CN108592911A - 一种四旋翼飞行器动力学模型/机载传感器组合导航方法 - Google Patents
一种四旋翼飞行器动力学模型/机载传感器组合导航方法 Download PDFInfo
- Publication number
- CN108592911A CN108592911A CN201810244190.XA CN201810244190A CN108592911A CN 108592911 A CN108592911 A CN 108592911A CN 201810244190 A CN201810244190 A CN 201810244190A CN 108592911 A CN108592911 A CN 108592911A
- Authority
- CN
- China
- Prior art keywords
- moment
- speed
- quadrotor
- matrix
- prediction
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Abstract
本发明公开了一种四旋翼飞行器的动力学模型/机载传感器组合导航方法,属于组合导航领域。本发明利用四旋翼飞行器的动力学模型,与机载传感器相结合,对其角速度、姿态、速度、位置信息进行估计,在本发明中,采用的动力学模型包括升力模型、阻力模型、扭矩模型、横滚力矩模型、俯仰力矩模型,采用的机载传感器包括旋翼转速传感器、磁传感器、卫星导航系统、气压高度计。在该方法中,没有采用目前四旋翼飞行器中常用的惯性传感器如陀螺仪与加速度计,通过四旋翼飞行器的动力学模型输出加速度、角加速度信息,对惯性传感器进行替代。该方法可用于解决惯性传感器失效时的四旋翼飞行器导航问题。
Description
技术领域
本发明属于组合导航领域,具体涉及一种四旋翼飞行器的动力学模型/机载传感器组合导航方法。
背景技术
四旋翼飞行器具有体积小、结构简单、可悬停和垂直起降等优点,特别适合在近地面环境(如室内、城区和丛林等)中执行监视、侦察等任务,具有广阔的军事和民用前景。导航系统为四旋翼飞行器提供其飞行控制系统所必须的导航信息,是其完成各种复杂飞行任务的必要保障。
目前四旋翼飞行器常用的传感器包括惯性传感器、GNSS(卫星导航系统)、磁传感器、气压高度计,其中惯性传感器包括陀螺仪与加速度计。受成本、体积所限,四旋翼飞行器中选用的惯性传感器精度、可靠性较低,易受外界温度、振动干扰而产生性能下降,甚至失效。此时,会导致导航系统精度下降,影响飞行安全。目前,尚未有针对惯性传感器失效情况下的四旋翼飞行器导航方法。
发明内容
发明目的:本发明所要解决的技术问题是提供一种四旋翼飞行器的动力学模型/机载传感器组合导航方法,通过四旋翼飞行器的动力学模型,与GNSS、磁传感器、气压高度计相融合,计算四旋翼飞行器的角速度、姿态、速度、位置信息,解决四旋翼飞行器在惯性传感器失效时的导航问题。
技术方案:一种四旋翼飞行器的动力学模型/机载传感器组合导航方法,包括如下步骤:
步骤一:周期读取k时刻四旋翼飞行器机载传感器信息,包括旋翼转速传感器信息ω1(k)、ω2(k)、ω3(k)、ω4(k),其分别为四个旋翼的转速;GPS信息VNG(k)、VEG(k)、VDG(k),其分别为北向速度、东向速度、地向速度,PNG(k)、PEG(k),其分别为北向位置、东向位置;hb(k)为气压高度计信息;ψm(k)为磁传感器信息;
步骤二:计算k时刻四旋翼飞行器的加速度、角加速度;
加速度信息通过下式进行计算:
其中,为k时刻机体系相对于导航系的加速度在机体系X、Y、Z轴上的分量;kHx、kHy、kT为模型参数,均为常数,通过离线辨识方法获得;为k-1时刻机体系相对于导航系的线速度在机体系X、Y轴上的分量;
角加速度信息通过下式进行计算:
其中,为k时刻机体系相对于导航系的角速度在机体系X、Y、Z轴上的分量,是的微分,即角加速度;kR1、kR2、kP1、kP2、kQ为模型参数,均为常数,通过离线辨识方法获得;
步骤三:预测k时刻四旋翼飞行器的角速度、姿态、速度、位置;
1)角速度预测采用如下公式:
其中,为k-1时刻机体系相对于导航系的角速度在机体系X、Y、Z轴上的分量;ΔT为离散采样周期;
2)姿态预测采用如下公式:
其中,φ(k)、θ(k)、ψ(k)分别为k时刻的横滚角、俯仰角、航向角;φ(k-1)、θ(k-1)、ψ(k-1)分别为k-1时刻的横滚角、俯仰角、航向角;
3)速度预测采用如下公式:
其中,为k时刻机体系相对于导航系的线速度在机体系X、Y、Z轴上的分量;为k-1时刻机体系相对于导航系的线速度在机体系X、Y、Z轴上的分量;
4)位置预测采用如下公式:
其中,pn(k)、pe(k)、h(k)分别为k时刻的北向位置、东向位置、地向高度;pn(k-1)、pe(k-1)、h(k-1)分别为k-1时刻的北向位置、东向位置、地向高度;
步骤四:通过卡尔曼滤波器,对k时刻四旋翼飞行器的角速度、姿态、速度、位置进行校正:
1)计算一步预测均方误差P(k|k-1):
P(k|k-1)=A(k,k-1)P(k-1|k-1)A(k,k-1)T+G(k-1)W(k-1)G(k-1)T
式中,I3×3为3×3的单位矩阵,03×3为3×3的零矩阵, ,A(k,k-1)为滤波器k-1时刻到k时刻的滤波器一步转移矩阵,上标T表示转置,P(k-1|k-1)为k-1时刻的状态估计均方差,P(k|k-1)为k-1时刻到k时刻的一步预测均方差,为滤波器k-1时刻的滤波器噪声系数矩阵,W=[εωx εωy εωz εfx εfyεfz]T,为k-1时刻状态噪声,εωx、εωy和εωz分别为和的模型噪声,εfx、εfy和εfz分别为和的模型噪声;
2)计算k时刻扩展卡尔曼滤波器滤波增益K(k):
K(k)=P(k|k-1)H(k)T[H(k)P(k|k-1)H(k)T+R(k)]-1
式中,Υ1×6=[0 0 0 0 0 1],H(k)为k时刻量测矩阵,K(k)为k时刻的滤波增益,为k时刻的量测噪声,diag表示矩阵对角化,其中分别为VNG、VEG、VDG、PNG、PEG、hb、ψm的噪声;上标T表示转置,上标-1表示求逆,03×6为3×6的零矩阵,03×3为3×3的零矩阵,01×3为1×3的零矩阵;
3)计算k时扩展卡尔曼滤波器状态估计值
式中,为k时刻状态量的估计值,,为k-1到k时刻的状态变量一步预测值,使用步骤三的预测公式计算得到,Y(k)=[VNG(k)VEG(k) VDG(k) PNG(k) PEG(k) hb(k) ψm(k)]T为k时刻的量测值,通过步骤一的传感器数据读取获得;
4)计算k时刻扩展卡尔曼滤波器估计均方误差P(k|k):
P(k|k)=[I-K(k)H(k)]P(k|k-1)
式中,P(k|k)为k时刻估计均方误差,I为单位矩阵。
有益效果:
通过本发明,可以在不使用惯性传感器的条件下,完成四旋翼飞行器角速度、姿态、速度、位置的解算,提高了四旋翼飞行器的导航可靠性。
附图说明
图1为本发明方法的流程示意图;
图2为四旋翼飞行器的参考位置以及采用本发明方法后的滤波估计位置;
图3为采用本发明方法后四旋翼飞行器在航迹飞行状态下的定位误差;
图4为采用本发明方法后四旋翼飞行器在航迹飞行状态下的机体系X、Y、Z轴方向速度误差;
图5为采用本发明方法后四旋翼飞行器在航迹飞行状态下的姿态误差;
图6为采用本发明方法后四旋翼飞行器在航迹飞行状态下的角速度误差。
具体实施方式
本发明方法的流程如图1所示,其具体步骤如下:
步骤一:周期读取k时刻四旋翼飞行器机载传感器信息,包括旋翼转速传感器信息ω1(k)、ω2(k)、ω3(k)、ω4(k),其分别为四个旋翼的转速;GPS信息VNG(k)、VEG(k)、VDG(k),其分别为北向速度、东向速度、地向速度,PNG(k)、PEG(k),其分别为北向位置、东向位置;hb(k)为气压高度计信息;ψm(k)为磁传感器信息;
步骤二:计算k时刻四旋翼飞行器的加速度、角加速度;
加速度信息通过下式进行计算:
角加速度信息通过下式进行计算:
步骤三:预测k时刻四旋翼飞行器的角速度、姿态、速度、位置:
1)角速度预测采用如下公式:
2)姿态预测采用如下公式:
3)速度预测采用如下公式:
4)位置预测采用如下公式:
步骤四:通过卡尔曼滤波器,对k时刻四旋翼飞行器的角速度、姿态、速度、位置进行校正:
1)计算一步预测均方误差P(k|k-1):
P(k|k-1)=A(k,k-1)P(k-1|k-1)A(k,k-1)T+G(k-1)W(k-1)G(k-1)T
式中,I3×3为3×3的单位矩阵,03×3为3×3的零矩阵,,A(k,k-1)为滤波器k-1时刻到k时刻的滤波器一步转移矩阵,上标T表示转置,P(k-1|k-1)为k-1时刻的状态估计均方差,P(k|k-1)为k-1时刻到k时刻一步预测均方差,为滤波器k-1时刻的滤波器噪声系数矩阵,W=[εωx εωy εωz εfx εfyεfz]T,为k-1时刻状态噪声,εωx、εωy和εωz分别为和的模型噪声,εfx、εfy和εfz分别为和的模型噪声;
2)计算k时刻扩展卡尔曼滤波器滤波增益K(k):
K(k)=P(k|k-1)H(k)T[H(k)P(k|k-1)H(k)T+R(k)]-1
式中,Υ1×6=[0 0 0 0 01],H(k)为k时刻量测矩阵,K(k)为k时刻的滤波增益,为k时刻的量测噪声,diag表示矩阵对角化,其中别为VNG、VEG、VDG、PNG、PEG、hb、ψm的噪声;上标T表示转置,上标-1表示求逆,03×6为3×6的零矩阵,03×3为3×3的零矩阵,01×3为1×3的零矩阵;
3)计算k时扩展卡尔曼滤波器状态估计值
式中,为k时刻状态量的估计值,,为k-1到k时刻的状态变量一步预测值,使用步骤三的预测公式计算得到,Y(k)=[VNG(k)VEG(k) VDG(k) PNG(k) PEG(k) hb(k) ψm(k)]T为k时刻的量测值,通过步骤一的传感器数据读取获得;
4)计算k时刻扩展卡尔曼滤波器估计均方误差P(k|k):
P(k|k)=[I-K(k)H(k)]P(k|k-1)
式中,P(k|k)为k时刻估计均方误差,I为单位矩阵。
采用仿真的形式,对使用本发明方法后的四旋翼飞行器导航精度进行验证。其中机载传感器精度设置如下:GPS速度精度为0.1m/s,磁航向精度为0.05°,气压高度计精度为0.1m。
令四旋翼飞行器以1m/s的速度匀速向上爬升至10m高度处,以5m/s的速度沿着矩形航迹飞行,悬停10s。
图2为四旋翼飞行器的参考位置以及采用本发明方法后的滤波估计位置。
图3为采用本发明方法后四旋翼飞行器在航迹飞行状态下的定位误差,可以看出定位精度在3m以内。
图4为采用本发明方法后四旋翼飞行器在航迹飞行状态下的机体系X、Y、Z轴方向的速度误差,可以看出解算精度在0.2m/s以内。
图5为采用本发明方法后四旋翼飞行器在航迹飞行状态下的姿态误差,可以看出解算精度在1.5°以内。
图6为采用本发明方法后四旋翼飞行器在航迹飞行状态下的角速度误差,可以看出解算精度在2.5°/s以内。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种四旋翼飞行器的动力学模型/机载传感器组合导航方法,其特征在于,包括如下步骤:
步骤一:周期读取k时刻四旋翼飞行器机载传感器信息,包括旋翼转速传感器信息ω1(k)、ω2(k)、ω3(k)、ω4(k),其分别为四个旋翼的转速;GPS信息VNG(k)、VEG(k)、VDG(k),其分别为北向速度、东向速度、地向速度,PNG(k)、PEG(k),其分别为北向位置、东向位置;气压高度计信息hb(k);磁传感器信息ψm(k);
步骤二:计算k时刻四旋翼飞行器的加速度、角加速度;
步骤三:预测k时刻四旋翼飞行器的角速度、姿态、速度、位置;
步骤四:通过卡尔曼滤波器,对k时刻四旋翼飞行器的角速度、姿态、速度、位置进行校正。
2.根据权利要求1所述的一种四旋翼飞行器的动力学模型/机载传感器组合导航方法,其特征在于,在步骤二中采用如下形式计算k时刻四旋翼飞行器的加速度、角加速度:
加速度信息通过下式进行计算:
其中,为k时刻机体系相对于导航系的加速度在机体系X、Y、Z轴上的分量;kHx、kHy、kT为模型参数,均为常数,通过离线辨识方法获得; 为k-1时刻机体系相对于导航系的线速度在机体系X、Y轴上的分量;
角加速度信息通过下式进行计算:
其中,为k时刻机体系相对于导航系的角速度在机体系X、Y、Z轴上的分量,是的微分,即角加速度;kR1、kR2、kP1、kP2、kQ为模型参数,均为常数,通过离线辨识方法获得。
3.根据权利要求1所述的一种四旋翼飞行器的动力学模型/机载传感器组合导航方法,其特征在于,在步骤三中采用如下形式预测k时刻四旋翼飞行器的角速度、姿态、速度、位置:
1)角速度预测采用如下公式:
其中,为k-1时刻机体系相对于导航系的角速度在机体系X、Y、Z轴上的分量;ΔT为离散采样周期;
2)姿态预测采用如下公式:
其中,φ(k)、θ(k)、ψ(k)分别为k时刻的横滚角、俯仰角、航向角;φ(k-1)、θ(k-1)、ψ(k-1)分别为k-1时刻的横滚角、俯仰角、航向角;
3)速度预测采用如下公式:
其中,为k时刻机体系相对于导航系的线速度在机体系X、Y、Z轴上的分量;为k-1时刻机体系相对于导航系的线速度在机体系X、Y、Z轴上的分量;
4)位置预测采用如下公式:
其中,pn(k)、pe(k)、h(k)分别为k时刻的北向位置、东向位置、地向高度;pn(k-1)、pe(k-1)、h(k-1)分别为k-1时刻的北向位置、东向位置、地向高度。
4.根据权利要求1所述的一种四旋翼飞行器的动力学模型/机载传感器组合导航方法,其特征在于,步骤四中通过卡尔曼滤波器,对k时刻四旋翼飞行器的角速度、姿态、速度、位置进行校正:
1)计算一步预测均方误差P(k|k-1):
P(k|k-1)=A(k,k-1)P(k-1|k-1)A(k,k-1)T+G(k-1)W(k-1)G(k-1)T
式中,I3×3为3×3的单位矩阵,03×3为3×3的零矩阵,
,
A(k,k-1)为滤波器k-1时刻到k时刻的滤波器一步转移矩阵,上标T表示转置,P(k-1|k-1)为k-1时刻的状态估计均方差,P(k|k-1)为k-1时刻到k时刻的一步预测均方差,为滤波器k-1时刻的滤波器噪声系数矩阵,W=[εωx εωy εωz εfx εfyεfz]T,为k-1时刻状态噪声,εωx、εωy和εωz分别为和的模型噪声,εfx、εfy和εfz分别为和的模型噪声;
2)计算k时刻扩展卡尔曼滤波器滤波增益K(k):
K(k)=P(k|k-1)H(k)T[H(k)P(k|k-1)H(k)T+R(k)]-1
式中,Υ1×4=[1 0 0 0],H(k)为k时刻量测矩阵,K(k)为k时刻的滤波增益,为k时刻的量测噪声,diag表示矩阵对角化,其中分别为VNG、VEG、VDG、PNG、PEG、hb、ψm的噪声;上标T表示转置,上标-1表示求逆,03×6为3×6的零矩阵,01×5为1×5的零矩阵,01×3为1×3的零矩阵;
式中,Υ1×6=[0 0 0 0 0 1],H(k)为k时刻量测矩阵,K(k)为k时刻的滤波增益,为k时刻的量测噪声,diag表示矩阵对角化,其中分别为VNG、VEG、VDG、PNG、PEG、hb、ψm的噪声;上标T表示转置,上标-1表示求逆,03×6为3×6的零矩阵,03×3为3×3的零矩阵,01×3为1×3的零矩阵;
3)计算k时扩展卡尔曼滤波器状态估计值
式中,为k时刻状态量的估计值,,为k-1到k时刻的状态变量一步预测值,使用步骤三的预测公式计算得到,Y(k)=[VNG(k)VEG(k) VDG(k) PNG(k) PEG(k) hb(k) ψm(k)]T为k时刻的量测值,通过步骤一的传感器数据读取获得;
4)计算k时刻扩展卡尔曼滤波器估计均方误差P(k|k):
P(k|k)=[I-K(k)H(k)]P(k|k-1)
式中,P(k|k)为k时刻估计均方误差,I为单位矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810244190.XA CN108592911B (zh) | 2018-03-23 | 2018-03-23 | 一种四旋翼飞行器动力学模型/机载传感器组合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810244190.XA CN108592911B (zh) | 2018-03-23 | 2018-03-23 | 一种四旋翼飞行器动力学模型/机载传感器组合导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108592911A true CN108592911A (zh) | 2018-09-28 |
CN108592911B CN108592911B (zh) | 2021-09-17 |
Family
ID=63627282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810244190.XA Active CN108592911B (zh) | 2018-03-23 | 2018-03-23 | 一种四旋翼飞行器动力学模型/机载传感器组合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108592911B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006425A (zh) * | 2019-04-11 | 2019-07-12 | 南京航空航天大学 | 基于载体动力学模型辅助的高动态角速度估计方法 |
CN110207697A (zh) * | 2019-04-29 | 2019-09-06 | 南京航空航天大学 | 基于角加速度计/陀螺/加速度计的惯性导航解算方法 |
CN110262479A (zh) * | 2019-05-28 | 2019-09-20 | 南京天辰礼达电子科技有限公司 | 一种履带式拖拉机运动学估计及偏差校准方法 |
CN111061286A (zh) * | 2019-12-25 | 2020-04-24 | 中国人民解放军海军航空大学 | 一种滤波微分提供阻尼实现飞行器侧向过载控制的方法 |
CN112130579A (zh) * | 2020-09-24 | 2020-12-25 | 国网智能科技股份有限公司 | 一种隧道无人机巡检方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
EP1640727A1 (en) * | 2004-09-23 | 2006-03-29 | Innalabs Technologies, Inc. | Magnetofluidic accelerometer |
CN101270993A (zh) * | 2007-12-12 | 2008-09-24 | 北京航空航天大学 | 一种远程高精度自主组合导航定位方法 |
CN103365296A (zh) * | 2013-06-29 | 2013-10-23 | 天津大学 | 一种四旋翼无人飞行器非线性输出反馈飞行控制方法 |
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 |
CN104290919A (zh) * | 2014-09-25 | 2015-01-21 | 南京航空航天大学 | 一种四旋翼飞行器的直接自修复控制方法 |
CN105021183A (zh) * | 2015-07-05 | 2015-11-04 | 电子科技大学 | 多旋翼飞行器gps和ins低成本组合导航系统 |
CN105737828A (zh) * | 2016-05-09 | 2016-07-06 | 郑州航空工业管理学院 | 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 |
EP3056926A1 (en) * | 2015-02-12 | 2016-08-17 | Novatel, Inc. | Navigation system with rapid gnss and inertial initialization |
CN106915451A (zh) * | 2017-03-10 | 2017-07-04 | 佛山市神风航空科技有限公司 | 一种组合式飞机及其起降方式 |
CN107063248A (zh) * | 2017-02-10 | 2017-08-18 | 南京航空航天大学 | 基于旋翼转速的动力学模型辅助惯导的导航方法 |
CN107101636A (zh) * | 2017-05-23 | 2017-08-29 | 南京航空航天大学 | 一种使用卡尔曼滤波器辨识多旋翼动力学模型参数的方法 |
CN107144284A (zh) * | 2017-04-18 | 2017-09-08 | 东南大学 | 基于ckf滤波的车辆动力学模型辅助惯导组合导航方法 |
-
2018
- 2018-03-23 CN CN201810244190.XA patent/CN108592911B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
EP1640727A1 (en) * | 2004-09-23 | 2006-03-29 | Innalabs Technologies, Inc. | Magnetofluidic accelerometer |
CN101270993A (zh) * | 2007-12-12 | 2008-09-24 | 北京航空航天大学 | 一种远程高精度自主组合导航定位方法 |
CN103365296A (zh) * | 2013-06-29 | 2013-10-23 | 天津大学 | 一种四旋翼无人飞行器非线性输出反馈飞行控制方法 |
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 |
CN104290919A (zh) * | 2014-09-25 | 2015-01-21 | 南京航空航天大学 | 一种四旋翼飞行器的直接自修复控制方法 |
EP3056926A1 (en) * | 2015-02-12 | 2016-08-17 | Novatel, Inc. | Navigation system with rapid gnss and inertial initialization |
CN105021183A (zh) * | 2015-07-05 | 2015-11-04 | 电子科技大学 | 多旋翼飞行器gps和ins低成本组合导航系统 |
CN105737828A (zh) * | 2016-05-09 | 2016-07-06 | 郑州航空工业管理学院 | 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 |
CN107063248A (zh) * | 2017-02-10 | 2017-08-18 | 南京航空航天大学 | 基于旋翼转速的动力学模型辅助惯导的导航方法 |
CN106915451A (zh) * | 2017-03-10 | 2017-07-04 | 佛山市神风航空科技有限公司 | 一种组合式飞机及其起降方式 |
CN107144284A (zh) * | 2017-04-18 | 2017-09-08 | 东南大学 | 基于ckf滤波的车辆动力学模型辅助惯导组合导航方法 |
CN107101636A (zh) * | 2017-05-23 | 2017-08-29 | 南京航空航天大学 | 一种使用卡尔曼滤波器辨识多旋翼动力学模型参数的方法 |
Non-Patent Citations (5)
Title |
---|
PIERRE-JEAN BRISTEAU等: "The role of propeller aerodynamics in the model of a quadrotor uav", 《2009 EUROPEAN CONTROL CONFERENCE (ECC)》 * |
WEN KUOCHEN等: "GPS/SINS/BARO Integrated Navigation System for UAV", 《BEHAVIOUR & INFORMATION TECHNOLOGY》 * |
吕品等: "基于气动模型辅助的四旋翼飞行器室内自主导航方法", 《航空学报》 * |
袁赣南等: "CDKF 算法在四旋翼飞行器组合导航系统中应用", 《吉林大学学报(信息科学版)》 * |
韩志凤等: "小型四旋翼飞行器动力学模型优化", 《控制工程》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006425A (zh) * | 2019-04-11 | 2019-07-12 | 南京航空航天大学 | 基于载体动力学模型辅助的高动态角速度估计方法 |
CN110207697A (zh) * | 2019-04-29 | 2019-09-06 | 南京航空航天大学 | 基于角加速度计/陀螺/加速度计的惯性导航解算方法 |
WO2020220729A1 (zh) * | 2019-04-29 | 2020-11-05 | 南京航空航天大学 | 基于角加速度计/陀螺/加速度计的惯性导航解算方法 |
CN110262479A (zh) * | 2019-05-28 | 2019-09-20 | 南京天辰礼达电子科技有限公司 | 一种履带式拖拉机运动学估计及偏差校准方法 |
CN111061286A (zh) * | 2019-12-25 | 2020-04-24 | 中国人民解放军海军航空大学 | 一种滤波微分提供阻尼实现飞行器侧向过载控制的方法 |
CN111061286B (zh) * | 2019-12-25 | 2022-03-29 | 中国人民解放军海军航空大学 | 一种滤波微分提供阻尼实现飞行器侧向过载控制的方法 |
CN112130579A (zh) * | 2020-09-24 | 2020-12-25 | 国网智能科技股份有限公司 | 一种隧道无人机巡检方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108592911B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109813311B (zh) | 一种无人机编队协同导航方法 | |
CN103837151B (zh) | 一种四旋翼飞行器的气动模型辅助导航方法 | |
CN108592911A (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 | |
CN103363992B (zh) | 基于梯度下降的四旋翼无人机姿态航向参考系统解算方法 | |
CN104344837B (zh) | 一种基于速度观测的冗余惯导系统加速度计系统级标定方法 | |
CN102809377A (zh) | 飞行器惯性/气动模型组合导航方法 | |
CN105929836B (zh) | 用于四旋翼飞行器的控制方法 | |
CN202939489U (zh) | 一种多旋翼自动平衡飞行控制器 | |
CN110954102B (zh) | 用于机器人定位的磁力计辅助惯性导航系统及方法 | |
Leutenegger et al. | Robust state estimation for small unmanned airplanes | |
CN110243377B (zh) | 一种基于分层式结构的集群飞行器协同导航方法 | |
CN111207745B (zh) | 一种适用于大机动无人机垂直陀螺仪的惯性测量方法 | |
CN111964688B (zh) | 结合无人机动力学模型和mems传感器的姿态估计方法 | |
CN111024070A (zh) | 一种基于航向自观测的惯性足绑式行人定位方法 | |
CN108592946B (zh) | 一种基于两套旋转惯导冗余配置下的惯性器件漂移在线监控方法 | |
JP2007232443A (ja) | 慣性航法装置およびその誤差補正方法 | |
CN103017765A (zh) | 应用于微机械组合导航系统的偏航角修正方法和修正装置 | |
CN108536163A (zh) | 一种单面结构环境下的动力学模型/激光雷达组合导航方法 | |
CN108759814B (zh) | 一种四旋翼飞行器横滚轴角速度和俯仰轴角速度估计方法 | |
CN103994766A (zh) | 一种抗gps失效固定翼无人机定向方法 | |
Roh et al. | Dynamic accuracy improvement of a MEMS AHRS for small UAVs | |
CN112880669A (zh) | 一种航天器星光折射和单轴旋转调制惯性组合导航方法 | |
CN107063248A (zh) | 基于旋翼转速的动力学模型辅助惯导的导航方法 | |
Tan et al. | Fused attitude estimation algorithm based on explicit complementary filter and kalman filter for an indoor quadrotor uav | |
CN105606093A (zh) | 基于重力实时补偿的惯性导航方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |