CN110036298A - 借助多旋翼飞行器的风测量 - Google Patents
借助多旋翼飞行器的风测量 Download PDFInfo
- Publication number
- CN110036298A CN110036298A CN201780061906.6A CN201780061906A CN110036298A CN 110036298 A CN110036298 A CN 110036298A CN 201780061906 A CN201780061906 A CN 201780061906A CN 110036298 A CN110036298 A CN 110036298A
- Authority
- CN
- China
- Prior art keywords
- rotor aerocraft
- wind speed
- rotor
- propeller
- parameter
- 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
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 230000005484 gravity Effects 0.000 claims abstract description 17
- 230000009471 action Effects 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000007474 system interaction Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000009187 flying Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000002940 Newton-Raphson method Methods 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
- 108010050014 systemin Proteins 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
- G01P13/02—Indicating direction only, e.g. by weather vane
- G01P13/025—Indicating direction only, e.g. by weather vane indicating air data, i.e. flight variables of an aircraft, e.g. angle of attack, side slip, shear, yaw
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2200/00—Type of vehicles
- B60L2200/10—Air crafts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
- B64U10/13—Flying platforms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U30/00—Means for producing lift; Empennages; Arrangements thereof
- B64U30/20—Rotors; Rotor supports
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U50/00—Propulsion; Power supply
- B64U50/10—Propulsion
- B64U50/19—Propulsion using electrically powered motors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Transportation (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Power Engineering (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
- Wind Motors (AREA)
- Feedback Control In General (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明涉及一种能够实施风测量的多旋翼飞行器以及一种借助多旋翼飞行器用于风测量的方法。多旋翼飞行器包括：用于驱动N个螺旋桨PROPn的数量N的电动机MOTn；用于提供第一参数P1的第一接口(101)，第一参数P1包括：多旋翼飞行器的重心B的3D位置rB、时间导数：rB和rB、多旋翼飞行器的3D取向oM及其时间导数oM；第二接口(102)，用于提供由螺旋桨PROPn分别实时产生的空气动力学功率Pa，n；第一单元(103)，其基于第一参数P1、基于为了描述多旋翼飞行器的动力学而提供的模型M1和基于模型M1确定的外部作用于多旋翼飞行器的力螺旋Te的评估，来确定多旋翼飞行器相对于空气的相对速度的水平分量(vr，x，vr，y)；第二单元(104)，其基于确定的水平分量(vr，x，vr，y)以及基于空气动力学功率Pa，n确定相对速度vr的垂直分量(vr，z)；第三单元(105)，其基于确定的水平分量(vr，x，vr，y)、垂直分量(vr，z)以及基于参数P1确定惯性系统中的风速vw；以及用于存储风速vw(rB)的存储单元(106)和/或用于将风速vw(rB)无线传输至接收器(108)的传输单元(107)。
Description
技术领域
本发明涉及一种能够实施风测量的多旋翼飞行器、一种借助多旋翼飞行器用于风测量的方法、以及一种计算机系统、一种数字存储介质、一种计算机程序产品和一种计算机程序。
背景技术
本发明涉及一种多旋翼飞行器，即，由多个螺旋桨驱动的、用于风测量的自由飞行无人机或自由飞行机器人。在现有技术中已知设置用于风测量的多旋翼飞行器。因此，由当前的发明人Tomic T.和Haddadin S.的公开发表物：“Simultaneous Estimation ofAerodynamic and Contact Forces in Flying Robots：Application to Metric WindEstimations and Collision Detection”(ICRA 2015，Seattle，WAUSA，2015年5月，5290-5296页)中的多旋翼飞行器出发，其基于外部作用在该多旋翼飞行器上的力螺旋τe(Kraftwinder τe)的评估实现了对风速的评估。该文献的公开内容(特别是章节“IIIModeling”和“IV Incorporating Aerodynamics into external Wrench Estimation”)在此明确地并入本说明书的公开内容中。
在文献“Aerodynamic Power Control for Multirotor Aerial Vehicles”(Bangura M.et al.，in：IEEE International Conference on Robotics and Automation(ICRA)，31.05.-07.06.2014Hong Kong China)中，公开了一种多旋翼飞行器的控制，其具有抵抗风干扰和地面效应的强大特性。
US 8,219,267 B2中已知一种方法，利用该方法可以在UAV的运行期间估计风速。
发明内容
本发明的目的在于，说明一种多旋翼飞行器或一种运行多旋翼飞行器的方法，通过该多旋翼飞行器能够进行改进的风测量。
本发明可由独立权利要求的特征得出。有利的扩展和设计是从属权利要求的主题。本发明的其他特征、应用可能性和优点可从以下的描述以及附图中示出的本发明实施例的说明中看出。
本发明的一个方面涉及一种多旋翼飞行器，其具有：用于驱动N个螺旋桨PROPn的数量N的电动机MOTn，其中，n＝1，2，...N且N≥2；用于提供第一参数P1的第一接口，第一参数P1包括：多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM；第二接口，其用于提供由螺旋桨PROPn分别实时产生的空气动力学功率Pa，n；单元803，其基于第一参数P1和/或空气动力学功率Pa，n和/或外部作用在多旋翼飞行器上的一个或多个力螺旋τe的评估，确定多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T；单元805，其基于确定的相对速度vr：＝(vr，x，vr，y，vr，z)T以及基于参数P1确定惯性系统中的风速vw；和用于存储针对地点rB而确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))的存储单元和/或用于将风速vw(rB)无线传输至接收器的传输单元。
多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T的确定优选借助神经元学习或自主机器人学习的方法进行。
多旋翼飞行器上的螺旋桨平面(Propellerebene)的布置基本上是任意的。因此，相对速度vr：＝(vr，x，vr，y，vt，z)T的确定包括评估的力螺旋和评估的功率的组合。
如果螺旋桨平面基本上平行地布置并且特别是在一个平面中布置，则产生以下特殊情况。
本发明的另一个方面涉及一种多旋翼飞行器，其具有：用于驱动N个螺旋桨PROPn的数量N的电动机MOTn，其中，n＝1，2，...，N且N≥2；用于提供第一参数P1的第一接口，第一参数P1包括：多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)(或者提供信息，从该信息中能够确定/能够评估多旋翼飞行器的重心B的位置rB＝(xb，yb，zb))、时间导数：rB和rB、多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM(有利地(例如借助GPS、LIDAR、相机等一个或多个惯性测量单元(IMU)等)测量、观察或推导(例如通过视觉测距、诸如卡尔曼滤波器(Kalman-Filter)等的传感器数据融合)大小rB，rB，oM＝(αM，βM，γM)，oM)；第二接口，其用于提供由所述螺旋桨PROPn分别实时产生的空气动力学功率Pa，n(其通过有利的方式测量或观察得到)；第一单元，其基于第一参数P1、基于为了描述多旋翼飞行器的动力学而提供的模型M1，并且基于模型M1确定的外部作用在多旋翼飞行器上的力螺旋τe的评估，来确定多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T的水平分量(vr，x，vr，y)(为此，有利的是，使用“机器学习”领域中已知的函数逼近器(Funktionsapproximator)，例如，线性回归、神经网络、多层感知器、支持向量机(SVM)等)；第二单元，其基于确定的水平分量(vr，x，vr，y)以及基于空气动力学功率Pa，n确定相对速度vr的垂直分量(vr，z)；单元，其基于确定的水平分量(vr，x，vr，y)、垂直分量(vr，z)以及基于参数P1确定惯性系统中的风速vw；用于存储针对地点rB而确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))的存储单元，和/或用于将所述风速vw(rB)无线传输至接收器的传输单元。
术语“多旋翼飞行器”描述了一种具有两个或更多个驱动单元(特别是电动螺旋桨)的飞行器。多旋翼飞行器也可具有浮力表面和/或控制表面。N个螺旋桨PROPn在多旋翼飞行器上的布置原则上是任意的。每个螺旋桨有利地以其自己的坐标系描述。N个螺旋桨PROPn有利地是可矢量的，即，每个螺旋桨都可以用自己的随时间变化的坐标系来描述。因此，该方法基本上可以推广到其他布置，其中，不一定是螺旋桨在平面中的布置。显然可以从所描述的情况推导出相应必要的评估组合。
换言之，原则上所提出的方法可以实施外部的力螺旋τe到相对速度vr的回归、空气动力学功率Pa，n到相对速度vr的回归、和/或外部的力螺旋τe和空气动力学功率Pa，n到相对速度vr的回归。
有利地，在此适用的关系是，vr＝rB-vw，其中，vr：＝(vr，x，vr，y，vr，z)T：＝多旋翼飞行器相对于空气的相对速度，并且vw：＝(vw，x，vw，y，vw，z)T为风速。
因此，为了确定相对速度vr的水平分量(vr，x，vr，y)，所提出的多旋翼飞行器仅使用在引言中给出的方法，其中，基于用于多旋翼飞行器的动力学的模型和由其产生的外部作用于多旋翼飞行器的力螺旋τe的评估，进行相对速度vr的评估。
在本发明中，基于各个电动机-螺旋桨组合的空气动力学功率的确定以及基于之前确定的相对速度vr的水平分量(vr，x，vr，y)进行相对速度vr的垂直分量(vr，z)的确定。所提出的多旋翼飞行器由此实现了在飞行过程中更准确且更可靠地确定风速。因此，其特别是可以用作能够飞行的风传感器，其将所确定的风数据存储在主体上和/或传输到地面站。
以下将示出一些用于解释和实现本发明的关系和数学基础。
I.运动方程(刚体力学)
适用于本发明的多旋翼飞行器的运动方程原则上可以表述如下：
(Gl1) mr＝mge3+Rf+Rfe
其中，
m：多旋翼飞行器的重量
rB＝(x，y，z)T：多旋翼飞行器在固定的东北下惯性系统(Nord-Ost-UntenInertialsystem)中的位置
R∈SO(3)：由多旋翼飞行器-参照系统到惯性系统的旋转矩阵
多旋翼飞行器的惯性矩
(·)×：反对称矩阵算子(Skew-Symmetric-Matrix Operator)
g：重力加速度
ω：多旋翼飞行器的角速度
e3：惯性系统中z轴的单位矢量
rg：多旋翼飞行器-参照系统中多旋翼飞行器的重心的位置
f：多旋翼飞行器-参照系统中的标称力
fe：多旋翼飞行器-参照系统中作用在多旋翼飞行器上的外力
多旋翼飞行器-参照系统中的标称力矩
多旋翼飞行器-参照系统中作用在多旋翼飞行器上的外力矩。
在这种情况下，由螺旋桨-电动机单元产生的标称力螺旋和作用在多旋翼飞行器上的外部力螺旋通常取决于自由流速度v∞和螺旋桨转速术语“自由流速度”v∞在此应理解为不受多旋翼飞行器影响的气流的速度。
II.外部力螺旋的评估
对作用在多旋翼飞行器上的外部力螺旋的评估有利地基于以下关系：
其中，
和过滤器的增益因子
a＝RT(r-ge3)：在多旋翼飞行器的参照系统中测量的加速度
和评估的作用在多旋翼飞行器上的外力或外力矩。
对此详细的说明可以例如从Tomic T.的文章“Evaluation of acceleration-based disturbance observation for multicopter control”(European ControlConference(ECC)，2014，第2937-2944页)中得出。
III.螺旋桨空气动力学
作用在多旋翼飞行器的螺旋桨上的力取决于自由流速度v∞(相对风速)。在螺旋桨的参考系中的第n个螺旋桨的自由流速度v∞可表示如下：
其中，vr＝rB-vw是多旋翼飞行器的真实风速，vw是风速，是从多旋翼飞行器的惯性系统到参考系统的旋转矩阵，是从多旋翼飞行器的参考系统到螺旋桨的参考系统的旋转矩阵，ω是多旋翼飞行器的角速度，并且rn是各个螺旋桨相对于多旋翼飞行器的参考系统的位置。由于动量守恒，为第n个螺旋桨产生推力T
(Gl6) T＝2ρAviU
其中，ρ＝空气密度，A：＝螺旋桨扫过的平面，并且U＝||vie3+v∞||为由螺旋桨共同产生的尾流。由螺旋桨引起的流速vi可以有利地如下确定：
有利地，在已知的vh和v∞情况下，该解决方案借助于Newton-Raphson方法在几个步骤中进行。对于自由流速度的水平分量和垂直分量适用：vxy＝v∞-vz和在悬停飞行中，诱导速度适用：其中，由产生悬停推力Th。推力系数CT有利地由静推力测量值确定。D表示相应螺旋桨的直径，并且表示螺旋桨转速。理想的空气动力学螺旋桨功率由下式给出：
(Gl8) Pa＝2ρAviU(vi-vz)
前进飞行中的空气动力学功率与悬停飞行功率有关：
(Gl9) Pa/Ph＝(vi-vz)/vh
由给出。通过引入介于0和1之间的因子FM，可以考虑与理想特性的偏差。驱动单元(电动机和螺旋桨)的空气动力学功率Pa和由电动机产生的电动机功率PM之间的关系由下式给出：Pa＝PM·FM。
IV.用于描述无刷DC电动机的模型
为了评估驱动单元的空气动力学功率，有利地使用以下动态电动机模型。
(Gl10) τm＝(Kq0-Kq1ia)ia
其中，ia：＝电动机电流，τm：＝电动机的转矩，其中，转矩因数Kq(ia)有利地如下建模：Kq(ia)＝(Kqo-Kq1ia)，具有常数Kqo，Kq1。Ir是电动机转子的惯性矩，并且Dr是作用在电动机上的空气动力学摩擦力矩。由电动机输出的总机械功率导致：Pm＝Pa/FM+Pr，其中，Pm：＝电动机的机械功率，并且Pr：＝电动机转子的加速所需的功率，有利地如下用于确定空气动力学功率Pa的评估：
总之，这意味着测量或评估电动机电流ia。可同样地测量或根据ia评估数值和
V.基于外部力螺旋τe的确定评估风速vw
如上所述，可以基于外部作用在多旋翼飞行器上的力螺旋τe确定风速。假设力螺旋τe可以完全归因于空气动力学的τd摩擦力：τe＝τd，从而基于下面的空气动力学模型M1仅需要倒置：τd＝d(vr)。对于简单的空气动力学模型，这可以通过简单的关系或迭代来完成。例如，如果使用线性模型M1，则例如以下适用：
其中，Dl：＝线性系数矩阵。在使用的情况下适用：
其中，D：＝系数矩阵。这个简单的模型进一步暗示多旋翼飞行器具有对称的形状。
替代性地，可以遵循基于学习的方法。上述关系也可以通过径向基函数(Radial-Basis-Funktion，RBF)神经网络建模。这具有以下优点：反向关系直接在径向基函数中编码。有利地，将关系vr＝d-1(τe)建模为具有K个基函数的归一化RBF网络：
其中，＝具有每个速度分量的RBF的加权常数的矩阵：
并且评估的基函数。网络有利地通过因子归一化。有利地，使用高斯基函数：
其中，σ＝形状参数，x：＝确定的矢量，并且ci：＝第i个基函数的中心。
VI.基于分别由螺旋桨和电动机组成的驱动单元的确定的空气动力学功率的风测量
从方程(Gl7)、(Gl8)和(Gl9)出发，螺旋桨的空气动力学可以表示为非线性方程组F(vr，z，vr，xy，vi，vh，Pa)＝0和F＝[F1，F2，F3]T，其中：
假设Pa/(2ρA)和vh是已知的并且应确定矢量x＝[vr，x，vr，y，vr，z，vi]T。上面提到的非线性方程组(Gl21)是不确定的，因为存在三个未知量和仅两个已知量(在这种情况下，水平分量vr，x和vr，y被耦合成vr，xy)。这导致方程组(Gl21)的多种解。为了解决该最小化问题，提出对方程组(Gl21)进行扩展，以使得将Pa的多次(数量K)“测量”集成到该方程组中。
因此，总的来说，为了确定空气动力学功率Pa，n而实施K次测量。在这种情况下，对于单个电动机及其螺旋桨例如可以实施K次空气动力学功率Pa，n测量。有利地，对两个或更多个不同的电动机及其螺旋桨实施K次空气动力学功率Pa，n的“测量”。最后，对于K次不同的测量进行方程组(Gl21)到共同参照系统的变换。这基本上实现了通过解决非线性二次最小化问题(Gl21)来评估相对风向的所有三个分量以及由螺旋桨引起的风速vi。
假设在空气动力学功率Pa的K次“测量”期间，风速vw＝[vw，x，vw，y，vw，z]保持不变。如果在足够短的时间内进行K次测量，则该假设是充分合理的。足够精确的风测量需要空气动力学功率的K次确定，其中，充分的是将K选择为≤10，或K有利地在3到8的范围内。K选择得越高，计算量越大并因此进行测量的时间越长，从而随着时间的增长，在该时间内风变化的概率也增加。
有利地，在N个电动机-螺旋桨单元上同时进行N次的测量或空气动力学功率Pa的确定。如果例如选择K＝8并且多旋翼飞行器具有四个驱动单元，则每个驱动单元仅需要两次连续的空气动力学功率Pa的“测量”。有利地，在小时间窗内在不同时间点的多旋翼飞行器的多种姿势的空气动力学功率Pa的“测量”可以进行组合。只要多旋翼飞行器的飞行不是攻击性的(即，多旋翼飞行器的取向在测量时间段内没有显著改变)，则可以足够精确地评估多旋翼飞行器的参考系统中的自由流速度v∞。总体而言，实施空气动力学功率Pa的K次“测量”，从而确定风向vw的垂直分量[vw，z]。
对K次测量待确定的状态矢量x为：
(Gl22) x＝[vr，x，vr，y，vr，z，vi，1，vi，2，...，vi，K]T
其中，扩展的方程组必须求解：
(Gl23) F(vr，x，vr，y，vr，z，vi，1，vh，1，Pa，1，...，vi，K，vh，K，Pa，K)＝0
F＝[F1，1，F2，1，F3，1，...，F1，K，F2，K，F3，K]T
其中，方程组(Gl21)的F1，k，F2，k，F3，k评估是针对空气动力学功率的第k次“测量”。为了求解方程(Gl23)，需要雅可比矩阵(Jacobimatrix)。雅可比矩阵对第k次测量产生：
其中，因此可以构造扩展的雅可比矩阵在三次测量(K＝3)的示例性情况下得到：x|N＝3＝[vr，x，vr，y，vr，z，vi，1，vi，2，vi，3]T和
本领域技术人员可以轻易地实现对K次测量进行扩展。
当组合多旋翼飞行器的不同姿势的测量结果时，分别得到的风速必须转换到共同的参考系统。
有利地，第n个螺旋桨的自由流速度定义如下：
其中，为了计算方程(Gl21)和(Gl24)，使用了转换的速度。偏移速度(Offset-Geschwindigkeit)可以从姿势估计系统获得，作为两次测量之间的差异速度。有利地，可以使用由于多旋翼飞行器的角速度引起的螺旋桨的偏移速度，例如，旋转矩阵R(n)将相对速度从共同坐标系转换至螺旋桨坐标系。该公式有利地允许独立地确定自由流速度的所有三个分量。其还能实现风速分量vw的确定，即使在螺旋桨未在多旋翼飞行器上以共面构造的方式布置的情况下。
如果方程“匹配”，则必须解决多维优化问题。解决方案在所有非线性函数的交点，其中适用F＝0。然而，在一般情况下，所有非线性函数都没有交点。在这种情况下，必须使用以下目标函数来解决非线性二次最小化问题：
这有利地可通过Levenberg-Marquard方法完成。只要存在确切的解，则适用即，F＝0的交点。在所有其他情况下，会产生二次最小化的解决方案。
方程(Gl26)的解范围包含局部最优。基于物理学，可以在不同的风速vw和感应速度vi下出现相同的测量到的空气动力学功率Pa。优化的变量是速度。因此，将物理因素作为区分有意义解与无意义解的基础是有意义的。多旋翼飞行器必须使用功率来产生推力，这意味着T＞0和Pa＞0。诱导速度vi小于悬停飞行速度vh。有利地，诱导速度限制在0＜vi＜vh的范围内。
多旋翼飞行器的一个有利扩展方案的特征在于，第二单元设计和设置用于，解决对于f的空气动力学功率Pa，n的总数K个测量的以下的或可转化成其的或基本构思等同的非线性二次最小化问题，其中，k＝1，...，K且K≥1：
其中，适用：
(2) F(vr，x，vr，y，vr，z，vi，1，vh，1，Pa，1，...，vi，K，vh，K，Pa，K)＝0，
(3) F＝[F1，1，F2，1，F3，1，...，F1，K，F2，K，F3，K]，
(5) F2，k＝vi，kUk(vi，k-vr，z)-Pa，k/(2ρAn)＝0
其中，
An：第n个螺旋桨扫过的面积，
ρ：空气密度
vh，k(Pa，n，k)：在为了第k个测量的悬停飞行中第n个螺旋桨的诱导速度，
vi，k(Pa，n，k)：为了第k个测量的由第n个螺旋桨诱导的速度。
在相应的螺旋桨坐标系中描述以上方程(1)至(7)。
多旋翼飞行器的一个有利扩展方案的特征在于，第二单元设计和设置用于，在非线性二次最小化问题中通过以下或能够转换成其的关系考虑相对速度vr的确定的水平分量(vr，x，vr，y)：
(9) F4，k＝vr，x，k-vr，x＝0
(10) F5，k＝vr，y，k-vr，y＝0。
在相应的螺旋桨坐标系中描述等式(9)和(10)。因此，根据权利要求1评估的速度可以投射到螺旋桨坐标系中，从而适用这些方程。
本发明的一个有利的扩展方案的特征在于，模型M1基于下面的运动方程，或者模型M1可以归因于下面的运动方程：
Mv+C(v)v+gM＝JTτ+τe
其中，适用：τe＝τd(vr)和vr＝rB-vw
M：所述多旋翼飞行器的广义质量
υ：广义速度
ω：所述多旋翼飞行器的角速度
v：υ的时间导数
gM：多旋翼飞行器的重量
J：雅可比矩阵的块对角线
τ：由电动机MOTn待产生的标称力螺旋
τe：外部作用在多旋翼飞行器上的力螺旋
τd(vr)：仅通过空气摩擦产生的外部力螺旋
vr：＝(vr，x，vr，y，vr，z)T多旋翼飞行器相对于空气的相对速度
vw：＝(vw，x，vw，y，vw，z)T风速。
多旋翼飞行器的一个有利扩展方案的特征在于，存在用于控制和调节电动机MOTn的控制系统，其中，该控制系统这样设计和设置，即，调节电动机MOTn使得风速vw在螺旋桨PROPn的旋转轴的方向上的投射最大化。
所基于的优化问题也可以以数学的方式表达。在这种情况下，必须确定取向o*，其通过o*＝argminK(J)使雅可比矩阵的条件数最小化，其中K是条件数。
为此，有利地，特别是可以使用轨迹规划和/或可以使多旋翼飞行器的控制适应于最理想的风评估。该解决方案还可以通过梯度方法、基于潜在的方法或其他等效的数学解决方案产生。
通过这些措施提高了风测量的准确度并改善了测量的稳健性。
有利地，为了确定第一参数P1，在多旋翼飞行器中存在3D加速度传感器和陀螺仪以及位置检测系统并且与第一接口连接。有利地，位置检测系统是卫星导航系统和/或光学导航系统。
多旋翼飞行器的一个优选扩展方案的特征在于，为了确定每个电动机MOTn的空气动力学功率Pa，n，存在电动机电流传感器、电动机转速传感器或电动机转速评估器以及一个单元，该单元基于用于描述螺旋桨动力学的预给定模型M2、检测到的电动机电流和电动机转速来确定空气动力学功率Pa，n。至少一个相应的模型M2如上所述。
本发明的另一个方面涉及一种用多旋翼飞行器测量风速vw的方法，其中，该多旋翼飞行器具有数量N的电动机MOTn，其用于驱动N个螺旋桨PROPn，其中，n＝1，2，...，N且N≥2，所述方法包括以下步骤：第一参数P1的提供，第一参数P1包括：多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM；由螺旋桨PROPn分别实时产生的空气动力学功率Pa，n的提供；基于第一参数P1和/或空气动力学功率Pa，n和/或外部作用在多旋翼飞行器上的一个或多个力螺旋τe的评估，对多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T进行确定；基于确定的相对速度vr：＝(vr，x，vr，y，vr，z)T以及基于参数P1，对惯性系统中的风速vw进行确定；和对针对地点rB而确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))进行存储和/或将风速vw(rB)向接收器进行传输。
本发明的另一个方面涉及一种用多旋翼飞行器测量风速vw的方法，其中，该多旋翼飞行器具有数量N的电动机MOTn，其用于驱动N个螺旋桨PROPn，其中，n＝1，2，...，N且N≥2，所述方法包括以下步骤：
在第一个步骤中提供时间相关的第一参数P1，其包括：多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)(或者提供信息，从该信息中能够确定/能够评估多旋翼飞行器的重心B的位置rB＝(xb，yb，zb))、时间导数：rB和rB、多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM(有利地(例如借助GPS、LIDAR、相机等一个或多个惯性测量单元(IMU)等)测量、观察或推导(例如通过视觉测距、诸如卡尔曼滤波器等的传感器数据融合)大小rB，rB，oM＝(αM，βM，γM)，oM)。在另一个步骤中，提供由所述螺旋桨PROPn分别产生的空气动力学功率Pa，n(其通过有利的方式测量或观察得到)。在另一个步骤中，基于第一参数P1和/或为了描述多旋翼飞行器的动力学而提供的模型M1和/或基于模型M1确定的外部作用在多旋翼飞行器上的一个或多个力螺旋τe的评估，来确定多旋翼飞行器相对于空气的相对速度vr的水平分量(vr，x，vr，y)(为此，有利的是，使用“机器学习”领域中已知的函数逼近器，例如，线性回归、神经网络、多层感知器、支持向量机(SVM)等)。在另一个步骤中，基于确定的水平分量(vr，x，vr，y)、空气动力学功率Pa，n确定相对速度vr的垂直分量(vr，z)。在另一个步骤中，基于确定的相对速度vr＝(vr，x，vr，y，vr，z)T以及基于参数P1确定惯性系统中的风速vw。最后，存储针对地点rB而确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))，和/或将风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))无线传输至接收器。
因此，在使用等式(Gl16)和(Gl17)的条件下可以通过测量外部作用在多旋翼飞行器上的力螺旋来确定水平分量(vr，x，vr，y)。基于确定的水平分量(vr，x，vr，y)和确定的空气动力学功率Pa，确定垂直分量(vr，z)。通过关系vr＝rB-vw，最终可以确定、存储、传输并在必要时输出三维的风速。
所提出的方法的一个有利扩展方案的特征在于，对于f的空气动力学功率Pa，n的总数K个测量的以下的或可转化成其的非线性二次最小化问题得以解决，其中，k＝1，2，...，K且K≥1：
其中，适用：
(2) F(vr，x，vr，y，vr，z，vi，1，vh，1，Pa，1，...，vi，K，vh，K，Pa，K)＝0，
(3) F＝[F1，1，F2，1，F3，1，...，F1，K，F2，K，F3，K]，
(5) F2，k＝vi，kUk(vi，k-vr，z)-Pa，k/(2ρAn)＝0
其中，
An：第n个螺旋桨扫过的面积，
ρ：空气密度
vh，k(Pa，n，k)：在为了第k个测量的悬停飞行中第n个螺旋桨的诱导速度，
vi，k(Pa，n，k)：为了第k个测量的由第n个螺旋桨诱导的速度。
在相应的螺旋桨坐标系中描述以上方程(1)至(7)。
所提出的方法的一个有利扩展方案的特征在于，在非线性二次最小化问题中通过以下或能够转换至这种的关系考虑确定的水平分量(vr，x，vr，y)：
(9)F4，k＝vr，x，k-vr，x＝0
(10)F5，k＝vr，y，k-vr，y＝0。
在相应的螺旋桨坐标系中描述等式(9)和(10)。因此，根据权利要求1评估的速度可以投射到螺旋桨坐标系中，从而适用这些方程。
所提出的方法的一个有利的扩展方案的特征在于，模型M1基于下面的运动方程，或者模型M1可以归因于下面的运动方程：
Mv+C(v)v+gM＝JTτ+τe
其中，适用：τe＝τd(vr)和vr＝rB-vw
M：多旋翼飞行器的广义质量
υ：广义速度
ω：多旋翼飞行器的角速度
v：υ的时间导数
gM：多旋翼飞行器的重量
J：雅可比矩阵的块对角线
τ：由电动机MOTn待产生的标称力螺旋
τe：外部作用在多旋翼飞行器上的力螺旋
τd(vr)：仅通过空气摩擦产生的外部力螺旋
vr：＝(vr，x，vr，y，vr，z)T多旋翼飞行器相对于空气的相对速度
vw：＝(vw，x，vw，y，vw，z)T风速。
所提出的方法的一个有利扩展方案的特征在于，存在用于控制和调节电动机MOTn的控制系统，其中，该控制系统这样设计和设置，即，调节电动机MOTn使得风速vw在螺旋桨的旋转轴的方向上的投射最大化。
所提出的方法的一个有利扩展方案的特征在于，为了确定每个电动机MOTn的空气动力学功率Pa，n，确定电动机电流和电动机转速，并基于用于描述螺旋桨动力学的预给定模型M2、检测到的电动机电流和电动机转速来确定空气动力学功率Pa，n。
所提出的方法的一个有利扩展方案的特征在于，水平分量(vr，x，vr，y)的确定借助空气动力学的力螺旋的模型而完成，该模型描述了依赖性vr(τe)。
所提出的方法的一个有利扩展方案的特征在于，通过非线性优化方法(例如，Levenberg-Marquardt)解决非线性二次最小化问题。
本发明的另一个方面涉及一种具有数据处理装置的计算机系统，其中，数据处理装置设计为，在该数据处理装置上执行如上所述的方法。
本发明的另一个方面涉及一种具有电子可读的控制信号的数字存储介质，其中，控制信号能够与可编程的计算机系统交互，从而执行如上所述的方法。
本发明的另一个方面涉及一种具有存储在机器可读载体上的程序代码的计算机程序产品，当在数据处理装置上运行该程序代码时，该计算机程序产品用于实施如上所述的方法。
本发明的另一个方面涉及一种具有程序代码的计算机程序，当在数据处理装置上运行所述程序代码时，该计算机程序用于执行如上所述的方法。为此，数据处理装置可以设计作为现有技术已知的计算机系统中的任何数据处理装置。
本发明的另一个方面涉及一种包括两个或多个如上所述的多旋翼飞行器的系统，其中，多旋翼飞行器分别设计和设置用于在数据网络中彼此进行双边的数据交换，并且多旋翼飞行器将分别确定的风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))传送到各个其他的多旋翼飞行器。数据交换优选地通过无线电和/或光学数据而传输。
有利地，所述多旋翼飞行器被设计为用于在数据网络中无线通信的代理(Agent)或软机器人(Softbot)。术语“代理”在本发明中用于表示“处于特定环境中并且能够在该环境中执行独立动作以实现其(预设定的)目标的计算机系统”。
所提出的系统的有利扩展方案的特征在于，用于控制和调节各个多旋翼飞行器的电动机MOTn的控制系统设计和设置用于，在调节和运动计划过程中考虑由其他的多旋翼飞行器传输的确定的风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))。
所提出的系统的有利扩展方案的特征在于，多旋翼飞行器将重心B的位置rB，和/或时间导数：rB和/或rB，和/或各个多旋翼飞行器的3D取向oM和/或其时间导数oM，和/或外部作用在各个多旋翼飞行器的力螺旋τe，和/或空气动力学功率Pa，n传递至各个其他的多旋翼飞行器。
所提出的系统的有利扩展方案的特征在于，一个或多个多旋翼飞行器和/或设置用于与数据网络中的多旋翼飞行器进行数据交换的总部被设置和设计用于解决根据权利要求2所述的优化问题。这特别是实现了将所提出的系统用作分布式的风评估器，其中，专门建立了所有或一些多旋翼飞行器(代理)的相应的方程组并且解决了例如在当前的权利要求2中的优化问题。回归的学习(Lernen der Regression)也可以通过以上提及的方法应用于多旋翼飞行器场景。
附图说明
从以下描述中可以得到其他优点、特征和细节，其中(在适当的情况下，参考附图)详细地描述了至少一个实施例。相同、相似和/或功能相同的部件具有相同的附图标记。
其中：
图1是用于描述所使用多旋翼飞行器的量的动力学的示意图，
图2是根据本发明的多旋翼飞行器的结构的示意图，和
图3是根据本发明的方法的流程示意图。
具体实施方式
图1为用于描述施用多旋翼飞行器的量的动力学和参照系统的示意图。多旋翼飞行器的参照系统B处于惯性系统I中具有取向的位置r并且遭受风速vw。风通过空气动力根据多旋翼飞行器相对于空气的相对速度vr产生外力风螺旋桨以角速度旋转并通过推力Ti和摩擦力矩Qi产生标称力螺旋结合以上描述，其他增加的说明是不言自明的。
图2示出了根据本发明的多旋翼飞行器的结构的示意图。在这种情况下，多旋翼飞行器包括：数量N＝4的电动机MOTn，用于驱动N＝4的螺旋桨PROPn；用于提供第一参数P1的第一接口101，第一参数P1包括：多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM；用于提供由螺旋桨分别实时产生的空气动力学功率Pa，n的第二接口102；和第一单元103，该第一单元103基于第一参数P1、基于用于描述多旋翼飞行器的动力学所提供的模型M1并且基于模型M1确定的外部作用在多旋翼飞行器上的力螺旋τe的评估来确定多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T的水平分量(vr，x，vr，y)。
另外，多旋翼飞行器还包括：第二单元104，其基于所确定的水平分量(vr，x，vr，y)并基于空气动力学功率Pa，n确定相对速度vr的垂直分量(vr，z)；第三单元105，其基于所确定的水平分量(vr，x，vr，y)、垂直分量(vr，z)以及基于参数P1确定惯性系统中的风速vw；存储单元106，其用于存储针对位置rB确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))，和传输单元107，其用于将风速vw(rB)无线传输到接收器(未示出)。
图3示出了通过多旋翼飞行器测量风速vw的按照本发明的方法的示意图，其中，该多旋翼飞行器具有数量N的电动机，用于驱动N的螺旋桨PROPn，其中，n＝1，2，...N且N≥2。所述方法包括以下步骤。在步骤201中，提供第一时间依懒性参数P1，其包括多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM。在另一个步骤202中，提供由螺旋桨PROPn分别产生的空气动力学功率Pa，n。在另一个步骤203中，基于第一参数P1、为了描述多旋翼飞行器的动力学而提供的模型M1并且基于模型M1确定的外部作用在多旋翼飞行器上的力螺旋τe的评估，确定该多旋翼飞行器相对于空气的相对速度vr的水平分量(vr，x，vr，y)。在另一个步骤204中，以及基于确定的水平分量(vr，x，vr，y)、空气动力学功率Pa，n来确定相对速度vr的垂直分量(vr，z)，基于确定的相对速度vr＝(vr，x，vr，y，vr，z)以及基于参数P1确定惯性系统中的风速vw。在另一个步骤205中，存储针对rB而确定的风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))。在另一个步骤206中，将该风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))传输至接收器。
尽管通过优选实施方案详细地进一步示出和说明了本发明，但本发明并不受所公开的实施例的限制，并且在不脱离本发明的范围的情况下，其他变化可以由本领域技术人员由此推导得出。因此，显然存在多种可能的变化。同样清楚的是，示例性的实施例实际上仅是举例，不应以任何方式解释为限制本发明的范围、应用可能性或配置。确切地说，前面的描述和附图描述使得本领域技术人员能够具体地实施示例性的实施方式，其中，在不脱离由权利要求书及其法律等同物(例如说明书中的进一步说明)限定的保护范围的条件下，技术人员在了解了公开的方面构思的情况下能够对示例性实施方式中提及的元件的功能和布设采取多种改变。
附图标记列表
101 第一接口
102 第二接口
103 第一单元
104 第二单元
105 第三单元
106 存储单元
107 传输单元
201-206 方法步骤
Claims (20)
1.一种多旋翼飞行器，具有：
-数量N的电动机MOTn，用于驱动N个螺旋桨PROPn，其中，n＝1，2，...N且N≥2，
-第一接口(101)，用于提供第一参数P1，其包括：所述多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、所述多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM，
-第二接口(102)，用于提供由所述螺旋桨PROPn分别实时产生的空气动力学功率Pa，n，
-单元(803)，其基于所述第一参数P1和/或所述空气动力学功率Pa，n和/或外部作用在所述多旋翼飞行器上的一个或多个力螺旋τe的评估，确定所述多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T，
-单元(805)，其基于确定的所述相对速度vr：＝(vr，x，vr，y，vr，z)T以及基于参数P1确定惯性系统中的风速vw，和
-用于存储针对地点rB而确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))的存储单元(106)，和/或用于将所述风速vw(rB)无线传输至接收器的传输单元(107)。
2.一种多旋翼飞行器，具有：
-数量N的电动机MOTn，用于驱动N个螺旋桨PROPn，其中，n＝1，2，...N且N≥2，
-第一接口(101)，用于提供第一参数P1，其包括：所述多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、所述多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM，
-第二接口(102)，用于提供由所述螺旋桨PROPn分别实时产生的空气动力学功率Pa，n，
-第一单元(103)，其基于所述第一参数P1和/或基于为了描述所述多旋翼飞行器的动力学而提供的模型M1，和/或基于所述模型M1确定的外部作用在所述多旋翼飞行器上的力螺旋τe的评估，来确定所述多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T的水平分量(vr，x，vr，y)，
-第二单元(104)，其基于确定的所述水平分量(vr，x，vr，y)以及基于所述空气动力学功率Pa，n，确定所述相对速度vr的垂直分量(vr，z)，
-第三单元(105)，其基于确定的所述水平分量(vr，x，vr，y)、所述垂直分量(vr，z)以及基于参数P1确定惯性系统中的风速vw，
-用于存储针对地点rB而确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))的存储单元(106)，和/或用于将所述风速vw(rB)无线传输至接收器的传输单元(107)。
3.根据权利要求1至2中任一项所述的多旋翼飞行器，其中，所述单元(803)或所述第二单元(104)设计和设置用于，解决对于f的空气动力学功率Pa，n的总共K个测量的以下非线性二次最小化问题，其中，k＝1，...，K且K≥1：
(1)
其中适用的是：
(2)F(vr，x，vr，y，vr，z，vi，1，vh，1，Pa，1，...，vi，K，vh，K，Pa，K)＝0，
(3)F＝[F1，1，F2，1，F3，1，...，F1，K，F2，K，F3，K]，
(4)
(5)F2，k＝vi，kUk(vi，k-vr，z)-Pa，k/(2ρAn)＝0
(6)
(7)
其中，
An：第n个螺旋桨扫过的面积，
ρ：空气密度
vh，k(Pa，n，k)：在为了第k个测量的悬停飞行中所述第n个螺旋桨的诱导速度，
vi，k(Pa，n，k)：为了第k个测量的由所述第n个螺旋桨诱导的速度。
4.根据权利要求1至3中任一项所述的多旋翼飞行器，其中，所述单元(803)或所述第二单元(104)设计和设置用于，在所述非线性二次最小化问题中通过以下关联考虑所述相对速度vr的确定的水平分量(vr，x，vr，y)：
(9)F4，k＝vr，x，k-vr，x＝0
(10)F5，k＝vr，y，k-vr，y＝0。
5.根据权利要求3至4中任一项所述的多旋翼飞行器，其中，在所述第一单元(103)中，以下运动方程基于所述模型M1，或者所述模型M1能够追溯归因于以下运动方程：
(11)Mv+C(v)v+gM＝JTτ+τe
其中，适用：τe＝τd(vr)和vr＝rB-vw
M：所述多旋翼飞行器的广义质量
υ：广义速度
ω：所述多旋翼飞行器的角速度
v：υ的时间导数
gM：所述多旋翼飞行器的重量
J：雅可比矩阵的块对角线
τ：由所述电动机MOTn待产生的标称力螺旋[fT，mT]
τe：从外部作用于所述多旋翼飞行器的力螺旋
τd(vr)：仅通过空气摩擦产生的外部的力螺旋
vr：＝(vr，x，vr，y，vr，z)T所述多旋翼飞行器相对于空气的相对速度
vw：＝(vw，x，vw，y，vw，z)T风速。
6.根据权利要求1至5中任一项所述的多旋翼飞行器，其中，存在用于控制和调节所述电动机MOTn的控制系统，其中，所述控制系统这样设计和设置，即，调节所述电动机MOTn使得所述风速vw在所述螺旋桨PROPn的旋转轴的方向上的投射最大化。
7.根据权利要求1至6中任一项所述的多旋翼飞行器，其中，为了确定每个电动机MOTn的空气动力学功率Pa，n，存在电动机电流传感器、电动机转速传感器或电动机转速评估器以及一个单元，其基于用于描述螺旋桨动力学的预给定模型M2、检测到的电动机电流和电动机转速来确定所述空气动力学功率Pa，n。
8.一种用多旋翼飞行器测量风速vw的方法，其中，所述多旋翼飞行器具有数量N的电动机MOTn，其用于驱动N个螺旋桨PROPn，其中，n＝1，2，...，N且N≥2，所述方法包括以下步骤：
-第一参数P1的提供(201)，所述第一参数P1包括：所述多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、所述多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM，
-由所述螺旋桨PROPn分别实时产生的空气动力学功率Pa，n的提供(202)，
-基于所述第一参数P1和/或所述空气动力学功率Pa，n和/或外部作用在所述多旋翼飞行器上的一个或多个力螺旋τe的评估，对所述多旋翼飞行器相对于空气的相对速度vr：＝(vr，x，vr，y，vr，z)T进行确定(503)，
-基于确定的所述相对速度vr：＝(vr，x，vr，y，vr，z)T以及基于参数P1，对惯性系统中的风速vw进行确定(504)，和
-对针对地点rB而确定的风速vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))进行存储(205)和/或将所述风速vw(rB)无线传输到接收器的传输单元(107)。
9.一种用多旋翼飞行器测量风速vw的方法，其中，所述多旋翼飞行器具有数量N的电动机MOTn，其用于驱动N个螺旋桨PROPn，其中，n＝1，2，...N且N≥2，所述方法包括以下步骤：
-第一参数P1的提供(201)，所述第一参数P1包括：所述多旋翼飞行器的重心B的3D位置rB＝(xb，yb，zb)、时间导数：rB和rB、所述多旋翼飞行器的3D取向oM＝(αM，βM，γM)及其时间导数oM，
-由所述螺旋桨PROPn分别产生的空气动力学功率Pa，n的提供(202)，
-基于所述第一参数P1和/或为了描述所述多旋翼飞行器的动力学而提供的模型M1和/或基于所述模型M1确定的外部作用在所述多旋翼飞行器上的力螺旋τe的评估，对所述多旋翼飞行器相对于空气的相对速度vr的水平分量(vr，x，vr，y)进行确定(203)，
-基于确定的所述水平分量(vr，x，vr，y)、所述空气动力学功率Pa，n，对所述相对速度vr的垂直分量(vr，z)进行确定(204)，基于确定的所述相对速度vr＝(vr，x，vr，y，vr，z)以及基于参数P1，对惯性系统中的风速vw进行确定，和
-对针对地点rB而确定的风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))进行存储(205)和/或所述风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))向接收器进行传输(206)。
10.根据权利要求8至9中任一项所述的方法，其中，存在用于控制和调节所述电动机MOTn的控制系统，其中，调节所述电动机MOTn使得所述风速vw在所述螺旋桨PROPn的旋转轴的方向上的投射最大化。
11.根据权利要求8至10中任一项所述的方法，其中，为了确定每个电动机MOTn的空气动力学功率Pa，n，确定电动机电流和电动机转速，并基于用于描述螺旋桨动力学的预给定模型M2、检测到的电动机电流和电动机转速来确定所述空气动力学功率Pa，n。
12.一种具有数据处理装置的计算机系统，其中，所述数据处理装置设计为，在所述数据处理装置上执行根据上述权利要求中的任一项所述的方法。
13.一种具有电子可读的控制信号的数字存储介质，其中，所述控制信号能够与可编程的计算机系统交互，从而执行如上所述的方法。
14.一种具有存储在机器可读载体上的程序代码的计算机程序产品，其用于在数据处理装置上执行所述程序代码时执行如上所述的方法。
15.一种具有程序代码的计算机程序，其用于在数据处理装置上运行所述程序代码时执行如上所述的方法。
16.一种包括两个或多个根据权利要求1至7中任一项所述的多旋翼飞行器的系统，其中，所述多旋翼飞行器分别设计和设置用于在数据网络中彼此进行数据交换，并且所述多旋翼飞行器将分别确定的风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))传送到另一个的多旋翼飞行器。
17.根据权利要求16所述的系统，其中，所述多旋翼飞行器被实施作为用于在所述数据网络中无线通信的代理或软机器人。
18.根据权利要求16至17中任一项所述的系统，其中，用于控制和调节各个所述多旋翼飞行器的电动机MOTn的控制系统被设计和设置成，在调节中考虑由另外的多旋翼飞行器传输来的确定的风速：vw(rB)＝(vw，x(rB)，vw，y(rB)，vw，z(rB))。
19.根据权利要求16至18中任一项所述的系统，其中，所述多旋翼飞行器将重心B的位置rB、和/或时间导数：rB和/或rB、和/或相应的多旋翼飞行器的3D取向oM和/或其时间导数oM、和/或外部作用在相应的多旋翼飞行器上的力螺旋τe、和/或空气动力学功率Pa，n传送至另一个的多旋翼飞行器。
20.根据权利要求21所述的系统，其中，一个或多个多旋翼飞行器和/或用于在所述数据网络中与所述多旋翼飞行器数据交换的总部设置和设计用于解决根据权利要求2所述的优化问题。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102016119152.3A DE102016119152B4 (de) | 2016-10-07 | 2016-10-07 | Windmessung mittels eines Multikopters |
| DE102016119152.3 | 2016-10-07 | ||
| PCT/EP2017/001190 WO2018065096A1 (de) | 2016-10-07 | 2017-10-09 | Windmessung mittels eines multikopters |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110036298A true CN110036298A (zh) | 2019-07-19 |
| CN110036298B CN110036298B (zh) | 2021-12-14 |
Family
ID=60245027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780061906.6A Active CN110036298B (zh) | 2016-10-07 | 2017-10-09 | 借助多旋翼飞行器的风测量 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US11214366B2 (zh) |
| EP (1) | EP3523661B1 (zh) |
| JP (1) | JP6754005B2 (zh) |
| KR (1) | KR102279362B1 (zh) |
| CN (1) | CN110036298B (zh) |
| DE (1) | DE102016119152B4 (zh) |
| DK (1) | DK3523661T3 (zh) |
| WO (1) | WO2018065096A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213516A (zh) * | 2020-09-22 | 2021-01-12 | 南京信息工程大学 | 一种基于动力反演的浮空平台测风方法 |
| CN112464359A (zh) * | 2020-11-03 | 2021-03-09 | 中国直升机设计研究所 | 一种多旋翼机的飞行品质建模校核方法 |
| CN112904046A (zh) * | 2021-02-10 | 2021-06-04 | 复旦大学 | 一种大气层内飞行器气流监测系统 |
| CN113252933A (zh) * | 2021-05-12 | 2021-08-13 | 北京航空航天大学 | 一种螺旋桨来流速度检测装置及方法 |
| CN113401337A (zh) * | 2020-03-16 | 2021-09-17 | 沃科波特有限公司 | 飞行器及其控制方法、控制装置 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7368840B2 (ja) * | 2019-07-16 | 2023-10-25 | 株式会社エアロネクスト | 環境情報分析方法 |
| CN110427047B (zh) * | 2019-07-26 | 2022-06-03 | 深圳市道通智能航空技术股份有限公司 | 风速测算方法、风速估算器及无人机 |
| CN111114856B (zh) * | 2019-09-24 | 2022-10-28 | 哈尔滨工业大学 | 火星飞行器上下旋翼间距自动可调的气动特性测量装置 |
| CN112034200B (zh) * | 2020-09-03 | 2022-07-19 | 上海旭宇信息科技有限公司 | 一种螺旋桨式的水流速度计量装置 |
| CN112269031B (zh) * | 2020-10-22 | 2022-05-10 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 基于神经网络的旋翼无人机实时风速估计方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5214596A (en) * | 1986-06-14 | 1993-05-25 | Duetsche Forchungs- Und Versuchsanstalt Fur Luft- Und Raumfahrt E.V. | System for determining the airspeed of helicopters |
| US8219267B2 (en) * | 2010-05-27 | 2012-07-10 | Honeywell International Inc. | Wind estimation for an unmanned aerial vehicle |
| CN104685436A (zh) * | 2013-12-13 | 2015-06-03 | 深圳市大疆创新科技有限公司 | 无人飞行器起飞及降落方法 |
| CN204688409U (zh) * | 2015-04-27 | 2015-10-07 | 广州快飞计算机科技有限公司 | 一种多旋翼和固定翼结合的无人飞行器 |
| CN105083588A (zh) * | 2015-08-17 | 2015-11-25 | 华南农业大学 | 一种多旋翼无人飞行器性能测试平台及方法 |
| CN105292456A (zh) * | 2015-11-24 | 2016-02-03 | 齐心 | 一种多旋翼无人飞行器 |
| US20160214715A1 (en) * | 2014-11-21 | 2016-07-28 | Greg Meffert | Systems, Methods and Devices for Collecting Data at Remote Oil and Natural Gas Sites |
| CN105947206A (zh) * | 2016-04-28 | 2016-09-21 | 华南农业大学 | 一种可在田间任意起降作业的无人机及其作业方法 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2642842B1 (fr) * | 1989-01-18 | 1991-05-03 | Crouzet Sa | Procede de determination de la vitesse du vent moyen par rapport au sol, pendant le vol d'un aeronef |
| EP0760955B1 (en) * | 1994-04-19 | 1998-06-03 | Northrop Grumman Corporation | Aircraft location and identification system |
| FR2943423B1 (fr) * | 2009-03-17 | 2011-06-24 | Airbus France | Procede et dispositif pour estimer sur un aeronef au moins une caracteristique du vent. |
| US8489256B2 (en) * | 2010-04-13 | 2013-07-16 | The United States Of America As Represented By The Secretary Of The Navy | Automatic parafoil turn calculation method and apparatus |
| US8820678B2 (en) * | 2012-01-09 | 2014-09-02 | Google Inc. | Relative positioning of balloons with altitude control and wind data |
| US8571729B2 (en) * | 2012-02-08 | 2013-10-29 | The Boeing Company | Wind calculation system using a constant bank angle turn |
| FR2988868B1 (fr) * | 2012-03-30 | 2015-04-24 | Parrot | Procede de pilotage d'un drone a voilure tournante a rotors multiples avec estimation et compensation du vent lateral |
| NO344081B1 (no) * | 2012-04-02 | 2019-09-02 | FLIR Unmanned Aerial Systems AS | Fremgangsmåte og anordning for å navigere et luftfartøy |
| US9321517B1 (en) * | 2013-09-30 | 2016-04-26 | Google Inc. | Methods and systems for altitude control of balloons to improve wind data |
| US10012667B2 (en) * | 2014-10-16 | 2018-07-03 | The Boeing Company | Methods and systems for airborne vehicle wind depiction |
| KR101685548B1 (ko) * | 2015-04-01 | 2016-12-12 | 고려대학교 산학협력단 | 드론 편대 제어 방법 |
| US10023323B1 (en) * | 2015-04-29 | 2018-07-17 | X Development Llc | Estimating wind from an airborne vehicle |
| US11467179B2 (en) * | 2015-12-07 | 2022-10-11 | Rakuten Group, Inc. | Wind estimation system, wind estimation method, and program |
| US9665103B1 (en) * | 2015-12-09 | 2017-05-30 | X Development Llc | Efficient aerostat navigation by moving between atmospheric layers |
| US9536149B1 (en) * | 2016-02-04 | 2017-01-03 | Proxy Technologies, Inc. | Electronic assessments, and methods of use and manufacture thereof |
| US20190265735A1 (en) * | 2016-09-30 | 2019-08-29 | Nec Corporation | Flight control device, unmanned aerial vehicle, flight control method, and computer-readable recording medium |
-
2016
- 2016-10-07 DE DE102016119152.3A patent/DE102016119152B4/de active Active
-
2017
- 2017-10-09 JP JP2019518426A patent/JP6754005B2/ja active Active
- 2017-10-09 US US16/340,018 patent/US11214366B2/en active Active
- 2017-10-09 EP EP17793833.9A patent/EP3523661B1/de active Active
- 2017-10-09 WO PCT/EP2017/001190 patent/WO2018065096A1/de unknown
- 2017-10-09 CN CN201780061906.6A patent/CN110036298B/zh active Active
- 2017-10-09 KR KR1020197013028A patent/KR102279362B1/ko active IP Right Grant
- 2017-10-09 DK DK17793833.9T patent/DK3523661T3/da active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5214596A (en) * | 1986-06-14 | 1993-05-25 | Duetsche Forchungs- Und Versuchsanstalt Fur Luft- Und Raumfahrt E.V. | System for determining the airspeed of helicopters |
| US8219267B2 (en) * | 2010-05-27 | 2012-07-10 | Honeywell International Inc. | Wind estimation for an unmanned aerial vehicle |
| CN104685436A (zh) * | 2013-12-13 | 2015-06-03 | 深圳市大疆创新科技有限公司 | 无人飞行器起飞及降落方法 |
| US20160214715A1 (en) * | 2014-11-21 | 2016-07-28 | Greg Meffert | Systems, Methods and Devices for Collecting Data at Remote Oil and Natural Gas Sites |
| CN204688409U (zh) * | 2015-04-27 | 2015-10-07 | 广州快飞计算机科技有限公司 | 一种多旋翼和固定翼结合的无人飞行器 |
| CN105083588A (zh) * | 2015-08-17 | 2015-11-25 | 华南农业大学 | 一种多旋翼无人飞行器性能测试平台及方法 |
| CN105292456A (zh) * | 2015-11-24 | 2016-02-03 | 齐心 | 一种多旋翼无人飞行器 |
| CN105947206A (zh) * | 2016-04-28 | 2016-09-21 | 华南农业大学 | 一种可在田间任意起降作业的无人机及其作业方法 |
Non-Patent Citations (4)
| Title |
|---|
| MOSES BANGURA: "《Aerodynamic power control for multirotor aerial vehicles》", 《2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》 * |
| TEODOR TOMI´C: "《Evaluation oAcceleration-Based Disturbance Observation for Multicopter Control》", 《2014 EUROPEAN CONTROL CONFERENCE (ECC)》 * |
| TEODOR TOMIĆ: "《Simultaneous estimation of aerodynamic and contact forces in flying robots: Applications to metric wind estimation and collision detection》", 《2015 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)》 * |
| 李继宇: "《圆形多轴多旋翼电动无人机辅助授粉作业参数优选》", 《农业工程学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113401337A (zh) * | 2020-03-16 | 2021-09-17 | 沃科波特有限公司 | 飞行器及其控制方法、控制装置 |
| CN113401337B (zh) * | 2020-03-16 | 2023-12-05 | 沃科波特有限公司 | 飞行器及其控制方法、控制装置 |
| CN112213516A (zh) * | 2020-09-22 | 2021-01-12 | 南京信息工程大学 | 一种基于动力反演的浮空平台测风方法 |
| CN112464359A (zh) * | 2020-11-03 | 2021-03-09 | 中国直升机设计研究所 | 一种多旋翼机的飞行品质建模校核方法 |
| CN112904046A (zh) * | 2021-02-10 | 2021-06-04 | 复旦大学 | 一种大气层内飞行器气流监测系统 |
| CN113252933A (zh) * | 2021-05-12 | 2021-08-13 | 北京航空航天大学 | 一种螺旋桨来流速度检测装置及方法 |
| CN113252933B (zh) * | 2021-05-12 | 2022-03-11 | 北京航空航天大学 | 一种螺旋桨来流速度检测装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190086667A (ko) | 2019-07-23 |
| US20190241076A1 (en) | 2019-08-08 |
| JP6754005B2 (ja) | 2020-09-09 |
| US11214366B2 (en) | 2022-01-04 |
| WO2018065096A1 (de) | 2018-04-12 |
| EP3523661A1 (de) | 2019-08-14 |
| CN110036298B (zh) | 2021-12-14 |
| DK3523661T3 (da) | 2022-05-23 |
| DE102016119152B4 (de) | 2018-12-27 |
| EP3523661B1 (de) | 2022-03-16 |
| DE102016119152A1 (de) | 2018-04-12 |
| JP2019536994A (ja) | 2019-12-19 |
| KR102279362B1 (ko) | 2021-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110036298A (zh) | 借助多旋翼飞行器的风测量 | |
| González-Rocha et al. | Sensing wind from quadrotor motion | |
| Koehl et al. | Aerodynamic modelling and experimental identification of a coaxial-rotor UAV | |
| Tomić et al. | The flying anemometer: Unified estimation of wind velocity from aerodynamic power and wrenches | |
| Borup et al. | A nonlinear model-based wind velocity observer for unmanned aerial vehicles | |
| CN108413956A (zh) | 多旋翼飞行器稳定性分析平台 | |
| 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 | |
| Koehl et al. | Wind-disturbance and aerodynamic parameter estimation of an experimental launched micro air vehicle using an EKF-like observer | |
| CN114355959A (zh) | 空中机器人的姿态输出反馈控制方法、装置、介质和设备 | |
| Saied et al. | Differential flatness-based approach for sensors and actuators fault diagnosis of a multirotor UAV | |
| Blachuta et al. | Attitude and heading reference system based on 3D complementary filter | |
| CN207881710U (zh) | 一种多旋翼飞行器的飞行姿态分析平台 | |
| Baranek et al. | Model-based attitude estimation for multicopters | |
| Chmaj et al. | The dynamics influence of the attached manipulator on unmanned aerial vehicle | |
| Safaei | Adaptive relative velocity estimation algorithm for autonomous mobile robots using the measurements on acceleration and relative distance | |
| CN108827302A (zh) | 基于旋翼转速测量的多旋翼飞行器导航方法 | |
| Lyu et al. | A novel integrated navigation system based on the quadrotor dynamic model | |
| Wu et al. | Real-time wind estimation with a quadrotor using BP neural network | |
| Stepanyan et al. | Adaptive multi-sensor information fusion for autonomous urban air mobility operations | |
| Chen et al. | Flight dynamics modelling and experimental validation for unmanned aerial vehicles | |
| Borup | Air data estimation for small unmanned aircraft | |
| AU2021102531A4 (en) | Three-dimensional wind, airspeed calculation, and prediction method for aerial drones using deep learning | |
| Scholz et al. | Model independent control of a quadrotor with tiltable rotors: IEEE/ION PLANS 2016, April 11–14, Savannah, Georgia, United States of America | |
| Bennetts | Aerodynamic interactions of non-planar rotors | |
| EP4328595A1 (en) | Fluid flow estimation and navigation |
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 |