CN109635376B - 一种基于无人机的建模方法及系统 - Google Patents

Abstract

本申请涉及无人机技术领域，具体公开一种基于无人机的建模方法及系统，包括：分解无人机为不同部分，获取所述无人机的特征参数，通过对所述不同部分进行受力分析建立状态方程组，获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和PWM的对应关系；根据所述翼舵偏角以及所述无人机的发动机推力和所述PWM对应关系建立控制输入模型；根据所述状态方程组和所述控制输入模型建立所述无人机的控制模型。该方法基于理论计算和飞行试验为基础，在飞机结构特征参数物理可测、控制输入模型可线性拟合等前提下，快速、准确、低成本的完成动力学建模，可为微型飞翼无人机的飞行控制系统设计提供理论依据。

Description

一种基于无人机的建模方法及系统

技术领域

本申请涉及无人机技术领域，特别涉及一种基于无人机的建模方法及系统。

背景技术

近年来消费级无人机日益普及，无人机的样式也不胜枚举。无人机中的一种微型飞翼无人机，因其重量轻、体积小、成本低、投放和回收方便、便于维护等特点，成了无人机爱好者新宠；并且这类飞翼无人机具有在城市、山区等低空复杂环境快速飞行的独特优势，得到了越来越多的关注。但是这类无人机始终无法摆脱遥控器的束缚，究其原因，此类微型飞翼无人机动力学建模还没有完备的体系。

建立无人机动力学模型需要相关气动参数，微型飞翼无人机因空间结构有限、集成化程度较高等自身特点，决定了其成本不会太高。常规风洞试验获取气动参数的方法势必会增加研发成本和设计周期。因此，此类无人机现有的建模中往往存在着精确度和成本相关方面的矛盾。

发明内容

有鉴于此，本申请实施例提供一种基于无人机的建模方法及系统，以解决现有技术中微型无人机在动力学建模时不能在不增加成本的情况下，提高建模精确度的问题。

本申请实施例第一方面提供了一种基于无人机的建模方法，所述建模方法包括：

分解无人机为不同部分，获取所述无人机的特征参数，其中，所示特征参数包括所述不同部分的特征参数。

通过对所述不同部分进行受力分析建立状态方程组，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身。

获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和PWM的对应关系。

根据所述翼舵偏角以及所述无人机的发动机推力和所述PWM对应关系建立控制输入模型。

根据所述状态方程组和所述控制输入模型建立所述无人机的动力学模型。

可选地，在本申请提供的另一实施例中，所述特征参数包括结构特征参数和性能特征参数，相应地，所述获取所述无人机的特征参数，包括：

获取所述主机翼、所述升降副翼以及所述翼梢小翼的面积、升力系数以及阻力系数；获取所述机身的阻力系数因子；获取所述无人机附加阻尼系数因子。

可选地，在本申请提供的另一实施例中，所述通过对所述不同部分进行受力分析建立状态方程组，包括：

对所述不同部分进行受力分析，根据所述特征参数分别计算所述主机翼、所述升降副翼、所述翼梢小翼以及所述机身在机体坐标系下产生的力和力矩；计算所述机体坐标系下重力产生的力和力矩，以及所述无人机中的发动机产生的推力和推力矩；根据上述两个步骤计算的力和力矩、推力以及推力矩建立力学方程组、力矩方程组、运动方程组以及导航方程组。

可选地，在本申请提供的另一实施例中，所述获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和PWM的对应关系，包括：

在所述无人机上电后，在PWM范围内对PWM波进行均匀采样；测量与所采样的PWM波对应的升降副翼的翼舵偏角，以及所述无人机中发动机推力和PWM的对应关系。

可选地，在本申请提供的另一实施例中，所述根据所述翼舵偏角以及所述无人机的发动机推力和所述PWM对应关系建立控制输入模型，包括：

建立所述升降副翼和所述发动机的线性控制模型，

和T_thrust＝k_mu_m+k₀，其中，e_l为左升降副翼、e_r右升降副翼、T_thrust发动机推力。

本申请实施例第二方面提供了一种基于无人机的建模系统，所述建模系统包括：

特征参数获取模块，用于分解无人机为不同部分，获取所述无人机的特征参数，其中，所示特征参数包括所述不同部分的特征参数；

状态方程组建立模块，用于通过对所述不同部分进行受力分析建立状态方程组，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身；

控制参数获取模块，用于获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和所述PWM对应关系；

模型建立模块，用于根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型，并根据所述状态方程组和所述控制输入模型建立所述无人机的动力学模型。

可选地，在本申请提供的另一实施例中，所述特征参数包括结构特征参数和性能特征参数，相应地，所述获取所述无人机的特征参数，具体用于：

获取所述主机翼、所述升降副翼以及所述翼梢小翼的面积、升力系数以及阻力系数；获取所述机身的阻力系数因子；获取所述无人机附加阻尼系数因子。

可选地，在本申请提供的另一实施例中所述状态方程组建立模块，具体用于：

对所述不同部分进行受力分析，根据所述特征参数分别计算所述主机翼、所述升降副翼、所述翼梢小翼以及所述机身在机体坐标系下产生的力和力矩；计算所述机体坐标系下重力产生的力和力矩，以及所述无人机中的发动机产生的推力和推力矩；根据上述两个步骤计算的力和力矩、推力以及推力矩建立力学方程组、力矩方程组、运动方程组以及导航方程组。

可选地，在本申请提供的另一实施例中所述控制参数获取模块，具体用于：

在所述无人机上电后，在PWM范围内对PWM波进行均匀采样；测量与所采样的PWM波对应的升降副翼的翼舵偏角，以及所述无人机中发动机推力和PWM的对应关系。

可选地，在本申请提供的另一实施例中所述模型建立模块，在根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型时具体用于：

建立所述升降副翼和所述发动机的线性控制模型，

和T_thrust＝k_mu_m+k₀，其中，e_l为左升降副翼、e_r右升降副翼、T_thrust发动机推力。

本申请提供的实施例在建模时将无人机分解为不同部分，获取所述无人机的特征参数，通过对所述不同部分进行受力分析建立状态方程组，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身；获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和PWM的对应关系；根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型；根据所述状态方程组和所述控制输入模型建立所述无人机的控制模型。该方法基于理论计算和飞行试验为基础，在飞机结构特征参数物理可测、控制输入模型可线性拟合等前提下，快速、准确、低成本的完成动力学建模，可为微型飞翼无人机的飞行控制系统设计提供理论依据。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。

图1是本申请实施例提供的无人机的外形和结构尺寸的示意图；

图2是本申请实施例提供的一种基于无人机的建模方法的实现流程示意图；

图3是本申请实施例提供的无人机的建模过程示意图；

图4是本申请实施例提供的一种基于无人机的建模系统的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，而不构成对本申请的限制。

如图1所示本申请提供的无人机的外形和结构尺寸的示意图，针对一类5kg以下微型飞翼无人机(实际应用中无人机的具体结构和尺寸可能与图1中有所不同，图1仅是本申请提供的一种情况)，具有典型轴对称的飞翼布局，一对升降副翼，一对翼稍小翼，后置电动发动机。在建模时将无人机分解为不同部分，获取所述无人机的特征参数，通过对所述不同部分进行受力分析建立状态方程组，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身；获取所述升降副翼的翼舵偏角以及所述无人机发动机推力和所述PWM对应关系；根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型；根据所述状态方程组和所述控制输入模型建立所述无人机的控制模型。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图2示出了本申请实施例提供的一种基于无人机的建模方法的实现流程示意图，包括步骤S21-步骤S25，其中：

步骤S21，分解无人机为不同部分，获取所述无人机的特征参数，其中，所示特征参数包括所述不同部分的特征参数。

本申请提供的实施例中对飞翼无人机进行结构分解，分解为主机翼、升降副翼、翼稍小翼、机身，然后获取所涉及到的无人机结构特征参数，如包括表征无人机质量、面积和长度等度量信息，如无人机质量、翼展、弦长、机翼面积、升降副翼相对机身重心的位置等。

可选地，所述特征参数包括结构特征参数和性能特征参数，相应地，所述获取所述无人机的特征参数，包括：

获取所述主机翼、所述升降副翼以及所述翼梢小翼的面积、升力系数以及阻力系数；

获取所述机身的阻力系数因子；

获取所述无人机附加阻尼系数因子。

该步骤中获取建模过程中所分解的每个部分的相关参数，如主机翼、升降副翼以及翼梢小翼的面积、升力系数以及阻力系数，机身的阻力系数因子和附加阻尼系数因子等，在此不再一一列举。

步骤S22，通过对所述不同部分进行受力分析建立状态方程组，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身。

该步骤中通过受力分析建立六自由度12个状态的状态方程组。

可选地，所述通过对所述不同部分进行受力分析建立状态方程组，包括：

对所述不同部分进行受力分析，根据所述特征参数分别计算所述主机翼、所述升降副翼、所述翼梢小翼以及所述机身在机体坐标系下产生的力和力矩；

下面结合实例分步骤进行说明：

步骤S221.计算机体坐标系下主机翼产生的力和力矩。

气流坐标系下，主机翼产生的升力F_wLift和阻力F_wDrag：

其中，V＝[u vw]^T，ρ为空气密度，S_w为主机翼面积，C_wL和C_wD分别为主机翼升力系数和阻力系数(通过上述步骤获得)。

主机翼迎角α_w：

因此，在机体系下主机翼产生的力F_w：

主机翼在机体系下的力臂x_w：

x_w＝[0 0 0]^T (5)

主机翼产生的力矩M_w：

M_w＝x_w×F_w (6)

步骤S222.计算机体坐标系下升降副翼产生的力和力矩.

升降副翼在机体系下的坐标位置x_e：

其中：d_x是飞机重心到升降副翼中心距离在机体系X轴的分量，d_y为飞机重心到升降副翼中心距离在机体系Y轴的分量，d_c为升降副翼弦长，u_e为升降副翼舵偏角。

升降副翼的速度V_e：

升降副翼迎角α_e：

在机体坐标系下，升降副翼产生的升力F_elift和阻力F_edrag：

其中：S_e为升降副翼面积，E_L和E_D为升降副翼升阻力系数因子，需要辨识的参数。

升降副翼升力系数C_eL和阻力系数C_eD为：

在机体坐标系下，升降副翼产生的力F_e：

升降副翼产生的力矩M_e：

M_e＝x_e×F_e (13)

步骤S223.计算机体坐标系下翼稍小翼产生的力和力矩。

x_l为翼稍小翼在机体坐标系下的位置，且为易于测量的常值。

翼稍小翼的速度V_l：

翼稍小翼迎角α_l：

在机体坐标系下，翼稍小翼产生的升力F_lLift和阻力F_lDrag为：

其中：

S_l为翼稍小翼面积。

翼稍小翼升力系数C_lL和阻力系数C_lD为：

在机体系下翼稍小翼产生的力F_l

翼稍小翼产生的力矩M_l：

M_l＝x_l×F_l (19)

步骤S224.计算机体坐标系下机身产生的力和力矩。

机体坐标系下，机身产生的阻力F_{body_drag}：

其中，b_x、b_y、b_z为机身阻力系数因子，需要辨识的参数。

机身阻力力臂x_drag：

x_drag＝[0 0 0]^T (21)

机身阻力产生的力矩M_drag：

M_drag＝x_drag×F_drag (22)

步骤S225.计算机体坐标系下重力产生的力和力矩。

在机体系下，重力产生的力F_gravity：

重力力臂x_gravity：

x_gravity＝[0 0 0]^T (24)

重力产生的力矩M_gravity：

M_gravity＝x_gravity×F_gravity (25)

步骤S226.计算机体坐标系下发动机产生的推力和推力矩。

忽略发动机安装偏角和扭矩，即发动机推力和机体轴Ox_b重合。

在机体系下，发动机推力F_thrust：

发动机推力力臂x_thrust：

x_thrust＝[0 0 0]^T (27)

发动机推力产生的力矩M_thrust：

M_thrust＝x_thrust×F_thrust (28)

步骤S227.计算绕机体轴转动产生的附加阻尼力矩。

飞机绕机体轴转动会产生附加阻尼力矩M_rate：

M_rate＝[M_pp M_qq M_rr]^T (29)

其中，M_p、M_q、M_r为附加阻尼系数因子，需要辨识的参数。

步骤S228.计算机体坐标系下合力和合力矩。

无人机受到的合力F和合力矩M为：

F＝F_w+F_eL+F_eR+F_lL+F_lR+F_thrust+F_{body_drag}+F_gravity (30)

M＝M_w+M_eL+M_eR+M_lL+M_lR+M_thrust+M_{body_drag}+M_gravity+M_rate (31)

进而建立六自由度12个状态方程组，其由力学方程组、运动方程组、力矩方程组和导航方程组构成。此处详细推导可参考“吴森堂，费玉华.《飞行控制系统》,北京：北京航空航天大学出版社，2005,09”

力学方程组

运动方程组

力矩方程组

其中，求J为转动惯量，其测量过程如下：将组装后的整机通过转台试验获取转动惯量J₁，用步骤S3中结构特征参数通过UG仿真计算转动惯量J₂，然后取两者均值

为转动惯量J，如试验条件有限，则也可仅取UG计算结果为转动惯量。

导航方程组

进一步地，本申请中将需要辨识的气动参数简化成相关系数因子，分别为升降副翼升阻力系数因子E_L和E_D、机身阻力系数因子b_x、b_y和b_z、附加阻尼系数因子M_p、M_q和M_r。利用Matlab工具箱对飞行数据进行灰箱辨识，参数估计准则采用最小预测误差法。灰箱辨识和最小预测误差法具体步骤可参考Matlab帮助文件。

步骤S23，获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和PWM的对应关系。

可选地，所述获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和PWM的对应关系，包括：

在所述无人机上电后，在PWM范围内对PWM波进行均匀采样；

测量与所采样的PWM波对应的升降副翼的翼舵偏角，以及所述无人机中发动机推力和PWM的对应关系。

步骤S24，根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型。

所述根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型，包括：

建立所述升降副翼和所述发动机的线性控制模型，

和T_thrust＝k_mu_m+k₀，其中，e_l为左升降副翼、e_r右升降副翼、T_thrust发动机推力。

具体地，无人机控制量有左升降副翼e_l、右升降副翼e_r和发动机推力T_thrust。

升降副翼和发动机推力模型可近似为分段线性模型。

实际测量时，将飞机上电，在PWM取值范围内，对PWM波值均匀采样，用测角仪测量与PWM对应的升降副翼舵偏角，同理，用拉力计测量发动机推力与PWM对应关系。

如简便计算，可直接取线性模型

T_thrust＝k_mu_m+k₀ (40)

其中，m_l、m_r、l₀、r₀、k_m和k₀均可以通过多组实验数据线性拟合得到，u_l、u_r和u_m为PWM波信号，其取值范围为[1000,2000]。

步骤S25，根据所述状态方程组和所述控制输入模型建立所述无人机的控制模型。图3中示出了本申请中无人机的建模过程。本申请提供的建模方法可为5kg以下微型飞翼无人机的飞行控制系统设计提供理论依据。

本申请提供的实施例在建模时将无人机分解为不同部分，获取所述无人机的特征参数，通过对所述不同部分进行受力分析建立状态方程组，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身；获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和所述PWM对应关系；根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型；根据所述状态方程组和所述控制输入模型建立所述无人机的控制模型。该方法基于理论计算和飞行试验为基础，在飞机结构特征参数物理可测、控制输入模可线性拟合等前提下，快速、准确、低成本的完成动力学建模，可为微型飞翼无人机的飞行控制系统设计提供理论依据。

实施例二：

图4示出了本申请另一实施例提供的一种基于无人机的建模系统的结构示意图，该系统包括：

特征参数获取模块41，用于分解无人机为不同部分，获取所述无人机的特征参数，其中，所示特征参数包括所述不同部分的特征参数；

状态方程组建立模块42，用于通过对所述不同部分进行受力分析建立状态方程组，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身；

控制参数获取模块43，用于获取所述升降副翼的翼舵偏角以及所述无人机中发动机推力和PWM的对应关系；

模型建立模块44，用于根据所述翼舵偏角以及所述无人机的发动机推力和所述PWM对应关系建立控制输入模型，并根据所述状态方程组和所述控制输入模型建立所述无人机的控制模型。

可选地，在本申请提供的另一实施例中，所述特征参数包括结构特征参数和性能特征参数，相应地，所述获取所述无人机的特征参数，具体用于：

获取所述主机翼、所述升降副翼以及所述翼梢小翼的面积、升力系数以及阻力系数；获取所述机身的阻力系数因子；获取所述无人机附加阻尼系数因子。

可选地，在本申请提供的另一实施例中所述状态方程组建立模块42，具体用于：

对所述不同部分进行受力分析，根据所述特征参数分别计算所述主机翼、所述升降副翼、所述翼梢小翼以及所述机身在机体坐标系下产生的力和力矩；计算所述机体坐标系下重力产生的力和力矩，以及所述无人机中的发动机产生的推力和推力矩；根据上述两个步骤计算的力和力矩、推力以及推力矩建立力学方程组、力矩方程组、运动方程组以及导航方程组。

可选地，在本申请提供的另一实施例中所述控制参数获取模块43，具体用于：

在所述无人机上电后，在PWM范围内对PWM波进行均匀采样；测量与所采样的PWM波对应的升降副翼的翼舵偏角，以及所述无人机中发动机推力和PWM的对应关系。

可选地，在本申请提供的另一实施例中所述模型建立模块44在根据所述翼舵偏角以及所述无人机发动机推力和所述PWM对应关系建立控制输入模型时具体用于：

建立所述升降副翼和所述发动机的线性控制模型，

和T_thrust＝k_mu_m+k₀，其中，e_l为左升降副翼、e_r右升降副翼、T_thrust发动机推力。

以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (4)

1.一种基于无人机的建模方法，其特征在于，所述建模方法包括：

分解无人机为不同部分，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身，获取所述无人机的特征参数，其中，所述特征参数包括所述不同部分的特征参数；

通过对所述不同部分进行受力分析建立状态方程组，包括：

对所述不同部分进行受力分析，根据所述特征参数分别计算所述主机翼、所述升降副翼、所述翼梢小翼以及所述机身在机体坐标系下产生的力和力矩；

计算所述机体坐标系下重力产生的力和力矩，以及所述无人机中的发动机产生的推力和推力矩；

根据上述两个步骤计算的力和力矩、推力以及推力矩建立力学方程组、力矩方程组、运动方程组以及导航方程组；

在所述无人机上电后，在PWM范围内对PWM波进行均匀采样；

测量与所采样的PWM波对应的升降副翼的翼舵偏角，以及所述无人机中发动机推力和PWM的对应关系；

建立所述升降副翼和所述发动机的线性控制模型，

和T_thrust＝k_mu_m+k₀，

其中，e_l为左升降副翼舵偏角、e_r右升降副翼舵偏角、T_thrust发动机推力、u_l为左升降副翼舵偏角对应的PWM的值、u_r为右升降副翼舵偏角对应的PWM的值、u_m为发动机推力对应的PWM的值；

m_l和l₀是对多个PWM值和与所述多个PWM值分别对应的左升降副翼舵偏角所形成的多组数据进行线性拟合获取的参数，m_r和r₀对多个PWM值和与所述多个PWM值分别对应的右升降副翼舵偏角所形成的多组数据进行线性拟合获取的参数，k_m和k₀是对多个PWM值和与所述多个PWM值分别对应的发动机推力所形成的多组数据进行线性拟合获取的参数，所述多个PWM值通过所述在PWM范围内对PWM波进行均匀采样得到；

根据所述状态方程组和所述线性控制模型建立所述无人机的动力学模型。

2.如权利要求1所述的基于无人机的建模方法，其特征在于，所述特征参数包括结构特征参数和性能特征参数，相应地，所述获取所述无人机的特征参数，包括：

获取所述主机翼、所述升降副翼以及所述翼梢小翼的面积、升力系数以及阻力系数；

获取所述机身的阻力系数因子；

获取所述无人机附加阻尼系数因子。

3.一种基于无人机的建模系统，其特征在于，所述建模系统包括：

特征参数获取模块，用于分解无人机为不同部分，其中，所述不同部分包括主机翼、升降副翼、翼梢小翼以及机身，获取所述无人机的特征参数，其中，所述特征参数包括所述不同部分的特征参数；

状态方程组建立模块，用于通过对所述不同部分进行受力分析建立状态方程组，具体用于：

对所述不同部分进行受力分析，根据所述特征参数分别计算所述主机翼、所述升降副翼、所述翼梢小翼以及所述机身在机体坐标系下产生的力和力矩；

计算所述机体坐标系下重力产生的力和力矩，以及所述无人机中的发动机产生的推力和推力矩；

根据上述两个步骤计算的力和力矩、推力以及推力矩建立力学方程组、力矩方程组、运动方程组以及导航方程组；

控制参数获取模块，用于在所述无人机上电后，在PWM范围内对PWM波进行均匀采样；并测量与所采样的PWM波对应的升降副翼的翼舵偏角，以及所述无人机中发动机推力和PWM的对应关系；

模型建立模块，用于建立所述升降副翼和所述发动机的线性控制模型，

和T_thrust＝k_mu_m+k₀，

其中，e_l为左升降副翼舵偏角、e_r右升降副翼舵偏角、T_thrust发动机推力、u_l为左升降副翼舵偏角对应的PWM的值、u_r为右升降副翼舵偏角对应的PWM的值、u_m为发动机推力对应的PWM的值；

m_l和l₀是对多个PWM值和与所述多个PWM值分别对应的左升降副翼舵偏角所形成的多组数据进行线性拟合获取的参数，m_r和r₀对多个PWM值和与所述多个PWM值分别对应的右升降副翼舵偏角所形成的多组数据进行线性拟合获取的参数，k_m和k₀是对多个PWM值和与所述多个PWM值分别对应的发动机推力所形成的多组数据进行线性拟合获取的参数，所述多个PWM值通过所述在PWM范围内对PWM波进行均匀采样得到；并根据所述状态方程组和所述线性控制模型建立所述无人机的控制模型。

4.如权利要求3所述的基于无人机的建模系统，其特征在于，所述特征参数包括结构特征参数和性能特征参数，相应地，所述获取所述无人机的特征参数，具体包括：

获取所述主机翼、所述升降副翼以及所述翼梢小翼的面积、升力系数以及阻力系数；

获取所述机身的阻力系数因子；

获取所述无人机附加阻尼系数因子。

Images