CN109917800B - 无人机控制方法、装置、计算机设备及存储介质 - Google Patents
无人机控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109917800B CN109917800B CN201910209623.2A CN201910209623A CN109917800B CN 109917800 B CN109917800 B CN 109917800B CN 201910209623 A CN201910209623 A CN 201910209623A CN 109917800 B CN109917800 B CN 109917800B
- Authority
- CN
- China
- Prior art keywords
- attitude
- controller
- expected
- control value
- coordinate
- 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.)
- Active
Links
Images
Abstract
本申请涉及一种无人机控制方法,该方法包括:获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;获取输入的期望位置和期望姿态;将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;根据所述位置控制值和所述姿态控制值对所述无人机进行控制。该方法提高了无人机的抗干扰能力。此外,还提出了一种无人机控制装置、计算机设备及存储介质。
Description
技术领域
本发明涉及计算机技术领域,尤其是涉及一种无人机控制方法、装置、计算机设备及存储介质。
背景技术
四旋翼无人机广泛的应用于社会各行各业。在军事方面可用来获取地方情报、近距离空中巡逻、地面通讯、地面战场侦查、反恐监控等;在民用方面,主要涉及到航拍摄影、灾后现场搜救、物资小量运送、气候监测、边境巡查等多个领域。四旋翼无人机结构简单,但是控制复杂。
传统的无人机控制多采用PID(比例-积分-微分控制器)或者串级PID控制,PID控制方法能够基本满足四旋翼飞行器控制的要求,但是对于一些干扰大的环境,比如,风力干扰大的海上环境,很难获得高性能的飞行控制效果。
发明内容
基于此,有必要针对上述问题,提供了一种抗干扰能力强的无人机控制方法、装置、计算机设备及存储介质。
第一方面,本发明实施例提供一种无人机控制方法,所述方法包括:
获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;
获取输入的期望位置和期望姿态;
将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;
将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;
根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
第二方面,本发明实施例提供一种无人机控制装置,所述装置包括:
第一获取模块,用于获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;
第二获取模块,用于获取输入的期望位置和期望姿态;
位置确定模块,用于将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;
姿态确定模块,用于将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;
控制模块,用于根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;
获取输入的期望位置和期望姿态;
将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;
将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;
根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
第四方面,本发明实施例提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;
获取输入的期望位置和期望姿态;
将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;
将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;
根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
上述无人机控制方法、装置、计算机设备及存储介质,通过获取无人机的位姿信息以及期望位置和期望姿态,然后采用位置控制器计算出位置控制值和采用具有自抗干扰的姿态控制器计算得到姿态控制值,姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器。该方法通过将位置控制器和具有抗干扰能力的姿态控制器结合,能够及时对外部干扰以及内部动态耦合带来的不确定干扰进行补偿,提高了无人机的抗干扰能力,从而提高了无人机的飞行性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为一个实施例中无人机控制方法的流程图;
图2为另一个实施例中无人机控制方法的流程图;
图3为一个实施例中无人机控制系统的原理示意图;
图4为一个实施例中无人机的飞行姿态坐标示意图;
图5为一个实施例中姿态控制器的原理示意图;
图6为一个实施例中PD控制器的原理示意图;
图7为一个实施例中无人机控制装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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仅用以解释本发明,并不用于限定本发明。
如图1所示,提出了一种无人机控制方法,该无人机控制方法可以应用于无人机,也可以应用于与无人机连接的终端或服务器,本实施例中以应用于无人机为例说明,具体包括以下步骤:
步骤102,获取无人机的位姿信息,位姿信息包括:位置信息和姿态信息。
其中,位姿是指无人机的位置和姿态,一般采用6个量来表示,位置可以采用三维空间坐标(x,y,z)来表示,姿态可以采用与三个坐标轴的夹角(φ,θ,ψ)来表示,φ为滚转角,为围绕X轴旋转的角;θ为俯仰角,是围绕Y轴旋转的角;ψ为偏航角,是围绕Z轴旋转的角。无人机实时获取无人机的当前位姿信息。
步骤104,获取输入的期望位置和期望姿态。
其中,期望位置和期望姿态是指用于参考的位置和姿态。期望位置和期望姿态中至少包含有4个参考量。在一个实施例中,期望位置中包括三个方向坐标,期望姿态中包含有一个姿态角(比如,偏航角)。
步骤106,将位置信息和期望位置作为位置控制器的输入,获取位置控制器输出的位置控制值。
其中,位置控制器可以采用PD(比例-微分)控制器,具有计算复杂度低、效果好的优点。位置信息包括:X轴的坐标、Y轴的坐标以及Z轴的坐标,期望位置包括:X轴的期望坐标,Y轴的期望坐标以及Z轴的期望坐标。在一个实施例中,将X轴的坐标和X轴的期望坐标作为位置控制器的输入,得到X轴的位置控制值,同样地,将Y轴的坐标和Y轴的期望坐标作为位置控制器的输入,得到Y轴的位置控制值,将Z轴的坐标和Z轴的期望坐标作为位置控制器的输入,得到Z轴的位置控制值。为了提供计算速度,在一个实施例中,位置控制器中包含有三个子位置控制器,分别用于同时计算X轴的位置控制值、Y轴的位置控制值和Z轴的位置控制值。
在另一个实施例中,位置控制器除了输出位置控制值,还输出反推得到的期望姿态角。期望姿态角用于后续作为姿态控制器的输入,便于得到姿态控制值。
步骤108,将姿态信息和期望姿态作为姿态控制器的输入,获取姿态控制器输出的姿态控制值,姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器。
其中,姿态控制器用于计算无人机对应的姿态控制值。扩展状态观测器(ESO)是一种具有自抗干扰能力的观测器,能够对系统状态进行干扰估计和补偿。姿态信息包括三个姿态角。在一个实施例中,期望姿态中包含有三个期望姿态角,分别将获取到的无人机对应的姿态角和相应的期望姿态角作为姿态控制器的输入,得到每个姿态角对应的姿态控制值。
步骤110,根据位置控制值和姿态控制值对无人机进行控制。
其中,在得到了位置控制值和姿态控制值后,就可以根据位置控制值和姿态控制值对无人机进行控制调整,从而实现对无人机的抗干扰控制。
在一个实施例中,由于得到的位置控制值和姿态控制值为虚拟的控制值,需要对该控制值进行转换得到用于控制无人机的真实控制值,即在得到了位置控制值和姿态控制值后,还需要对位置控制值和姿态控制值进行转换得到最终的位置控制值和姿态控制量,然后作用于无人机,对该无人机进行控制。
上述无人机控制方法,通过获取无人机的位姿信息以及期望位置和期望姿态,然后采用位置控制器计算出位置控制值和采用具有自抗干扰的姿态控制器计算得到姿态控制值,姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器。该方法通过将位置控制器和具有抗干扰能力的姿态控制器结合,能够及时对外部干扰以及内部动态耦合带来的不确定干扰进行补偿,提高了无人机的抗干扰能力,从而提高了无人机的飞行性能。
如图2所示,在一个实施例中,提出了一种无人机控制方法,包括:
步骤202,获取无人机的位姿信息,位姿信息包括:位置信息和姿态信息。
步骤204,获取输入的期望位置和第一期望姿态角;
步骤206,将位置信息和期望位置作为位置控制器的输入,获取位置控制器输出的位置控制值、第二期望姿态角和第三期望姿态角;
步骤208,将第一期望姿态角、第二期望姿态角、第三期望姿态角和姿态信息作为姿态控制器的输入,获取姿态控制器输出的姿态控制值。
步骤210,根据位置控制值和姿态控制值对无人机进行控制。
其中,期望位置中包括有三个期望坐标,位置信息中包含有3个实际坐标,姿态信息中包含有三个实际姿态角。为了减少耦合性计算,选取一个姿态角作为第一期望姿态角。在根据位置信息和期望位置作为位置控制器的输入时,位置控制器不仅输出位置控制值,而且位置控制器根据动力学模型进行反推计算得到另外两个期望姿态角,第二期望姿态角和第三期望姿态角。然后将第一期望姿态角、第二姿态角和第三姿态角以及姿态信息一起作为姿态控制器的输入,然后得到相应的姿态控制值,最后根据位置控制值和姿态控制值完成对无人机的控制。通过将位置控制器和姿态控制器设置为串级结构,即外环为位置环,内环为姿态环,其中,位置环可以采用PD位置控制器,计算复杂度低,对精度要求不高,姿态环可以采用ADRC(Active Disturbance Rejection Control,自抗扰控制器)来实现抵抗外界干扰以及解耦控制。
如图3所示,为一个实施例中,位置控制器PD和姿态控制器ADRC以及控制量转换系统组成的无人机控制系统的原理示意图。参考信号是指输入的期望的信号,包括三个方向坐标xb,yb和zb和一个姿态角ψb,将xb,yb和zb以及无人机输出的x,y和z作为位置控制器的输入,得到位置控制值U1和反推得到的姿态角φb和θb。然后将ψb、φb和θb以及无人机输出的(φ,θ,ψ)作为姿态控制器ADRC的输入,得到姿态控制量U2,U3和U4,最后,通过控制量转换系统将得到的虚拟控制量U1,U2,U3和U4,转换为真实的位置控制值和姿态控制值用于对无人机进行控制。
在一个实施例中,位置控制器PD+姿态控制器ADRC的设计原理如下:步骤1,建立四旋翼数学模型。四旋翼无人机是一个多变量、强耦合和非线性的欠驱动系统,首先要建立合理而准确的动力学模型。如图4所示,无人机的飞行姿态由三个角度(φ,θ,ψ)描述,位置由(x,y,z)描述。根据牛顿-欧拉公式建立四旋翼无人机的动力学模型为:
最终得到的四个螺旋桨的控制量如下:
其中,m为无人机的自身重量,l为转子到无人机中心点的距离,Ix、Iy、Iz分别为绕x,y,z轴旋转的转动惯量,Jr为惯性惯量,Ωi(i=1,2,3,4)为转子的角速度,b是推力系数,d是阻力系数。分别为相应姿态角的二阶微分,为相应的姿态角的一阶微分。U1,U2,U3,U4分别为四个螺旋桨的虚拟控制量,u1,u2,u3,u4为经过转换后得到的四个螺旋桨的实际控制量。从上述动力学公式可以明显发现,无人机动力学方程具有双回路、多子系统的结构特点,所以可以将控制器设置为串级结构,即将位置控制器和姿态控制器设置为串级结构。
在一个实施例中,所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角;所述将所述第一期望姿态角、第二期望姿态角、第三期望姿态角和姿态信息作为姿态控制器的输入,获取姿态控制器输出的姿态控制值,包括:分别将第一期望姿态角、第二期望姿态角、第三期望姿态角作为所述姿态控制器中的跟踪微分器的输入,得到与每个期望姿态角对应的第一输出信号和第二输出信号;相应地将所述第一实际姿态角、第二实际姿态角、第三实际姿态角作为所述姿态控制器中扩展状态观测器的输入,得到与每个实际姿态角对应的第一观测信号和第二观测信号;根据每个期望姿态角对应的第一输出信号和第二输出信号以及相应的实际姿态角对应的第一观测信号和第二观测信号计算得到与每个实际姿态角对应的第一误差信号和第二误差信号;将每个实际姿态角对应的所述第一误差信号和第二误差信号作为所述位姿控制器中非线性反馈器的输入,获取所述非线性反馈器输出的与每个实际姿态角对应的输出值;将所述输出值和所述扩展状态观测器输出的第三观测信号进行组合得到与每个实际姿态角对应的控制值;将所述每个实际姿态角对应的控制值作为补偿量输入到所述扩展状态观测器,以便对下一次输出的第三观测信号进行实时补偿。
其中,姿态信息中包括无人机的第一实际姿态角、第二实际姿态角、第三实际姿态角。第一实际姿态角与第一期望姿态角对应,第二实际姿态角与第二期望姿态角对应,第三实际姿态角与第三期望姿态角对应。姿态控制器包括:跟踪微分器、扩展状态观测器和非线性反馈器,非线性反馈器可以采用非线性状态误差反馈控制律(Nonlinear StateErrorFeedback,NLSEF)来实现。如图5所示,为一个实施例中,姿态控制器的原理示意图,包括跟踪微分器(Tracking Differentiator,TD)、扩展状态观测器(Extended StateObserver,ESO)和非线性状态误差反馈控制NLSEF三个部分组成。
将第一期望姿态角作为姿态控制器中的跟踪微分器TD的输入,获取跟踪微分器输出的与第一期望姿态角对应的第一输出信号和第二输出信号,其中,第二输出信号是第一输出信号的微分信号。将相应的第一实际姿态角作为姿态控制器中扩展状态观测器的输入,获取扩展状态观测器输出的第一观测信号,第二观测信号,然后根据第一输出信号、第二输出信号、第一观测信号和第二观测信号计算得到与第一实际姿态角对应的第一误差信号和第二误差信号。具体地,将第一输出信号与第一观测信号进行差值运算得到第一误差信号,将第二输出信号与第二观测信号进行差值运算得到第二误差信号,然后将第一误差信号和第二误差信号作为非线性状态误差反馈律NLSEF的输入,获取线性状态误差反馈律NLSEF输出的与每个实际姿态角对应的输出值。然后获取扩展状态观测器输出的干扰估计值(第三观测信号z),根据输出值与干扰估计值进行组合得到最终的与第一实际姿态角对应的控制值,另外,将该控制量加入到ESO,便于对下一次输出的第三观测信号进行实时补偿。即,通过将控制量作为ESO的补偿量来实现实时对第三观测信号z进行估计和补偿。
同理,将第二期望姿态角作为跟踪微分器TD的输入,将第二实际姿态角作为扩展状态观测器的输入,最后得到与第二实际姿态角对应的控制值,并将控制值作为补偿量加入ESO中。
同样的,可以将第三期望姿态角作为跟踪微分器TD的输入,将第三实际姿态角作为扩展状态观测器的输入,得到与第三实际姿态角对应的控制值,并将控制值作为补偿量加入ESO中。
第一实际姿态角的控制值、第二实际姿态角的控制值和第三实际姿态角的控制值共同构成了姿态控制值。
参考图5,将期望信号v0经过微分控制器TD后得到输出信号v1和v2,并与扩张状态观测器(ESO)的两个观测信号z1和z2形成误差信号e1和e2,经过非线性状态误差反馈(NLSEF)得到输出信号u0,u0与ESO的第三个观测信号z3组合,得到最终的控制量u,然后将控制量u作为补偿量,加入到ESO中,以便实现对z3进行实时估计和补偿。NLSEF模块是一种能独立改善动态性能且不增加计算复杂度的非线性控制模块结构。进一步将NLSEF模块所求得的u0与ESO模块观测所得的第三个信号z3进行组合,得到最终的控制量u,即输出电压信号,将输出电压信号作为补偿量加到ESO模块中,便于实现对z3进行实时估计和补偿,从而克服因外部扰动带来的姿态误差,提高无人机飞行过程中的抑制干扰的能力。
在一个实施例中,微分跟踪器TD原理如下:将期望信号v0作为参考输入,输出信号为v1及其微分信号v2,可以采用如下公式表示:
e=v1-v0,
fh=fhan(e,v2,r0,h0),
扩张状态观测器ESO为姿态控制器的核心部分,对系统状态和扰动进行实时估计和补偿,扩张状态观测器ESO的原理如下:用于输出第一观测信号z1、第二观测信号z2和第三观测信号z3。具体可以采用如下公式计算得到:
e=z1-y,
f1=fal(e,0.25,δ),
f2=fal(e,0.5,δ),
其中,fal(e,a,δ)为非线性函数,a,δ为内部参数。u为补偿量。z1和z2分别为两个状态变量x1、x2的估计值,z3为系统通道中干扰总和的估计值,b为控制输入系数,β01、β02、β03为扩张状态观测器的参数,对整个系统的调节有重大影响。
NLSEF是一种独立的能改善动态性能且不增加计算复杂度的非线性控制器结构,输出u0,并与z3进行组合得到最终的控制量u,然后将u作为补偿量加入ESO模块:其中,k1、k2为控制参数,相当于PID控制器中的比例项和微分项系数,b0为补偿因子。
在一个实施例中,所述位置信息包括:第一方向实际坐标、第二方向实际坐标和第三方向实际坐标,所述期望位置包括:第一方向期望坐标、第二方向期望坐标和第三方向期望坐标;所述将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值,包括:将所述第一方向实际坐标和第一方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第一方向实际坐标和第一方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第一方向的坐标控制量;将所述第二方向实际坐标和第二方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第二方向实际坐标和第二方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第二方向的坐标控制量;将所述第三方向实际坐标和第三方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第三方向实际坐标和第三方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第三方向的坐标控制量;根据所述位置控制器输出的所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制得到所述位置控制值。
其中,将第一方向实际坐标与第一方向期望坐标作为位置控制器的输入,将第二方向实际坐标和第二方向期望坐标作为位置控制器的输入,将第三方向实际坐标和第三方向期望坐标作为位置控制器的输入,获取分别得到位置控制器输出的第一方向的坐标控制量,第二方向的坐标控制量和第三方向的坐标控制量。如图6为PD控制器的原理示意图。PD控制器算法如下式所示:
将其带入动力学中的位置方程,可以得到:
同时反解出期望姿态角的输入信号:
将动力学方程中的姿态方程进行整理可以得到:
其中,fi(i=1,2,3)为系统的总干扰量,该方程的整合通过将耦合量和内在干扰量统一为一个总的干扰量。姿态控制是一个非线性耦合多输入多输出系统,ADRC将其转换成相互独立的单输入单输出SISO线性子系统,简化系统结构及控制的复杂性。
在一个实施例中,所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制,包括:将所述位置控制值和所述姿态控制值进行控制量转换,得到目标位置控制值和所述目标姿态控制值;根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
其中,姿态控制值中既包含有位置控制值,也包含有姿态控制量,位置控制值中仅包含有位置控制值,位置控制值和姿态控制值都是虚拟的控制值,需要通过控制转换得到目标位置控制值和目标姿态控制值,然后根据目标位置控制值和目标姿态控制值对无人机进行控制。
如图7所示,在一个实施例中,提出了一种无人机控制装置,该装置包括:
第一获取模块702,用于获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;
第二获取模块704,用于获取输入的期望位置和期望姿态;
位置确定模块706,用于将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;
姿态确定模块708,用于将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;
控制模块710,用于根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
在一个实施例中,所述期望姿态包括第一期望姿态角;所述位置确定模块还用于将所述位置信息和所述期望位置作为所述位置控制器的输入,获取所述位置控制器输出的位置控制值、第二期望姿态角和第三期望姿态角;所述姿态确定模块还用于将所述第一期望姿态角、第二期望姿态角、第三期望姿态角和所述姿态信息作为姿态控制器的输入,获取姿态控制器输出的姿态控制值。
在一个实施例中,所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角;
所述姿态确定模块708还用于分别将第一期望姿态角、第二期望姿态角、第三期望姿态角作为所述姿态控制器中的跟踪微分器的输入,得到与每个期望姿态角对应的第一输出信号和第二输出信号;相应地将所述第一实际姿态角、第二实际姿态角、第三实际姿态角作为所述姿态控制器中扩展状态观测器的输入,得到与每个实际姿态角对应的第一观测信号和第二观测信号;根据每个期望姿态角对应的第一输出信号和第二输出信号以及相应的实际姿态角对应的第一观测信号和第二观测信号计算得到与每个实际姿态角对应的第一误差信号和第二误差信号;将每个实际姿态角对应的所述第一误差信号和第二误差信号作为所述位姿控制器中非线性反馈器的输入,获取所述非线性反馈器输出的与每个实际姿态角对应的输出值,将所述输出值和所述扩展状态观测器输出的第三观测信号进行组合得到与每个实际姿态角对应的控制值;将所述每个实际姿态角对应的控制值作为补偿量输入到所述扩展状态观测器,以便对下一次输出的第三观测信号进行实时补偿。
在一个实施例中,所述位置信息包括:第一方向实际坐标、第二方向实际坐标和第三方向实际坐标,所述期望位置包括:第一方向期望坐标、第二方向期望坐标和第三方向期望坐标;位置确定模块还用于将所述第一方向实际坐标和第一方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第一方向实际坐标和第一方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第一方向的坐标控制量;将所述第二方向实际坐标和第二方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第二方向实际坐标和第二方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第二方向的坐标控制量;将所述第三方向实际坐标和第三方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第三方向实际坐标和第三方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第三方向的坐标控制量;根据所述位置控制器输出的所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制得到所述位置控制值。
在一个实施例中,控制模块还用于将所述位置控制值和所述姿态控制值进行控制量转换,得到目标位置控制值和所述目标姿态控制值;根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备可以是无人机,也可以是与无人机连接的终端或服务器。如图8所示,该计算机设备包括通过系统总线连接的处理器、存储器、和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现无人机控制方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行无人机控制方法。网络接口用于与外接进行通信。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的无人机控制方法可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该无人机控制装置的各个程序模板。比如,第一获取模块702,第二获取模块704,位置确定模块706,姿态确定模块708和控制模块710。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;获取输入的期望位置和期望姿态;将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
在一个实施例中,所述期望姿态包括第一期望姿态角;所述将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值,包括:将所述位置信息和所述期望位置作为所述位置控制器的输入,获取所述位置控制器输出的位置控制值、第二期望姿态角和第三期望姿态角;所述将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,包括:将所述第一期望姿态角、第二期望姿态角、第三期望姿态角和所述姿态信息作为姿态控制器的输入,获取姿态控制器输出的姿态控制值。
在一个实施例中,所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角;所述将所述第一期望姿态角、第二期望姿态角、第三期望姿态角和姿态信息作为姿态控制器的输入,获取姿态控制器输出的姿态控制值,包括:分别将第一期望姿态角、第二期望姿态角、第三期望姿态角作为所述姿态控制器中的跟踪微分器的输入,得到与每个期望姿态角对应的第一输出信号和第二输出信号;相应地将所述第一实际姿态角、第二实际姿态角、第三实际姿态角作为所述姿态控制器中扩展状态观测器的输入,得到与每个实际姿态角对应的第一观测信号和第二观测信号;根据每个期望姿态角对应的第一输出信号和第二输出信号以及相应的实际姿态角对应的第一观测信号和第二观测信号计算得到与每个实际姿态角对应的第一误差信号和第二误差信号;将每个实际姿态角对应的所述第一误差信号和第二误差信号作为所述位姿控制器中非线性反馈器的输入,获取所述非线性反馈器输出的与每个实际姿态角对应的输出值,将所述输出值和所述扩展状态观测器输出的第三观测信号进行组合得到与每个实际姿态角对应的控制值;将所述每个实际姿态角对应的控制值作为补偿量输入到所述扩展状态观测器,以便对下一次输出的第三观测信号进行实时补偿。
在一个实施例中,所述位置信息包括:第一方向实际坐标、第二方向实际坐标和第三方向实际坐标,所述期望位置包括:第一方向期望坐标、第二方向期望坐标和第三方向期望坐标;所述将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值,包括:将所述第一方向实际坐标和第一方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第一方向实际坐标和第一方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第一方向的坐标控制量;将所述第二方向实际坐标和第二方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第二方向实际坐标和第二方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第二方向的坐标控制量;将所述第三方向实际坐标和第三方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第三方向实际坐标和第三方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第三方向的坐标控制量;根据所述位置控制器输出的所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制得到所述位置控制值。
在一个实施例中,所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制,包括:将所述位置控制值和所述姿态控制值进行控制量转换,得到目标位置控制值和所述目标姿态控制值;根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;获取输入的期望位置和期望姿态;将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值;将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器;根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
在一个实施例中,所述期望姿态包括第一期望姿态角;所述将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值,包括:将所述位置信息和所述期望位置作为所述位置控制器的输入,获取所述位置控制器输出的位置控制值、第二期望姿态角和第三期望姿态角;所述将所述姿态信息和所述期望姿态作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,包括:将所述第一期望姿态角、第二期望姿态角、第三期望姿态角和所述姿态信息作为姿态控制器的输入,获取姿态控制器输出的姿态控制值。
在一个实施例中,所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角;所述将所述第一期望姿态角、第二期望姿态角、第三期望姿态角和姿态信息作为姿态控制器的输入,获取姿态控制器输出的姿态控制值,包括:分别将第一期望姿态角、第二期望姿态角、第三期望姿态角作为所述姿态控制器中的跟踪微分器的输入,得到与每个期望姿态角对应的第一输出信号和第二输出信号;相应地将所述第一实际姿态角、第二实际姿态角、第三实际姿态角作为所述姿态控制器中扩展状态观测器的输入,得到与每个实际姿态角对应的第一观测信号和第二观测信号;根据每个期望姿态角对应的第一输出信号和第二输出信号以及相应的实际姿态角对应的第一观测信号和第二观测信号计算得到与每个实际姿态角对应的第一误差信号和第二误差信号;将每个实际姿态角对应的所述第一误差信号和第二误差信号作为所述位姿控制器中非线性反馈器的输入,获取所述非线性反馈器输出的与每个实际姿态角对应的输出值,将所述输出值和所述扩展状态观测器输出的第三观测信号进行组合得到与每个实际姿态角对应的控制值;将所述每个实际姿态角对应的控制值作为补偿量输入到所述扩展状态观测器,以便对下一次输出的第三观测信号进行实时补偿。
在一个实施例中,所述位置信息包括:第一方向实际坐标、第二方向实际坐标和第三方向实际坐标,所述期望位置包括:第一方向期望坐标、第二方向期望坐标和第三方向期望坐标;所述将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值,包括:将所述第一方向实际坐标和第一方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第一方向实际坐标和第一方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第一方向的坐标控制量;将所述第二方向实际坐标和第二方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第二方向实际坐标和第二方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第二方向的坐标控制量;将所述第三方向实际坐标和第三方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第三方向实际坐标和第三方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第三方向的坐标控制量;根据所述位置控制器输出的所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制得到所述位置控制值。
在一个实施例中,所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制,包括:将所述位置控制值和所述姿态控制值进行控制量转换,得到目标位置控制值和所述目标姿态控制值;根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种无人机控制方法,其特征在于,所述方法包括:
获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;
获取输入的期望位置和第一期望姿态角;
将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值、第二期望姿态角和第三期望姿态角,所述第二期望姿态角和所述第三期望姿态角为对所述位置控制值反推计算得到,所述位置控制器为比例-微分控制器;
将所述姿态信息和所述第一期望姿态角、所述第二期望姿态角、所述第三期望姿态角作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器,所述位置控制器和所述姿态控制器设置为串级结构,所述姿态控制器为自抗扰控制器ADRC;
根据所述位置控制值和所述姿态控制值对所述无人机进行控制;
其中,位置控制器算法如下式所示:
将位置控制值带入动力学中的位置方程,可以得到:
式中,φ为滚转角,θ为俯仰角,m为无人机的自身重量;
同时根据位置控制值反推出第二期望姿态角和第三期望姿态角的输入信号,包括:
式中,第二期望姿态角φb和第三期望姿态角θb,φ为滚转角,ψ为偏航角。
2.根据权利要求1所述的方法,其特征在于,所述位置信息包括:第一方向实际坐标、第二方向实际坐标和第三方向实际坐标,所述期望位置包括:第一方向期望坐标、第二方向期望坐标和第三方向期望坐标;
所述将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值,包括:
将所述第一方向实际坐标和第一方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第一方向实际坐标和第一方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第一方向的坐标控制量;
将所述第二方向实际坐标和第二方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第二方向实际坐标和第二方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第二方向的坐标控制量;
将所述第三方向实际坐标和第三方向期望坐标作为位置控制器的输入,所述位置控制器用于对所述第三方向实际坐标和第三方向期望坐标进行差值运算,将得到的差值进行微分处理,并根据微分处理结果和所述差值进行非线性运算得到第三方向的坐标控制量;
根据所述位置控制器输出的所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制量得到所述位置控制值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制,包括:
将所述位置控制值和所述姿态控制值进行控制量转换,得到目标位置控制值和所述目标姿态控制值;
根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
4.一种无人机控制装置,其特征在于,所述装置包括:
第一获取模块,用于获取无人机的位姿信息,所述位姿信息包括:位置信息和姿态信息;
第二获取模块,用于获取输入的期望位置和第一期望姿态角;
位置确定模块,用于将所述位置信息和所述期望位置作为位置控制器的输入,获取所述位置控制器输出的位置控制值、第二期望姿态角和第三期望姿态角;
姿态确定模块,用于将所述姿态信息和所述第一期望姿态角、所述第二期望姿态角、所述第三期望姿态角作为姿态控制器的输入,获取所述姿态控制器输出的姿态控制值,所述姿态控制器中包括对干扰进行估计以及进行相应补偿的扩展状态观测器,所述位置控制器和所述姿态控制器设置为串级结构,所述第二期望姿态角和所述第三期望姿态角为对所述位置控制值反推计算得到,所述位置控制器为比例-微分控制器,所述姿态控制器为自抗扰控制器ADRC;
控制模块,用于根据所述位置控制值和所述姿态控制值对所述无人机进行控制;
其中,位置控制器算法如下式所示:
将位置控制值带入动力学中的位置方程,可以得到:
式中,φ为滚转角,θ为俯仰角,m为无人机的自身重量;
同时根据位置控制值反推出第二期望姿态角和第三期望姿态角的输入信号,包括:
式中,第二期望姿态角φb和第三期望姿态角θb,φ为滚转角,ψ为偏航角。
5.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至3中任一项所述方法的步骤。
6.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至3中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209623.2A CN109917800B (zh) | 2019-03-19 | 2019-03-19 | 无人机控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209623.2A CN109917800B (zh) | 2019-03-19 | 2019-03-19 | 无人机控制方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109917800A CN109917800A (zh) | 2019-06-21 |
CN109917800B true CN109917800B (zh) | 2022-08-12 |
Family
ID=66965553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910209623.2A Active CN109917800B (zh) | 2019-03-19 | 2019-03-19 | 无人机控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109917800B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112068575B (zh) * | 2020-05-07 | 2022-08-23 | 烟台南山学院 | 一种采用非线性干扰观测的无人机着舰控制方法 |
CN111580534B (zh) * | 2020-05-11 | 2023-05-23 | 广州亿航智能技术有限公司 | 飞行器控制方法、装置、电子设备及存储介质 |
CN112965505A (zh) * | 2021-01-29 | 2021-06-15 | 广东汇天航空航天科技有限公司 | 载人飞行器飞行姿态控制方法、系统及载人飞行器 |
CN113050668A (zh) * | 2021-02-26 | 2021-06-29 | 桂林电子科技大学 | 一种使用事件相机位置反馈的无人机自抗扰控制装置 |
CN113031636B (zh) * | 2021-03-01 | 2024-02-20 | 之江实验室 | 无人机控制方法、装置、电子设备、无人机和存储介质 |
CN113253603A (zh) * | 2021-04-29 | 2021-08-13 | 桂林电子科技大学 | 基于fopso算法的无人机自抗扰控制器设计方法 |
CN113759722B (zh) * | 2021-09-13 | 2024-03-29 | 桂林电子科技大学 | 一种无人机自抗扰控制器参数优化方法 |
CN114044128A (zh) * | 2021-11-24 | 2022-02-15 | 余姚市浙江大学机器人研究中心 | 一种机身姿态与螺旋桨姿态解耦的旋翼无人机及方法 |
CN115576242B (zh) * | 2022-10-09 | 2023-08-18 | 南方科技大学 | 一种基于矢量控制的高抗风性控制系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774378A (zh) * | 2017-03-01 | 2017-05-31 | 杭州谷航科技有限公司 | 一种无人机飞行控制及定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102830622B (zh) * | 2012-09-05 | 2014-10-01 | 北京理工大学 | 一种四旋翼飞行器自抗扰自动飞行控制方法 |
US9061756B2 (en) * | 2013-04-23 | 2015-06-23 | The Boeing Company | Aircraft performance monitoring system |
CN106444812A (zh) * | 2016-10-26 | 2017-02-22 | 华南智能机器人创新研究院 | 一种基于四旋翼无人机的姿态控制的方法及其系统 |
-
2019
- 2019-03-19 CN CN201910209623.2A patent/CN109917800B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774378A (zh) * | 2017-03-01 | 2017-05-31 | 杭州谷航科技有限公司 | 一种无人机飞行控制及定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109917800A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109917800B (zh) | 无人机控制方法、装置、计算机设备及存储介质 | |
Wang et al. | Trajectory tracking control of a 6-DOF quadrotor UAV with input saturation via backstepping | |
Chen et al. | A novel nonlinear resilient control for a quadrotor UAV via backstepping control and nonlinear disturbance observer | |
CN106325291B (zh) | 基于滑模控制律和eso的四旋翼飞行器姿态控制方法及系统 | |
Liu et al. | Nonlinear adaptive backstepping with ESO for the quadrotor trajectory tracking control in the multiple disturbances | |
CN109976363B (zh) | 无人机控制方法、装置、计算机设备及存储介质 | |
WO2020177267A1 (zh) | 四旋翼无人机的控制方法、装置、设备及可读介质 | |
Dhadekar et al. | Robust control of quadrotor using uncertainty and disturbance estimation | |
Zhang et al. | Fully distributed time-varying formation tracking control for multiple quadrotor vehicles via finite-time convergent extended state observer | |
CN111026160B (zh) | 一种四旋翼无人机轨迹跟踪控制方法 | |
CN108829123B (zh) | 一种四旋翼飞行器控制方法、系统和装置 | |
CN111880410A (zh) | 一种针对电机故障的四旋翼无人机容错控制方法 | |
Falconí et al. | Hexacopter outdoor flight test results using adaptive control allocation subject to an unknown complete loss of one propeller | |
Mofid et al. | Adaptive integral-type terminal sliding mode control for unmanned aerial vehicle under model uncertainties and external disturbances | |
Huang et al. | Finite-time control for a UAV system based on finite-time disturbance observer | |
CN112684805A (zh) | 一种考虑姿态约束的高机动微型无人机控制方法 | |
Gong et al. | Prescribed-time extended state observer and prescribed performance control of quadrotor UAVs against actuator faults | |
Fan et al. | Coordinative coupled attitude and orbit control for satellite formation with multiple uncertainties and actuator saturation | |
Wang et al. | Disturbance observer-based backstepping formation control of multiple quadrotors with asymmetric output error constraints | |
Joukhadar et al. | Advanced UAVs nonlinear control systems and applications | |
Liu et al. | Non‐linear adaptive tracking control for quadrotor aerial robots under uncertain dynamics | |
Hou et al. | Terminal sliding mode control for quadrotors with chattering reduction and disturbances estimator: Theory and application | |
Sun et al. | Adaptive nonlinear relative motion control of quadrotors in autonomous shipboard landings | |
CN113961010A (zh) | 基于抗饱和有限时间自适应神经网络容错技术的四旋翼植保无人机跟踪控制方法 | |
Silveira et al. | Optimal visual servoed guidance of outdoor autonomous robotic airships |
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 |