CN110427047A - 风速测算方法、风速估算器及无人机 - Google Patents

风速测算方法、风速估算器及无人机 Download PDF

Info

Publication number
CN110427047A
CN110427047A CN201910682355.6A CN201910682355A CN110427047A CN 110427047 A CN110427047 A CN 110427047A CN 201910682355 A CN201910682355 A CN 201910682355A CN 110427047 A CN110427047 A CN 110427047A
Authority
CN
China
Prior art keywords
unmanned plane
wind speed
wind
flight
air resistance
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
CN201910682355.6A
Other languages
English (en)
Other versions
CN110427047B (zh
Inventor
张添保
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.)
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Original Assignee
Shenzhen Autel Intelligent Aviation Technology Co Ltd
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 Shenzhen Autel Intelligent Aviation Technology Co Ltd filed Critical Shenzhen Autel Intelligent Aviation Technology Co Ltd
Priority to CN202210521445.9A priority Critical patent/CN114967736A/zh
Priority to CN201910682355.6A priority patent/CN110427047B/zh
Publication of CN110427047A publication Critical patent/CN110427047A/zh
Priority to EP20846707.6A priority patent/EP4006683A4/en
Priority to PCT/CN2020/104585 priority patent/WO2021018050A1/zh
Priority to US17/582,216 priority patent/US20220146546A1/en
Application granted granted Critical
Publication of CN110427047B publication Critical patent/CN110427047B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • 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
    • 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
    • G01P5/02—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring forces exerted by the fluid on solid bodies, e.g. anemometer
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P7/00—Measuring speed by integrating acceleration
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0202—Control of position or course in two dimensions specially adapted to aircraft
    • G05D1/0204—Control of position or course in two dimensions specially adapted to aircraft to counteract a sudden perturbation, e.g. cross-wind, gust
    • 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
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及风速测算方法、风速估算器及无人机。所述风速测算方法包括：基于与无人机的飞行数据和属性数据，通过系统辨识确定所述无人机当前的风阻干扰；根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速。其利用系统辨识的原理，在不依赖新增风速传感器和外部数据库的前提下，通过辨识参数的形式实现了风速测算的过程，既节省了硬件设备的成本，又不会带来额外的算力负担和实时性的问题，方法简单并且成本低廉。

Description

风速测算方法、风速估算器及无人机
【技术领域】
本发明涉及无人机技术领域，尤其涉及一种风速测算方法、风速估算器、及无人机。
【背景技术】
无人机作为一种适应性强，使用成本低，投放快速方便的悬停式空中载具，在许多不同的场合都得到广泛的应用。其通过搭载不同类型的功能组件，可以发挥重要的作用。
在飞行过程中，无人机会受到风的干扰。当风速或者风力较小时，飞行控制系统自身的鲁棒性能够抵抗风干扰，保证无人机的平稳飞行。但是，飞行控制系统所能够调节或者抵抗的风力范围是有特定的限度范围的。
当风速超过无人机能够承受的上限以后，飞行控制系统的稳定性将难以维持，容易出现无人机无法返航，甚至炸机等事故。尤其是航拍无人机在风速较大时，其航拍质量会严重地受到影响。
因此，风速检测功能是非常重要的功能。基于无人机风速检测和估计可以为无人机使用者提供较好的预警，有效的避免事故发生。
目前的风速检测或者估计方法大致可以分为采用风速传感器直接测量气流速度和采用事先建立数据库的方法或基于大数据方法来进行风速估计两种。但是，采用风速或者风力传感器直接测量气流速度的方法需要在无人机上增加额外的传感器，造成无人机制作成本的上升。而建立数据库或者大数据计算的方法需要消耗较多的算力，加重飞行控制系统的运算负担。而且，数据库加载在飞机上，会极大的占用内存，耗费的时间也比较多，对于风速检测的实时性有比较大的影响。
因此，迫切需要新的低成本风速检测方式。
【发明内容】
为了解决上述技术问题，本发明实施例提供一种不依赖数据库和新增风速传感器的风速测算方法、风速估算器及无人机。
为解决上述技术问题，本发明实施例提供一种风速测算方法。所述风速测算方法包括：
基于、无人机的飞行数据和属性数据，通过系统辨识确定所述无人机当前的风阻干扰；所述飞行数据包括：无人机的姿态角、飞行速度、加速度以及飞行高度；
所述属性数据包括：无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数；
根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速。
可选地，所述基于无人机的飞行数据和属性数据，通过系统辨识确定所述无人机当前的风阻干扰，包括：
构建无人机的系统辨识模型，所述系统辨识模型的待辨识参数为所述无人机当前的等效风阻系数；
通过在线辨识方法，根据所述无人机当前的飞行数据以及所述属性数据求解相对应的所述等效风阻系数；
所述根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速，包括：
根据所述等效风阻系数与所述无人机的固有风阻系数之差，计算所述无人机所处飞行环境的风速。
可选地，所述通过在线辨识方法，求解与当前的飞行数据以及属性数据相对应的所述等效风阻系数，具体包括：
离散化所述系统辨识模型，形成对应的离散方程；
根据预设的初始值，所述无人机当前的姿态角、飞行速度以及加速度，递推计算所述无人机受到的等效风阻力；
根据所述无人机当前的迎风面积以及空气密度，将所述等效风阻力转换为等效风阻系数；
所述迎风面积由所述无人机当前的姿态角和用于计算迎风面积的非线性函数计算获得，所述空气密度由所述无人机当前的飞行高度计算获得。
可选地，所述等效风阻系数由在x方向上的等效风阻系数分量和y方向上的等效风阻系数分量表示，所述风速由在x方向上的风速分量和在y方向上的风速分量表示；所述x方向和所述y方向之间相互垂直，与所述无人机处于相同的平面。
可选地，所述根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速，具体包括：
通过如下算式计算所述无人机所处飞行环境的风速：
其中，Vwx为所述无人机所处飞行环境的风速在x方向上的风速分量，Vwy为所述无人机所处飞行环境的风速在y方向上的风速分量，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，Cdx为无人机在x方向上的固有风阻系数，Cdy为无人机在y方向上的固有风阻系数。
可选地，所述无人机在x方向上的固有风阻系数以及在y方向上的固有风阻系数根据所述无人机在无风室内的飞行数据，通过最小二乘法拟合确定。
可选地，所述系统辨识模型通过如下算式表示：
其中，为无人机在x方向上的加速度，为无人机在y方向上的加速度，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，
T为螺旋桨拉力，θ为俯仰角，φ为滚转角，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，m为无人机的质量，wx为在x方向上的模型不确定性，wy为在y方向上的模型不确定性。
可选地，所述迎风面积通过如下算式计算确定：
Sfb＝Sfb0(1+ffb(θ，φ))
Srl＝Srl0(1+frl(θ，φ))
其中，5fb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿x方向飞行时的迎风面积；Sfb0为姿态角为0时，无人机沿x方向飞行时的迎风面积；Srl0为姿态角为0时，无人机沿y方向飞行时的迎风面积；ffb(θ，φ)和frl(θ，φ)为非线性函数；θ为俯仰角；φ为滚转角。
可选地，所述螺旋桨拉力通过如下算式计算获得：
其中，az为无人机在z方向上的加速度，g为重力加速度；所述z方向垂直于所述x方向和所述y方向组成的平面；θ为俯仰角；φ为滚转角；m为无人机的质量。
可选地，所述方法还包括：
根据在x方向和y方向上的风速分量，通过如下算式，计算风向：
β＝ψ+arctan2(-Vwx，-Vwy)
其中，ψ为无人机的偏航角，β为风向，Vwx为在x方向上的风速分量，Vwy为在y方向上的风速分量。
可选地，所述方法还包括；在所述无人机所处飞行环境的风速满足预设的警告条件时，发出警告信号。
可选地，所述在所述无人机所处飞行环境的风速满足预设的警告条件时，发出警告信号，包括：
通过如下算式计算判断是否符合预设的警告条件：
其中，Vwx为在x方向上的风速分量，Vwy为在y方向上的风速分量，Vthr为安全风速门限值；
在符合预设的警告条件时，发出警告信号；
在不符合所述预设的警告条件时，继续检测所述无人机所处飞行环境的风速。
本发明另一实施例提供了一种风速估算器。其中，所述风速估算器包括：
系统辨识单元，所述系统辨识单元用于接收无人机的飞行数据和属性数据，并根据所述飞行数据和属性数据，辨识确定所述无人机当前的风阻干扰；
所述飞行数据包括：无人机的姿态角、飞行速度、加速度以及飞行高度；所述属性数据包括：无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数；
风速估计单元，所述风速估计单元与所述系统辨识单元连接，用于根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速。
可选地，所述系统辨识单元内存储有预先设置的系统辨识模型，所述系统辨识模型的待辨识参数为等效风阻系数；
所述系统辨识单元用于：通过在线辨识方法，根据所述当前的飞行数据以及所述属性数据求解相对应的所述等效风阻系数。
可选地，所述系统辨识单元还用于：
离散化所述系统辨识模型，形成对应的离散方程；
根据预设的初始值，所述无人机当前的姿态角、飞行速度以及加速度，递推计算所述无人机受到的等效风阻力；
根据所述无人机当前的迎风面积以及空气密度，将所述等效风阻力转换为等效风阻系数；
所述迎风面积由所述无人机当前的姿态角和用于计算迎风面积的非线性函数计算获得，所述空气密度由所述无人机当前的飞行高度计算获得。
可选地，所述等效风阻系数由在x方向上的等效风阻系数分量和y方向上的等效风阻系数分量表示，所述风速由在x方向上的风速分量和在y方向上的风速分量表示；所述x方向和所述y方向之间相互垂直，与所述无人机处于相同的平面。
可选地，所述系统辨识模型通过如下算式表示：
其中，为无人机在x方向上的加速度，为无人机在y方向上的加速度，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，
T为螺旋桨拉力，θ为俯仰角，φ为滚转角，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，m为无人机的质量，wx为在x方向上的模型不确定性，wy为在y方向上的模型不确定性。
可选地，所述风速估计单元还用于接收所述无人机当前的姿态角、飞行速度、飞行高度、固有风阻系数以及用于计算迎风面积的非线性函数，并通过如下算式计算所述无人机所处飞行环境的风速：
其中，Vwx为所述无人机所处飞行环境的风速在x方向上的风速分量，Vwy为所述无人机所处飞行环境的风速在y方向上的风速分量，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，Cdx为无人机在x方向上的固有风阻系数，Cdy为无人机在y方向上的固有风阻系数。
可选地，所述风速估算器还包括：预警单元；
所述预警单元用于在所述无人机所处飞行环境的风速满足预设的警告条件时，发出警告信号。
可选地，所述预警单元还用于：
通过如下算式计算判断是否符合所述预设的警告条件：
其中，Vwx为在x方向上的风速分量，Vwy为在y方向上的风速分量，Vthr为安全风速门限值；
在符合所述预设的警告条件时，发出警告信号；
在不符合所述预设的警告条件时，继续检测所述无人机所处飞行环境的风速。
本发明又一实施例提供了一种无人机。其中，所述无人机包括机身主体、设置在所述机身主体上的一个或者多个传感器、存储器以及飞行控制系统；所述存储器内存储有计算机可执行程序指令，在所述计算机可执行程序指令被所述飞行控制系统调用时，以使所述飞行控制系统从所述传感器获取的飞行数据，并从所述存储器获取属性数据，执行如上所述的风速测算方法。
可选地，所述飞行控制系统还用于将所述无人机所处飞行环境的风速转换为风向，并在所述无人机对应的遥控设备上显示所述风速和风向。
与现有技术相比较，本发明实施例提供的风速测算方法利用系统辨识的原理，在不依赖新增风速传感器和外部数据库的前提下，通过辨识参数的形式实现了风速测算的过程，既节省了硬件设备的成本，又不会带来额外的算力负担和实时性的问题，方法简单并且成本低廉。
进一步地，还可以将风速测算的结果应用于预警功能，对使用者进行提示或者报警，有效的降低飞行事故发生的概率。
【附图说明】
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1为本发明实施例的应用环境的示意图；
图2为本发明实施例提供的无人机的功能框图；
图3为本发明实施例提供的RC遥控器的显示界面的示意图；
图4为本发明实施例提供的智能终端的显示界面的示意图；
图5为本发明实施例提供的风速估算器的功能框图；
图6为本发明实施例提供的风速测算方法的方法流程图；
图7为本发明实施例提供的辨识参数递推计算方法的方法流程图；
图8为本发明另一实施例提供的风速测算方法的方法流程图；
图9为本发明实施例提供的飞行控制系统执行的计算过程的方法流程图；
图10为本发明实施例提供的风速跟随时间变化的曲线图；
图11为本发明实施例提供的风向跟随时间变化的曲线图。
【具体实施方式】
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，下面所描述的本发明不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
系统辨识是系统控制方法的其中一种，其依赖于系统的输入输出时间函数来确定和描述系统行为的数据模型，从而实现对系统行为的预测。在系统辨识过程中，会根据先验知识并结合参数辨识的过程来确定具体的数据模型。利用一些计算确定的待辨识参数可以实现对整个系统的外部干扰的估计，并进而通过合适的一系列转换方法获得所需要的参数。该外部干扰可以是对于某个运动系统施加的干扰，例如无人机在飞行过程中，受风力干扰而对无人机造成的影响。
图1为本发明实施例提供的应用环境。如图1所示，所述应用环境以无人机系统为例，包括无人机10、遥控设备20以及无线网络30。
无人机10可以是以任何类型的动力驱动(如电力)的无人飞行载具，包括但不限于四轴无人机、固定翼飞行器以及直升机模型等。在本实施例中以四轴无人机为例进行陈述。无人机10的机身主体上可以搭载有若干不同的功能模块，这些功能模块可以是软件模块、硬件模块或者软件和硬件结合的，用于实现某一项或多项功能的模块化装置。
遥控设备20可以是任何类型，用以与无人机建立通信连接，控制无人机的装置，例如RC遥控器。该RC遥控器可以装配有一种或者多种不同的用户交互装置，基于这些用户交互装置来采集用户指令或者向用户展示和反馈信息，实现用户与无人机之间的交互。
这些交互装置包括但不限于：按键、滚轮、显示屏、触摸屏、鼠标、扬声器以及遥杆。例如，遥控设备20可以装配有显示屏，通过该显示屏接收用户对无人机的遥控指令并通过显示屏向用户展示航拍图像，或者是向用户呈现相应的模拟驾驶界面，在模拟驾驶界面上展示一项或者多项飞行参数，如飞行速度、航向或者剩余电量等。
在另一些实施例中，该遥控设备20还可以由智能终端实现。该智能终端包括但不限于智能手机、平板电脑、手提电脑以及可穿戴设备等。该智能终端通过运行特定设置的APP客户端或者网页端与无人机建立通信连接，实现与无人机之间的数据收发，从而作为遥控设备20使用。
无线网络30可以是基于任何类型的数据传输原理，用于建立两个节点之间的数据传输信道的无线通信网络。例如，位于不同信号频段的蓝牙网络、WiFi网络、无线蜂窝网络或者其结合。无线网络30具体使用的频段或者网络形式由无人机10和遥控设备20采用的通信设备相关。
图2为本发明实施例提供的无人机10的功能框图。在一些实施例中，如图2所示，为了实现无人机10最基础的飞行需求，无人机10搭载的功能模块至少包括：传感器11、存储器12以及飞行控制系统13。
其中，传感器11是设置在机身主体内，用于检测无人机在飞行过程中的运动状态参数的传感器，例如六轴陀螺仪，加速度计等。这些传感器11是无人机10设计制造中必须具备的基础传感器，用以监控无人机10当前的运动状态以实现对无人机10飞行的有效控制。
存储器12为非易失性计算机可读存储介质，例如至少一个磁盘存储器件、闪存器件或者其他非易失性固态存储器件。其具有程序存储区和数据存储区，分别用于存储对应的数据信息，例如存储在程序存储区的非易失性软件程序、非易失性计算机可执行程序以及模块，或者是存储在数据存储区的运算处理结果以及拍摄图像信息等。
飞行控制系统13是无人机飞行控制的核心，其具体可以采用任何类型的处理器，作为逻辑处理和运算的核心。飞行控制系统13用于获取数据、执行逻辑运算功能并下发运算处理结果，根据用户的指令改变无人机10的飞行状态并确保无人机10处于安全可控的飞行状态。
一方面，飞行控制系统13可以从所述传感器11获取一种或者多种的采集数据，通过设定的数据融合或者分析方法，分析确定与无人机相关的若干项数据信息(如姿态角、加速度以及飞行速度等)，作为控制无人机运动状态的基础。另一方面，飞行控制系统13还与存储器12连接，在存储器12中调用相应的软件程序或者计算机可执行程序，来执行对应的逻辑运算功能，进行相应的运算和判断。
例如，为实现风速预警的功能，在无人机的飞行过程中，该飞行控制系统13可以读取所述无人机相关的数据信息，利用系统辨识的原理实现对无人机当前所受的风力干扰的估测，输出相应的风速估计值，然后，将输出的风速估计值与预设的警告条件比较，确定此时是否需要触发警告信号。
在触发警告信号以后，无人机10会通过无线网络30反馈至遥控设备20。遥控设备20在接收到该警告信号后，可以通过交互装置展示相应的警告提示信息，提醒操作者注意飞行安全，及时降落至合适地点等。
例如，在遥控设备20为RC遥控器时，可以使用如图3所示的显示界面，在模拟驾驶界面的中央提示用户-“风速较大”。而当遥控设备20为智能终端时，如图4所示，可以在智能终端的显示屏的局部区域显示提示信息(Tips)。又或者是，通过遥控设备20的扬声器播放特殊的警报提示音，提示当前的风速过大的警告情况。
基于该风速估算器提供的所述无人机所处飞行环境的风速，在另一些实施例中，飞行控制系统13还可以将其转换为风向数据并提供给遥控设备20，由遥控设备20的显示屏等交互设备展示所述风速和风向，令操作者可以及时的获知飞行空域当期的风力情况。
在图1所示的应用环境中，仅显示了风速观测和预警功能在无人机系统上的应用。本领域技术人员可以理解的是，实现该风速观测和预警功能的功能模块还可以被搭载在其它类型的移动载具(如遥控车)上，通过接收移动载具相关的数据信息，计算获得对移动载具的运动干扰情况来实现上述相同的或者类似的预警功能。本发明实施例公开的发明思路并不限于在图1所示的无人机系统上应用。
基于本发明实施例公开的利用风速估算器计算无人机所处飞行环境的风速干扰的发明思路，根据实践的需要或者无人机的使用场景等，本领域技术人员容易想到将其中的一个或者多个步骤、参数进行调整、替换或者变更，用以构建其它的替代模型。这些替代模型均是本领域技术人员在本发明的基础上，从无人机不同的侧面进行考虑，通过合理的推导获得的。
例如，可以通过检测悬停时，无人机的姿态角变化来定量观测干扰强度。还可以替换使用力平衡原理、干扰观测原理等方法，确定出风力对无人机运行的干扰量，进而完成对无人机所承受的风速的估计。
以下详细介绍基于系统辨识原理进行风速测算的过程。图5为本发明实施例提供的风速估算器的功能框图。如图5所示，该风速估算器包括系统辨识单元1311以及风速估计单元1312。
其中，所述系统辨识单元1311用于接收与无人机的飞行数据和属性数据，并通过系统辨识确定所述无人机当前的风阻干扰。该系统辨识单元1311可以由可执行逻辑判断步骤的处理器(如飞行控制系统)，通过调用预先存储在存储器中的，与系统辨识相关的计算机软件程序指令来实现。
其中，所述飞行数据包括：无人机的姿态角、飞行速度、加速度以及飞行高度；所述属性数据包括：无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数。
该系统辨识单元1311采用系统辨识的方式来定量的确定无人机运动所受到的干扰。一般的，基本可以认为无人机运动所受到的干扰主要来自于飞行空域中的风力。因此，可以将所受到的干扰均等效视作为风力形成的阻力，从而计算获得所述风阻干扰。
具体的，所述系统辨识单元1311使用由一些先验知识(如无人机的速度动态变化方程等)构建的系统辨识模型。在该系统辨识模型中，待辨识参数可以为等效风阻系数。
等效风阻系数具体是与风阻干扰相关的一项参数，用于表征无人机与所受到的风阻力之间的关系。亦即，在获知等效风阻系数后，结合无人机传感器采集获得多项与无人机自身属性(即属性数据)和运动状态相关的数据(即飞行数据)以后，即可换算获得此时的风阻力。
该风速估计单元1312与系统辨识单元1311连接，其接收所述风阻干扰并且根据其相对于所述无人机的固有风阻的变化而计算确定所述无人机所处飞行环境的风速。具体的风速计算过程可以根据输入的风阻干扰的形式所决定。其可以采用任何类型的转换方法来完成。
该风速估计单元1312可以由可执行逻辑判断步骤的处理器(如飞行控制系统)，通过调用预先存储在存储器中的，与风速计算相关的计算机软件程序指令来实现。
在一些实施例中，为了便于进行计算和表示，可以在无人机所处的平面上构建两个相互垂直的x方向和y方向，并分别计算在这两个方向上的等效风阻系数分量以及风速分量来完成风速估算的过程。
具体的，基于无人机的受力，速度动态变化等先验知识，可以构建如下算式(1)所示的系统辨识模型：
其中，为无人机在x方向上的速度变化率(即加速度)，为无人机在y方向上的速度变化率，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，T为螺旋桨拉力，θ为俯仰角，φ为滚转角，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，m为无人机的质量，wx为在x方向上的模型不确定性，wy为在y方向上的模型不确定性。
不同高度具有相应的空气密度，无人机的飞行高度处的空气密度通常可以查表获得。当然，在空气密度变化不显著时，也可以直接使用一个固定值以忽略空气密度的微小变化。
模型不确定性是用于补偿已设立的系统模型与实际运动情况不相符的调节部分。其作为一个经验性数值或者函数，可以通过实验或者数据分析等合适的数据统计方式确定和调整。
迎风面积是一个随着无人机的飞行姿态而发生变化的参数。在一些实施例中，其可以近似的被认为是与姿态角相关的非线性函数。例如，该非线性函数可以写为如下算式(2)和(3)所示的形式：
Sfb＝Sfb0(1+ffb(θ，φ)) (2)
Srl＝Srl0(1+frl(θ，φ)) (3)
其中，Sfb0为姿态角为0时，无人机沿x方向飞行时的迎风面积；Srl0为姿态角为0时，无人机沿y方向飞行时的迎风面积。
螺旋桨拉力与电机的输出功率相关，其对外表现为无人机的加速度。通常的，越大的加速度也意味着输出的螺旋桨拉力更高。在一些实施例中，该螺旋桨拉力可以由如下算式(4)计算获得：
其中，az为无人机在z方向上的加速度，g为重力加速度；所述z方向垂直于所述x方向和所述y方向组成的平面。
在算式(1)所示的系统辨识模型中，基于整个无人机运动系统的输入和输出的无人机的姿态角、飞行速度以及加速度等的变化，系统辨识单元1311可以完成参数辨识的过程，获得当前的等效风阻系数用以反映无人机所处飞行环境的风阻干扰。
与辨识参数相对应的，所述无人机的固有风阻则使用无人机的固有风阻系数表示。具体的，风速估计单元1312可以通过如下算式(5)计算所述无人机所处飞行环境的风速：
其中，Vwx为所述无人机所处飞行环境的风速在x方向上的风速分量，Vwy为所述无人机所处飞行环境的风速在y方向上的风速分量，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，Cdx为无人机在x方向上的固有风阻系数，Cdy为无人机在y方向上的固有风阻系数。
该固有风阻系数是无人机在无风环境下，因自身的形状结构等所确定的一个数学参数。其具体可以在无人机出厂销售前，通过无风的室内飞行或者其它理想的实验环境下飞行所采集获得的多组实验数据，通过最小二乘法等数据统计方式拟合确定。
应当说明的是，上述计算固有风阻系数的方式是离线计算的过程，可以预先完成并记录存储在无人机的存储器中，由风速估计单元1312调用而并不需要在每一个无人机上进行。
根据以上实施例揭露的算式，本领域技术人员可以理解的，系统辨识单元在进行系统辨识，确定无人机当前所受到的风阻干扰时，需要使用的无人机相关的数据信息至少包括：无人机的姿态角、飞行速度、加速度、飞行高度、无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数。
其中，无人机的姿态角、飞行速度、加速度以及飞行高度都是跟随无人机的运动状态而变化的参数。其可以基于无人机上设置的一系列基础传感器采集获得的采样数据，通过数据融合等一种或者多种方式获得。
而无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数是由无人机的固有属性所决定的参数。其可以预先通过实验等方式离线计算确定后，存储记录在存储器中被调用。
请继续参阅图5，在另一些实施例中，所述风速估算器还可以包括预警单元1313。
所述预警单元1313与所述风速估算单元1312连接，用于接收风速估算单元1312提供的当前飞行环境的风速，并且在所述无人机所处飞行环境的风速满足预设的警告条件时，发出警告信号以实现风速预警的功能。
该预警单元1313可以由可执行逻辑判断步骤的处理器(如飞行控制系统)，通过调用预先存储在存储器中的，与预警条件相关的计算机软件程序指令来实现。
亦即，所述系统辨识单元、风速估计单元以及预警单元均可以由本发明实施例的飞行控制系统，分别调用对应功能步骤的计算机软件程序指令来实现。
应当说明的是，图5以功能框图为例，详细的描述了本发明实施例提供的风速估算器的结构。本领域技术人员根据说明书揭露的发明思想、所要执行的步骤和实现的功能，根据实际情况的需求(例如芯片功耗、发热的限制、硅片成本或者芯片的体积等)可以选择使用软件、硬件或者软硬件结合的方式实现上述风速估算器的功能。例如，使用更多的软件部分可以降低芯片的成本和占用的电路面积，并且便于修改。而使用更多的硬件电路实现可以提高可靠性和运算速度。
在图5所示的风速估算器的结构框架的基础上，本发明实施例还提供了风速估算器所使用的完整的风速测算方法。本发明实施例提供的风速估算器和风速测算方法基于相同的发明构思而实现。因此，风速测算方法实施例中的一个或者多个具体步骤同样也可以应用到风速估算器中，由相应的功能模块实现，为陈述简便，在此不作重复叙述。
图6为本发明实施例提供的风速测算方法的方法流程图。在本实施例中，该风速测算方法可以由图1所示的无人机执行，获得无人机当前飞行环境中的风速信息。具体的，可以由图2所示的飞行控制系统，调用存储器和传感器提供的数据信息所实现。
如图6所示，该方法包括如下步骤：
601、基于无人机的飞行数据和属性数据，通过系统辨识确定所述无人机当前的风阻干扰。
系统辨识根据无人机这一运动系统的输入输出数据随时间的变化情况来估算整个运动系统所受到的干扰(全部等效为风阻干扰)。
其中，飞行数据是实时检测，跟随所述无人机的飞行状态而变化的数据(例如无人机的姿态角、飞行速度、飞行高度以及加速度)。属性数据是预先设置，由所述无人机的固有属性决定的数据(例如无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数)。
602、根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速。
可以理解的，系统辨识估算的风阻干扰实际上由恒定不变的，在无风状态下无人机自身存在阻力以及飞行空域中，外界风力施加的风阻干扰。
由此，根据完整的风阻干扰相对于固有风阻的变化即可相应的转换计算从而确定所述无人机当前所处飞行环境的风速。
基于风速的测算结果，在一些实施例中，请继续参阅图6，所述风速测算方法还包括：
603、根据所述无人机所处飞行环境的风速在x方向和y方向上的风速分量，计算风向。
其中，x方向和y方向是两个相互垂直的方向，位于无人机所在的平面内。根据风速分量计算所述风向的过程通过如下所示的算式(6)完成：
β＝ψ+arctan2(-Vwx，-Vwy) (6)
其中，ψ为无人机的偏航角，β为风向，Vwx为在x方向上的风速分量，Vwy为在y方向上的风速分量。
在一些实施例中，系统辨识所使用的系统辨识模型为所述无人机当前的等效风阻系数(系统辨识模型的构建为离线构建过程)。而在系统辨识时，通过在线辨识方法来求解与当前的飞行数据以及属性数据相对应的所述等效风阻系数。
该等效风阻系数是将无人机运动时，所受到的所有干扰均等效为风力干扰而确定的一个数学参数。其表示了无人机当前运行状态与无人机受到的风阻力之间的关系。
根据实际使用的需要或者模型的构造结构等，技术人员可以采用任何合适的在线辨识方法来完成系统辨识的过程。图7为本发明实施例提供的在线辨识方法的方法流程图。如图7所示，该在线辨识方法包括如下步骤：
701、离散化所述系统辨识模型，形成对应的离散方程。
由于数学模型一般采用方程组的形式来表示，其跟随时间变化的数值总是连续的。因此，若需要计算机等设备对连续时间系统状态方程求解时，需先将其状态方程化为离散方程。
702、根据预设的初始值，所述无人机当前的姿态角、飞行速度以及加速度，递推计算所述无人机受到的等效风阻力。
递推计算是数学运算过程中经常使用的方式，其可以在给定初始值和两项之间的递推关系时，通过多次递推计算而获得目标结果。
等效风阻力是指系统辨识估算确定的，无人机在飞行过程中所受到的所有阻力之和。因无人机阻力主要来自于风力，因此可以全部等效为风阻力。
703、根据所述无人机当前的迎风面积以及空气密度，将所述等效风阻力转换为等效风阻系数。
如上实施例所记载的，等效风阻系数是一个与风阻力相关的数学参数。因此，可以在已知无人机相应的飞行数据和属性数据的前提下，通过合适的转换计算步骤而确定。
其中，所述迎风面积由所述无人机当前的姿态角和用于计算迎风面积的非线性函数计算获得，所述空气密度由所述无人机当前的飞行高度计算获得。
以下以算式(1)所示的系统辨识方程为例，详细描述其待辨识参数(即等效风阻系数)的具体求解过程：
1)将算式(1)的无人机速度动态方程简写为如下算式(7)所示形式：
其中，根据所要计算的x方向或者y方向的不同，相对应地有：x＝Vx或Vy，或c＝-0.5CxρSfb或-0.5CyρSrl以及w＝wx或wy。
2)设采样步长为T(取极小值)，k＝0，1，2....的正整数，T*k＝t，跟随时间变化的无人机速度动态方程f(t)可以写成如下算式(8)所示的离散方程：
x(k+1)-x(k)-Tu(k)＝Tc(k)x2(k)+Tw(k) (8)
3)进一步构造参数y(k)＝x(k+1)-x(k)-Tu(k)，h(k)＝Tx2(k)以及υ(k)＝Tw(k)2算式(7)可以被进一步简写为如算式(9)所示：
y(k)＝h(k)c(k)+υ(k) (9)
4)构造如下算式(10)所示的递推公式，通过递推的方式计算参数c(k)
其中，P(0)和c(0)均为初始值，在本实施例中分别设置为1和c0。技术人员也可以根据实际情况的需要，设置使用合适的数值作为初始值用以求解计算参数c(k)。
5)由于有c＝-0.5CxρSfb或-0.5CyρSrl。因此，在计算确定参数c(k)的值以后，便可以根据当前时刻t(即T*k)的空气密度、无人机的迎风面积转换计算相应的等效风阻系数Cx和Cy。
与所述等效风阻系数相适应地，该固有风阻也相应的通过无人机的固有风阻系数来表示。在步骤602中，具体可以通过算式(5)来计算确定所述无人机所处飞行环境的风速。
在进行风速测算的方法中，除了实时检测获得的飞行数据以及在线辨识等，需要无人机在运行过程中在线进行的步骤以外，还包括一些离线完成的步骤，例如确定无人机在x方向上的固有风阻系数以及在y方向上的固有风阻系数、拟合计算迎风面积所需要的非线性函数以及确定无人机的质量等。
应当说明的是，上述离线完成的步骤不需要在每一个无人机上重复执行，只需要离线实验计算完成以后记录到无人机的存储器中即可。进一步地，具有相同或者相近外形结构的无人机也可以直接使用已有的数据而省略以上的一个或者多个离线完成的步骤。
本发明实施例提供的风速测算方法，采用利用系统辨识的参数辨识过程，估算无人机当前的风阻干扰并进而推算获得所处飞行环境的风速。这样的方法不需要利用额外的风速或者风力传感器，也不依赖于庞大的数据库。其实现成本低，实时性好，可以广泛的在无人机系统上应用。
在无人机飞行时，飞行控制系统可以按照设定的周期，周期性的运行本发明实施例提供的风速测算方法，获得当前的风速和/或风向的估计值。由于无人机的飞行速度受到的影响主要在于飞行时的风力干扰，其它的干扰造成的影响都是比较小的。因此，上述等效设定前提下计算确定的风速和/或风力的估计值基本可以认为是比较准确的，基本可以满足预警的使用需要。
图8为本发明另一实施例提供的风速测算方法的方法流程图。
如图8所示，所述方法包括：
801、获取无人机的飞行数据和属性数据。
需要获取的飞行数据和属性数据取决于计算无人机的理论飞行速度时，所需要输入的变量。本领域技术人员可以根据实际情况的需要、偏好设置或者精度要求等，对这些数据信息进行调整或者变更。
具体的，所述飞行数据会跟随无人机的运动状态而变化，可以由无人机自身具有的传感器的采样数据，通过数据融合算法计算获得。
所述属性数据是无人机的固有属性，由无人机的结构等所决定，不会随运动状态而发生变动。其可以通过实验等方式预先设定并记录在存储器中，在需要时从存储器中读取获得。
802、基于系统辨识原理，计算获得所述无人机所处飞行环境的风速。
通过周期性的执行步骤802，可以不断更新无人机所处飞行环境的风速，以确保及时的发出预警。具体的更新周期是一个经验性数值，其可以根据实际情况进行调整或者设置，例如1min或者更长的周期。
803、判断所述风速是否满足预设的警告条件。若是，执行步骤804，若否，返回步骤802，更新所述风速。
该预设的警告条件是根据经验或者无人机的实际情况(例如无人机对风速的承受能力)而预先设定的判断标准。其可以由一个或者多个条件所组成，用于衡量无人机出现失控事故的概率。亦即，在满足预设的警告条件时，表明无人机的飞行控制系统在风力干扰下基本已经达到设计上限，出现异常或者事故的可能性非常大。
在一些实施例中，该警告条件可以是预设的报警门限值。监控器132可以不断监视风速是否已经达到报警门限值，并且在风速达到报警门限值时，向遥控设备20发出警告信号。该报警门限值也是一个经验数值，可以通过实验测试等方式，由技术人员根据无人机的具体运行状态来确定或者设置。
804、发出警告信号。
该警告信号具体可以采用任何合适形式或者类型的标识进行表示，例如简单用1和0表示的警告标志位。当警告标志位的取值为1时，表明发出警告信号，而警告标志位当取值为0时，表明没有警告信号。
具体的，在预设的报警门限值下，监视器132触发警告信号的逻辑可以通过如下算式(11)表示：
其中，Vwx为x方向上的风速，Vwy为y方向上的风速，flag为警告信号标志位的取值。亦即，在x方向和y方向上的风速的平方和大于等于预设的报警门限值的平方时，监视器132将确定风速满足预设的警告条件，发出警告信号。
当然，算式(11)所示的判断逻辑仅用于举例说明而不用于限制监视器132实现警告信号发送的工作步骤。本领域技术人员也可以根据实际情况的需要，采用其它不同的警告条件来衡量无人机是否存在风速过大、飞行器控制系统无法有效控制的情形。
遥控设备20在接收到警告信号以后，可以通过显示屏或者其它交互设备，向用户反馈对应的警告提示信息，以提醒用户及时的停止无人机飞行，降落到安全可控的位置等。
具体的警告提示信息可以根据实际情况进行设置，包括但不限于文字或者图片的形式。例如，可以在遥控器的显示界面上突出显示-当前风速过大—这样的字样，或者以特定颜色的图标显示当前风速超限。进一步的，还可以通过扬声器播报语音提示。
本发明实施例提供的风速检测方法应用在无人机上可以有效的解决现有普通无人机无法进行预报，导致用户/操作者来不及操作，因风速过大而发生炸机的问题，可以在风速过大时，提示用户谨慎飞行或选择安全地点降落。
基于本发明实施例揭露的递推计算过程，飞行控制系统具体可以执行如图9所示的步骤，在不依赖风速传感器和数据库的前提下，实现无人机风速测算和预警。
在本实施例中，无人机具有一个或者多个基础的传感器，至少可以实时采集无人机的姿态角(包括俯仰角、滚转角以及航向角)、加速度以及飞行速度等飞行数据。
x方向和y方向是无人机所在的平面内，两个相互垂直的向量。其中，x方向为无人机前进和后退的移动方向，y方向为无人机向左飞和向右飞的移动方向。
另外，无人机的质量、在x方向和y方向上的迎风面积与姿态角的非线性函数ffb(θ，φ)和frl(θ，φ)以及无人机在x方向上的固有风阻系数以及在y方向上的固有风阻系数均被测量确定，记录存储到无人机的存储器内。
迎风面积与姿态角的非线性函数以及固有风阻系数都可以使用理想环境下的获得的实验数据(例如采集无人机在室内无风环境下飞行的多组飞行数据)通过最小二乘法的方式拟合确定。
如图9所示，飞行控制系统执行的计算的过程包括：
901、给定初始值P(0)和c(0)，并且有k＝1。
应当说明的是，递推计算所需要使用的初始值可以根据实际情况进行设置或者初始化。例如，可以简单的将这些初始值均初始化为0。
902、按照算式(10)所示的递推公式，更新参数P(k)。
903、根据参数P(k)，按照算式(10)所示的递推公式，更新参数c(k)。
904、将参数c(k)换算为等效风阻系数。
具体换算的方式可以根据参数c(k)与等效风阻系数之间的关系所确定(即c＝-0.5CxρSfb或-0.5CyρSrl)。
905、使用算式(5)，计算所述无人机当前所承受的风速。
图10为本发明实施例提供的风速跟随时间变化的曲线图。如图10所示，使用本发明实施例公开的系统辨识模型时，可以分别计算在x方向和y方向上的风速分量，将相对应的两者合成为无人机当前所受的风速，获得风速随时间变化的曲线。
906、通过算式(11)所示的判断逻辑，确定是否发出警告信号。
判断逻辑通过报警门限值作为判断条件来确定是否需要发出警告信号。请继续参阅图8，该报警门限值是一个预先设定的经验性数值。当风速高于报警门限值时，发出警报信号，表明此时的风力较大，需要提醒用户或者操作者注意。
在无人机飞行的过程中，需要周期性的对风速进行更新。在更新风速时，可以令k＝k+1后，重新执行步骤902和903，计算更新所述无人机所处飞行环境的风速。
图11为本发明实施例提供的风向随时间变化的曲线图。图11是以图10所示的风速曲线为基础，通过算式(6)转换获得的对应的风向曲线。计算确定的风向角也可以传输到遥控设备20中，通过遥控设备20的交互设备(如显示屏)向用户展示。
综上所述，本发明实施例提供的风速测算方法和以此为基础实现的无人机预警方法，不需要使用与风速相关传感器和创建庞大的数据库，在现有信息的基础上，就可以通过算法的方式实现对风速的估算，并进而确定对应的风速和/或风向。
由于不依赖风速相关的传感器和数据库。因此，有效的降低了无人机的硬件实现成本，避免了数据库运算量大、对内存需求大以及时间延迟大的缺点，具有良好的应用前景。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (22)

1.一种风速测算方法，其特征在于，包括：
基于无人机的飞行数据和属性数据，通过系统辨识确定所述无人机当前的风阻干扰，其中，所述飞行数据包括：无人机的姿态角、飞行速度、加速度以及飞行高度，所述属性数据包括：无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数；
根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速。
2.根据权利要求1所述的风速测算方法，其特征在于，所述基于无人机的飞行数据和属性数据，通过系统辨识确定所述无人机当前的风阻干扰，包括：
构建无人机的系统辨识模型，所述系统辨识模型的待辨识参数为所述无人机当前的等效风阻系数；
通过在线辨识方法，根据所述无人机当前的飞行数据以及所述属性数据求解相对应的所述等效风阻系数；
所述根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速，包括：
根据所述等效风阻系数与所述无人机的固有风阻系数之差，计算所述无人机所处飞行环境的风速。
3.根据权利要求2所述的风速测算方法，其特征在于，所述通过在线辨识方法，根据所述无人机当前的飞行数据以及所述属性数据求解相对应的所述等效风阻系数，包括：
离散化所述系统辨识模型，形成对应的离散方程；
根据预设的初始值，所述无人机当前的姿态角、飞行速度以及加速度，递推计算所述无人机受到的等效风阻力；
根据所述无人机当前的迎风面积以及空气密度，将所述等效风阻力转换为等效风阻系数；
所述迎风面积由所述无人机当前的姿态角和用于计算迎风面积的非线性函数计算获得，所述空气密度由所述无人机当前的飞行高度计算获得。
4.根据权利要求2所述的风速测算方法，其特征在于，所述等效风阻系数由在x方向上的等效风阻系数分量和y方向上的等效风阻系数分量表示，所述风速由在x方向上的风速分量和在y方向上的风速分量表示；所述x方向和所述y方向之间相互垂直，与所述无人机处于相同的平面。
5.根据权利要求4所述的风速测算方法，其特征在于，所述根据所述等效风阻系数与所述无人机的固有风阻系数之差，计算所述无人机所处飞行环境的风速，具体包括：
通过如下算式计算所述无人机所处飞行环境的风速：
其中，Vwx为所述无人机所处飞行环境的风速在x方向上的风速分量，Vwy为所述无人机所处飞行环境的风速在y方向上的风速分量，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，ρ为飞行高度处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，Cdx为无人机在x方向上的固有风阻系数，Cdy为无人机在y方向上的固有风阻系数。
6.根据权利要求5所述的风速测算方法，其特征在于，所述无人机在x方向上的固有风阻系数以及在y方向上的固有风阻系数根据所述无人机在无风室内的飞行数据，通过最小二乘法拟合确定。
7.根据权利要求4所述的风速测算方法，其特征在于，所述系统辨识模型通过如下算式表示：
其中，为无人机在x方向上的加速度，为无人机在y方向上的加速度，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，
T为螺旋桨拉力，θ为俯仰角，φ为滚转角，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，m为无人机的质量，wx为在x方向上的模型不确定性，wy为在y方向上的模型不确定性。
8.根据权利要求5或7所述的风速测算方法，其特征在于，所述迎风面积通过如下算式计算确定：
Sfb＝Sfb0(1+ffb(θ,φ))
Srl＝Srl0(1+frl(θ,φ))
其中，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿x方向飞行时的迎风面积；Sfb0为姿态角为0时，无人机沿x方向飞行时的迎风面积；Srl0为姿态角为0时，无人机沿y方向飞行时的迎风面积；ffb(θ,φ)和frl(θ,φ)为非线性函数；θ为俯仰角；φ为滚转角。
9.根据权利要求7所述的风速测算方法，其特征在于，所述螺旋桨拉力通过如下算式计算获得：
其中，az为无人机在z方向上的加速度，g为重力加速度；所述z方向垂直于所述x方向和所述y方向组成的平面；θ为俯仰角；φ为滚转角；m为无人机的质量。
10.根据权利要求7所述的风速测算方法，其特征在于，所述方法还包括：
根据在x方向和y方向上的风速分量，通过如下算式，计算风向：
β＝ψ+arctan2(-Vwx,-Vwy)
其中，ψ为无人机的偏航角，β为风向，Vwx为在x方向上的风速分量，Vwy为在y方向上的风速分量。
11.根据权利要求1-10中任一项所述的风速测算方法，其特征在于，该方法还包括：
在所述无人机所处飞行环境的风速满足预设的警告条件时，发出警告信号。
12.根据权利要求11所述的风速测算方法，其特征在于，所述在所述无人机所处飞行环境的风速满足预设的警告条件时，发出警告信号，包括：
通过如下算式计算判断是否符合所述预设的警告条件：
其中，Vwx为在x方向上的风速分量，Vwy为在y方向上的风速分量，Vthr为安全风速门限值；
在符合所述预设的警告条件时，发出警告信号；
在不符合所述预设的警告条件时，继续检测所述无人机所处飞行环境的风速。
13.一种风速估算器，其特征在于，所述风速估算器包括：
系统辨识单元，所述系统辨识单元用于接收无人机的飞行数据和属性数据，并根据所述飞行数据和属性数据，辨识确定所述无人机当前的风阻干扰；
所述飞行数据包括：无人机的姿态角、飞行速度、加速度以及飞行高度；所述属性数据包括：无人机的质量、固有风阻系数以及用于计算迎风面积的非线性函数；
风速估计单元，所述风速估计单元与所述系统辨识单元连接，用于根据所述风阻干扰与所述无人机的固有风阻，计算所述无人机所处飞行环境的风速。
14.根据权利要求13所述的风速估算器，其特征在于，所述系统辨识单元内存储有预先设置的系统辨识模型，所述系统辨识模型的待辨识参数为等效风阻系数；
所述系统辨识单元用于：通过在线辨识方法，根据所述当前的飞行数据以及所述属性数据求解相对应的所述等效风阻系数。
15.根据权利要求14所述的风速估算器，其特征在于，所述系统辨识单元还用于：
离散化所述系统辨识模型，形成对应的离散方程；
根据预设的初始值，所述无人机当前的姿态角、飞行速度以及加速度，递推计算所述无人机受到的等效风阻力；
根据所述无人机当前的迎风面积以及空气密度，将所述等效风阻力转换为等效风阻系数；
所述迎风面积由所述无人机当前的姿态角和用于计算迎风面积的非线性函数计算获得，所述空气密度由所述无人机当前的飞行高度计算获得。
16.根据权利要求13所述的风速估算器，其特征在于，所述等效风阻系数由在x方向上的等效风阻系数分量和y方向上的等效风阻系数分量表示，所述风速由在x方向上的风速分量和在y方向上的风速分量表示；所述x方向和所述y方向之间相互垂直，与所述无人机处于相同的平面。
17.根据权利要求16所述的风速估算器，其特征在于，所述系统辨识模型通过如下算式表示：
其中，为无人机在x方向上的加速度，为无人机在y方向上的加速度，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，
T为螺旋桨拉力，θ为俯仰角，φ为滚转角，ρ为飞行海拔处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，m为无人机的质量，wx为在x方向上的模型不确定性，wy为在y方向上的模型不确定性。
18.根据权利要求16所述的风速估算器，其特征在于，所述风速估计单元还用于接收所述无人机当前的姿态角、飞行速度、飞行高度、固有风阻系数以及用于计算迎风面积的非线性函数，并通过如下算式计算所述无人机所处飞行环境的风速：
其中，Vwx为所述无人机所处飞行环境的风速在x方向上的风速分量，Vwy为所述无人机所处飞行环境的风速在y方向上的风速分量，Vx为无人机在x方向上的速度，Vy为无人机在y方向上的速度，ρ为飞行高度处的空气密度，Sfb为无人机沿x方向飞行时的迎风面积，Srl为无人机沿y方向飞行时的迎风面积，Cx为在x方向上的等效风阻系数分量，Cy为在y方向上的等效风阻系数分量，Cdx为无人机在x方向上的固有风阻系数，Cdy为无人机在y方向上的固有风阻系数。
19.根据权利要求13-18任一项所述的风速估算器，其特征在于，所述风速估算器还包括：预警单元；
所述预警单元用于在所述无人机所处飞行环境的风速满足预设的警告条件时，发出警告信号。
20.根据权利要求19所述的风速估算器，其特征在于，所述预警单元还用于：
通过如下算式计算判断是否符合所述预设的警告条件：
其中，Vwx为在x方向上的风速分量，Vwy为在y方向上的风速分量，Vthr为安全风速门限值；
在符合所述预设的警告条件时，发出警告信号；
在不符合所述预设的警告条件时，继续检测所述无人机所处飞行环境的风速。
21.一种无人机，其特征在于，所述无人机包括机身主体、设置在所述机身主体上的一个或者多个传感器、存储器以及飞行控制系统；所述存储器内存储有计算机可执行程序指令，在所述计算机可执行程序指令被所述飞行控制系统调用时，以使所述飞行控制系统从所述传感器获取的飞行数据，并从所述存储器获取属性数据，执行如权利要求1-12任一项所述的风速测算方法。
22.根据权利要求21所述的无人机，其特征在于，所述飞行控制系统还用于将所述无人机所处飞行环境的风速转换为风向，并在所述无人机对应的遥控设备上显示所述风速和风向。
CN201910682355.6A 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机 Active CN110427047B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202210521445.9A CN114967736A (zh) 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机
CN201910682355.6A CN110427047B (zh) 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机
EP20846707.6A EP4006683A4 (en) 2019-07-26 2020-07-24 WIND SPEED MEASUREMENT AND CALCULATION METHODS, WIND SPEED ESTIMATOR AND UNMANNED AIRCRAFT
PCT/CN2020/104585 WO2021018050A1 (zh) 2019-07-26 2020-07-24 风速测算方法、风速估算器及无人机
US17/582,216 US20220146546A1 (en) 2019-07-26 2022-01-24 Wind velocity measurement method, wind velocity estimator and unmanned aerial vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910682355.6A CN110427047B (zh) 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210521445.9A Division CN114967736A (zh) 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机

Publications (2)

Publication Number Publication Date
CN110427047A true CN110427047A (zh) 2019-11-08
CN110427047B CN110427047B (zh) 2022-06-03

Family

ID=68412674

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910682355.6A Active CN110427047B (zh) 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机
CN202210521445.9A Pending CN114967736A (zh) 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210521445.9A Pending CN114967736A (zh) 2019-07-26 2019-07-26 风速测算方法、风速估算器及无人机

Country Status (4)

Country Link
US (1) US20220146546A1 (zh)
EP (1) EP4006683A4 (zh)
CN (2) CN110427047B (zh)
WO (1) WO2021018050A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111544797A (zh) * 2020-04-02 2020-08-18 峰飞国际有限公司 一种应用于无人机的高空抛投瞄准方法及系统、存储介质
CN112230671A (zh) * 2020-12-13 2021-01-15 深圳联和智慧科技有限公司 一种基于智慧灯杆的无人机返航监控方法及控制中心
WO2021018050A1 (zh) * 2019-07-26 2021-02-04 深圳市道通智能航空技术有限公司 风速测算方法、风速估算器及无人机
CN112462798A (zh) * 2020-12-04 2021-03-09 三生万物(北京)人工智能技术有限公司 一种无人机及提高无人机航线飞行性能的方法
CN112585557A (zh) * 2020-04-26 2021-03-30 深圳市大疆创新科技有限公司 控制无人机的方法、装置和无人机
CN112731957A (zh) * 2021-04-06 2021-04-30 北京三快在线科技有限公司 无人机的控制方法、装置、计算机可读存储介质及无人机
CN113188541A (zh) * 2020-01-14 2021-07-30 广州极飞科技股份有限公司 获取无人机的空速的方法、装置、存储介质及处理器
CN113359472A (zh) * 2021-07-02 2021-09-07 北京理工大学 一种四旋翼无人机自适应鲁棒轨迹跟踪控制方法
CN114113671A (zh) * 2021-11-24 2022-03-01 国家电投集团广西灵川风电有限公司 一种基于多旋翼无人机的高时宽分辨率测风系统及测风方法
CN115063474A (zh) * 2022-06-15 2022-09-16 新疆大学 一种树木迎风面积计算方法及系统
TWI779602B (zh) * 2021-05-12 2022-10-01 中光電智能機器人股份有限公司 風速檢測系統以及風速檢測方法
US11754586B2 (en) 2021-05-12 2023-09-12 Coretronic Intelligent Robotics Corporation Wind speed detection system and wind speed detection method

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230195116A1 (en) * 2021-12-17 2023-06-22 Honeywell International Inc. Apparatuses, computer-implemented methods, and computer program products for generating intuitive data indicators for vehicle user interfaces
CN115688288B (zh) * 2023-01-05 2023-04-07 西北工业大学 飞行器气动参数辨识方法、装置、计算机设备及存储介质
CN116561488B (zh) * 2023-07-11 2023-10-03 中国空气动力研究与发展中心低速空气动力研究所 一种旋翼配平参数匹配方法
CN116907282B (zh) * 2023-09-14 2024-01-05 杭州牧星科技有限公司 基于人工智能算法的无人靶机超低空飞行控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102520726A (zh) * 2011-12-19 2012-06-27 南京航空航天大学 大攻角飞行状态下的大气攻角及侧滑角估计方法
CN108196573A (zh) * 2017-12-29 2018-06-22 南京奇蛙智能科技有限公司 一种无人机在线辨识与控制方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8219267B2 (en) * 2010-05-27 2012-07-10 Honeywell International Inc. Wind estimation for an unmanned aerial vehicle
US20140046510A1 (en) * 2012-08-13 2014-02-13 Lockheed Martin Corporation Estimating a wind vector
US9208687B2 (en) * 2013-01-15 2015-12-08 Raytheon Canada Limited System and method for social networking of aircraft for information exchange
US8914164B1 (en) * 2013-08-02 2014-12-16 Honeywell International Inc. System and method for computing mach number and true airspeed
US10338090B2 (en) * 2014-09-04 2019-07-02 Sikorsky Aircraft Corporation Airspeed estimation system
US10012667B2 (en) * 2014-10-16 2018-07-03 The Boeing Company Methods and systems for airborne vehicle wind depiction
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
GB2548899A (en) * 2016-04-01 2017-10-04 Wind Farm Analytics Ltd Fluid measurement system for buildings and vehicles
DE102016119152B4 (de) * 2016-10-07 2018-12-27 Deutsches Zentrum für Luft- und Raumfahrt e.V. Windmessung mittels eines Multikopters
WO2019061083A1 (en) * 2017-09-27 2019-04-04 Sz Dji Technology Co. , Ltd. SYSTEM AND METHOD FOR DETERMINING AERODYNAMIC SPEED
JP7054507B2 (ja) * 2017-11-17 2022-04-14 国立大学法人金沢大学 計測装置、移動体、及び計測方法
US10773800B2 (en) * 2018-07-26 2020-09-15 RSQ-Systems SPRL Vehicle-based deployment of a tethered surveillance drone
CN109374924A (zh) * 2018-10-25 2019-02-22 西北工业大学 一种基于四旋翼无人机倾斜角的横侧向风场估计方法
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102520726A (zh) * 2011-12-19 2012-06-27 南京航空航天大学 大攻角飞行状态下的大气攻角及侧滑角估计方法
CN108196573A (zh) * 2017-12-29 2018-06-22 南京奇蛙智能科技有限公司 一种无人机在线辨识与控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
L.N.C. SIKKEL; G.C.H.E. DE CROON; C. DE WAGTER; Q.P. CHU: "A novel online model-based wind estimation approach for quadrotor micro air vehicles using low cost MEMS IMUs", 《2016 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》 *
MOYANO CANO, JAVIER: "Quadrotor UAV for wind profile characterization", 《UNIVERSIDAD CARLOS III DE MADRID》 *
YAOHONG QU; ZHEWEN XING; YOUMIN ZHANG; ZIQUAN YU: "Real-time Wind Vector Estimation for a Micro UAV", 《2017 INTERNATIONAL CONFERENCE ON UNMANNED AIRCRAFT SYSTEMS (ICUAS)》 *
李阳，吴旻: "无人机测风技术研究", 《传感器世界》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021018050A1 (zh) * 2019-07-26 2021-02-04 深圳市道通智能航空技术有限公司 风速测算方法、风速估算器及无人机
CN113188541A (zh) * 2020-01-14 2021-07-30 广州极飞科技股份有限公司 获取无人机的空速的方法、装置、存储介质及处理器
CN111544797A (zh) * 2020-04-02 2020-08-18 峰飞国际有限公司 一种应用于无人机的高空抛投瞄准方法及系统、存储介质
CN112585557A (zh) * 2020-04-26 2021-03-30 深圳市大疆创新科技有限公司 控制无人机的方法、装置和无人机
WO2021217303A1 (zh) * 2020-04-26 2021-11-04 深圳市大疆创新科技有限公司 控制无人机的方法、装置和无人机
CN112462798A (zh) * 2020-12-04 2021-03-09 三生万物(北京)人工智能技术有限公司 一种无人机及提高无人机航线飞行性能的方法
CN112230671A (zh) * 2020-12-13 2021-01-15 深圳联和智慧科技有限公司 一种基于智慧灯杆的无人机返航监控方法及控制中心
CN112731957B (zh) * 2021-04-06 2021-09-07 北京三快在线科技有限公司 无人机的控制方法、装置、计算机可读存储介质及无人机
CN112731957A (zh) * 2021-04-06 2021-04-30 北京三快在线科技有限公司 无人机的控制方法、装置、计算机可读存储介质及无人机
TWI779602B (zh) * 2021-05-12 2022-10-01 中光電智能機器人股份有限公司 風速檢測系統以及風速檢測方法
US11754586B2 (en) 2021-05-12 2023-09-12 Coretronic Intelligent Robotics Corporation Wind speed detection system and wind speed detection method
CN113359472A (zh) * 2021-07-02 2021-09-07 北京理工大学 一种四旋翼无人机自适应鲁棒轨迹跟踪控制方法
CN113359472B (zh) * 2021-07-02 2024-04-19 北京理工大学 一种四旋翼无人机自适应鲁棒轨迹跟踪控制方法
CN114113671A (zh) * 2021-11-24 2022-03-01 国家电投集团广西灵川风电有限公司 一种基于多旋翼无人机的高时宽分辨率测风系统及测风方法
CN114113671B (zh) * 2021-11-24 2024-03-22 国家电投集团广西灵川风电有限公司 一种基于多旋翼无人机的高时空分辨率测风系统及测风方法
CN115063474A (zh) * 2022-06-15 2022-09-16 新疆大学 一种树木迎风面积计算方法及系统
CN115063474B (zh) * 2022-06-15 2024-03-05 新疆大学 一种树木迎风面积计算方法及系统

Also Published As

Publication number Publication date
CN114967736A (zh) 2022-08-30
WO2021018050A1 (zh) 2021-02-04
EP4006683A4 (en) 2022-08-24
CN110427047B (zh) 2022-06-03
EP4006683A1 (en) 2022-06-01
US20220146546A1 (en) 2022-05-12

Similar Documents

Publication Publication Date Title
CN110427047A (zh) 风速测算方法、风速估算器及无人机
CN110244753A (zh) 风速测算方法及无人机
US10909864B2 (en) Drone obstacle avoidance using real-time wind estimation
CN109634295A (zh) 一种自动返航方法、装置和无人机
CN111694376B (zh) 飞行模拟方法、装置、电子设备及无人机
US20200242343A1 (en) Method of assessing a pilot emotional state
CN105843245A (zh) 无人机控制系统及控制方法
CN109542119A (zh) 飞行器航线规划方法及系统
CN106020220A (zh) 无人机、无人机飞行控制方法及装置
CN105843246A (zh) 无人机跟踪方法、系统及无人机
EP3859714A2 (en) Quantitative pilot evaluation during training
CN109190648A (zh) 模拟环境生成方法、装置、移动终端及计算机可读取存储介质
CN106586005A (zh) 具有操作员监视的飞行器系统和方法
Fossen et al. Exogenous kalman filter (xkf) for visualization and motion prediction of ships using live automatic identification systems (ais) data
Müller et al. Efficient probabilistic localization for autonomous indoor airships using sonar, air flow, and IMU sensors
CN107203271A (zh) 基于多传感器融合技术的双手识别方法
US20210375141A1 (en) Systems and methods for flight performance parameter computation
CN106571022B (zh) 一种基于μC/OS-III的四轴飞行器控制系统和方法
WO2023193604A1 (zh) 航线任务的在线规划方法及相关装置
Boltov et al. Performance Evaluation of Real-Time System for Vision-Based Navigation of Small Autonomous Mobile Robots
CN109144103A (zh) 一种无人机组网飞行监控与协同避撞方法以及装置
JP6867072B2 (ja) 気象予測データ作成プログラム、気象予測データ作成方法、及び、移動体
CN115082690A (zh) 目标识别方法、目标识别模型训练方法及装置
CN114882587A (zh) 生成对抗样本的方法、装置、电子设备和介质
Claramunt et al. Real-time geographical information systems for its

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
CB02 Change of applicant information

Address after: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1

Applicant after: Shenzhen daotong intelligent Aviation Technology Co.,Ltd.

Address before: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1

Applicant before: AUTEL ROBOTICS Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant