CN104267614A - 一种无人机实时仿真系统及其开发方法 - Google Patents

Abstract

本发明公开了一种无人机实时仿真系统及其开发方法。所述仿真系统分为仿真功能模块和辅助功能模块，两个模块通过规范的接口转换模块进行交互。本发明在MATLAB\Simulink环境和Tornado2.2集成开发环境中分别实现仿真功能模块和辅助功能模的构建，利用RTW提供的自动代码生成工具，将Simulink模型直接转换为C代码，再结合辅助功能模块代码在Tornado2.2IDE中联编，从而实现实时仿真软件的快速生成。本发明的方法简单易用，可以实现实时仿真软件的快速开发，并降低实时仿真软件代码中存在人为错误的可能性，为飞行控制系统的验证提供一个高置信度、快速的仿真验证平台，加快无人机系统研制进度。

Description

一种无人机实时仿真系统及其开发方法

技术领域

本发明涉及一种无人机实时仿真系统，属于无人机控制仿真程序开发领域。

背景技术

开发无人机实时仿真软件的一般方法是使用C或其他编程语言将仿真系统的Simulink模型全部手工重写，并生成可运行于目标机的程序，通过多次修改和调试最终生成可运行的软件模块。这种开发方法需要编程人员花费大量时间来编制程序、查错、调试和验证，显著地增加工作量，延长开发周期。此外，手工编写的代码的风格和质量良莠不齐，降低软件运行的可靠度，增加代码出错的可能性，且代码的实时性不易保证。

随着无人机技术的发展，仿真系统的Simulink模型复杂度逐渐提高，编程人员手工重写模型的代码的工作量剧增，且还需要专业人员辅助重写模型，以免模型与代码的解算结果之间存在偏差。同时，用户对实时仿真软件的多功能性、实时性、可操纵性等性能要求越来越高，进一步增加了软件的开发难度。这种传统的手工编写代码的开发方法已经很难满足快速开发实时仿真软件的需求。

发明内容

本发明所要解决的技术问题是：提供一种无人机实时仿真系统，解决了现有技术中仿真系统复杂度高的问题。

本发明为解决上述技术问题，采用如下技术方案：

一种无人机实时仿真系统，包括控制系统、执行机构、无人机动力学模型、传感器模型、辅助模块、通信模块、接口转换模块；所述执行机构包括环境模型、舵机模型，辅助模块包括上位机显示界面；所述接口转换模块包括第一接口转换模块、第二接口转换模块；控制系统输出控制信号通过第一接口转换模块将控制信号转换为执行结构的输入信号，执行机构接收处理过的控制信号完成动态特性模拟，输出环境模型的风门信息及舵机模型的舵面信息，无人机动力学模型根据环境模型的风门信息及舵机模型的舵面信息，完成飞行状态数据的更新解算，解算后的飞行状态数据一方面输出至传感器模型，另一方面输出至辅助模块，通过上位机显示界面进行显示；传感器模型以飞行状态数据作为数据源，实时模拟传感器的特性，传感器模型输出数据一方面通过通信模块发送出去，另一方面通过第二接口转换模块转换后回馈至控制系统。

所述无人机动力学模型与上位机之间通过串口连接。

为了进一步解决传统无人机实时仿真系统开发过程复杂，效率低，工作量大，以及软件代码的继承性和可维护性弱等技术问题，本发明还提出了一种简便、快速的无人机实时仿真系统的开发方法。具体的技术方案如下：

一种无人机实时仿真系统的开发方法，包括如下步骤：

步骤1、构建开发环境及仿真模型：

在仿真平台下，构建执行机构、无人机动力学模型、传感器模型及模块之间的布局，构建执行机构的动态特性模拟模型、无人机动力学模型的飞行状态解算模型、传感器模型的解算模型；

步骤2、构建接口转换模块：

所述转换接口模块包括第一接口转换模块、第二接口转换模块，第一接口转换模块接收外部控制系统的控制信号，进行转换后输入至执行机构，第二接口转换模块接收传感器模型的输出信号，进行转换后输入至外部控制系统；

步骤3、构建辅助模块：

在上位机平台下，构建系统管理模块、通信模块和平台驱动模块的源代码；

步骤4、建立仿真平台各模块与上位机平台各模块之间的连接关系，生成实时仿真系统。

所述步骤1中执行机构的动态特性模拟模型为：

$T_m\frac{d{\mathrm{\ω}}_m\left(t\right)}{\mathrm{dt}}+{\mathrm{\ω}}_m\left(t\right)=K_1{u}_a\left(t\right)-K_2{M}_c\left(t\right)$

其中，T_m是执行机构机电时间常数，K₁，K₂为执行机构传递系数，ω_m(t)执行机构转动角速率，u_a(t)为执行机构控制输入，M_c(t)为执行机构转动惯量。

所述步骤1中无人机动力学模型的飞行状态解算模型包括：

1)动力学方程组：

$\left\{\begin{array}{c}\stackrel{\·}{u}=\mathrm{rv}-\mathrm{wq}+F_x/m-g\sin \mathrm{\θ}\\ \stackrel{\·}{v}=\mathrm{wp}-\mathrm{ru}+F_y/m+g\cos \mathrm{\θ}\sin \mathrm{\φ}\\ \stackrel{\·}{w}=\mathrm{qu}-\mathrm{pv}+F_z/m+g\cos \mathrm{\θ}\cos \mathrm{\φ}\end{array}\right.$

其中，u、v、w分别对应为飞机速度在机体坐标系x、y、z轴上的速度分量，p、q、r分别为滚转角速度、俯仰角速度偏航角速度，θ为俯仰角，φ为滚转角，g为重力加速度，F_x为x轴方向力，F_y为y轴方向力，F_z为z轴方向力；

2)运动学方程组：

$\left\{\begin{array}{c}\stackrel{\·}{\mathrm{\φ}}=p+\tan \mathrm{\θ}(q\sin \mathrm{\φ}+r\cos \mathrm{\φ})\\ \stackrel{\·}{\mathrm{\θ}}=q\cos \mathrm{\φ}-r\sin \mathrm{\φ}\\ \stackrel{\·}{\mathrm{\ψ}}=(q\sin \mathrm{\φ}+r\cos \mathrm{\φ})/\cos \mathrm{\θ}\end{array}\right.$

其中，ψ为偏航角；

3)力矩方程组：

$\left\{\begin{array}{c}\stackrel{\·}{p}=[I_{\mathrm{zx}}N+I_{z}R+(I_y{I}_z-I_z^2-I_{\mathrm{zx}}^2)\mathrm{qr}+I_{\mathrm{zx}}(I_x-I_y+I_z)\mathrm{pq}]/\left(I_x{I}_z\right)\\ \stackrel{\·}{q}=[(I_z-I_x)\mathrm{pr}+I_{\mathrm{zx}}(r^2-p^2)+M]/I_y\\ \stackrel{\·}{r}=[I_{x}N+I_{\mathrm{zx}}R+(I_x^2+I_{\mathrm{zx}}^2-I_x{I}_y)\mathrm{pq}+I_{\mathrm{zx}}(I_y-I_z-I_x)\mathrm{qr}]/(I_x{I}_z-I_{\mathrm{zx}}^2)\end{array}\right.$

其中，I_x、I_y和I_z为转动惯量，I_xy、I_zy和I_zx为惯性积，M为合力矩；

4)导航方程组：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_e=u\cos \mathrm{\θ}\cos \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}-\cos \mathrm{\φ}\sin \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}+\sin \mathrm{\φ}\sin \mathrm{\ψ})\\ {\stackrel{\·}{y}}_e=u\cos \mathrm{\θ}\sin \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}-\cos \mathrm{\φ}\cos \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}+\sin \mathrm{\φ}\cos \mathrm{\ψ})\\ \stackrel{\·}{h}=u\sin \mathrm{\θ}-v\sin \mathrm{\φ}\cos \mathrm{\θ}-w\cos \mathrm{\φ}\end{array}\right.$

其中，x_e、y_e和-h分别为飞机的地面坐标轴系x、y和z轴上的位置。

所述步骤1中传感器模型中的GPS解算模型为：

$\left\{\begin{array}{c}\mathrm{dPN}=u\cos \mathrm{\θ}\cos \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}-\cos \mathrm{\φ}\sin \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}+\sin \mathrm{\φ}\sin \mathrm{\ψ})\\ \mathrm{dPE}=u\cos \mathrm{\θ}\sin \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}+\cos \mathrm{\φ}\cos \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}-\sin \mathrm{\φ}\cos \mathrm{\ψ})\\ \mathrm{dlat}=\mathrm{dPN}/(H+63710001)\\ \mathrm{dlon}=\mathrm{dPE}/\left[(H+63710001)\cos \left(\mathrm{lat}\right)\right]\end{array}\right.$

其中，PN和PE分别为北向的距离和东向距离，lat为推演出的纬度，lon为推演出的经度，H为无人机当前相对于起飞点的高度。

所述步骤2中第一接口转换模块将控制系统的标准信号转换为执行机构接收的信号格式，第二接口转换模块将传感器模型输出的信号转换成控制系统的标准信号。

所述步骤4中仿真平台各模块与上位机平台各模块之间通过串口连接。

与现有技术相比，本发明具有如下有益效果：

1、本发明的实时仿真系统的开发方法将仿真系统分为两个模块，分别在不同的开发环境下完成两个模块的构建。通过规范的接口，使用该方法既能够快速地将两个模块联合生成实时仿真软件，又能够实现后期仿真功能模块的快速更换。

2、该方法通过手工编写代码实现系统的接口模块和辅助功能模块，增强了使用自动代码生成技术构建仿真系统的灵活性。

3、该方法以其快速、简单、灵活的特点，加速了仿真系统的开发进程，提高了飞行控制系统仿真验证工作的效率，缩短了无人机系统的研制周期。

4、该方法不需要将复杂的动态特性模拟模型手工转换为可执行代码，避免了系统存在大量错误的可能性，提高系统的可靠性。

附图说明

图1为实时仿真软件开发环境示意图。

图2为无人机动力学模型结构示意图。

图3为执行机构模型结构框图。

图4为实时仿真软件联合生成过程示意图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

一种无人机实时仿真系统，包括控制系统、执行机构、无人机动力学模型、传感器模型、辅助模块、通信模块、接口转换模块；所述执行机构包括环境模型、舵机模型，辅助模块包括上位机显示界面；所述接口转换模块包括第一接口转换模块、第二接口转换模块；控制系统输出控制信号通过第一接口转换模块将控制信号转换为执行结构的输入信号，执行机构接收处理过的控制信号完成动态特性模拟，输出环境模型的风门信息及舵机模型的舵面信息，无人机动力学模型根据环境模型的风门信息及舵机模型的舵面信息，完成飞行状态数据的更新解算，解算后的飞行状态数据一方面输出至传感器模型，另一方面输出至辅助模块，通过上位机显示界面进行显示；传感器模型以飞行状态数据作为数据源，实时模拟传感器的特性，传感器模型输出数据一方面通过通信模块发送出去，另一方面通过第二接口转换模块转换后回馈至控制系统。

所述无人机动力学模型与上位机之间通过串口连接。

为了进一步解决传统无人机实时仿真系统开发过程复杂，效率低，工作量大，以及软件代码的继承性和可维护性弱等技术问题，本发明还提出了一种简便、快速的无人机实时仿真系统的开发方法。

本发明主要是利用Simulink构建仿真软件的仿真功能模块和Tornado2.2集成开发环境构建仿真软件的辅助功能模块；然后，通过MATLAB的RTW将仿真功能模块转换为C代码；最后，将代码与辅助功能模块代码结合，利用Tornado2.2集成开发环境提供的make工具，实现仿真软件的编译、链接和生成。

具体开发方案的方案如下：

步骤一、构建开发环境及仿真模型：

在仿真平台下，构建执行机构、无人机动力学模型、传感器模型及模块之间的布局，构建执行机构的动态特性模拟模型、无人机动力学模型的飞行状态解算模型、传感器模型的解算模型；

构建如图所示1的实时仿真软件开发环境，其中，开发环境包含PC宿主机和VxWorks目标机，两者通过以太网连接起来；PC宿主机包含MATLAB 7.0和VxWorks 5.5的集成开发环境Tornado2.2两种软件开发工具；VxWorks目标机能够稳定、持续运行VxWorks实时操作系统，且目标机包含一些必要的I/O板卡，VxWorks中的应用程序能够通过系统接口方便地访问I/O板卡。

在仿真平台下，构建执行机构、无人机动力学模型、传感器模型及模块之间的布局，构建执行机构的动态特性模拟模型、无人机动力学模型的飞行状态解算模型、传感器模型的解算模型；执行机构在接收处理过的控制信号完成动态特性模拟，输出环境模型的风门信息及舵机模型的舵面信息，无人机动力学模型包括飞行状态解算模块，实现无人机系统和环境的特性的模拟，动态更新模型状态并输出，传感器模型实现传感器数据的解算，并将结算结果输出；具体过程如下：

在MATLAB/Simulink下，构建仿真软件的仿真功能模块的Simulink模型，其中，包含无人机动力学模型、执行机构模型、传感器模型。

无人机动力学模型结构如图2所示，其包含无人机本体模型模块和环境模型模块。其中，无人机本体模型模块又包含气动参数插值计算模块、气动力和力矩计算模块、动力系统模块、动力学和运动学方程解算模等；环境模型模块包含重力场模块、标准大气模型模块、风场模型模块等。无人机模型模块通过接口转换模块获取外部控制信号，气动参数解算模块以此信号解算出无人机此状态下的气动参数，然后经气动力和力矩解算模块得到无人机所受到的气动力和力矩；动力系统模块根据外部控制信号实时计算出无人机受到的发动机推力及相应力矩；由于实际中发动机的安装位置、机体不对称等因素的影响，作用在无人机上的力矩存在偏差，通过补偿力矩来抵消这些因素的影响；解算出无人机所受的力和力矩驱动无人机六自由度的运动学方程的计算。

本发明根据己知的无人机气动数据和发动机推力数据，利用一维、二维或者三维线性插值原理，结合牛顿刚体动力学和运动学理论，建立无人机本体六自由度非线性模型。无人机可由十二阶非线性微分方程来描述其动力学和运动学特性，即：

$\left\{\begin{array}{c}\stackrel{\·}{x}=f(t,x,u)\\ y=\mathrm{cx}\end{array}\right.$

其中，状态量x^T＝[u,v,w,φ,θ,ψ,p,q,r,x_e,x_e,h]；控制量u^T＝[δ_T,δ_e,δ_a,δ_r]，分别表示发动机风门开度、升降舵、副翼舵和方向舵；t为时间；y为输出量。

所述执行机构的动态特性模拟模型为：

$T_m\frac{d{\mathrm{\ω}}_m\left(t\right)}{\mathrm{dt}}+{\mathrm{\ω}}_m\left(t\right)=K_1{u}_a\left(t\right)-K_2{M}_c\left(t\right)$

其中，T_m是执行机构机电时间常数，K₁，K₂为执行机构传递系数，ω_m(t)执行机构转动角速率，u_a(t)为执行机构控制输入，M_c(t)为执行机构转动惯量。

根据牛顿刚体动力学和运动学理论建立无人机的运动方程，其中

无人机动力学模型的飞行状态解算模型包括：

1)动力学方程组：

$\left\{\begin{array}{c}\stackrel{\·}{u}=\mathrm{rv}-\mathrm{wq}+F_x/m-g\sin \mathrm{\θ}\\ \stackrel{\·}{v}=\mathrm{wp}-\mathrm{ru}+F_y/m+g\cos \mathrm{\θ}\sin \mathrm{\φ}\\ \stackrel{\·}{w}=\mathrm{qu}-\mathrm{pv}+F_z/m+g\cos \mathrm{\θ}\cos \mathrm{\φ}\end{array}\right.$

其中，u、v、w分别对应为飞机速度在机体坐标系x、y、z轴上的速度分量，p、q、r分别为滚转角速度、俯仰角速度偏航角速度，θ为俯仰角，φ为滚转角，g为重力加速度，F_x为x轴方向力，F_y为y轴方向力，F_z为z轴方向力；

2)运动学方程组：

$\left\{\begin{array}{c}\stackrel{\·}{\mathrm{\φ}}=p+\tan \mathrm{\θ}(q\sin \mathrm{\φ}+r\cos \mathrm{\φ})\\ \stackrel{\·}{\mathrm{\θ}}=q\cos \mathrm{\φ}-r\sin \mathrm{\φ}\\ \stackrel{\·}{\mathrm{\ψ}}=(q\sin \mathrm{\φ}+r\cos \mathrm{\φ})/\cos \mathrm{\θ}\end{array}\right.$

其中，ψ为偏航角；

3)力矩方程组：

$\left\{\begin{array}{c}\stackrel{\·}{p}=[I_{\mathrm{zx}}N+I_{z}R+(I_y{I}_z-I_z^2-I_{\mathrm{zx}}^2)\mathrm{qr}+I_{\mathrm{zx}}(I_x-I_y+I_z)\mathrm{pq}]/\left(I_x{I}_z\right)\\ \stackrel{\·}{q}=[(I_z-I_x)\mathrm{pr}+I_{\mathrm{zx}}(r^2-p^2)+M]/I_y\\ \stackrel{\·}{r}=[I_{x}N+I_{\mathrm{zx}}R+(I_x^2+I_{\mathrm{zx}}^2-I_x{I}_y)\mathrm{pq}+I_{\mathrm{zx}}(I_y-I_z-I_x)\mathrm{qr}]/(I_x{I}_z-I_{\mathrm{zx}}^2)\end{array}\right.$

其中，I_x、I_y和I_z为转动惯量，I_xy、I_zy和I_zx为惯性积，M为合力矩；

4)导航方程组：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_e=u\cos \mathrm{\θ}\cos \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}-\cos \mathrm{\φ}\sin \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}+\sin \mathrm{\φ}\sin \mathrm{\ψ})\\ {\stackrel{\·}{y}}_e=u\cos \mathrm{\θ}\sin \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}-\cos \mathrm{\φ}\cos \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}+\sin \mathrm{\φ}\cos \mathrm{\ψ})\\ \stackrel{\·}{h}=u\sin \mathrm{\θ}-v\sin \mathrm{\φ}\cos \mathrm{\θ}-w\cos \mathrm{\φ}\end{array}\right.$

其中，x_e、y_e和-h分别为飞机的地面坐标轴系x、y和z轴上的位置。

所述步骤1中传感器模型中的GPS解算模型为：

$\left\{\begin{array}{c}\mathrm{dPN}=u\cos \mathrm{\θ}\cos \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}-\cos \mathrm{\φ}\sin \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}+\sin \mathrm{\φ}\sin \mathrm{\ψ})\\ \mathrm{dPE}=u\cos \mathrm{\θ}\sin \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}+\cos \mathrm{\φ}\cos \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}-\sin \mathrm{\φ}\cos \mathrm{\ψ})\\ \mathrm{dlat}=\mathrm{dPN}/(H+63710001)\\ \mathrm{dlon}=\mathrm{dPE}/\left[(H+63710001)\cos \left(\mathrm{lat}\right)\right]\end{array}\right.$

其中，PN和PE分别为北向的距离和东向距离，lat为推演出的纬度，lon为推演出的经度，H为无人机当前相对于起飞点的高度。

本发明采用MATLAB/Simulink提供的典型的舵回路来模拟无人机的执行机构系统，其结构框图如图3所示，根据接口转换模块获取执行机构的控制信号，此信号驱动执行机构的模型解算，模拟执行机构的动态特性，并输出舵机的偏转角度，利用线性插值原理，解算得到无人机的舵面偏转角度。

在本发明中，传感器模型模块仅根据实际的传感器接口协议模拟其接口特性，以无人机模型模块解算出的飞行状态数据为数据源，按照实际的物理接口定时输出传感器信息。

步骤二、构建接口转换模块：

所述转换接口模块包括第一接口转换模块、第二接口转换模块，第一接口转换模块接收外部控制系统的控制信号，进行转换后输入至执行机构，第二接口转换模块接收传感器模型的输出信号，进行转换后输入至外部控制系统；第一接口转换模块将控制系统的标准信号转换为执行机构接收的信号格式，第二接口转换模块将传感器模型输出的信号转换成控制系统的标准信号。

本发明采用Simulink下BUS结构对步骤二中的四个仿真模型的输入和输出接口进行规范，既方便与辅助功能模块之间的交互，又便于后续模型的快速更换。

步骤三、构建辅助模块：

在上位机平台下，构建系统管理模块、通信模块和平台驱动模块的源代码；完成VxWorks平台下I/O板卡驱动的开发，使用VxWorks的标准接口完成通信模块的构建，以便软件接收外界的控制指令或数据，同时发送仿真状态数据到外界。此外，需要构建系统的管理模块，以及时响应外界指令或数据，从而使得仿真软件的运行状态可控。

步骤四、建立仿真平台各模块与上位机平台各模块之间的连接关系，生成实时仿真系统，仿真平台各模块与上位机平台各模块之间通过串口连接，本发明可采用RS232或RS485模块。

如图4所示，在MATLAB的RTW环境下，将仿真功能模块的Simulink模型直接转换为程序源代码，再将辅助功能模块代码与自动生成的代码相结合，使用Tornado2.2 IDE提供的make工具编译、链接以上代码，从而实现可运行于目标机的实时仿真软件的快速生成。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (7)

1.一种无人机实时仿真系统，其特征在于，包括控制系统、执行机构、无人机动力学模型、传感器模型、辅助模块、通信模块、接口转换模块；所述执行机构包括环境模型、舵机模型，辅助模块包括上位机显示界面；所述接口转换模块包括第一接口转换模块、第二接口转换模块；控制系统输出控制信号通过第一接口转换模块将控制信号转换为执行结构的输入信号，执行机构接收处理过的控制信号完成动态特性模拟，输出环境模型的风门信息及舵机模型的舵面信息，无人机动力学模型根据环境模型的风门信息及舵机模型的舵面信息，完成飞行状态数据的更新解算，解算后的飞行状态数据一方面输出至传感器模型，另一方面输出至辅助模块，通过上位机显示界面进行显示；传感器模型以飞行状态数据作为数据源，实时模拟传感器的特性，传感器模型输出数据一方面通过通信模块发送出去，另一方面通过第二接口转换模块转换后回馈至控制系统。

2.根据权利要求1所述的无人机实时仿真系统，其特征在于：所述无人机动力学模型与上位机之间通过串口连接。

3.一种无人机实时仿真系统的开发方法，其特征在于，包括如下步骤：

步骤1、构建开发环境及仿真模型：

在仿真平台下，构建执行机构、无人机动力学模型、传感器模型及模块之间的布局，构建执行机构的动态特性模拟模型、无人机动力学模型的飞行状态解算模型、传感器模型的解算模型；

步骤2、构建接口转换模块：

所述转换接口模块包括第一接口转换模块、第二接口转换模块，第一接口转换模块接收外部控制系统的控制信号，进行转换后输入至执行机构，第二接口转换模块接收传感器模型的输出信号，进行转换后输入至外部控制系统；

步骤3、构建辅助模块：

在上位机平台下，构建系统管理模块、通信模块和平台驱动模块的源代码；

步骤4、建立仿真平台各模块与上位机平台各模块之间的连接关系，生成实时仿真系统。

4.根据权利要求3所述的无人机实时仿真系统的开发方法，其特征在于：所述步骤1中执行机构的动态特性模拟模型为：

$T_m\frac{d{\mathrm{\ω}}_m\left(t\right)}{\mathrm{dt}}+{\mathrm{\ω}}_m\left(t\right)=K_1{u}_a\left(t\right)-K_2{M}_c\left(t\right)$

其中，T_m是执行机构机电时间常数，K₁，K₂为执行机构传递系数，ω_m(t)执行机构转动角速率，u_a(t)为执行机构控制输入，M_c(t)为执行机构转动惯量。

所述步骤1中无人机动力学模型的飞行状态解算模型包括：

1)动力学方程组：

$\left\{\begin{array}{c}\stackrel{\·}{u}=\mathrm{rv}-\mathrm{wq}+F_x/m-g\sin \mathrm{\θ}\\ \stackrel{\·}{v}=\mathrm{wp}-\mathrm{ru}+F_y/m+g\cos \mathrm{\θ}\sin \mathrm{\φ}\\ \stackrel{\·}{w}=\mathrm{qu}-\mathrm{pv}+F_z/m+g\cos \mathrm{\θ}\cos \mathrm{\φ}\end{array}\right.$

其中，u、v、w分别对应为飞机速度在机体坐标系x、y、z轴上的速度分量，p、q、r分别为滚转角速度、俯仰角速度偏航角速度，θ为俯仰角，φ为滚转角，g为重力加速度，F_x为x轴方向力，F_y为y轴方向力，F_z为z轴方向力；

2)运动学方程组：

$\left\{\begin{array}{c}\stackrel{\·}{\mathrm{\φ}}=p+\tan \mathrm{\θ}(q\sin \mathrm{\φ}+r\cos \mathrm{\φ})\\ \stackrel{\·}{\mathrm{\θ}}=q\cos \mathrm{\φ}-r\sin \mathrm{\φ}\\ \stackrel{\·}{\mathrm{\ψ}}=(q\sin \mathrm{\φ}+r\cos \mathrm{\φ})/\cos \mathrm{\θ}\end{array}\right.$

其中，ψ为偏航角；

3)力矩方程组：

$\left\{\begin{array}{c}\stackrel{\·}{p}=[I_{\mathrm{zx}}N+I_{z}R+(I_y{I}_z-I_z^2-I_{\mathrm{zx}}^2)\mathrm{qr}+I_{\mathrm{zx}}(I_x-I_y+I_z)\mathrm{pq}]/\left(I_x{I}_z\right)\\ \stackrel{\·}{q}=[(I_z-I_x)\mathrm{pr}+I_{\mathrm{zx}}(r^2-p^2)+M]/I_y\\ \stackrel{\·}{r}=[I_{x}N+I_{\mathrm{zx}}R+(I_x^2+I_{\mathrm{zx}}^2-I_x{I}_y)\mathrm{pq}+I_{\mathrm{zx}}(I_y-I_z-I_x)\mathrm{qr}]/(I_x{I}_z-I_{\mathrm{zx}}^2)\end{array}\right.$

其中，I_x、I_y和I_z为转动惯量，I_xy、I_zy和I_zx为惯性积，M为合力矩；

4)导航方程组：

$\left\{\begin{array}{c}{\stackrel{\·}{x}}_e=u\cos \mathrm{\θ}\cos \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}-\cos \mathrm{\φ}\sin \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}+\sin \mathrm{\φ}\sin \mathrm{\ψ})\\ {\stackrel{\·}{y}}_e=u\cos \mathrm{\θ}\sin \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}-\cos \mathrm{\φ}\cos \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}+\sin \mathrm{\φ}\cos \mathrm{\ψ})\\ \stackrel{\·}{h}=u\sin \mathrm{\θ}-v\sin \mathrm{\φ}\cos \mathrm{\θ}-w\cos \mathrm{\φ}\end{array}\right.$

其中，x_e、y_e和-h分别为飞机的地面坐标轴系x、y和z轴上的位置。

所述步骤1中传感器模型中的GPS解算模型为：

$\left\{\begin{array}{c}\mathrm{dPN}=u\cos \mathrm{\θ}\cos \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}-\cos \mathrm{\φ}\sin \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\cos \mathrm{\ψ}+\sin \mathrm{\φ}\sin \mathrm{\ψ})\\ \mathrm{dPE}=u\cos \mathrm{\θ}\sin \mathrm{\ψ}+v(\sin \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}+\cos \mathrm{\φ}\cos \mathrm{\ψ})+w(\cos \mathrm{\φ}\sin \mathrm{\θ}\sin \mathrm{\ψ}-\sin \mathrm{\φ}\cos \mathrm{\ψ})\\ \mathrm{dlat}=\mathrm{dPN}/(H+63710001)\\ \mathrm{dlon}=\mathrm{dPE}/\left[(H+63710001)\cos \left(\mathrm{lat}\right)\right]\end{array}\right.$

其中，PN和PE分别为北向的距离和东向距离，lat为推演出的纬度，lon为推演出的经度，H为无人机当前相对于起飞点的高度。

5.根据权利要求3所述的无人机实时仿真系统的开发方法，其特征在于：所述步骤2中第一接口转换模块将控制系统的标准信号转换为执行机构接收的信号格式，第二接口转换模块将传感器模型输出的信号转换成控制系统的标准信号。

6.根据权利要求3所述的无人机实时仿真系统的开发方法，其特征在于：所述步骤4中仿真平台各模块与上位机平台各模块之间通过串口连接。

7.根据权利要求3所述的无人机实时仿真系统的开发方法，其特征在于：所述无人机实时仿真系统为权利要求1所述的无人机实时仿真系统。