CN106647777A - 一种飞行控制方法及飞行器 - Google Patents
一种飞行控制方法及飞行器 Download PDFInfo
- Publication number
- CN106647777A CN106647777A CN201710138309.0A CN201710138309A CN106647777A CN 106647777 A CN106647777 A CN 106647777A CN 201710138309 A CN201710138309 A CN 201710138309A CN 106647777 A CN106647777 A CN 106647777A
- Authority
- CN
- China
- Prior art keywords
- height
- moment
- aircraft
- fusion
- noise covariance
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/04—Control of altitude or depth
- G05D1/042—Control of altitude or depth specially adapted for aircraft
- G05D1/046—Control of altitude or depth specially adapted for aircraft to counteract a perturbation, e.g. gust of wind
Abstract
一种飞行控制方法及飞行器,所述方法应用于飞行器,所述飞行器包括n个用于采集所述飞行器的高度数据的高度传感器,n为大于等于2的正整数,所述方法包括:获取所述飞行器的目标飞行高度;获取所述n个高度传感器采集的高度数据;融合所述n个高度传感器的高度数据,得到第一融合高度;根据所述第一融合高度与目标飞行高度计算第一高度误差;根据所述第一高度误差调整所述飞行器的飞行高度。通过采用本方案,能够获取当前飞行器的真实飞行高度,数据的准确性更高,这样当计算第一高度误差时,就能够得到折中的第一高度误差,使得在根据该第一高度误差调整飞行高度时,不会出现频繁的高度抖动。
Description
技术领域
本发明涉及航空技术领域,尤其涉及一种飞行控制方法及飞行器。
背景技术
无人机在飞行过程中,主要通过其板载的气压计实时提供无人机的高度信息。气压计可以测量大气压强和气温,从而根据大气压强和气温计算得到无人机的高度,然后根据实时计算得到的无人机的高度来调整无人机的飞行高度。
但当大气压强和气温受到外界物理环境影响或磁场干扰等情况时,气压计的数据会存在较大范围的波动。相应的,根据导致气压计提供的数据来调整无人机的飞行高度时,将会容易出现频繁调整无人机的飞行高度的抖动现象,这样会导致无人机飞行时的飞行高度不稳定,容易造成危险。
发明内容
本发明提供了一种飞行控制方法及飞行器,能够解决现有技术中在无人机收到外界环境影响时,无人机的飞行高度不稳定的问题。
第一方面提供一种飞行控制方法,该方法应用于飞行器,所述飞行器包括n个用于采集所述飞行器的高度数据的高度传感器,n为大于等于2的正整数,所述方法包括:
获取所述飞行器的目标飞行高度;
获取所述n个高度传感器采集的高度数据;
融合所述n个高度传感器的高度数据,得到第一融合高度;
根据所述第一融合高度与目标飞行高度计算第一高度误差;
根据所述第一高度误差调整所述飞行器的飞行高度。
本发明第二方面提供一种飞行器,具有实现对应于上述第一方面提供的飞行控制方法的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。
一种可能的设计中,所述飞行器包括处理单元、获取单元、控制单元以及n个用于采集所述飞行器的高度数据的高度传感器,n为大于等于2的正整数;所述获取单元用于获取所述飞行器的目标飞行高度,以及获取所述n个高度传感器采集的高度数据;
所述处理单元用于融合所述n个高度传感器的高度数据,得到第一融合高度;
根据所述第一融合高度与目标飞行高度计算第一高度误差;
所述控制单元用于根据所述处理单元计算的所述第一高度误差调整所述飞行器的飞行高度。
相较于现有技术,本发明提供的方案中,通过飞行器上搭载的n个高度传感器实时采集相应的高度数据,这样采集的高度数据来自不同维度,能够综合的真实体现飞行器的高度。然后融合这n个高度传感器的高度数据,得到第一融合高度,再根据第一融合高度与目标飞行高度计算第一高度误差,然后根据第一高度误差调整所述飞行器的飞行高度。由此可见,根据融合多个高度数据得到第一融合高度,该第一融合高度能够真实的体现当前飞行器的真实飞行高度,数据的准确性更高,这样当计算第一高度误差时,就能够得到折中的第一高度误差,使得在根据该第一高度误差调整飞行高度时,不会出现频繁的高度抖动。
附图说明
图1为本发明实施例中飞行控制系统的一种拓扑结构示意图;
图2为本发明实施例中飞行控制方法的一种流程示意图;
图3为本发明实施例中飞行控制系统的一种拓扑结构示意图;
图4为本发明实施例中飞行器的一种结构示意图;
图5为本发明实施例中飞行器的另一种结构示意图。.
具体实施方式
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块,本文中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行,另外,所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,模块之间的间接耦合或通信连接可以是电性或其他类似的形式,本文中均不作限定。并且,作为分离部件说明的模块或子模块可以是也可以不是物理上的分离,可以是也可以不是物理模块,或者可以分布到多个电路模块中,可以根据实际的需要选择其中的部分或全部模块来实现本发明实施例方案的目的。
本发明实施例提供了一种飞行控制方法及飞行器,所述的方法可以应用到飞行设备中,如可以用来对农作物的药物喷洒作业、高空抛物、短途运输、拍摄俯瞰图、拍摄路况等,也可以应用于游戏应用或飞行模拟软件等,具体应用场景本文中均不作限定。例如应用在无人机领域的飞行控制系统(如图1所示),飞行控制系统包括飞行器和控制端。
其中,飞行器可以包括但不限于以下至少之一:无人机、无人航空器、无人飞艇、无人气球等。
控制端能够控制飞行器的飞行高度和姿态角,还可用于控制飞行器的其他操作,能够向飞行器发送各种指令。控制端可以是指向用户提供语音和/或数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(英文全称:Radio Access Network,英文简称:RAN)与一个或多个核心网进行通信,无线终端可以是移动终端,如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(英文全称:Personal CommunicationService,英文简称:PCS)电话、无绳电话、会话发起协议(SIP)话机、无线本地环路(Wireless Local Loop,英文简称:WLL)站、个人数字助理(英文全称:Personal DigitalAssistant,英文简称:PDA)等设备。无线终端也可以称为系统、订户单元(SubscriberUnit)、订户站(Subscriber Station),移动站(Mobile Station)、移动台(Mobile)、远程站(Remote Station)、接入点(Access Point)、远程终端(Remote Terminal)、接入终端(Access Terminal)、用户终端(User Terminal)、终端设备、用户代理(User Agent)、用户设备(User Device)、或用户装备(User Equipment)。例如,控制端可以是手机、遥控器、平板等终端设备,控制端可用于控制飞行器的飞行,可以向飞行器发送各种操作指令,例如向左、向右、加速、减速、拍摄等操作指令。
本申请中的融合高度是指将多个数据作为输入,进行自动分析、综合、以完成决策,融合后所得到的输出,可以采用数据融合技术对来自多个传感器的信息进行融合,也可以将来自多个传感器的信息和人机界面的观测事实进行信息融合(这种融合通常是决策级融合).提取征兆信息,在推理机作用下.将征兆与知识库中的知识匹配,做出故障诊断决策,提供给用户。
为解决上述技术问题,本发明实施例主要提供以下技术方案:
在飞行器上部署多个高度传感器,然后在飞行器的飞行过程中实时的通过这些高度传感器实时采集对应的高度数据,这样采集的高度数据来自不同维度,能够综合的真实体现飞行器的高度。然后飞行器融合这些采集到的高度数据,得到一个融合高度,再根据该融合高度与设置的目标飞行高度计算需要调整的高度误差,然后根据该高度误差调整飞行器的飞行高度。
通过以上技术方案得到的融合高度能够真实的体现当前飞行器的真实飞行高度,数据的准确性更高,这样当计算相应的高度误差时,就能够得到折中的高度误差,使得在根据该高度误差调整飞行高度时,不会出现频繁的高度抖动。
请参照图2,以下对本发明提供一种飞行控制方法进行举例说明,所述方法应用于飞行器,所述飞行器包括n个用于采集所述飞行器的高度数据的高度传感器,n为大于等于2的正整数,本方法实施例包括:
101、控制端向飞行器发送指令。
该指令中可包括飞行器将要飞行的目标飞行高度。
102、飞行器获取所述飞行器的目标飞行高度。
飞行器在接收到控制端发送的指令后,可以自动的设置飞行器的目标飞行高度。
103、飞行器获取所述n个高度传感器采集的高度数据。
飞行器在飞行过程中,为保证飞行的稳定性,需要实时的获取高度数据,以便于实时调整飞行高度,可采用并行的方式采集这n个高度传感器的高度数据,也可采用非并行方式采集各高度传感器的高度数据,具体才用的采集方式本发明不作限定。
其中,所述n个高度传感器采集的高度数据为n维向量,每个高度传感器占一维向量。这n个高度传感器可包括至少一个气压计、至少一个超声波传感器和至少一个红外线传感器。
气压计传感器通过气压的变化来测量高度,可以采用例如户外登山表、登山手机、狩猎相机和定位测量等气象设备。
超声波传感器通过将超声波信号转换成其他能量信号(例如电信号),然后在空气中传播,以此来测距。其检测范围取决于其使用的波长和频率,波长越长,频率越小,检测距离越大。超声波传感器包括接收端和发送端,二者处于同一侧时,在限定距离内有被检测对象通过时,可根据反射的超声波进行检测。也可以以无被检测对象遮挡时的反射波衰减值作为基准值。当限定范围内有被检测对象通过时,根据反射波的衰减情况(将衰减值与基准值比较)进行检测。或者还可以以检测对象(平面物体)作为反射面,根据反射波的衰减情况进行检测。
红外线传感器通过红外线的反射原理,检测进入该红外线传感器的红外线区域内的物体,从而达到测距的目的。
这n个高度传感器可设置于飞行器的各方位或者搭载了飞行器的云台的各方位上,以便于获取到真实的、精准的高度数据。这n个高度传感器在可对称设置,也可不规则的分布。如图3所示,为飞行器的一种结构示意图,该飞行器上安装了2个气压计和1个超声波传感器,飞行器包括处理器、飞控系统和收发器,飞行器接收到地面端的遥控器发送的指令,根据接收到的指令设置目标飞行高度。在飞行器飞行过程中,气压计1和气压计2以及超声波分别采集对应的高度,然后处理器采用EKM算法融合气压计1和气压计2以及超声波各自采集的高度,得到一个融合高度,也就是当前飞行器的实际飞行高度。然后飞行器根据该融合高度和设置的目标飞行高度计算出当前的高度误差,然后发送指令给飞控系统,飞控系统则根据计算出的高度误差将飞行器当前的飞行高度调整至目标飞行高度,从而达到稳定飞行的目的。
需要说明的是,本发明不对高度传感器的数量、种类以及部署位置作限定。
104、飞行器融合所述n个高度传感器的高度数据,得到第一融合高度。
可选的,在一些实施方式中,为进一步的提高融合高度的准确性和稳定性,还可采用卡尔曼滤波算法融合所述n个高度传感器的高度数据,得到所述第一融合高度。其中,卡尔曼滤波算法(英文全称:Kalman Filtering,英文简称:EKF)是指利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响,最终的最优估计的结果可看作是一种滤波过程。EKF算法可应用于目标跟踪,适用于时间非线性系统,可根据观测数据对随机量进行定量推断,特别是对动态行为的状态估计。通过EKF算法进行状态估计能够实现实时运行状态的估计和预测功能,比如对飞行器状态估计。可选的,状态估计最常用的是最小二乘估计,线性最小方差估计、最小方差估计、递推最小二乘估计、贝叶斯估计、最大似然估计和随机逼近等方法。
在EKF算法中,EKF算法的预测噪音协方差矩阵为P,过程噪音协方差矩阵为Q,状态转移方程为X=f(X),预测噪音协方差矩阵为P状态转移方程雅克比矩阵为F,EKF测量方程为Z=h(X),测量方程雅克比矩阵为H。相应的,所述n个高度传感器的测量噪音协方差为R,R可根据各高度传感器的测量精度来动态调整,具体本申请不作限定。
105、飞行器根据所述第一融合高度与目标飞行高度计算第一高度误差。该第一高度误差是指飞行器需要调整的高度。
106、飞行器根据所述第一高度误差调整所述飞行器的飞行高度。
与现有机制相比,本发明实施例提供的方案中,通过飞行器上搭载的n个高度传感器实时采集相应的高度数据,这样采集的高度数据来自不同维度,能够综合的真实体现飞行器的高度。然后融合这n个高度传感器的高度数据,得到第一融合高度,再根据第一融合高度与目标飞行高度计算第一高度误差,然后根据第一高度误差调整所述飞行器的飞行高度。由此可见,根据融合多个高度数据得到第一融合高度,该第一融合高度能够真实的体现当前飞行器的真实飞行高度,数据的准确性更高,这样当计算第一高度误差时,就能够得到折中的第一高度误差,使得在根据该第一高度误差调整飞行高度时,不会出现频繁的高度抖动。
可选的,在一些发明实施例中,还可设定一个调整飞行器的飞行高度的调整频率,飞行器则可周期性的根据计算出的高度误差来调整当前的飞行高度,从而为飞行器提供稳定的飞行服务。
可选的,在一些发明实施例中,飞行器在采用EKF算法计算当前时刻的融合高度时,还需要使用上次计算的融合高度,以提高准确性和反映真实的高度。下面以k-1时刻和k时刻为例进行说明,可设所述第一融合高度为k时刻计算得到的融合高度,那么计算所述第一融合高度的具体步骤如下:
(1)、根据k-1时刻的融合高度和状态转移方程预计算当前k时刻的高度Xk,Xk即为K时刻时的融合高度,Xk=f(Xk-1)。
(2)、根据k-1时刻的预测噪声协方差矩阵Pk-1、所述过程噪音协方差方程Q、以及k时刻的状态转移方程雅克比矩阵Fk,预计算k时刻的预测噪声协方差矩阵Pprek。
Pprek=Fk*Pk-1*Fk.T+Q。
(3)、根据预计算的k时刻的预测噪声协方差、k时刻的测量方程雅克比矩阵Hk,预计算卡尔曼增益K。
K=Ppre k*Hk.T*(Hk*Ppre k*Hk.T+R)-1
(4)、根据卡尔曼增益K、所述k时刻的高度Xk、k时刻的卡尔曼测量方程的解以及k时刻测量的实际高度,预计算出所述第一融合高度。
Xk=Xk+K*(Zk-h(Xk)),其中Zk表示实际测量得到的飞行高度,h(Xk)是指预测得到的值。
可选的,为便于k+1时刻时,飞行器可根据当前k时刻的融合高度和噪音协方差矩阵去预测k+1时刻的融合高度以及预测k+1时刻的预测噪音协方差矩阵,飞行器在k时刻预测当前的融合高度时,还需要对k时刻的预测噪声协方差进行预测。在预计算出所述第一融合高度之后,飞行器还可执行下述步骤(5):
(5)、可根据所述第一融合高度、所述k时刻的预测噪声协方差矩阵Pprek以及所述k时刻的测量方程雅克比矩阵Hk,预计算k时刻的预测噪音协方差Pk,k时刻的预测噪音协方差Pk用于计算k+1时刻的融合高度,其中Pk=(I-K*Hk)*Ppre k。
上述步骤(1)-(5)可递归进行,最终得到最新k时刻的融合高度。步骤4计算得到的Xk即为K时刻的融合高度。本发明实施例中,通过使用多个高度传感器,并采集多个高度数据,通过EKF算法对多个传感器数据进行融合,为飞行器在飞行过程中提供更稳定可靠的高度数据,提高了飞行器飞行的稳定性,降低了单个高度传感器数据异常波动而引起的飞行不稳定。
可选的,在一些发明实施例中,在所述融合所述n个高度传感器的高度数据,得到第一融合高度之后,在所述根据所述第一高度误差调整所述飞行器的飞行高度之前,飞行器还可根据所述第一融合高度计算所述飞行器当前的第一油门增量,然后再根据所述第一油门增量调整所述飞行器的飞行高度。其中,飞行器的油门增量是指由飞行器的发动机转速控制器将采集的发动机转速信号和转速的变化率作为输入,根据输入最终输出的输出量。本申请中的油门增量是在增量式的控制下得到的油门变化量。
在一些实施方式中,在计算所述飞行器当前的第一油门增量时,还可采用增量式算法,根据所述第一融合高度、所述第一高度误差和上一次计算第二油门增量时的第二高度误差计算所述第一油门增量。
其中,所述第一油门增量为:Kp*Δh+ki*Δh+Kd*(Δh–Δh')/Δt,其中,Δh表示第一高度误差,Δh'表示所述第二高度误差,Δt表示本次计算所述第一油门增量的时刻距离上一次计算所述第二油门增量的时刻之间的时间差,Kp、Ki、Kd表示增量式算法的系数。
本申请中所采用的增量式算法可以是PID控制算法,在过程控制中,按偏差的比例(P)、积分(I)和微分(D)进行控制,从而控制状态的输出以及加快调解过程。
以上对本发明中一种飞行控制方法进行说明,以下对执行上述飞行控制方法的飞行器进行描述。参照图4,对飞行器40进行说明,所述飞行器40包括处理单元401、获取单元402、控制单元403以及n个用于采集所述飞行器的高度数据的高度传感器,n为大于等于2的正整数。
所述获取单元402用于获取所述飞行器的目标飞行高度,以及获取所述n个高度传感器采集的高度数据。
所述处理单元401用于融合所述n个高度传感器的高度数据,得到第一融合高度。
根据所述第一融合高度与目标飞行高度计算第一高度误差。
所述控制单元403用于根据所述处理单元401计算的所述第一高度误差调整所述飞行器的飞行高度,在无人机领域,该控制单元403可以是飞控系统,能够接收处理器的指令,完成控制无人机飞行或者其他操作的目的。
与现有机制相比,本发明实施例提供的方案中,由所述获取单元402获取飞行器上搭载的n个高度传感器实时采集相应的高度数据,这样采集的高度数据来自不同维度,能够综合的真实体现飞行器的高度。然后再由所述处理单元401融合这n个高度传感器的高度数据,得到第一融合高度,再根据第一融合高度与目标飞行高度计算第一高度误差,最后由所述控制单元403根据第一高度误差调整所述飞行器的飞行高度。由此可见,根据融合多个高度数据得到第一融合高度,该第一融合高度能够真实的体现当前飞行器的真实飞行高度,数据的准确性更高,这样当计算第一高度误差时,就能够得到折中的第一高度误差,使得在根据该第一高度误差调整飞行高度时,不会出现频繁的高度抖动。
可选的,在一些发明实施例中,所述处理单元401具体用于:
使用卡尔曼滤波算法融合所述n个高度传感器的高度数据,得到所述第一融合高度。
可选的,在一些发明实施例中,所述n个高度传感器采集的高度数据为n维向量,所述n个高度传感器的测量噪音协方差为R,所述卡尔曼滤波算法的预测噪音协方差矩阵为P,过程噪音协方差矩阵为Q,状态转移方程为X。
可选的,在一些发明实施例中,所述第一融合高度为k时刻计算得到的融合高度,所述处理单元401具体用于:
根据k-1时刻的融合高度和状态转移方程预计算当前k时刻的高度Xk;
根据k-1时刻的预测噪声协方差矩阵Pk-1、所述过程噪音协方差方程Q、以及k时刻的状态转移方程雅克比矩阵Fk,预计算k时刻的预测噪声协方差矩阵Pprek;
根据预计算的k时刻的预测噪声协方差、k时刻的测量方程雅克比矩阵Hk,预计算卡尔曼增益K;
根据卡尔曼增益K、所述k时刻的高度Xk、k时刻的卡尔曼测量方程的解以及k时刻测量的实际高度,预计算出所述第一融合高度。
可选的,在一些发明实施例中,所述处理单元401在预计算出所述第一融合高度之后,还用于:
根据所述第一融合高度、所述k时刻的预测噪声协方差矩阵Pprek以及所述k时刻的测量方程雅克比矩阵Hk,预计算k时刻的预测噪音协方差Pk,k时刻的预测噪音协方差Pk用于计算k+1时刻的融合高度。
可选的,在一些发明实施例中,所述处理单元401在所述融合所述n个高度传感器的高度数据,得到第一融合高度之后,在根据所述第一高度误差调整所述飞行器的飞行高度之前,还用于:
根据所述第一融合高度计算所述飞行器当前的第一油门增量;
所述控制单元403具体用于:
根据所述处理单元401计算得到的所述第一油门增量调整所述飞行器的飞行高度。
可选的,在一些发明实施例中,所述处理单元401具体同于:
采用增量式算法,根据所述第一融合高度、所述第一高度误差和上一次计算第二油门增量时的第二高度误差计算所述第一油门增量;
其中,所述第一油门增量为:Kp*Δh+ki*Δh+Kd*(Δh–Δh')/Δt,其中,Δh表示第一高度误差,Δh'表示所述第二高度误差,Δt表示本次计算所述第一油门增量的时刻距离上一次计算所述第二油门增量的时刻之间的时间差,Kp、Ki、Kd表示增量式算法的系数。
需要说明的是,在本申请的图4所对应的发明实施例中的获取单元对应的实体设备可以为收发器,处理单元对应的实体设备可以为处理器,控制单元对应的实体设备可以为控制器。
本申请还提供一种计算机存储介质,该介质存储有程序,该程序执行时包括上述飞行器执行一种飞行控制方法中的部分或者全部步骤。
本发明实施例还提供了另一种飞行器,如图5所示,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。图5是本发明实施例飞行器50的另一结构示意图。飞行器50可包括n个高度传感器、至少一个网络接口或者其它通信接口、至少一个接收器501、至少一个发射器502、至少一个飞控系统503及至少一个处理器504,其中,接收器501、发射器502和处理器504通过总线通信连接。
接收器501,用于获取高度传感器采集的高度数据,以及接收来自地面端的控制端的指令。
飞控系统503用于接收所述处理器504的指令,并执行指令相应的操作,能够控制飞行器的飞行或者其他操作。
处理器504,用于根据接收器501接收到的指令进行相应的处理,以及向飞控系统503发送指令,以控制飞行器的飞行或其他操作。.
所述处理器504可以是通用处理器,包括中央处理器(英文全称:CentralProcessing Unit,英文简称:CPU)、网络处理器(英文全称:Network Processor,英文简称:NP)等,还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件等。
其中,在所述处理器504为CPU时,所述飞行器还包括存储器,用于存储程序,并向处理器504提供指令和数据。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可能包含随机存取存储器(英文全称:random access memory,英文简称:RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。所述处理器504执行所述存储器中存储的程序代码,实现上述功能。
存储器存储了如下的元素,可执行模块或者数据结构,或者它们的子集,或者它们的扩展集:
操作指令:包括各种操作指令,用于实现各种操作。
操作系统:包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
在一些实施方式中,上述处理器504还用于执行如下操作:
通过接收器501获取所述飞行器的目标飞行高度,以及获取所述n个高度传感器采集的高度数据;
融合接收器501获取的所述n个高度传感器的高度数据,得到第一融合高度;
根据所述第一融合高度与目标飞行高度计算第一高度误差;
通过飞控系统503根据所述第一高度误差调整所述飞行器的飞行高度。
在一些实施方式中,上述处理器504具体用于执行如下操作:
使用卡尔曼滤波算法融合所述n个高度传感器的高度数据,得到所述第一融合高度。
可选的,所述n个高度传感器采集的高度数据为n维向量,所述n个高度传感器的测量噪音协方差为R,所述卡尔曼滤波算法的预测噪音协方差矩阵为P,过程噪音协方差矩阵为Q,状态转移方程为X。
在一些实施方式中,所述第一融合高度为k时刻计算得到的融合高度,上述处理器504还用于执行如下操作:
根据k-1时刻的融合高度和状态转移方程预计算当前k时刻的高度Xk;
根据k-1时刻的预测噪声协方差矩阵Pk-1、所述过程噪音协方差方程Q、以及k时刻的状态转移方程雅克比矩阵Fk,预计算k时刻的预测噪声协方差矩阵Pprek;
根据预计算的k时刻的预测噪声协方差、k时刻的测量方程雅克比矩阵Hk,预计算卡尔曼增益K;
根据卡尔曼增益K、所述k时刻的高度Xk、k时刻的卡尔曼测量方程的解以及k时刻测量的实际高度,预计算出所述第一融合高度。
在一些实施方式中,所述处理单元在预计算出所述第一融合高度之后,上述处理器504还用于执行如下操作:
根据所述第一融合高度、所述k时刻的预测噪声协方差矩阵Pprek以及所述k时刻的测量方程雅克比矩阵Hk,预计算k时刻的预测噪音协方差Pk,k时刻的预测噪音协方差Pk用于计算k+1时刻的融合高度。
在一些实施方式中,在所述融合所述n个高度传感器的高度数据,得到第一融合高度之后,在根据所述第一高度误差调整所述飞行器的飞行高度之前,上述处理器504还用于执行如下操作:
根据所述第一融合高度计算所述飞行器当前的第一油门增量;
以及根据计算得到的所述第一油门增量调整所述飞行器的飞行高度。
在一些实施方式中,上述处理器504具体用于执行如下操作:
采用增量式算法,根据所述第一融合高度、所述第一高度误差和上一次计算第二油门增量时的第二高度误差计算所述第一油门增量;
其中,所述第一油门增量为:Kp*Δh+ki*Δh+Kd*(Δh–Δh')/Δt,其中,Δh表示第一高度误差,Δh'表示所述第二高度误差,Δt表示本次计算所述第一油门增量的时刻距离上一次计算所述第二油门增量的时刻之间的时间差,Kp、Ki、Kd表示增量式算法的系数。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文简称:ROM)、随机存取存储器(英文全称:Random Access Memory,英文简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (14)
1.一种飞行控制方法,其特征在于,所述方法应用于飞行器,所述飞行器包括n个用于采集所述飞行器的高度数据的高度传感器,n为大于等于2的正整数,所述方法包括:
获取所述飞行器的目标飞行高度;
获取所述n个高度传感器采集的高度数据;
融合所述n个高度传感器的高度数据,得到第一融合高度;
根据所述第一融合高度与目标飞行高度计算第一高度误差;
根据所述第一高度误差调整所述飞行器的飞行高度。
2.根据权利要求1所述的方法,其特征在于,所述融合所述n个高度传感器的高度数据,得到第一融合高度,包括:
使用卡尔曼滤波算法融合所述n个高度传感器的高度数据,得到所述第一融合高度。
3.根据权利要求2所述的方法,其特征在于,所述n个高度传感器采集的高度数据为n维向量,所述n个高度传感器的测量噪音协方差为R,所述卡尔曼滤波算法的预测噪音协方差矩阵为P,过程噪音协方差矩阵为Q,状态转移方程为X。
4.根据权利要求3所述的方法,其特征在于,所述第一融合高度为k时刻计算得到的融合高度,所述使用卡尔曼滤波算法融合所述n个高度传感器的高度数据,得到所述第一融合高度,包括:
根据k-1时刻的融合高度和状态转移方程预计算当前k时刻的高度Xk;
根据k-1时刻的预测噪声协方差矩阵Pk-1、所述过程噪音协方差方程Q、以及k时刻的状态转移方程雅克比矩阵Fk,预计算k时刻的预测噪声协方差矩阵Pprek;
根据预计算的k时刻的预测噪声协方差、k时刻的测量方程雅克比矩阵Hk,预计算卡尔曼增益K;
根据卡尔曼增益K、所述k时刻的高度Xk、k时刻的卡尔曼测量方程的解以及k时刻测量的实际高度,预计算出所述第一融合高度。
5.根据权利要求4所述的方法,其特征在于,在预计算出所述第一融合高度之后,所述方法还包括:
根据所述第一融合高度、所述k时刻的预测噪声协方差矩阵Pprek以及所述k时刻的测量方程雅克比矩阵Hk,预计算k时刻的预测噪音协方差Pk,k时刻的预测噪音协方差Pk用于计算k+1时刻的融合高度。
6.根据权利要求1-5任一所述的方法,其特征在于,在所述融合所述n个高度传感器的高度数据,得到第一融合高度之后,在所述根据所述第一高度误差调整所述飞行器的飞行高度之前,所述方法还包括:
根据所述第一融合高度计算所述飞行器当前的第一油门增量;
所述根据所述第一高度误差调整所述飞行器的飞行高度,包括:
根据所述第一油门增量调整所述飞行器的飞行高度。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一融合高度计算所述飞行器当前的第一油门增量,包括:
采用增量式算法,根据所述第一融合高度、所述第一高度误差和上一次计算第二油门增量时的第二高度误差计算所述第一油门增量;
其中,所述第一油门增量为:Kp*Δh+ki*Δh+Kd*(Δh–Δh')/Δt,其中,Δh表示第一高度误差,Δh'表示所述第二高度误差,Δt表示本次计算所述第一油门增量的时刻距离上一次计算所述第二油门增量的时刻之间的时间差,Kp、Ki、Kd表示增量式算法的系数。
8.一种飞行器,其特征在于,所述飞行器包括处理单元、获取单元、控制单元以及n个用于采集所述飞行器的高度数据的高度传感器,n为大于等于2的正整数;
所述获取单元用于获取所述飞行器的目标飞行高度,以及获取所述n个高度传感器采集的高度数据;
所述处理单元用于融合所述n个高度传感器的高度数据,得到第一融合高度;
根据所述第一融合高度与目标飞行高度计算第一高度误差;
所述控制单元用于根据所述处理单元计算的所述第一高度误差调整所述飞行器的飞行高度。
9.根据权利要求8所述的飞行器,其特征在于,所述所述处理单元具体用于:
使用卡尔曼滤波算法融合所述n个高度传感器的高度数据,得到所述第一融合高度。
10.根据权利要求9所述的飞行器,其特征在于,所述n个高度传感器采集的高度数据为n维向量,所述n个高度传感器的测量噪音协方差为R,所述卡尔曼滤波算法的预测噪音协方差矩阵为P,过程噪音协方差矩阵为Q,状态转移方程为X。
11.根据权利要求10所述的飞行器,其特征在于,所述第一融合高度为k时刻计算得到的融合高度,所述处理单元具体用于:
根据k-1时刻的融合高度和状态转移方程预计算当前k时刻的高度Xk;
根据k-1时刻的预测噪声协方差矩阵Pk-1、所述过程噪音协方差方程Q、以及k时刻的状态转移方程雅克比矩阵Fk,预计算k时刻的预测噪声协方差矩阵Pprek;
根据预计算的k时刻的预测噪声协方差、k时刻的测量方程雅克比矩阵Hk,预计算卡尔曼增益K;
根据卡尔曼增益K、所述k时刻的高度Xk、k时刻的卡尔曼测量方程的解以及k时刻测量的实际高度,预计算出所述第一融合高度。
12.根据权利要求11所述的飞行器,其特征在于,所述处理单元在预计算出所述第一融合高度之后,还用于:
根据所述第一融合高度、所述k时刻的预测噪声协方差矩阵Pprek以及所述k时刻的测量方程雅克比矩阵Hk,预计算k时刻的预测噪音协方差Pk,k时刻的预测噪音协方差Pk用于计算k+1时刻的融合高度。
13.根据权利要求8-12任一所述的飞行器,其特征在于,所述处理单元在所述融合所述n个高度传感器的高度数据,得到第一融合高度之后,在根据所述第一高度误差调整所述飞行器的飞行高度之前,还用于:
根据所述第一融合高度计算所述飞行器当前的第一油门增量;
所述控制单元具体用于:
根据所述处理单元计算得到的所述第一油门增量调整所述飞行器的飞行高度。
14.根据权利要求13所述的飞行器,其特征在于,所述处理单元具体同于:
采用增量式算法,根据所述第一融合高度、所述第一高度误差和上一次计算第二油门增量时的第二高度误差计算所述第一油门增量;
其中,所述第一油门增量为:Kp*Δh+ki*Δh+Kd*(Δh–Δh')/Δt,其中,Δh表示第一高度误差,Δh'表示所述第二高度误差,Δt表示本次计算所述第一油门增量的时刻距离上一次计算所述第二油门增量的时刻之间的时间差,Kp、Ki、Kd表示增量式算法的系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710138309.0A CN106647777A (zh) | 2017-03-09 | 2017-03-09 | 一种飞行控制方法及飞行器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710138309.0A CN106647777A (zh) | 2017-03-09 | 2017-03-09 | 一种飞行控制方法及飞行器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106647777A true CN106647777A (zh) | 2017-05-10 |
Family
ID=58847305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710138309.0A Pending CN106647777A (zh) | 2017-03-09 | 2017-03-09 | 一种飞行控制方法及飞行器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106647777A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109282787A (zh) * | 2018-11-08 | 2019-01-29 | 浙江工业大学 | 一种无人机飞行高度梯级检测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000057130A1 (en) * | 1999-03-24 | 2000-09-28 | Bae Systems Plc | Height estimating apparatus |
CN102289230A (zh) * | 2010-06-18 | 2011-12-21 | Nes&Tec有限公司 | 一种用于无人驾驶飞行器的飞行高度控制装置 |
CN102442424A (zh) * | 2011-10-21 | 2012-05-09 | 北京工业大学 | 一种固定翼无人机的定高飞行控制系统与方法 |
CN104567799A (zh) * | 2014-11-28 | 2015-04-29 | 天津大学 | 基于多传感器信息融合的小型旋翼无人机高度测量方法 |
-
2017
- 2017-03-09 CN CN201710138309.0A patent/CN106647777A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000057130A1 (en) * | 1999-03-24 | 2000-09-28 | Bae Systems Plc | Height estimating apparatus |
CN102289230A (zh) * | 2010-06-18 | 2011-12-21 | Nes&Tec有限公司 | 一种用于无人驾驶飞行器的飞行高度控制装置 |
CN102442424A (zh) * | 2011-10-21 | 2012-05-09 | 北京工业大学 | 一种固定翼无人机的定高飞行控制系统与方法 |
CN104567799A (zh) * | 2014-11-28 | 2015-04-29 | 天津大学 | 基于多传感器信息融合的小型旋翼无人机高度测量方法 |
Non-Patent Citations (3)
Title |
---|
徐凯宏 等: "《安全监测技术》", 30 April 2012, 中国矿业大学出版社 * |
李洋: "自主防撞无人机传感器的信息融合算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
王炳钦: "《集成电路应用原理》", 31 July 1994, 电子科大大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109282787A (zh) * | 2018-11-08 | 2019-01-29 | 浙江工业大学 | 一种无人机飞行高度梯级检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10126126B2 (en) | Autonomous mission action alteration | |
US10468008B2 (en) | Active airborne noise abatement | |
CN105955298B (zh) | 一种飞行器的自动避障方法及装置 | |
US11798426B2 (en) | Autonomous mission action alteration | |
US20200183429A1 (en) | Remote object capture | |
CN111919476A (zh) | 一种室内定位的方法、服务器及定位系统 | |
CN107000832A (zh) | 无人机起落架控制方法、装置、无人机及其系统 | |
CN104854428A (zh) | 传感器融合 | |
CN110764531B (zh) | 基于激光雷达与人工势场法的无人机编队飞行避障方法 | |
CN108151748B (zh) | 飞行装置测绘作业航线规划方法、装置和终端 | |
CN107466384A (zh) | 一种追踪目标的方法及装置 | |
CN113625774B (zh) | 局部地图匹配与端到端测距多无人机协同定位系统和方法 | |
JP2018191124A (ja) | 中継装置、情報処理装置、システム、中継位置決定方法、情報処理方法およびプログラム | |
CN108319292A (zh) | 一种无人飞行器的控制方法、控制台、飞行器及控制系统 | |
CN107074360B (zh) | 无人飞行器的控制方法、飞行控制器及无人飞行器 | |
Tian et al. | HiQuadLoc: A RSS fingerprinting based indoor localization system for quadrotors | |
CN110286390A (zh) | 一种指定路径风速测量方法、装置及测风雷达标定方法 | |
Kwak et al. | Emerging ICT UAV applications and services: Design of surveillance UAVs | |
WO2016132219A1 (en) | Apparatus, system, and method for traffic monitoring | |
Wang et al. | Micnest: Long-range instant acoustic localization of drones in precise landing | |
CN106647777A (zh) | 一种飞行控制方法及飞行器 | |
US20240028051A1 (en) | Closed surface flight pattern generation for unmanned aerial vehicle (uav) flux plane assessment of large facilities | |
WO2007129939A1 (en) | Increasing the accuracy of location and / or path information of a moving client in a wireless network | |
CN208188678U (zh) | 无人机定位装置以及无人机 | |
CN109885598A (zh) | 故障识别方法、装置、计算机可读存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |