CN108759814A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN108759814A
CN108759814A CN201810329911.7A CN201810329911A CN108759814A CN 108759814 A CN108759814 A CN 108759814A CN 201810329911 A CN201810329911 A CN 201810329911A CN 108759814 A CN108759814 A CN 108759814A
Authority
CN
China
Prior art keywords
moment
axis angular
angular rate
pitching
model
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
Application number
CN201810329911.7A
Other languages
English (en)
Other versions
CN108759814B (zh
Inventor
刘士超
赖际舟
吕品
朱徐东
包胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201810329911.7A priority Critical patent/CN108759814B/zh
Publication of CN108759814A publication Critical patent/CN108759814A/zh
Application granted granted Critical
Publication of CN108759814B publication Critical patent/CN108759814B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • 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横滚轴角速度及俯仰轴角速度估计方法，首先，采集多组试验数据，通过最小二乘法辨识横滚力矩模型参数、俯仰力矩模型参数；其次，周期读取k时刻四旋翼飞行器机载传感器信息并计算k时刻的横滚轴角加速度、俯仰轴角加速度；然后，预测k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、横滚力矩模型及俯仰力矩模型的一阶马尔可夫、横滚力矩模型参数、俯仰力矩模型参数、四元数；最后，通过扩展卡尔曼滤波器，对k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、四元数进行校正。采用本发明无需增加外部设备，可以在缺少横滚轴角速度、俯仰轴角速度传感器时，通过力矩模型辅助完成对横滚轴角速度、俯仰轴角速度估计的估计。

Description

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
技术领域
本发明属于组合导航与自主导航领域，具体涉及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。
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。
受四旋翼飞行器体积、载重、成本所限，其通常选用低成本、小型化的低精度机载导航传感器。目前四旋翼飞行器常用的导航方案包含惯性传感器、卫星导航系统、磁传感器以及气压高度计；其中惯性传感器与磁传感器组成航姿系统，可提供姿态信息；惯性传感器与卫星导航系统进行信息融合，可提供速度与位置信息；气压高度计用以修正高度信息。
当横滚轴陀螺、俯仰轴陀螺在使用过程中出现故障时，将无法获得横滚轴角速度、俯仰轴角速度信息，通过使用横滚力矩模型、俯仰力矩模型可以在缺少横滚轴角速度、俯仰轴角速度量测传感器时，实现对横滚轴角速度、俯仰轴角速度的实时估计。
发明内容
发明目的：本发明所要解决的技术问题是：提出一种四旋翼飞行器力矩模型/加速度计融合滤波方法，通过采用四旋翼飞行器的横滚力矩模型、俯仰力矩模型，与其机载传感器相结合，解决四旋翼飞行器在缺少横滚轴角速度、俯仰轴角速度量测时，横滚轴角速度、俯仰轴角速度实时估计问题。
技术方案：本发明所述的一种四旋翼飞行器横滚轴角速度及俯仰轴角速度估计方法，包括以下步骤：
(1)采集多组传感器数据，通过最小二乘法辨识横滚力矩模型参数、俯仰力矩模型参数；
(2)周期读取k时刻四旋翼飞行器机载传感器信息；
(3)计算k时刻的横滚轴角加速度、俯仰轴角加速度；
(4)预测k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、横滚力矩模型的一阶马尔可夫、俯仰力矩模型的一阶马尔可夫、横滚力矩模型参数、俯仰力矩模型参数、四元数；
(5)通过扩展卡尔曼滤波器，对k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、四元数进行校正，得到横滚轴角速度、俯仰轴角速度的估计结果。
所述步骤(1)包括以下步骤：
(11)采集一组传感器数据，主要包括旋翼转速传感器信息、陀螺信息；
(12)通过建立最小二乘方程辨识横滚力矩模型参数：
f＝kx0x0+kx1x1+kx2x2
其中，ωmx机体系相对于导航系的角速度在机体系x轴上的分量，kx0、kx1、kx2为模型参数；
(13)通过建立最小二乘方程辨识俯仰力矩模型参数：
fy＝ky0y0+ky1y1+ky2y2；
其中，ωmy机体系相对于导航系的角速度在机体系y轴上的分量的模型，ky0、ky1、ky2为模型参数；
(14)采集多组实验数据，获得多组拟合结果，作为横滚力矩模型及俯仰力矩模型参数估计的初值。
步骤(2)所述的机载传感器信息主要包括旋翼转速传感器信息、磁传感器信息、陀螺信息、加速度信息及线速度信息。
所述步骤(3)包括以下步骤：
(31)横滚轴角加速度：
(32)俯仰轴角加速度：
其中，εmx(k-1)为k-1时刻的横滚力矩模型的一阶马尔科夫过程，εmy(k-1)为k-1时刻的俯仰力矩模型的一阶马尔科夫过程。
步骤(4)所述的k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、横滚力矩模型的一阶马尔可夫、俯仰力矩模型的一阶马尔可夫、横滚力矩模型参数、俯仰力矩模型参数、四元数可通过以下公式获得：
kx0(k)＝kx0(k-1)
kx1(k)＝kx1(k-1)
kx2(k)＝kx2(k-1)
ky0(k)＝ky0(k-1)
ky1(k)＝ky1(k-1)
ky2(k)＝ky2(k-1)
其中，ΔT为离散采样周期，Tmx为横滚力矩模型的一阶马尔可夫过程相关时间，Tmy为俯仰力矩模型的一阶马尔可夫过程相关时间，q0(k)、q1(k)、q2(k)、q3(k)为k时刻的四元数。
所述步骤(5)包括以下步骤：
(51)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
其中，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表示的转置，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，G(k-1)为滤波器k-1时刻的滤波器噪声系数矩阵，W(k-1)为k-1时刻状态噪声；
(52)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
其中，K(k)为k时刻的滤波增益，H(k)为k时刻量测矩阵，R(k)为k时刻的量测噪声,上标T表示转置，上标-1表示求逆；
(53)计算k时扩展卡尔曼滤波器状态估计值
其中，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，为量测量的一步预测；
(54)通过状态估计结果可以直接获得横滚轴角速度、俯仰轴角速度；
(55)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)
其中，P(k|k)为k时刻估计均方误差，I为单位矩阵。
有益效果：与现有技术相比，本发明的有益效果：1、本发明通过扩展卡尔曼滤波器，使用最小二乘估计出的横滚力矩模型参数、俯仰力矩模型参数作为滤波器横滚力矩模型参数、俯仰力矩模型参数状态量初值，将四旋翼飞行器的横滚力矩模型、俯仰力矩模型与加速度量测信息相融合，实现在缺少横滚轴角速度、俯仰轴角速度量测信息时，对横滚轴角速度、俯仰轴角速度的实时估计；2、该方法无需增加任何外部设备，具有成本低、零载重、自主性强的优点。
附图说明
图1为本发明的流程图；
图2为采用本发明后四旋翼飞行器横滚轴角速度估计结果；
图3为采用本发明后四旋翼飞行器俯仰轴角速度估计结果。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1为本发明的流程图，具体过程如下：
1、通过最小二乘法辨识横滚力矩模型参数、俯仰力矩模型参数：
采用的机体系为：xbybzb对应前右下。
(1)采集一组传感器数据，主要包括旋翼转速传感器信息、陀螺信息；
(2)建立四旋翼飞行器横滚力矩模型参数辨识的最小二乘方程：
fx＝kx0x0+kx1x1+kx2x2；
(3)建立四旋翼飞行器的横滚力矩模型：
式中，ωmx机体系相对于导航系的角速度在机体系x轴上的分量的模型，kx0、kx1、kx2为模型参数；采集多组实验数据，获得多组拟合结果，作为横滚力矩模型参数预测的初值；
(4)建立四旋翼飞行器俯仰力矩模型参数辨识的最小二乘方程：
fy＝ky0y0+ky1y1+ky2y2；
(5)建立四旋翼飞行器的俯仰力矩模型：
式中，ωmy机体系相对于导航系的角速度在机体系y轴上的分量的模型，ky0、ky1、ky2为模型参数；
(6)采集多组实验数据，重复上述过程，获得多组力矩模型参数拟合结果，作为俯仰力矩模型参数估计的初值。
2、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；磁传感器信息ψm(k)；陀螺信息其分别为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；加速度信息其分别为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；线速度信息其分别为k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。
3、计算k时刻的横滚角加速度、俯仰角加速度：
(1)横滚角加速度：
(2)俯仰角加速度：
式中，εmx(k-1)为k-1时刻的横滚力矩模型的一阶马尔科夫过程，εmy(k-1)为k-1时刻的俯仰力矩模型的一阶马尔科夫过程。
4、预测k时刻四旋翼飞行器的角速度、模型一阶马尔可夫、横滚力矩模型参数、俯仰力矩模型参数、四元数：
kx0(k)＝kx0(k-1)
kx1(k)＝kx1(k-1)
kx2(k)＝kx2(k-1)
ky0(k)＝ky0(k-1)
ky1(k)＝ky1(k-1)
ky2(k)＝ky2(k-1)
式中，ΔT为离散采样周期，Tmx为横滚力矩模型一阶马尔可夫过程相关时间，Tmy为俯仰力矩模型一阶马尔可夫过程相关时间，q0(k)、q1(k)、q2(k)、q3(k)为k时刻的四元数。
5、通过扩展卡尔曼滤波器，对k时刻四旋翼飞行器的力矩模型、四元数进行校正：
(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，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表示的转置，
,04×4为4×4的零矩阵，06×4为6×4的零矩阵，I6×6为6×6的单位矩阵，06×4为6×4的零矩阵，04×6为4×6的零矩阵，
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(k-1)＝[εmx(k-1) εmx(k-1) εmarx(k-1) εmary(k-1) εkx0(k-1) εkx1(k-1) εkx2(k-1)
εky0(k-1) εky1(k-1) εky2(k-1) εωx(k-1) εωy(k-1) εωz(k-1)]T
为k-1时刻状态噪声，εmx(k-1)为k-1时刻横滚力矩建模白噪声，εmx(k-1)为k-1时刻俯仰力矩建模白噪声，εmarx(k-1)为k-1时刻横滚力矩模型的一阶马尔可夫过程白噪声，εmary(k-1)为k-1时刻俯仰力矩模型的一阶马尔可夫过程白噪声，εkx0(k-1)、εkx1(k-1)、εkx2(k-1)为k-1时刻横滚力矩模型参数白噪声，εky0(k-1)、εky1(k-1)、εky2(k-1)为k-1时刻横滚力矩模型参数白噪声，εωx(k-1)、εωy(k-1)、εωz(k-1)为k-1时刻机体系相对于导航系的角速度白噪声在机体系x、y、z轴上的分量。
(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，H(k)为k时刻量测矩阵，03×10为3×10的零矩阵，01×10为1×10的零矩阵，
，g为重力加速度，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，上标T表示转置，上标-1表示求逆。
(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，使用步骤四的预测公式计算得到，
为k时刻的量测值，通过步骤一的传感器数据读取获得：
为量测量的一步预测。
(4)通过状态估计结果可以直接获得横滚轴角速度、俯仰轴角速度。
(5)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。
采用半物理仿真的形式，通过实际采集飞行数据，然后进行仿真处理，对使用本方法后的四旋翼无人机的角速度估计结果进行验证。
令四旋翼无人机做俯冲运动，激励出角速度。图2为采用本发明后四旋翼飞行器横滚轴角速度估计结果，采用本方法后可以获得角速度的估计值，实现当陀螺器件故障时，仍能够通过力矩模型获得角速度估计。图3为采用本发明后四旋翼飞行器俯仰轴角速度估计结果，采用本方法后可以获得角速度的估计值，实现当陀螺器件故障时，仍能够通过力矩模型获得角速度估计。
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 (6)

1.一种四旋翼飞行器横滚轴角速度及俯仰轴角速度估计方法，其特征在于，包括以下步骤：
(1)采集多组传感器数据，通过最小二乘法辨识横滚力矩模型参数、俯仰力矩模型参数；
(2)周期读取k时刻四旋翼飞行器机载传感器信息；
(3)计算k时刻的横滚轴角加速度、俯仰轴角加速度；
(4)预测k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、横滚力矩模型的一阶马尔可夫、俯仰力矩模型的一阶马尔可夫、横滚力矩模型参数、俯仰力矩模型参数、四元数；
(5)通过扩展卡尔曼滤波器，对k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、四元数进行校正，得到横滚轴角速度、俯仰轴角速度的估计结果。
2.根据权利要求1所述的一种四旋翼飞行器横滚轴角速度及俯仰轴角速度估计方法，其特征在于，所述步骤(1)包括以下步骤：
(11)采集一组传感器数据，主要包括旋翼转速传感器信息、陀螺信息；
(12)通过建立最小二乘方程辨识横滚力矩模型参数：
f＝kx0x0+kx1x1+kx2x2
其中，ωmx机体系相对于导航系的角速度在机体系x轴上的分量，kx0、kx1、kx2为模型参数；
(13)通过建立最小二乘方程辨识俯仰力矩模型参数：
fy＝ky0y0+ky1y1+ky2y2；
其中，ωmy机体系相对于导航系的角速度在机体系y轴上的分量的模型，ky0、ky1、ky2为模型参数；
(14)采集多组实验数据，获得多组拟合结果，作为横滚力矩模型及俯仰力矩模型参数估计的初值。
3.根据权利要求1所述的一种四旋翼飞行器横滚轴角速度及俯仰轴角速度估计方法，其特征在于，步骤(2)所述的机载传感器信息主要包括旋翼转速传感器信息、磁传感器信息、陀螺信息、加速度信息及线速度信息。
4.根据权利要求1所述的一种四旋翼飞行器横滚轴角速度及俯仰轴角速度估计方法，其特征在于，所述步骤(3)包括以下步骤：
(31)横滚轴角加速度：
(32)俯仰轴角加速度：
其中，εmx(k-1)为k-1时刻的横滚力矩模型的一阶马尔科夫过程，εmy(k-1)为k-1时刻的俯仰力矩模型的一阶马尔科夫过程。
5.根据权利要求1所述的一种四旋翼飞行器横滚轴角速度及俯仰轴角速度估计方法，其特征在于，步骤(4)所述的k时刻四旋翼飞行器的横滚轴角速度、俯仰轴角速度、横滚力矩模型的一阶马尔可夫、俯仰力矩模型的一阶马尔可夫、横滚力矩模型参数、俯仰力矩模型参数、四元数可通过以下公式获得：
kx0(k)＝kx0(k-1)
kx1(k)＝kx1(k-1)
kx2(k)＝kx2(k-1)
ky0(k)＝ky0(k-1)
ky1(k)＝ky1(k-1)
ky2(k)＝ky2(k-1)
其中，ΔT为离散采样周期，Tmx为横滚力矩模型的一阶马尔可夫过程相关时间，Tmy为俯仰力矩模型的一阶马尔可夫过程相关时间，q0(k)、q1(k)、q2(k)、q3(k)为k时刻的四元数。
6.根据权利要求1所述的一种四旋翼飞行器横滚轴角速度及俯仰轴角速度估计方法，其特征在于，所述步骤(5)包括以下步骤：
(51)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
其中，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表示的转置，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，G(k-1)为滤波器k-1时刻的滤波器噪声系数矩阵，W(k-1)为k-1时刻状态噪声；
(52)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
其中，K(k)为k时刻的滤波增益，H(k)为k时刻量测矩阵，R(k)为k时刻的量测噪声,上标T表示转置，上标-1表示求逆；
(53)计算k时扩展卡尔曼滤波器状态估计值
其中，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，为量测量的一步预测；
(54)通过状态估计结果可以直接获得横滚轴角速度、俯仰轴角速度；
(55)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)
其中，P(k|k)为k时刻估计均方误差，I为单位矩阵。
CN201810329911.7A 2018-04-13 2018-04-13 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 Active CN108759814B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810329911.7A CN108759814B (zh) 2018-04-13 2018-04-13 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810329911.7A CN108759814B (zh) 2018-04-13 2018-04-13 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

Publications (2)

Publication Number Publication Date
CN108759814A true CN108759814A (zh) 2018-11-06
CN108759814B CN108759814B (zh) 2020-07-07

Family

ID=63981780

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810329911.7A Active CN108759814B (zh) 2018-04-13 2018-04-13 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

Country Status (1)

Country Link
CN (1) CN108759814B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109612459A (zh) * 2018-11-15 2019-04-12 南京航空航天大学 基于动力学模型的四旋翼飞行器惯性传感器容错导航方法
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
CN110207704A (zh) * 2019-05-21 2019-09-06 南京航空航天大学 一种基于建筑楼梯场景智能识别的行人导航方法
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

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226561A (zh) * 2007-12-28 2008-07-23 南京航空航天大学 用于微型航天器姿态轨道控制系统的微型仿真支持系统及工作方法
CN102424112A (zh) * 2011-11-30 2012-04-25 东北大学 微小型四旋翼飞行器的三层机载飞控装置
US20120271491A1 (en) * 2011-04-20 2012-10-25 Accenture Global Services Limited Capturing environmental information
CN102809970A (zh) * 2012-07-09 2012-12-05 北京理工大学 一种基于l1自适应控制的飞行器姿态控制方法
CN102975713A (zh) * 2012-12-14 2013-03-20 清华大学 基于模型预测控制的混合动力汽车控制方法
CN105912011A (zh) * 2016-06-24 2016-08-31 天津理工大学 一种四旋翼飞行器姿态的线性自抗扰控制方法
CN106885918A (zh) * 2017-02-10 2017-06-23 南京航空航天大学 一种面向多旋翼飞行器的多信息融合实时风速估计方法
CN107256028A (zh) * 2017-07-24 2017-10-17 大连理工大学 四旋翼飞行器对角动力损失状态下的失控保护控制算法
CN107608370A (zh) * 2017-11-09 2018-01-19 北京航空航天大学 无人飞行器的鲁棒姿态控制方法及无人飞行器

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226561A (zh) * 2007-12-28 2008-07-23 南京航空航天大学 用于微型航天器姿态轨道控制系统的微型仿真支持系统及工作方法
US20120271491A1 (en) * 2011-04-20 2012-10-25 Accenture Global Services Limited Capturing environmental information
CN102424112A (zh) * 2011-11-30 2012-04-25 东北大学 微小型四旋翼飞行器的三层机载飞控装置
CN102809970A (zh) * 2012-07-09 2012-12-05 北京理工大学 一种基于l1自适应控制的飞行器姿态控制方法
CN102975713A (zh) * 2012-12-14 2013-03-20 清华大学 基于模型预测控制的混合动力汽车控制方法
CN105912011A (zh) * 2016-06-24 2016-08-31 天津理工大学 一种四旋翼飞行器姿态的线性自抗扰控制方法
CN106885918A (zh) * 2017-02-10 2017-06-23 南京航空航天大学 一种面向多旋翼飞行器的多信息融合实时风速估计方法
CN107256028A (zh) * 2017-07-24 2017-10-17 大连理工大学 四旋翼飞行器对角动力损失状态下的失控保护控制算法
CN107608370A (zh) * 2017-11-09 2018-01-19 北京航空航天大学 无人飞行器的鲁棒姿态控制方法及无人飞行器

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
A.AZZAM 等: ""Quad rotor arial robot dynamic modeling and configuration stabilization"", 《2010 2TH INTERNATIONAL ASIA CONFERENCE》 *
LUIS RODOFO GARCIA CARRILLO 等: ""Modeling the quad-rotor Mini-Rotorcraft"", 《QUAD ROTORCRAFT CONTROL》 *
LYU P 等: ""a thrust model aided fault diagnosis method for the altitude estimation of a quadrotor"", 《TRANSACTIONS ON AEROSPACE & ELECTRONIC SYSTEM》 *
MAHONY R 等: ""Multirotor aerial vehicles:modeling,estimation,and control of quadrotor"", 《ROBOTIES & AUTOMATION MAGAZINE》 *
POUNDS 等: ""Towards Fynamically-Favourable Quad-Rotor Aerial Robots"", 《PROCEEDING OF THE 2004 AUSTRALASIAN CONFERENCE ON ROBOTICS & AUTOMATION》 *
WANG R Z 等: ""An aerodynamic model-aided state estimator for multi-rotor UAVs"", 《INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEM》 *
YOGIANANDH NAIDOO 等: ""Quad-Rotor Unmanned Aerial Vehicle Helicopter Modelling & control"", 《INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEM》 *
程子啸: ""四旋翼飞行器飞行控制系统的研究与设计"", 《中国优秀硕士学位论文全文数据库》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109612459A (zh) * 2018-11-15 2019-04-12 南京航空航天大学 基于动力学模型的四旋翼飞行器惯性传感器容错导航方法
CN109612459B (zh) * 2018-11-15 2023-03-17 南京航空航天大学 基于动力学模型的四旋翼飞行器惯性传感器容错导航方法
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
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
CN110207704A (zh) * 2019-05-21 2019-09-06 南京航空航天大学 一种基于建筑楼梯场景智能识别的行人导航方法
CN110207704B (zh) * 2019-05-21 2021-07-13 南京航空航天大学 一种基于建筑楼梯场景智能识别的行人导航方法

Also Published As

Publication number Publication date
CN108759814B (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
Kingston et al. Real-time attitude and position estimation for small UAVs using low-cost sensors
CN108759814A (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
CN103837151B (zh) 一种四旋翼飞行器的气动模型辅助导航方法
CN106708066A (zh) 基于视觉/惯导的无人机自主着陆方法
CN110018691B (zh) 小型多旋翼无人机飞行状态估计系统和方法
CN106767785B (zh) 一种双回路无人机的导航方法及装置
Burri et al. Robust state estimation for micro aerial vehicles based on system dynamics
CN108981709B (zh) 基于力矩模型辅助的四旋翼横滚角、俯仰角容错估计方法
Hansen et al. Nonlinear observer design for GNSS-aided inertial navigation systems with time-delayed GNSS measurements
Fusini et al. Nonlinear observers for GNSS-and camera-aided inertial navigation of a fixed-wing UAV
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
Hanover et al. Autonomous drone racing: A survey
CN110243377A (zh) 一种基于分层式结构的集群飞行器协同导航方法
Amelin et al. Recursive identification of motion model parameters for ultralight UAV
Bangert et al. Performance characteristics of the UWE-3 miniature attitude determination and control system
CN110986934B (zh) 一体化双轴旋转惯导天文组合导航系统的导航方法及系统
CN107101649A (zh) 一种空间飞行器制导工具在轨误差分离方法
CN108693372A (zh) 一种四旋翼飞行器的航向轴角速度估计方法
Zhang et al. Quadrotor aircraft control without velocity measurements
CN106352897A (zh) 一种基于单目视觉传感器的硅mems陀螺误差估计与校正方法
Yang et al. Multi-sensor data fusion for UAV navigation during landing operations
Mwenegoha et al. A model-based tightly coupled architecture for low-cost unmanned aerial vehicles for real-time applications
CN107063248A (zh) 基于旋翼转速的动力学模型辅助惯导的导航方法
CN111220151B (zh) 载体系下考虑温度模型的惯性和里程计组合导航方法
Crocoll et al. Quadrotor inertial navigation aided by a vehicle dynamics model with in-flight parameter estimation

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