地激励而不受操纵距离的限制,进而得以完整地进行辨识实验。与恒定加速度法相比,本发明利用飞行控制计算机的辅助操纵而保证稳定的飞行状态,故可以辨识得到精确的动力学模型。此外,本发明还可以显著提高无人直升机辨识实验的安全性。
发明内容
本发明的目的在于提供一种用于精确地辨识无人直升机飞行动力学模型的方法。
本发明的特征在于,含有:无人直升机、飞行控制计算机、传感器组、机载数据电台、地面数据电台、地面站、遥控发射机和遥控接收机,其中:
飞行控制计算机、传感器组和机载数据电台通过减震螺栓安装在无人直升机机身上;传感器组集成有3轴角速度陀螺仪、3轴加速度计、3轴磁力计、GPS接收机,其中3轴角速度陀螺仪、3轴加速度计通过减震螺栓安装在无人直升机靠近重心的位置上,以提高角速度和线加速度的测量精度;3轴磁力计和GPS接收机通过柔性泡沫材料固定安装在无人直升机的尾梁上,以避免旋翼和机身金属部件对磁场测量和GPS信号的影响;传感器组3可以实时测量得到无人直升机的3轴角速度、3轴线加速度、3轴欧拉角和空间坐标,经融合处理后,表示成飞行数据以实时发送给飞行控制计算机:
γA=[xA(t),yA(t),zA(t)]T为无人直升机的空间坐标;
∏A=[pA(t),qA(t),rA(t)]T为无人直升机的3轴角速度;
ΛA=[uA(t),vA(t),wA(t)]T为无人直升机的3轴线速度;
ΞA=[φA(t),θA(t),ψA(t)]T为无人直升机的3轴欧拉角;
在辨识实验中,地面飞行员将根据实验要求,将针对无人直升机的某一或全部通道,施加遥控指令δRC(t)=[δRC1(t),δRC2(t),L,δRCn(t)]T,以激励无人直升机做出相应的动态响应;
遥控接收机,用于接收地面飞行员通过遥控发射机发出的遥控指令δRC(t),并实时发送给飞行控制计算机;
飞行控制计算机,用于在无人直升机飞行辨识过程中,辅助操纵无人直升机的飞行,使之保持相对稳定的飞行状态,并保证一些重要的飞行参数如飞行速度和高度不发生过大变化;飞行控制计算机根据飞行数据ΛA=[uA(t),vA(t),wA(t)]T和实验预定的飞行速度Λc=[uc(t),vc(t),wc(t)]T,实时计算出控制指令δAC(t),以维持无人直升机始终保持在预定飞行速度Λc=[uc(t),vc(t),wc(t)]T附近;其中,飞行控制计算机的控制指令δAC(t)可由下式计算得到:
式中,e(t)=Λc(t)-ΛA(t)为飞行速度误差,Kp、TI和TD为飞行控制律的参数;
飞行控制计算机将δRC(t)与δAC(t)合成得到舵机指令δ(t)=[δ1(t),δ2(t),L,δn(t)]T,并将其实时发送给无人直升机的n个舵机,以控制所述各个舵机的偏转;通过由飞行控制计算机合成得到的舵机指令δ(t),地面飞行员和飞行控制计算机共同操纵无人直升机的完成辨识飞行实验;其中,舵机指令δ(t)可以由下式计算得到:
δ=KδRC+(1-K)δAC,
式中,K为控制权限系数,用于决定自控指令δAC和遥控指令δRC的权限,其取值范围为[0,1];K越大,则地面飞行员的权限越大,反之飞行控制计算机的权限越大:当K=1时,无人直升机完全由操纵人员控制;当K=0时,无人直升机完全由飞行控制计算机控制;
由于当无人直升机飞出地面飞行员的视线后,将无法对其有效地遥控,因此K偏大会降低飞行安全性,而K偏小会降低对直升机激励的程度,因此合适的K值需要在实际飞行实验中选择并验证;
在辨识实验中,飞行控制计算机通过机载数据电台,将无人直升机的舵机指令δ(t)和飞行数据ηA(t)发送给地面数据电台;地面数据电台将接收到的舵机指令δ(t)和飞行数据ηA(t)实时发送给地面站;地面站在实时监控无人直升机飞行状态的同时,将舵机指令δ(t)、飞行数据ηA(t)和对应的时间点t实时记录下来,构成原始飞行数据样本,用于实验之后的数据分析和飞行动力学模型辨识;
地面飞行员的遥控指令δRC(t)负责实施对无人直升机的激励,飞行控制计算机的自控指令δAC(t)用于使无人直升机保持在预定的飞行速度,并保障飞行安全性;在遥控指令δRC(t)和自控指令δAC(t)的共同作用下,可以使无人直升机安全地完成辨识实验,并得到精确的动力学模型。
本发明的优点在于:在遥控指令和的自控指令共同作用下,无人直升机可以在稳定的飞行状态附近完成辨识实验,既能精确地测量得到无人直升机的动力学模型,又可以保证飞行实验的安全。
附图说明
图1是无人直升机飞行动力学模型复合辨识方法的原理图。
图中,1.无人直升机,2.飞行控制计算机,3.传感器组,41.机载数据电台,42.地面数据电台,5.地面站,6.遥控发射机,7.遥控接收机。
具体实施方式
无人直升机飞行动力学模型复合辨识方法主要由无人直升机1、飞行控制计算机2、传感器组3、机载数据电台41、地面数据电台42、地面站5、遥控发射机6和遥控接收机7组成。
其中,飞行控制计算机1、传感器组3和机载数据电台41通过减震螺栓安装在无人直升机1的机身上。传感器组3集成有3轴角速度陀螺仪、3轴加速度计、3轴磁力计、GPS接收机,其中3轴角速度陀螺仪、3轴加速度计通过减震螺栓安装在无人直升机1靠近重心的位置上,以提高角速度和线加速度的测量精度;3轴磁力计和GPS接收机通过柔性泡沫材料固定安装在无人直升机的尾梁上,以避免旋翼和机身金属部件对磁场测量和GPS信号的影响。传感器组3可以实时测量得到无人直升机1的3轴角速度、3轴线加速度、3轴欧拉角和空间坐标,,经融合处理后,表示成飞行数据以实时发送给飞行控制计算机2:
γA=[xA(t),yA(t),zA(t)]T为无人直升机1的空间坐标;
∏A=[pA(t),qA(t),rA(t)]T为无人直升机1的3轴角速度;
ΛA=[uA(t),vA(t),wA(t)]T为无人直升机1的3轴线速度;
ΞA=[φA(t),θA(t),ψA(t)]T为无人直升机1的3轴欧拉角;
在辨识实验中,地面飞行员将根据实验要求,将针对无人直升机1的某一或全部通道,施加遥控指令δRC(t)=[δRC1(t),δRC2(t),L,δRCn(t)]T,以激励无人直升机1做出相应的动态响应。遥控接收机7用于接收地面飞行员通过遥控发射机6发出的遥控指令δRC(t),并实时发送给飞行控制计算机2。
飞行控制计算机2用于在无人直升机1飞行辨识过程中,辅助操纵无人直升机1的飞行,使之保持相对稳定的飞行状态,并保证一些重要的飞行参数如飞行速度和高度不发生过大变化。飞行控制计算机2根据飞行数据ΛA=[uA(t),vA(t),wA(t)]T和实验预定的飞行速度Λc=[uc(t),vc(t),wc(t)]T,实时计算出控制指令δAC(t),以维持无人直升机始终保持在预定飞行速度Λc=[uc(t),vc(t),wc(t)]T附近。其中,飞行控制计算机2的控制指令δAC(t)可由下式计算得到:
式中,e(t)=Λc(t)-ΛA(t)为飞行速度误差,Kp、TI和TD为飞行控制律的参数。
飞行控制计算机2将δRC(t)与δAC(t)合成得到舵机指令δ(t)=[δ1(t),δ2(t),L,δn(t)]T,并将其实时发送给无人直升机1的n个舵机,以控制所述各个舵机的偏转。通过由飞行控制计算机2合成得到的舵机指令δ(t),地面飞行员和飞行控制计算机2共同操纵无人直升机1的完成辨识飞行实验。其中,舵机指令δ(t)可以由下式计算得到:
δ=KδRC+(1-K)δAC,
式中,K为控制权限系数,用于决定自控指令δAC和遥控指令δRC的权限,其取值范围为[0,1]。K越大,则地面飞行员的权限越大,反之飞行控制计算机2的权限越大:当K=1时,无人直升机1完全由操纵人员控制;当K=0时,无人直升机1完全由飞行控制计算机2控制。由于当无人直升机1飞出地面飞行员的视线后,将无法对其有效地遥控,因此K偏大会降低飞行安全性,而K偏小会降低对直升机激励的程度,因此合适的K值需要在实际飞行实验中选择并验证。
在辨识实验中,飞行控制计算机2通过机载数据电台41,将无人直升机1的舵机指令δ(t)和飞行数据ηA(t)发送给地面数据电台42。地面数据电台42将接收到的舵机指令δ(t)和飞行数据ηA(t)实时发送给地面站5。地面站5在实时监控无人直升机1飞行状态的同时,将舵机指令δ(t)、飞行数据ηA(t)和对应的时间点t实时记录下来,构成原始飞行数据样本,用于实验之后的数据分析和飞行动力学模型辨识。
地面飞行员的遥控指令δRC(t)负责实施对无人直升机的激励,飞行控制计算机2的自控指令δAC(t)用于使无人直升机保持在预定的飞行速度,并保障飞行安全性。在遥控指令δRC(t)和自控指令δAC(t)的共同作用下,可以使无人直升机1安全地完成辨识实验,并得到精确的动力学模型。
Claims (1)
1.无人直升机飞行动力学模型复合辨识方法,其特征在于,含有:无人直升机、飞行控制计算机、传感器组、机载数据电台、地面数据电台、地面站、遥控发射机和遥控接收机,其中:
飞行控制计算机、传感器组和机载数据电台通过减震螺栓安装在无人直升机机身上;传感器组集成有3轴角速度陀螺仪、3轴加速度计、3轴磁力计、GPS接收机,其中3轴角速度陀螺仪、3轴加速度计通过减震螺栓安装在无人直升机靠近重心的位置上,以提高角速度和线加速度的测量精度;3轴磁力计和GPS接收机通过柔性泡沫材料固定安装在无人直升机的尾梁上,以避免旋翼和机身金属部件对磁场测量和GPS信号的影响;传感器组3可以实时测量得到无人直升机的3轴角速度、3轴线加速度、3轴欧拉角和空间坐标,经融合处理后,表示成飞行数据以实时发送给飞行控制计算机:
γA=[xA(t),yA(t),zA(t)]T为无人直升机的空间坐标;
∏A=[pA(t),qA(t),rA(t)]T为无人直升机的3轴角速度;
ΛA=[uA(t),vA(t),wA(t)]T为无人直升机的3轴线速度;
ΞA=[φA(t),θA(t),ψA(t)]T为无人直升机的3轴欧拉角;
在辨识实验中,地面飞行员将根据实验要求,将针对无人直升机的某一或全部通道,施加遥控指令δRC(t)=[δRC1(t),δRC2(t),L,δRCn(t)]T,以激励无人直升机做出相应的动态响应;
遥控接收机,用于接收地面飞行员通过遥控发射机发出的遥控指令δRC(t),并实时发送给飞行控制计算机;
飞行控制计算机,用于在无人直升机飞行辨识过程中,辅助操纵无人直升机的飞行,使之保持相对稳定的飞行状态,并保证一些重要的飞行参数如飞行速度和高度不发生过大变化;飞行控制计算机根据飞行数据ΛA=[uA(t),vA(t),wA(t)]T和实验预定的飞行速度Λc=[uc(t),vc(t),wc(t)]T,实时计算出控制指令δAC(t),以维持无人直升机始终保持在预定飞行速度Λc=[uc(t),vc(t),wc(t)]T附近;其中,飞行控制计算机的控制指令δAC(t)可由下式计算得到:
式中,e(t)=Λc(t)-ΛA(t)为飞行速度误差,Kp、TI和TD为飞行控制律的参数;
飞行控制计算机将δRC(t)与δAC(t)合成得到舵机指令δ(t)=[δ1(t),δ2(t),L,δn(t)]T,并将其实时发送给无人直升机的n个舵机,以控制所述各个舵机的偏转;通过由飞行控制计算机合成得到的舵机指令δ(t),地面飞行员和飞行控制计算机共同操纵无人直升机的完成辨识飞行实验;其中,舵机指令δ(t)可以由下式计算得到:
δ=KδRC+(1-K)δAC,
式中,K为控制权限系数,用于决定自控指令δAC和遥控指令δRC的权限,其取值范围为[0,1];K越大,则地面飞行员的权限越大,反之飞行控制计算机的权限越大:当K=1时,无人直升机完全由操纵人员控制;当K=0时,无人直升机完全由飞行控制计算机控制;
由于当无人直升机飞出地面飞行员的视线后,将无法对其有效地遥控,因此K偏大会降低飞行安全性,而K偏小会降低对直升机激励的程度,因此合适的K值需要在实际飞行实验中选择并验证;
在辨识实验中,飞行控制计算机通过机载数据电台,将无人直升机的舵机指令δ(t)和飞行数据ηA(t)发送给地面数据电台;地面数据电台将接收到的舵机指令δ(t)和飞行数据ηA(t)实时发送给地面站;地面站在实时监控无人直升机飞行状态的同时,将舵机指令δ(t)、飞行数据ηA(t)和对应的时间点t实时记录下来,构成原始飞行数据样本,用于实验之后的数据分析和飞行动力学模型辨识;
地面飞行员的遥控指令δRC(t)负责实施对无人直升机的激励,飞行控制计算机的自控指令δAC(t)用于使无人直升机保持在预定的飞行速度,并保障飞行安全性;在遥控指令δRC(t)和自控指令δAC(t)的共同作用下,可以使无人直升机安全地完成辨识实验,并得到精确的动力学模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110163027 CN102298332B (zh) | 2010-12-30 | 2011-06-17 | 无人直升机飞行动力学模型辨识方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010623591XA CN102073279A (zh) | 2010-12-30 | 2010-12-30 | 无人直升机飞行动力学模型复合辨识方法 |
CN201010623591.X | 2010-12-30 | ||
CN 201110163027 CN102298332B (zh) | 2010-12-30 | 2011-06-17 | 无人直升机飞行动力学模型辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102298332A true CN102298332A (zh) | 2011-12-28 |
CN102298332B CN102298332B (zh) | 2012-12-26 |
Family
ID=44031854
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010623591XA Pending CN102073279A (zh) | 2010-12-30 | 2010-12-30 | 无人直升机飞行动力学模型复合辨识方法 |
CN 201110163027 Active CN102298332B (zh) | 2010-12-30 | 2011-06-17 | 无人直升机飞行动力学模型辨识方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010623591XA Pending CN102073279A (zh) | 2010-12-30 | 2010-12-30 | 无人直升机飞行动力学模型复合辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN102073279A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592007A (zh) * | 2011-12-30 | 2012-07-18 | 成都飞机工业(集团)有限责任公司 | 用于飞行控制律设计调参的无人机对象模型建模方法 |
CN102880188A (zh) * | 2012-10-11 | 2013-01-16 | 西北工业大学 | 基于最大信息量-可信度在线辨识准则的飞行器建模方法 |
CN102880057A (zh) * | 2012-10-11 | 2013-01-16 | 西北工业大学 | 基于可变数据长度最大信息量准则的飞行器建模方法 |
CN103136450A (zh) * | 2013-02-07 | 2013-06-05 | 南京航空航天大学 | 超声速下飞行器表面侵蚀量衡量方法 |
CN103466084B (zh) * | 2012-06-05 | 2015-12-23 | 贝尔直升机泰克斯特龙公司 | 起飞/着陆的触地降落保护管理系统 |
CN105843040A (zh) * | 2016-04-06 | 2016-08-10 | 沈阳上博智拓科技有限公司 | 无人直升机动力学参数的辨识方法和装置 |
CN106406092A (zh) * | 2016-09-28 | 2017-02-15 | 南京航空航天大学 | 一种适用于直升机自适应飞行控制的鲁棒辨识方法 |
CN107305393A (zh) * | 2016-04-20 | 2017-10-31 | 比亚迪股份有限公司 | 无人机及其控制方法 |
CN109219837A (zh) * | 2016-06-02 | 2019-01-15 | 赛峰电子与防务公司 | 包括无人机和用于控制该无人机的实体的系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890452B (zh) * | 2012-10-11 | 2014-11-26 | 西北工业大学 | 基于可变测量数最大信息量-可信度准则的飞行器建模方法 |
CN104238377B (zh) * | 2014-09-30 | 2017-01-25 | 中国航天空气动力技术研究院 | 一种用于无人机航空物探的低空飞行仿真方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916801A (zh) * | 2005-10-28 | 2007-02-21 | 南京航空航天大学 | 无人机自主着陆的合作目标识别方法 |
CN101247160A (zh) * | 2008-02-22 | 2008-08-20 | 北京航空航天大学 | 一种利用无人机测控链路实时传送dgps数据的方法 |
CN101704411A (zh) * | 2009-11-04 | 2010-05-12 | 北京航空航天大学 | 一种适用于无人机的飞行遥控器 |
WO2010138236A2 (en) * | 2009-03-26 | 2010-12-02 | Ohio University | Trajectory tracking flight controller |
-
2010
- 2010-12-30 CN CN201010623591XA patent/CN102073279A/zh active Pending
-
2011
- 2011-06-17 CN CN 201110163027 patent/CN102298332B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916801A (zh) * | 2005-10-28 | 2007-02-21 | 南京航空航天大学 | 无人机自主着陆的合作目标识别方法 |
CN101247160A (zh) * | 2008-02-22 | 2008-08-20 | 北京航空航天大学 | 一种利用无人机测控链路实时传送dgps数据的方法 |
WO2010138236A2 (en) * | 2009-03-26 | 2010-12-02 | Ohio University | Trajectory tracking flight controller |
CN101704411A (zh) * | 2009-11-04 | 2010-05-12 | 北京航空航天大学 | 一种适用于无人机的飞行遥控器 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592007A (zh) * | 2011-12-30 | 2012-07-18 | 成都飞机工业(集团)有限责任公司 | 用于飞行控制律设计调参的无人机对象模型建模方法 |
CN103466084B (zh) * | 2012-06-05 | 2015-12-23 | 贝尔直升机泰克斯特龙公司 | 起飞/着陆的触地降落保护管理系统 |
CN102880188A (zh) * | 2012-10-11 | 2013-01-16 | 西北工业大学 | 基于最大信息量-可信度在线辨识准则的飞行器建模方法 |
CN102880057A (zh) * | 2012-10-11 | 2013-01-16 | 西北工业大学 | 基于可变数据长度最大信息量准则的飞行器建模方法 |
CN102880188B (zh) * | 2012-10-11 | 2014-11-26 | 西北工业大学 | 基于最大信息量-可信度在线辨识准则的飞行器建模方法 |
CN103136450A (zh) * | 2013-02-07 | 2013-06-05 | 南京航空航天大学 | 超声速下飞行器表面侵蚀量衡量方法 |
CN105843040A (zh) * | 2016-04-06 | 2016-08-10 | 沈阳上博智拓科技有限公司 | 无人直升机动力学参数的辨识方法和装置 |
CN105843040B (zh) * | 2016-04-06 | 2018-09-21 | 沈阳上博智拓科技有限公司 | 无人直升机动力学参数的辨识方法和装置 |
CN107305393A (zh) * | 2016-04-20 | 2017-10-31 | 比亚迪股份有限公司 | 无人机及其控制方法 |
CN109219837A (zh) * | 2016-06-02 | 2019-01-15 | 赛峰电子与防务公司 | 包括无人机和用于控制该无人机的实体的系统 |
CN109219837B (zh) * | 2016-06-02 | 2019-11-26 | 赛峰电子与防务公司 | 包括无人机和用于控制该无人机的实体的系统 |
CN106406092A (zh) * | 2016-09-28 | 2017-02-15 | 南京航空航天大学 | 一种适用于直升机自适应飞行控制的鲁棒辨识方法 |
CN106406092B (zh) * | 2016-09-28 | 2019-05-14 | 南京航空航天大学 | 一种适用于直升机自适应飞行控制的鲁棒辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102073279A (zh) | 2011-05-25 |
CN102298332B (zh) | 2012-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102298332B (zh) | 无人直升机飞行动力学模型辨识方法 | |
Bryson et al. | Vehicle model aided inertial navigation for a UAV using low-cost sensors | |
Gavrilets et al. | Avionics system for a small unmanned helicopter performing aggressive maneuvers | |
CN208367541U (zh) | 小型无人机飞行训练增强现实辅助教练装置 | |
Lei et al. | A linear domain system identification for small unmanned aerial rotorcraft based on adaptive genetic algorithm | |
Wenz et al. | Moving horizon estimation of air data parameters for UAVs | |
Eck et al. | Aerial magnetic sensing with an UAV helicopter | |
Coopmans et al. | Software-and hardware-in-the-loop verification of flight dynamics model and flight control simulation of a fixed-wing unmanned aerial vehicle | |
Jung et al. | Design and development of a low-cost test-bed for undergraduate education in UAVs | |
CN104330803B (zh) | 一种机动飞行器的双站红外被动测距方法 | |
CN112572829B (zh) | 无人机飞行模拟方法及系统 | |
Symington et al. | Simulating quadrotor UAVs in outdoor scenarios | |
Carnduff | System identification of unmanned aerial vehicles | |
Foster et al. | A GPS-based pitot-static calibration method using global output error optimization | |
Kopecki et al. | Integrated modular measurement system for in-flight tests | |
Ahsan et al. | Grey box modeling of lateral-directional dynamics of a uav through system identification | |
Richards et al. | Airworthiness evaluation of a scaled joined-wing aircraft | |
Hsiao et al. | The Design of a Small UAV System as a Testbed for Formation Flight | |
Nilsson et al. | GPS auto-navigation for unmanned air vehicles | |
Hofsäß et al. | Flying UltraSonic–A new way to measure the wind | |
Wu et al. | Design and implementation of a compact RUAV navigation system | |
Nshuti et al. | Modeling, Simulation and Flight Testing to Support Proof of a Stratospheric Dual Aircraft Platform Concept | |
Ivler et al. | System identification of rover dynamics: a comparison of three model structures | |
Jimenez et al. | Experimental validation of Unmanned Aerial Vehicles to tune PID controllers in open source autopilots | |
Benyamen et al. | Effects of propwash on horizontal tail aerodynamics of pusher UASS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |