CN111857176A - 一种gps无人机控制方法 - Google Patents

Abstract

本发明属于无人机控制技术领域，具体涉及一种GPS无人机控制方法。本发明包括：(1)控制系统接收每个软件接收机的标识信息，接收每个软件接收机发送到无人机控制器控制信号的时间；(2)计算任意两个软件接收机接收到所述控制信号的时钟估计值，根据所述超带宽非线性的时钟估计值和电磁波传播速度确定所述无人机控制器与对应的两个软件接收机之间的距离差等。本发明的技术方案通过接收每个软件接收机的标识信息，接收每个软件接收机发送到无人机控制器控制信号的时间，根据该时间差和电磁波传播速度确定无人机控制器与软件接收机之间的距离差，从而最终确定出无人机控制器的位置信息，实现对无人机控制器的定位。

Description

一种GPS无人机控制方法

技术领域

本发明属于无人机控制技术领域，具体涉及一种GPS无人机控制方法。

背景技术

近年来，随着无人机技术的大力发展，各国无论官方还是民间都投入了大量的精力和财力。和大多数高新科技相似，无人机最开始的研究是军方大力开展的，现代军事战争离不开无人机的应用。无论是无人机参与战场后勤工作，比如说地形绘制、战况检测，甚至是直接参战等等，都体现了巨大作用。而今，无人机也渐渐走入了各家各户，成为了军用转民用的典型案例。但是在传统模式下，由单一无人机完成的规定任务往往比较简单，且容错率很低。而科学家们在大自然中观察到，生物自发组成一定的几何形态，完成任务会更加高效，这就是所谓的编队运动。比如说动物组成一定编队进行狩猎会大大加强捕获的可能性，或者也会大大降低被狩猎的可能性；大雁以V字形编队飞行时可以提高近70％的飞行距离；鱼群可以通过编队提高游泳效率。所以针对日益复杂的战场情况和不断刷新难度的战场任务，多无人机编队作战有着无可比拟的重要性，一方面，多无人机编队可以覆盖更大的搜查范围，大大提高战场监视和搜索的效率，另一方面，多无人机编队的多角度打击也可以发挥其最大的杀伤力，给敌方予以痛击。最重要的是，多无人机编队能大大提高任务的容错率，若编队中单一成员发生故障或者直接被人为毁坏后，其他的编队成员仍然可以继续完成任务要求，这是单一无人机无法做到的。

无人机编队运动包含着许多方面的研究，其中包括了队形的生成、保持和变换，编队的控制，编队成员间的防撞以及避障等等。编队控制就是保持编队中成员之间的相对距离或者是成员和参考物之间的相对距离，在此前提下，成员才可以组成特定的编队，然后以此编队形态进行运动，这才是完整的系统编队运动。想要实现无人机编队飞行的目标，需要人工智能技术、网络信息技术、微纳电子技术等各种现代前沿技术作为依托，而多无人机编队自主飞行，随着编队规模越来越大，作战环境越来越负责，对算法水平、通信带宽和无人机自携带的处理器计算能力也有更高的要求。无人机的编队运动乃至于各种类型的多Agent编队运动最不容忽视的问题就是在运动过程中保持通信交互。但是在实际的应用环境中，受到各种外在条件，比如说恶劣天气、电磁干扰甚至是太阳黑子爆发等等，还有一些内在因素，比如说通信带宽有限，无人机传感器故障等等，信息交互过程中必定会存在时延甚至是数据丢失等通信约束的情况。虽然现有的一些控制方法可以在一定意义上减少甚至消除通信约束的影响，但是在时延较大的情况下，我们还是不能通信约束对编队控制系统稳定性的影响。

发明内容

本发明的目的在于提供一种克服无人机编队系统存在通信约束的问题的GPS无人机控制方法。

一种GPS无人机控制方法，包括如下步骤：

(1)控制系统接收每个软件接收机的标识信息，接收每个软件接收机发送到无人机控制器控制信号的时间；

(2)计算任意两个软件接收机接收到所述控制信号的时钟估计值，采集电磁波传播速度确定所述无人机控制器与对应的两个软件接收机之间的距离差；

(3)以任意两个软件接收机的动量信息判断控制系统的模糊度参数；

(4)以模糊度参数为输入，以无人机控制器的位置信息为输出，对卷积神经网络进行训练，得到所述无人机控制器的位置信息，实现对无人机的控制。

软件接收机标识信息的获取包括：当控制系统轮询到软件接收机时，软件接收机接收传感器数据，其中，基于软件接收机的轮询时钟，轮询传感器，传感器执行采样操作；软件接收机取得传感器发送的GPS导航参数和观测参数。

所述的GPS导航参数为：

式中，r₀,s₁,s₂分别为GPS在惯性坐标系中的三维位置、速度、加速度，q为GPS系统的动力学参数，HN_e为地球引力常数，a₁是作用在全球导航卫星系统上的各种摄动力之和，a₁表示全球导航卫星系统运动时的总加速度。

所述的观测参数为：

其中

b(t_l)表示t_l时刻的观测参数，G(t_l)表示t_l时刻的观测参数矩阵，l为时间参数标号，φ表示时钟状态转移矩阵，a₀表示待估状态量，ε表示观测噪声，t₀为初始时刻。

所述的计算任意两个软件接收机接收到所述控制信号的时钟估计值包括：

(2.1)第一个软件接收机采用波形已知的GPS的伪距观测值和相位，通过第一通信信道发送包含有循环前缀和循环后缀的GPS时钟参数到中继节点，第二个软件接收机采用GPS接收机钟差经第二通信信道同时发送包含有循环前缀和循环后缀的GPS时钟参数到中继节点；

(2.2)中继节点对所接收的由GPS的伪距观测值和相位和GPS时钟参数叠加构成的接收信号进行过采样得到采样信号，所述采样信号经匹配滤波器滤波后输出的相同相位的采样点构成接收向量；

(2.3)采集环境介质系数、GPS对地距离、GPS的载波相位和伪距观测噪声；

(2.4)根据步骤(2.1)到(2.3)得到时钟估计值。

所述的时钟估计值包括：

；

Q和K分别表示GPS的伪距观测

值和相位，

表示GPS时钟参数，

表示GPS接收机钟差，λ_IF表示通信波长，M_IF表示GPS模糊度参数，n_trop和S分别表示环境介质系数和GPS对地距离，φ_L,IF和φ_P,IF分别为GPS的载波相位和伪距观测噪声。

所述的以任意两个软件接收机的动量信息判断控制系统的模糊度参数包括：

(3.1)控制系统采集软件接收机i的频率w_i，软件接收机i对应的无人机的质量，GPS载波的相位观测值L_i以及GPS载波伪距观测值P_i，

(3.2)控制系统将步骤(3.1)的参数发送至中央服务器，中央服务器计算模糊度参数并发送回控制系统；

第j个神经元的净输入S_j为：

其中，S_j表示为第j个神经元的净输入，v表示为速度，ω表示角速度ω

通过激励函数f(·)，得到第j个神经元净输出为：

y_i＝f(S_j)；

其中，f(·)为Sigmoid函数。

其中，BP神经网络设输入层与隐含层的连接权值系数为v_jk，隐含层与输出层的连接权值系数为w_jk，隐含层和输出层的激励函数分别为f₁,f₂，当输入为(v_i,ω_i)，i＝0,1,2,…,n时，隐含层神经元节点输出为：

输出层神经元节点输出y_j为：

根据以上两个公式确定神经网络的模型。

所述的神经网络学习包括：

对神经网络输入p个测试样本，得到输出值

得到第p个样本的误差函数为：

其中，p表示为样本数量，c_k表示为隐含层神经元节点输出，y_j表示为输出层神经元节点输出，k_v表示为评价速度其中

为期望输出；

对全部的p个样本，全局误差函数为：

误差信号为：

其中，S_j表示为第j个神经元的净输入；

根据误差函数调整各层的连接权系数，用累计误差来表示BP神经网络的误差，输出层连接权系数为w_jk，则连接权系数的变化量为：

所述无人机控制器包括：

惯性平台单元，用于计算所述GPS无人机的移动轨迹；

移动轨迹备份单元，用于记录所述GPS无人机的移动轨迹并备份；

自动导航单元，用于基于所述移动轨迹备份单元的备份信息，自动导航所述GPS无人机至起飞地点；

电量检测单元，用于监测所述GPS无人机的剩余电量；

自动降落单元，用于当所述GPS无人机的剩余电量低于预设值时，控制所述GPS无人机自动降落至地面。

所述惯性平台单元包括：台体、X轴陀螺仪、Y轴陀螺仪、Z轴陀螺仪、X力矩电机、Y力矩电机、Z力矩电机和X伺服电子线路、Y伺服电子线路、Z伺服电子线路、角度传感器和加速度传感器、单片机、内框架、外框架，所述X轴陀螺仪、Y轴陀螺仪、Z轴陀螺仪、X力矩电机、Y力矩电机、Z力矩电机和X伺服电子线路、Y伺服电子线路、Z伺服电子线路固定于外框架，所述内框架固定于外框架，所述台体通过所述内框架中填充的悬浮液悬浮于内框架中，外框架固定连接与所述GPS无人机，所述惯性平台单元计算所述GPS无人机的移动轨迹包括以下步骤：

步骤1：以台体中心为原点，互相垂直的X轴、Y轴、Z轴为三轴建立空间直角坐标系；

步骤2：基于所述X轴陀螺仪、Y轴陀螺仪和Z轴陀螺仪分别对应获取所述台体的X转动角速度、Y转动角速度和Z转动角速度，并根据所述X转动角速度、Y转动角速度和Z转动角速度分别对应计算所述空间直角坐标系中X轴干扰力矩、Y轴干扰力矩、Z轴干扰力矩；

步骤3：X轴陀螺仪输出与X轴干扰力矩成正比的信号,通过X伺服电子线路传输至X力矩电机，所述X力矩电机输出与X轴干扰力矩相反方向的力矩；Y轴陀螺仪输出与Y轴干扰力矩成正比的信号,通过Y伺服电子线路传输至Y力矩电机，所述Y力矩电机输出与Y轴干扰力矩相反方向的力矩；Z轴陀螺仪输出与Z轴干扰力矩成正比的信号,通过Z伺服电子线路传输至Z力矩电机，所述Z力矩电机输出与Z轴干扰力矩相反方向的力矩；

步骤4：根据X力矩电机输出与X轴干扰力矩相反方向的力矩、Y力矩电机输出与Y轴干扰力矩相反方向的力矩、Z力矩电机输出与Z轴干扰力矩相反方向的力矩，计算所述GPS无人机的实时加速度；

步骤5：所述单片机基于GPS无人机相对所述空间直角坐标系中的所述台体的X转动角速度、Y转动角速度和Z转动角速度和实时加速度计算出GPS无人机的移动轨迹。

本发明的有益效果在于：本发明的技术方案通过接收每个软件接收机的标识信息，接收每个软件接收机发送到无人机控制器控制信号的时间，根据该时间差和电磁波传播速度确定无人机控制器与软件接收机之间的距离差，从而最终确定出无人机控制器的位置信息，实现对无人机控制器的定位，相比于现有技术，提升了无人机控制的定位精度，节省了搜索程序在目标区域搜索无人机控制器和GPS信号的时间，提升搜索程序的工作效率，降低了搜索程序出现故障的风险，加强对非合作目标无人机的管控。

本发明的技术方案通过无人机控制器，可以使GPS无人机具备当信号收到干扰时，自动导航至出发点的功能，并且可以实时监测GPS无人机的剩余电量，当剩余电量无法支持返航时，可以自动安全降落至地面。

本发明的技术方案通过惯性平台单元，可以计算出所述GPS无人机的移动轨迹，为GPS无人机的自动返航功能提供了强有力的支持，使得GPS无人机降低了对GPS的依赖性，提高了所述GPS无人机适应多种复杂环境的能力，降低了GPS无人机丢失的几率。

附图说明

图1为本发明GPS无人机控制方法的流程图。

具体实施方式

下面结合附图对本发明做进一步描述。

一种GPS无人机控制方法，包括如下步骤：

(1)控制系统接收每个软件接收机的标识信息，接收每个软件接收机发送到无人机控制器控制信号的时间；

(2)计算任意两个软件接收机接收到所述控制信号的时钟估计值，采集电磁波传播速度确定所述无人机控制器与对应的两个软件接收机之间的距离差；

(3)以任意两个软件接收机的动量信息判断控制系统的模糊度参数；

(4)以模糊度参数为输入，以无人机控制器的位置信息为输出，对卷积神经网络进行训练，得到所述无人机控制器的位置信息，实现对无人机的控制。

软件接收机标识信息的获取包括：当控制系统轮询到软件接收机时，软件接收机接收传感器数据，其中，基于软件接收机的轮询时钟，轮询传感器，传感器执行采样操作；软件接收机取得传感器发送的GPS导航参数和观测参数。

所述的GPS导航参数为：

式中，r₀,s₁,s₂分别为GPS在惯性坐标系中的三维位置、速度、加速度，q为GPS系统的动力学参数，HN_e为地球引力常数，a₁是作用在全球导航卫星系统上的各种摄动力之和，a₁表示全球导航卫星系统运动时的总加速度。

所述的观测参数为：

其中

b(t_l)表示t_l时刻的观测参数，G(t_l)表示t_l时刻的观测参数矩阵，l为时间参数标号，φ表示时钟状态转移矩阵，a₀表示待估状态量，ε表示观测噪声，t₀为初始时刻。

GPS导航不仅可以测量经度纬度信息，还可以获取海拔高度信息。但是，仅依靠GPS模块获取的海拔高度信息无法满足无人机飞控系统对实时精度的要求。因此，本设计采用观测参数来解决海拔高度精度差的问题。

所述的计算任意两个软件接收机接收到所述控制信号的时钟估计值包括：

(2.1)第一个软件接收机采用波形已知的GPS的伪距观测值和相位，通过第一通信信道发送包含有循环前缀和循环后缀的GPS时钟参数到中继节点，第二个软件接收机采用GPS接收机钟差经第二通信信道同时发送包含有循环前缀和循环后缀的GPS时钟参数到中继节点；

(2.2)中继节点对所接收的由GPS的伪距观测值和相位和GPS时钟参数叠加构成的接收信号进行过采样得到采样信号，所述采样信号经匹配滤波器滤波后输出的相同相位的采样点构成接收向量；

(2.3)采集环境介质系数、GPS对地距离、GPS的载波相位和伪距观测噪声；

(2.4)根据步骤(2.1)到(2.3)得到时钟估计值。

所述的时钟估计值包括：

；

Q和K分别表示GPS的伪距观测

值和相位，

表示GPS时钟参数，

表示GPS接收机钟差，λ_IF表示通信波长，M_IF表示GPS模糊度参数，n_trop和S分别表示环境介质系数和GPS对地距离，φ_L,IF和φ_P,IF分别为GPS的载波相位和伪距观测噪声。

众所周知，无人机的陀螺仪存在积分误差，随着时间的积累，其对无人机航向角的始终估计值会逐渐偏离真值，误差越来越大。本发明选用多种类参数测量来克服这一缺陷，因而不存在积分误差，可以消除器件自身的零点漂移误差。此外，轮询传感器形成冗余设计，以确保获取数据的准确性和可靠性。

所述的以任意两个软件接收机的动量信息判断控制系统的模糊度参数包括：

(3.1)控制系统采集软件接收机i的频率w_i，软件接收机i对应的无人机的质量，GPS载波的相位观测值L_i以及GPS载波伪距观测值P_i，

(3.2)控制系统将步骤(3.1)的参数发送至中央服务器，中央服务器计算模糊度参数并发送回控制系统；

所述的GPS的模糊度参数包括：

GPS的模糊度参数设计能够有效地解决无人机飞行器在空中处于自身震动或外界电磁干扰等情况下，某一个型号传感器出现测量失真、数据丢失或通讯异常等问题。通过使用模糊度对传感器进行误差修正，提高了飞控系统的可靠性。

所述的对卷积神经网络进行训练包括：

第j个神经元的净输入S_j为：

其中，S_j表示为第j个神经元的净输入，v表示为速度，ω表示角速度ω

通过激励函数f(·)，得到第j个神经元净输出为：

y_i＝f(S_j)；

其中，f(·)为Sigmoid函数。

其中，BP神经网络设输入层与隐含层的连接权值系数为v_jk，隐含层与输出层的连接权值系数为w_jk，隐含层和输出层的激励函数分别为f₁,f₂，当输入为(v_i,ω_i)，i＝0,1,2,…,n时，隐含层神经元节点输出为：

输出层神经元节点输出y_j为：

根据以上两个公式确定神经网络的模型。

所述的神经网络学习包括：

对无人机BP神经网络输入包含方位角评价函数、速度评价函数的p个测试样本，得到输出值

得到第p个样本的误差函数为：

其中，p表示为样本数量，c_k表示为隐含层神经元节点输出，y_j表示为输出层神经元节点输出，k_v表示为评价速度其中

为期望输出；

对全部的p个样本，全局误差函数为：

误差信号为：

其中，S_j表示为第j个神经元的净输入；

根据误差函数调整各层的连接权系数，用累计误差来表示BP神经网络的误差，输出层连接权系数为w_jk，则连接权系数的变化量为：

所述无人机控制器包括：

惯性平台单元，用于计算所述GPS无人机的移动轨迹；

移动轨迹备份单元，用于记录所述GPS无人机的移动轨迹并备份；

自动导航单元，用于基于所述移动轨迹备份单元的备份信息，自动导航所述GPS无人机至起飞地点；

电量检测单元，用于监测所述GPS无人机的剩余电量；

自动降落单元，用于当所述GPS无人机的剩余电量低于预设值时，控制所述GPS无人机自动降落至地面。

无人机在飞行时，经常因为距离过远或进入某些特定环境而丢失GPS信号，这时，GPS无人机可以根据惯性平台单元计算出的移动轨迹，自动导航至起飞地点，当GPS无人机电量过低时，GPS无人机可以根据电量监测单元的检测单元的检测结果，通过自动降落单元自动降落至地面；

所述惯性平台单元包括：台体、X轴陀螺仪、Y轴陀螺仪、Z轴陀螺仪、X力矩电机、Y力矩电机、Z力矩电机和X伺服电子线路、Y伺服电子线路、Z伺服电子线路、角度传感器和加速度传感器、单片机、内框架、外框架，所述X轴陀螺仪、Y轴陀螺仪、Z轴陀螺仪、X力矩电机、Y力矩电机、Z力矩电机和X伺服电子线路、Y伺服电子线路、Z伺服电子线路固定于外框架，所述内框架固定于外框架，所述台体通过所述内框架中填充的悬浮液悬浮于内框架中，外框架固定连接与所述GPS无人机，所述惯性平台单元计算所述GPS无人机的移动轨迹包括以下步骤：

步骤1：以台体中心为原点，互相垂直的X轴、Y轴、Z轴为三轴建立空间直角坐标系；

步骤2：基于所述X轴陀螺仪、Y轴陀螺仪和Z轴陀螺仪分别对应获取所述台体的X转动角速度、Y转动角速度和Z转动角速度，并根据所述X转动角速度、Y转动角速度和Z转动角速度分别对应计算所述空间直角坐标系中X轴干扰力矩、Y轴干扰力矩、Z轴干扰力矩；

步骤3：X轴陀螺仪输出与X轴干扰力矩成正比的信号,通过X伺服电子线路传输至X力矩电机，所述X力矩电机输出与X轴干扰力矩相反方向的力矩；Y轴陀螺仪输出与Y轴干扰力矩成正比的信号,通过Y伺服电子线路传输至Y力矩电机，所述Y力矩电机输出与Y轴干扰力矩相反方向的力矩；Z轴陀螺仪输出与Z轴干扰力矩成正比的信号,通过Z伺服电子线路传输至Z力矩电机，所述Z力矩电机输出与Z轴干扰力矩相反方向的力矩；

步骤4：根据X力矩电机输出与X轴干扰力矩相反方向的力矩、Y力矩电机输出与Y轴干扰力矩相反方向的力矩、Z力矩电机输出与Z轴干扰力矩相反方向的力矩，计算所述GPS无人机的实时加速度；

步骤5：所述单片机基于GPS无人机相对所述空间直角坐标系中的所述台体的X转动角速度、Y转动角速度和Z转动角速度和实时加速度计算出GPS无人机的移动轨迹。

上述技术方案的工作原理及有益效果是：通过惯性平台单元，可以计算出所述GPS无人机的移动轨迹，为GPS无人机的自动返航功能提供了强有力的支持，使得GPS无人机降低了对GPS的依赖性，提高了所述GPS无人机适应多种复杂环境的能力，降低了GPS无人机丢失的几率。

无人机系统由于加速度一般变化较大，参数数量级相差较大，用直接法进行控制，会给整体系统带来较大的计算量，本发明充分利用卷积神经网络通过对GPS定位系统的时钟预测数据的大量样本的学习，进行更加准确的非线性时间序列特性的预测，通过GPS接收机的数据计算位置参数，利用神经网络实现位置参数的预测，并播发给授权的装置用以修正GPS的时钟误差，真正意义上提高定位精度。本发明能够消除码间串扰，通过采用恒包络零自相关的训练序列、循环前缀和循环后缀，消除所要传输的数据信息与训练序列之间的码间串扰；本发明神经网络训练序列正交，且其中任意一节点的训练序列与加上循环前缀和循环后缀后的另一节点上的训练序列依然正交，使复杂度降低、低过采样率。通过采用波形已知的通信信号传输数据信息以及相互正交的训练序列，使得可以从接收向量中分离出独立的似然函数，计算复杂度低，从而估计出各个通信节点发出的通信信号的时间偏移值。

综上所述，本发明的技术方案通过接收每个软件接收机的标识信息，接收每个软件接收机发送到无人机控制器控制信号的时间，根据该时间差和电磁波传播速度确定无人机控制器与软件接收机之间的距离差，从而最终确定出无人机控制器的位置信息，实现对无人机控制器的定位，相比于现有技术，提升了无人机控制的定位精度，节省了搜索程序在目标区域搜索无人机控制器和GPS信号的时间，提升搜索程序的工作效率，降低了搜索程序出现故障的风险，加强对非合作目标无人机的管控。

Claims (9)

1.一种GPS无人机控制方法，其特征在于，包括如下步骤：

(1)控制系统接收每个软件接收机的标识信息，接收每个软件接收机发送到无人机控制器控制信号的时间；

(2)计算任意两个软件接收机接收到所述控制信号的时钟估计值，采集电磁波传播速度确定所述无人机控制器与对应的两个软件接收机之间的距离差；

(3)以任意两个软件接收机的动量信息判断控制系统的模糊度参数；

(4)以模糊度参数为输入，以无人机控制器的位置信息为输出，对卷积神经网络进行训练，得到所述无人机控制器的位置信息，实现对无人机的控制。

2.根据权利要求1所述的一种GPS无人机控制方法，其特征在于，软件接收机标识信息的获取包括：当控制系统轮询到软件接收机时，软件接收机接收传感器数据，其中，基于软件接收机的轮询时钟，轮询传感器，传感器执行采样操作；软件接收机取得传感器发送的GPS导航参数和观测参数。

3.根据权利要求2所述的一种GPS无人机控制方法，其特征在于，所述的GPS导航参数为：

式中，r₀,s₁,s₂分别为GPS在惯性坐标系中的三维位置、速度、加速度，q为GPS系统的动力学参数，HN_e为地球引力常数，a₁是作用在全球导航卫星系统上的各种摄动力之和，a₁表示全球导航卫星系统运动时的总加速度，t的取值范围为[1,l]；

所述的观测参数为：

其中

b(t_l)表示t_l时刻的观测参数，G(t_l)表示t_l时刻的观测参数矩阵，l为时间参数标号，φ表示时钟状态转移矩阵，a₀表示待估状态量，ε表示观测噪声，t₀为初始时刻；补充Φ解释。

4.根据权利要求1所述的一种GPS无人机控制方法，其特征在于，所述的计算任意两个软件接收机接收到所述控制信号的时钟估计值包括：

(2.1)第一个软件接收机采用波形已知的GPS的伪距观测值和相位，通过第一通信信道发送包含有循环前缀和循环后缀的GPS时钟参数到中继节点，第二个软件接收机采用GPS接收机钟差经第二通信信道同时发送包含有循环前缀和循环后缀的GPS时钟参数到中继节点；

(2.2)中继节点对所接收的由GPS的伪距观测值和相位和GPS时钟参数叠加构成的接收信号进行过采样得到采样信号，所述采样信号经匹配滤波器滤波后输出的相同相位的采样点构成接收向量；

(2.3)采集环境介质系数、GPS对地距离、GPS的载波相位和伪距观测噪声；

(2.4)根据步骤(2.1)到(2.3)得到时钟估计值。

5.根据权利要求1所述的一种GPS无人机控制方法，其特征在于，所述的以任意两个软件接收机的动量信息判断控制系统的模糊度参数包括：

(3.1)控制系统采集软件接收机i的频率w_i，软件接收机i对应的无人机的质量，GPS载波的相位观测值L_i以及GPS载波伪距观测值P_i，

(3.2)控制系统将步骤(3.1)的参数发送至中央服务器，中央服务器计算模糊度参数并发送回控制系统；

所述的GPS的模糊度参数μ包括：

其中，M_i含义、a₀含义。

6.根据权利要求5所述的一种GPS无人机控制方法，其特征在于，所述的对卷积神经网络进行训练包括：

第j个神经元的净输入S_j为：

其中，S_j表示为第j个神经元的净输入，v表示为速度，ω表示角速度ω

通过激励函数f(·)，得到第j个神经元净输出为：

y_i＝f(S_j)；

其中，f(·)为Sigmoid函数；

其中，BP神经网络设输入层与隐含层的连接权值系数为v_jk，隐含层与输出层的连接权值系数为w_jk，隐含层和输出层的激励函数分别为f₁,f₂，当输入为(v_i,ω_i)，i＝0,1,2,…,n时，隐含层神经元节点输出c_k为：

输出层神经元节点输出y_j为：

根据以上两个公式确定神经网络的模型。

7.根据权利要求6所述的一种GPS无人机控制方法，其特征在于，所述的神经网络学习包括：

对无人机BP神经网络输入包含方位角评价函数、速度评价函数的p个测试样本，得到输出值

得到第p个样本的误差函数为：

其中，p表示为样本数量，c_k表示为隐含层神经元节点输出，y_j表示为输出层神经元节点输出，k_v表示为评价速度其中

为期望输出；

对全部的p个样本，全局误差函数为：

误差信号为：

其中，S_j表示为第j个神经元的净输入；

根据误差函数调整各层的连接权系数，用累计误差来表示BP神经网络的误差，输出层连接权系数为w_jk，则连接权系数的变化量为：

8.根据权利要求1所述的一种GPS无人机控制方法，其特征在于，所述无人机控制器包括：

惯性平台单元，用于计算所述GPS无人机的移动轨迹；

移动轨迹备份单元，用于记录所述GPS无人机的移动轨迹并备份；

自动导航单元，用于基于所述移动轨迹备份单元的备份信息，自动导航所述GPS无人机至起飞地点；

电量检测单元，用于监测所述GPS无人机的剩余电量；

自动降落单元，用于当所述GPS无人机的剩余电量低于预设值时，控制所述GPS无人机自动降落至地面。

9.根据权利要求8所述的一种GPS无人机控制方法，其特征在于，所述惯性平台单元包括：台体、X轴陀螺仪、Y轴陀螺仪、Z轴陀螺仪、X力矩电机、Y力矩电机、Z力矩电机和X伺服电子线路、Y伺服电子线路、Z伺服电子线路、角度传感器和加速度传感器、单片机、内框架、外框架，所述X轴陀螺仪、Y轴陀螺仪、Z轴陀螺仪、X力矩电机、Y力矩电机、Z力矩电机和X伺服电子线路、Y伺服电子线路、Z伺服电子线路固定于外框架，所述内框架固定于外框架，所述台体通过所述内框架中填充的悬浮液悬浮于内框架中，外框架固定连接与所述GPS无人机，所述惯性平台单元计算所述GPS无人机的移动轨迹包括以下步骤：

步骤1：以台体中心为原点，互相垂直的X轴、Y轴、Z轴为三轴建立空间直角坐标系；

步骤2：基于所述X轴陀螺仪、Y轴陀螺仪和Z轴陀螺仪分别对应获取所述台体的X转动角速度、Y转动角速度和Z转动角速度，并根据所述X转动角速度、Y转动角速度和Z转动角速度分别对应计算所述空间直角坐标系中X轴干扰力矩、Y轴干扰力矩、Z轴干扰力矩；

步骤3：X轴陀螺仪输出与X轴干扰力矩成正比的信号,通过X伺服电子线路传输至X力矩电机，所述X力矩电机输出与X轴干扰力矩相反方向的力矩；Y轴陀螺仪输出与Y轴干扰力矩成正比的信号,通过Y伺服电子线路传输至Y力矩电机，所述Y力矩电机输出与Y轴干扰力矩相反方向的力矩；Z轴陀螺仪输出与Z轴干扰力矩成正比的信号,通过Z伺服电子线路传输至Z力矩电机，所述Z力矩电机输出与Z轴干扰力矩相反方向的力矩；

步骤4：根据X力矩电机输出与X轴干扰力矩相反方向的力矩、Y力矩电机输出与Y轴干扰力矩相反方向的力矩、Z力矩电机输出与Z轴干扰力矩相反方向的力矩，计算所述GPS无人机的实时加速度；

步骤5：所述单片机基于GPS无人机相对所述空间直角坐标系中的所述台体的X转动角速度、Y转动角速度和Z转动角速度和实时加速度计算出GPS无人机的移动轨迹。

Images