CN104808673A - 一种基于卡尔曼滤波的四旋翼飞行器高度估计方法 - Google Patents
一种基于卡尔曼滤波的四旋翼飞行器高度估计方法 Download PDFInfo
- Publication number
- CN104808673A CN104808673A CN201510076943.7A CN201510076943A CN104808673A CN 104808673 A CN104808673 A CN 104808673A CN 201510076943 A CN201510076943 A CN 201510076943A CN 104808673 A CN104808673 A CN 104808673A
- Authority
- CN
- China
- Prior art keywords
- matrix
- height
- vertical direction
- variable
- equation
- 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
Landscapes
- Navigation (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于卡尔曼滤波的四旋翼飞行器高度估计方法。本方法通过建立多旋翼飞行器高度的动力学模型,根据其飞行特点,简化成线性模型,并转换成状态方程形式,采用加速度计结合气压计,并利用卡尔曼滤波算法在线推测飞行器高度值,同时还具有一定的滤波效果。本发明方法使用低成本传感器,且不受天气变化影响,具有精度高、成本低、实时性好、适用范围广等显著优点。可用于飞行器定高控制。
Description
技术领域
本发明涉及一种飞行器高度估计方法,尤其涉及一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,属于飞行器导航、控制技术领域。
背景技术
四旋翼飞行器领域的研究日趋于广泛,目前许多国家和地区已经投入了大量的人力和物力。大多数无人机的使用主要体现在民用和军用两方面,如军事侦察、战场评估、航拍摄影、电力巡检、环境监测、森林防火、防恐救生等方面。四旋翼无人机具有体积小、机动性强、效费比高、无人员伤亡的特点。无论是从经济角度还是从人身安全角度来说,四旋翼无人机都将会在未来世界中得到广泛使用。
高度控制是四旋翼飞行器自主飞行控制的重要环节。为了解决飞行器定高控制,需要得到精确的飞行高度值。目前飞行器高度的测量方法有:1、采用气压计。虽然价格相对较低,但气压计是通过大气压变化来推算飞行高度值,但因为气压值容易受到天气变化的影响,所以气压计不适用于天气状况不是很稳定的环境,而且气压计数据噪声严重。2、使用GPS。GPS价格相对较贵,且GPS的高度测量值精度较低,数据频率低,不适用于飞行器高度控制。
发明内容
本发明的目的是提出一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,该方法具有精度高、成本低、实时性好、适用范围广的特点,可以为飞行器提供精确的高度值。
本发明采用的技术方案如下:一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,其特征在于:本发明根据四旋翼飞行器飞行特点,对高度模型进行建模,并进行简化处理,通过采集飞行数据,进行模型辨识,验证模型的有效性;接着通过卡尔曼滤波算法实现对飞行高度的实时、准确估计,该方法可用于复杂环境下估计出准确的高度值,且仅需一个低成本的气压计和一个三轴加速度计。
具体步骤包括:
一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,包括以下步骤:
步骤1、建立多旋翼飞行器动力学微分方程,根据多旋翼飞行器动力学微分方程建立多旋翼飞行器高度模型的状态方程,选择垂直方向的加速度为状态变量x1、垂直方向的速度为状态变量x2、垂直方向的高度为状态变量x3,并选择垂直方向的加速度与垂直方向的高度分别为输出y1和y2;
步骤2、采集飞行数据,包括电机转速控制量uz、垂直方向的加速度y1以及垂直方向的高度y2;
步骤3、根据步骤2采集的飞行数据,利用阶跃响应曲线法对步骤1所得到的状态方程进行系统辨识,得到状态方程的系统矩阵A和控制矩阵B;
步骤4、根据步骤3获得的系统矩阵A和控制矩阵B构建卡尔曼滤波器,将步骤2采集到的电机转速控制量uz、垂直方向的加速度y1以及垂直方向的高度y2作为卡尔曼滤波器的输入,卡尔曼滤波器输出重新估计后的状态方程中的状态变量x1、x2和x3,以及输出值y1和y2,从而得到重新估计后的垂直方向的高度。
如上所述的动力学微分方程为:
其中:表示电机转速变化的导数,ΔΩz为电机转速的变化,k、T分别为一阶惯性环节的比例系数与时间常数,表示垂直方向加速度矢量,m为飞行器的质量,CT为旋翼升力系数,Ωi为第i个旋翼的转速,和r表示垂直方向的速度矢量。
如上所述的状态方程为:
其中:A为状态方程的系统矩阵,B为状态方程的控制矩阵,C为状态方程的输出矩阵,x为状态变量矩阵,y为输出变量矩阵,u为控制量,即电机转速控制量uz,k、T分别为一阶惯性环节的比例系数与时间常数,m为多旋翼飞行器的质量,CT为旋翼升力系数,Ωi为第i个旋翼的转速。
如上所述的卡尔曼滤波器基于以下公式:
其中,表示状态变量矩阵x估计值的导数,A、B分别为状态方程的系统矩阵和控制矩阵,y为状态方程的输出值矩阵,即加速度计和气压计的测量数据,为卡尔曼滤波器估计的输出值矩阵,为状态变量矩阵x的估计值,即卡尔曼滤波器的输出,Kz为卡尔曼增益。
如上所述的卡尔曼增益Kz=PCTR-1,
其中,CT为输出矩阵C的转置矩阵,P为代数里卡蒂方程的解,R-1为控制输入变量uz噪声的方差矩阵R的逆。
如上所述的代数里卡蒂方程为AP+PAT+BQBT-PCTRCP=0,
其中,AT、BT分别代表系统矩阵A和控制矩阵B的转置矩阵;矩阵Q为状态方程输出值矩阵y噪声的方差,R为电机转速控制量uz噪声的方差。
本发明与现有技术相比,其显著优点:
1)本发明根据飞行器高度模型设计出卡尔曼滤波器在线推测飞行高度值,估计的结果可以满足实际应用的精度与实时性要求,同时还具有一定的滤波效果;
2)本发明具有成本低、计算量小、精度高、得到的信息量大的优点;
3)本发明仅需一个低成本的气压计和三轴加速度计,不需要GPS数据参与,具有成本低的优点,便于大规模推广。
附图说明
图1是卡尔曼滤波器结构图;
图2是高度模型辨识结果;
图3是高度估计结果。
具体实施方式
一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,包括以下几个步骤:
步骤1,建立多旋翼飞行器高度模型的状态方程,具体为:
步骤1.1,对多旋翼飞行器进行受力分析,推导其动力学微分方程。
假设多旋翼飞行器为一个六自由度的刚体、忽略弹性振动及变形、不考虑旋翼间的相互作用,且认为多旋翼飞行器的外形与质量均是对称的。
根据牛顿运动定律,惯性坐标系中多旋翼飞行器的质心运动方程为:
式中,m为飞行器的质量, 为飞行器质心相对于地面惯性坐标系ogxgygzg的速度矢量;为所有作用于飞行器的合力。
多旋翼飞行器主要是通过调整各个旋翼的转速实现各自由度运动。垂直方向的升力记为Ti,其大小表示为:
式中,CT为旋翼升力系数,Ωi为第i个旋翼的转速。通过理论推导出高度的动力学微分方程为:
式中,和表示垂直方向加速度矢量,g为重力加速度常量,m为飞行器的质量,表示飞行器横滚角,θ表示飞行器俯仰角,fZ为空气阻力。
由于多旋翼飞行器主要以空中悬停和慢速飞行的运动状态来执行任务,近似认为旋翼升力只与转速平方成正比,则悬停状态下
飞行器定高控制时,控制器的输入为电机转速控制量uz,转速的变化为ΔΩz,当ΔΩz很小时,忽略二次项,则
假设电机转速控制量uz与电机的转速变化ΔΩz在复数域的关系看作一阶惯性环节:
式中,k、T分别为一阶惯性环节的比例系数与时间常数。将式(6)转换成时域的微分方程形式
式中,表示转速变化的导数。
综上可得出多旋翼飞行器高度的动力学微分方程:
式中,和r表示垂直方向的速度矢量。
步骤1.2,为方便设计滤波器,将步骤1.1得到的动力学方程式(8)转化成状态方程形式。选择垂直方向的加速度为状态变量x1、垂直方向的速度为状态变量x2、垂直方向的位置,即高度为状态变量x3,并选择垂直方向的加速度(与状态变量x1相同)与垂直方向的高度(与状态变量x3相同)分别为输出y1和y2。
式中,A为状态方程的系统矩阵,B为状态方程的控制矩阵,C为状态方程的输出矩阵,x为状态变量矩阵,y为输出变量矩阵,u为控制量(标量),这里即电机转速控制量uz。
步骤2,采集飞行数据,包括需要进行滤波的电机转速控制量uz、垂直方向的加速度y1(加速度计测量值)以及垂直方向的高度y2(气压计测量值)。
步骤3,根据步骤2中采集到的电机转速控制量uz、垂直方向的加速度数据y1以及垂直方向的高度y2,利用阶跃响应曲线法对步骤1.2所得到的状态方程式(9)进行系统辨识,得出状态方程中和的参数数值。同时得到状态方程的系统矩阵A和状态方程的控制矩阵B。
步骤4,根据步骤3所获得的状态方程设计卡尔曼滤波器,即根据前述步骤中获得的A、B、x、y以及后续求得的Kz构建卡尔曼滤波器。如图1所示,将步骤2所采集的电机转速控制量uz、垂直方向的加速度数据y1以及垂直方向的高度y2作为卡尔曼滤波器的输入,滤波器的输出和为经过卡尔曼滤波器重新估计后的状态方程中的状态变量矩阵x和输出值矩阵y。
根据式(9)状态方程建立的卡尔曼滤波器可表示为
式中表示状态变量矩阵x估计值的导数,A、B分别为式9中状态方程的系统矩阵和控制矩阵,y为状态方程的输出值矩阵,即加速度计和气压计的测量数据,为卡尔曼滤波器估计的输出值矩阵,为状态变量矩阵x的估计值(卡尔曼滤波器的输出),Kz为卡尔曼增益,可表示为
Kz=PCTR-1 (11)
式中CT为式9状态方程的输出矩阵C的转置矩阵,P为下式代数里卡蒂方程的解,R-1为控制输入变量uz噪声的方差矩阵R的逆。
AP+PAT+BQBT-PCTRCP=0 (12)
代数里卡蒂方程中AT、BT分别代表A、B矩阵的转置矩阵;矩阵Q为状态方程输出值矩阵y(气压计和加速度计数据)噪声的方差,R为电机转速控制量uz噪声的方差,通过调整Q,R矩阵中的系数值则可得到相对准确的高度信息。Q的经验值一般为[100,0;0,1]。式中的100和1分别代表加速度计和气压计所测量数据的置信度,一般加速度计测量数据的置信度比气压计测量数据的置信度高;R的经验值范围大概在2000~3000左右。同时卡尔曼滤波器具有一定的滤波效果,可消除高频的传感器噪声,提高了推测的高度的准确度。
步骤5,根据步骤4所设计的卡尔曼滤波器,得到式9状态方程的状态变量x和输出值y的估计值和其中矩阵中的第三个状态变量即最终我们所要求的高度。
图1为卡尔曼滤波器结构图,y为传感器得到的高度和加速度数据,为卡尔曼滤波器估计的输出值,u为控制器的输出控制量,A为状态方程的系统矩阵,B为状态方程的控制矩阵,C为状态方程的输出矩阵,Kz为式11得到的卡尔曼增益,滤波器的输出为状态变量的估计值
图2为状态方程的系统辨识结果图,图中实线为飞行实验时的实际高度,虚线为辨识出的高度模型的输出,两条曲线基本吻合,从而验证了模型的准确性。
图3为卡尔曼滤波的结果图,图中实线是传感器量测值,虚线是卡尔曼滤波器估计值,两条曲线基本吻合,设计的卡尔曼滤波器可以很好的估计。对于高频部分,滤波效果较好,对于低频部分可以跟踪其变化趋势。因此,所设计的卡尔曼滤波器具有很好的状态估计和滤波效果,具有一定的实际应用价值。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,其特征在于,包括以下步骤:
步骤1、建立多旋翼飞行器动力学微分方程,根据多旋翼飞行器动力学微分方程建立多旋翼飞行器高度模型的状态方程,选择垂直方向的加速度为状态变量x1、垂直方向的速度为状态变量x2、垂直方向的高度为状态变量x3,并选择垂直方向的加速度与垂直方向的高度分别为输出y1和y2;
步骤2、采集飞行数据,包括电机转速控制量uz、垂直方向的加速度y1以及垂直方向的高度y2;
步骤3、根据步骤2采集的飞行数据,利用阶跃响应曲线法对步骤1所得到的状态方程进行系统辨识,得到状态方程的系统矩阵A和控制矩阵B;
步骤4、根据步骤3获得的系统矩阵A和控制矩阵B构建卡尔曼滤波器,将步骤2采集到的电机转速控制量uz、垂直方向的加速度y1以及垂直方向的高度y2作为卡尔曼滤波器的输入,卡尔曼滤波器输出重新估计后的状态方程中的状态变量x1、x2和x3,以及输出值y1和y2,从而得到重新估计后的垂直方向的高度。
2.根据权利要求1所述的一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,其特征在于,所述的动力学微分方程为:
其中:表示电机转速变化的导数,ΔΩz为电机转速的变化,k、T分别为一阶惯性环节的比例系数与时间常数,表示垂直方向加速度矢量,m为飞行器的质量,CT为旋翼升力系数,Ωi为第i个旋翼的转速,和r表示垂直方向的速度矢量。
3.根据权利要求2所述的一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,其特征在于,所述的状态方程为:
其中:A为状态方程的系统矩阵,B为状态方程的控制矩阵,C为状态方程的输出矩阵,x为状态变量矩阵,y为输出变量矩阵,u为控制量,即电机转速控制量uz,k、T分别为一阶惯性环节的比例系数与时间常数,m为多旋翼飞行器的质量,CT为旋翼升力系数,Ωi为第i个旋翼的转速。
4.根据权利要求1所述的一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,其特征在于,所述的卡尔曼滤波器基于以下公式:
其中,表示状态变量矩阵x估计值的导数,A、B分别为状态方程的系统矩阵和控制矩阵,y为状态方程的输出值矩阵,即加速度计和气压计的测量数据,为卡尔曼滤波器估计的输出值矩阵,为状态变量矩阵x的估计值,即卡尔曼滤波器的输出,Kz为卡尔曼增益。
5.根据权利要求4所述的一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,其特征在于,所述的卡尔曼增益Kz=PCTR-1,
其中,CT为输出矩阵C的转置矩阵,P为代数里卡蒂方程的解,R-1为控制输入变量uz噪声的方差矩阵R的逆。
6.根据权利要求4所述的一种基于卡尔曼滤波的四旋翼飞行器高度估计方法,其特征在于,所述的代数里卡蒂方程为AP+PAT+BQBT-PCTRCP=0,
其中,AT、BT分别代表系统矩阵A和控制矩阵B的转置矩阵;矩阵Q为状态方程输出值矩阵y噪声的方差,R为电机转速控制量uz噪声的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510076943.7A CN104808673B (zh) | 2015-02-12 | 2015-02-12 | 一种基于卡尔曼滤波的四旋翼飞行器高度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510076943.7A CN104808673B (zh) | 2015-02-12 | 2015-02-12 | 一种基于卡尔曼滤波的四旋翼飞行器高度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104808673A true CN104808673A (zh) | 2015-07-29 |
CN104808673B CN104808673B (zh) | 2017-12-22 |
Family
ID=53693590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510076943.7A Expired - Fee Related CN104808673B (zh) | 2015-02-12 | 2015-02-12 | 一种基于卡尔曼滤波的四旋翼飞行器高度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104808673B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045286A (zh) * | 2015-09-16 | 2015-11-11 | 北京中科遥数信息技术有限公司 | 一种基于自驾仪和遗传算法的监测无人机悬停范围的方法 |
CN106225769A (zh) * | 2016-09-30 | 2016-12-14 | 深圳市富微科创电子有限公司 | 一种飞行器定高方法和系统 |
CN106292335A (zh) * | 2016-09-29 | 2017-01-04 | 大连理工大学 | 一种沿索道飞行器装置控制系统 |
CN108336940A (zh) * | 2017-01-20 | 2018-07-27 | 山洋电气株式会社 | 电动机控制装置 |
CN109725649A (zh) * | 2018-12-29 | 2019-05-07 | 上海理工大学 | 一种基于气压计/imu/gps多传感器融合的旋翼无人机定高算法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109959A (zh) * | 2007-08-06 | 2008-01-23 | 北京航空航天大学 | 一种适用于任意运动微小型系统的定姿系统 |
CN102809377A (zh) * | 2012-08-15 | 2012-12-05 | 南京航空航天大学 | 飞行器惯性/气动模型组合导航方法 |
CN103837151A (zh) * | 2014-03-05 | 2014-06-04 | 南京航空航天大学 | 一种四旋翼飞行器的气动模型辅助导航方法 |
-
2015
- 2015-02-12 CN CN201510076943.7A patent/CN104808673B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109959A (zh) * | 2007-08-06 | 2008-01-23 | 北京航空航天大学 | 一种适用于任意运动微小型系统的定姿系统 |
CN102809377A (zh) * | 2012-08-15 | 2012-12-05 | 南京航空航天大学 | 飞行器惯性/气动模型组合导航方法 |
CN103837151A (zh) * | 2014-03-05 | 2014-06-04 | 南京航空航天大学 | 一种四旋翼飞行器的气动模型辅助导航方法 |
Non-Patent Citations (5)
Title |
---|
IVAN G: "Attitude stabilization of a Quad-rotor UAV based on rotor speed sensing with Accelerometer data estimation via Kalman filtering", 《CONTROL CONFERENCE, 2012 31ST CHINESE, IEEE》 * |
王伟,等: "基于气压高度计的多旋翼飞行器高度控制", 《控制工程》 * |
王伟: "四旋翼无人机的室内自主飞行控制", 《计算机仿真》 * |
翁理国,等: "四旋翼飞行器姿态与高度控制器的设计", 《安徽大学学报》 * |
董大著: "多旋翼飞行器欠驱动系统的实时控制研究", 《万方硕士学位论文》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045286A (zh) * | 2015-09-16 | 2015-11-11 | 北京中科遥数信息技术有限公司 | 一种基于自驾仪和遗传算法的监测无人机悬停范围的方法 |
CN106292335A (zh) * | 2016-09-29 | 2017-01-04 | 大连理工大学 | 一种沿索道飞行器装置控制系统 |
CN106225769A (zh) * | 2016-09-30 | 2016-12-14 | 深圳市富微科创电子有限公司 | 一种飞行器定高方法和系统 |
CN106225769B (zh) * | 2016-09-30 | 2020-01-21 | 深圳市富微科创电子有限公司 | 一种飞行器定高方法和系统 |
CN108336940A (zh) * | 2017-01-20 | 2018-07-27 | 山洋电气株式会社 | 电动机控制装置 |
CN108336940B (zh) * | 2017-01-20 | 2023-02-17 | 山洋电气株式会社 | 电动机控制装置 |
CN109725649A (zh) * | 2018-12-29 | 2019-05-07 | 上海理工大学 | 一种基于气压计/imu/gps多传感器融合的旋翼无人机定高算法 |
Also Published As
Publication number | Publication date |
---|---|
CN104808673B (zh) | 2017-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106647783B (zh) | 倾转式三旋翼无人机姿态与高度自适应鲁棒控制方法 | |
CN103365296B (zh) | 一种四旋翼无人飞行器非线性输出反馈飞行控制方法 | |
CN104808673A (zh) | 一种基于卡尔曼滤波的四旋翼飞行器高度估计方法 | |
Mokhtari et al. | Dynamic feedback controller of Euler angles and wind parameters estimation for a quadrotor unmanned aerial vehicle | |
CN109710961B (zh) | 一种基于gps数据的高空无人机升限数据处理方法 | |
CN106681344A (zh) | 一种用于飞行器的高度控制方法及控制系统 | |
CN202939489U (zh) | 一种多旋翼自动平衡飞行控制器 | |
CN105094138A (zh) | 一种用于旋翼无人机的低空自主导航系统 | |
CN104765272A (zh) | 一种基于pid神经元网络控制(pidnn)的四旋翼飞行器控制方法 | |
CN104567799A (zh) | 基于多传感器信息融合的小型旋翼无人机高度测量方法 | |
CN109116860A (zh) | 三旋翼无人机的非线性鲁棒控制方法 | |
CN106885918B (zh) | 一种面向多旋翼飞行器的多信息融合实时风速估计方法 | |
CN104460685A (zh) | 一种四旋翼飞行器的控制系统及其控制方法 | |
CN103994748B (zh) | 一种采用飞行和风洞试验数据估计无人机配平迎角的方法 | |
CN106249744B (zh) | 一种基于二级互补滤波的小型旋翼飞行器高度控制方法 | |
JP2015024705A (ja) | 小型電動ヘリコプタの自動離着陸制御方法 | |
CN103217981A (zh) | 一种基于积分变结构控制的四旋翼飞行器速度控制方法 | |
CN103837151A (zh) | 一种四旋翼飞行器的气动模型辅助导航方法 | |
CN103869817A (zh) | 一种倾转四旋翼无人机垂直起降控制方法 | |
CN103984237A (zh) | 基于运动状态综合识别的轴对称飞行器三通道自适应控制系统设计方法 | |
CN108592911B (zh) | 一种四旋翼飞行器动力学模型/机载传感器组合导航方法 | |
Ramprasadh et al. | Multistage-fusion algorithm for estimation of aerodynamic angles in mini aerial vehicle | |
CN104504255A (zh) | 一种螺旋翼升力和阻力力矩的确定方法 | |
Davis et al. | Direct sensing of thrust and velocity for a quadrotor rotor array | |
CN106020222A (zh) | 一种三自由度直升机姿态的自抗扰控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171222 Termination date: 20210212 |
|
CF01 | Termination of patent right due to non-payment of annual fee |