CN112051750A - 一种四旋翼无人机数字孪生系统 - Google Patents
一种四旋翼无人机数字孪生系统 Download PDFInfo
- Publication number
- CN112051750A CN112051750A CN202010788808.6A CN202010788808A CN112051750A CN 112051750 A CN112051750 A CN 112051750A CN 202010788808 A CN202010788808 A CN 202010788808A CN 112051750 A CN112051750 A CN 112051750A
- Authority
- CN
- China
- Prior art keywords
- model
- unmanned aerial
- aerial vehicle
- simulation
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种四旋翼无人机数字孪生系统,该系统由三维模型与模型工具模块、数字模拟模块、全局评价与迭代优化模块、智能增长模块、物理通信接口模块、系统工具模块六大部分组成。其中,三维模型与模型工具模块与数字模拟模块解决无人机自身模拟不足和过程仿真模拟不足两个问题;全局评价与迭代优化模块解决周期跟踪不足问题;智能增长模块解决多无人机自主协作智能不足问题;物理通信接口模块提供数字孪生系统与实际物理系统的连接接口;系统工具模块管理全部功能模块,起到系统集成作用。本发明系统将模型、环境、特性、通信、控制、智能学习、智能进化融合一起,完整真实模拟四旋翼无人机生命周期,提供寿命分析和维修指导。
Description
技术领域
本发明涉及数字孪生领域,具体涉及一种四旋翼无人机数字孪生系统。
背景技术
近年来,随着材料技术、计算机控制技术、芯片技术的高速发展,多种技术融合的四旋翼无人机得到快速的发展。各种技术的融合发展大大提高四旋翼无人机的性能和智能化程度。其小巧灵活、控制相对容易等特性使得其广泛运用在各个领域。但是目前,针对四旋翼无人机的运用,存在以下问题:
1.在仿真设计阶段,对四旋翼无人机自身模型特性和传感器特性模拟不够、仿真不足,造成仿真过后的实际四旋翼无人机不确定故障多、调试周期长。
2.在仿真设计阶段,对四旋翼无人机的运行过程的控制、通信过程、交互过程等模拟不足,造成实际效果与仿真差别大、算法调试困难。
3.四旋翼无人机针对某个领域的适用性差、智能性不足,缺乏无人机智能训练平台,造成实际面对突发状况时,无人机的不确定反应、不可靠执行。
4.四旋翼无人机的周期跟踪不足,缺乏实时观测无人机的运行状况和寿命分析,不能及时发现损坏的元器件,造成整机的性能下降,维修成本高。
5.多机协作的智能性不足,缺乏可靠的在线训练平台,使多无人机自主协作能力差,任务执行失败。
现有技术的数字孪生方案是针对大型航空飞行器并且其只关注针对机身进行寿命预测与维护决策,仅仅解决寿命预测与分析,并不能解决以上四旋翼无人机现有的五个问题。
发明内容
本发明的目的是提供一种四旋翼无人机数字孪生系统,用以解决现有技术中四旋翼无人机自身仿真模拟不足、过程仿真模拟不足、智能训练不足、周期跟踪不足、多无人机自主协作智能不足的问题。
为了实现上述任务,本发明采用以下技术方案:
一种四旋翼无人机数字孪生系统,包括三维模型与模型工具模块、数字模拟模块、全局评价与迭代优化模块、智能增长模块、物理通信接口模块以及系统工具模块,其中:
所述三维模型与模型工具模块用于实现四旋翼无人机和运行环境的真实模拟,建立四旋翼无人机模型、环境模型和场景地图,并提供模型配置工具;
所述数字模拟模块基于所构建的场景地图,对四旋翼无人机模型的整个系统及运行过程进行全局模拟并分别建立不同的特性脚本;
所述全局评价与迭代优化模块用于对无人机数字孪生系统与实际无人机系统的一致性评估,并不断优化无人机数字孪生系统的参数,最终实现无人机数字孪生系统与实际无人机系统的一致融合;
所述智能增长模块用于从智能学习和智能进化两个方面提升四旋翼无人机模型的自主智能和协作智能;其中智能学习是针对单个四旋翼无人机模型,进行包括物理学规律和机理学习、智能行为学习、自主控制学习、数据分析与推断学习、感知交互学习和多机器人协作控制学习;智能进化是针对单个四旋翼无人机模型和多个四旋翼无人机模型,进行单个无人机内部协作进化和多无人机自主协作进化;
所述物理通信接口模块用于实现无人机数字孪生系统与实际无人机系统的连接;
所述系统工具模块用于提供系统维护、支持、诊断功能,实现系统的可维护性与可移植性。
进一步地,所述三维模型与模型工具模块包括四旋翼无人机模型单元、环境模型单元、场景地图单元、模型配置工具单元,其中:
四旋翼无人机模型单元用于建立四旋翼无人机模型以及四旋翼无人机模型库;一个四旋翼无人机模型包括机械结构模型和电气设备模型两部分,这两部分均包括多个子模型;其中机械结构模型包括螺旋桨模型、机身模型、机臂模型、电机模型、连接组件模型和脚架模型;电气设备模型包括传感器模型和电气元件模型;
所述环境模型单元用于建立四旋翼无人机的环境模型以及环境模型库,根据模型的结构特性,基于几何建模、细分曲面建模、流体建模方法构建模型基础部分;根据模型材质特性,在选择对应材质的基础上,调整透明度、光照等属性实现复杂模型材质构建;调整模型轮廓,确定各类模型的碰撞检测区域;根据模型外观要求,赋予对应贴图;根据模型的实际表现特性要求,利用材质和贴图动态切换方法实现如湖水流动、波纹产生和消失等自然属性行为;将构建的各个环境模型保存在环境模型库中;
所述场景地图单元用于根据实际无人机应用场景要求,将四旋翼无人机模型和环境模型进行结合,并利用模型配置工具构建场景地图;根据所构建场景的环境特点,从环境模型库中选择各类环境模型,根据场景尺寸要求利用模型配置工具调整每个模型尺寸;根据所构建场景的无人机任务要求,从四旋翼无人机模型库中选择四旋翼无人机模型并利用模型配置工具调整尺寸;根据所构建场景的布局,通过模型配置工具对各个模型进行配置和摆放;根据所构建场景的光线要求,选择对应的光照类型如点光源、区域光源,完成场景地图的构建;将构建的场景地图保存在基础地图库中,并根据各类场景地图的环境特点与无人机任务要求,设计环境配置接口,以实现大型多场景地图快速构建;
所述模型配置工具单元用于为四旋翼无人机模型的构建提供模型配置工具。
进一步地,所述建立四旋翼无人机模型以及四旋翼无人机模型库,包括:
四旋翼无人机模型中的结构模型或者电气设备模型中任意一个子模型的建立过程包括:
采用点、线、面的几何建模方法对子模型中有规则部分进行构建;采用几何建模与细分曲面建模相结合方法实现对模型不规则部分构建;根据各类子模型材质特性要求,选择不同材质实现对模型外观材质构建;根据各类模型外观显示要求,赋予对应的贴图;
在上述结构模型和电气设备模型建立完成的基础上,四旋翼无人机模型整机的构建过程如下:
根据无人机整机的尺寸要求对各部分子模型的尺寸进行调整;从无人机底部到顶部的顺序对各个机械结构模型进行组合:脚架模型-->机身模型-->机臂模型—>电机模型—>螺旋桨模型;根据实际无人机功能或者执行任务要求,将传感器模型和电气元件模型安装在对应位置;根据实际无人机各部分连接特点,选择不同的连接组件模型将各部分子模型进行连接,完成四旋翼无人机模型的构建;将构建的单个子模型与四旋翼无人机模型保存在四旋翼无人机模型库中。
进一步地,所述模型配置工具包括基础模型库工具、模型拆分与组合工具、继承和重构工具、模型雕刻工具、关联性建模工具、模型渲染工具、模型基本操作工具、模型导入导出工具,其中:
基础模型库工具用于对四旋翼无人机模型库、环境模型库进行管理,对新增的四旋翼无人模型或环境模型进行命名重复性检测,对模型库已有模型的更新和删除;
模型拆分与组合工具用于针对四旋翼无人机模型进行开发,包括对四旋翼无人机模型进行拆分并打印出模型清单和根据模型清单和组装要求对提供的无人机模型库进行四旋翼无人机模型的整机组装;
继承和重构工具是针对四旋翼无人机模型与场景地图进行开发,实现四旋翼无人机模型和场景地图的高效修改构建;该工具在已有四旋翼无人机模型或场景地图上,修改四旋翼无人机模型或场景地图的组成部分和添加新的组成部分;
模型雕刻工具用于对四旋翼无人机模型进行更精细构建并对模型精细部分修改;
关联性建模工具是一种批量建模工具,用于根据提供的建模需求,基于模型的关联性,从四旋翼无人机模型库中选择对应子模型进行组合,实现四旋翼无人机模型的批量构建;
模型渲染工具用于在已有模型渲染的基础上,对四旋翼无人机模型进一步渲染;根据四旋翼无人机模型外观需求,更改原先的模型材质和表面贴图,以实现对模型的在线修改;
模型基础操作工具包括移动、缩放、旋转等,用于场景地图构建过程的四旋翼无人机模型、环境模型的摆放与尺寸调整;
模型导入导出工具用于提供对多种格式模型的支持。
进一步地,所述数字模拟模块进行全局模拟包括模型特性模拟、交互模拟、通信模拟、控制器模拟、全局调度模拟,其中:
模型特性模拟用于实现四旋翼无人机模型自身特性模拟与环境模型特性模拟,包括无人机关节、机身、电机、螺旋桨、电源、电调、脚架、连接结构模拟和环境的灯光、大气、动物行为、碰撞、传感器模拟;
交互模拟用于实现四旋翼无人机模型的人机交互模拟和无人机之间的交互模拟,其中人机交互包括VR体感交互、视觉交互、听觉交互、触觉交互、触屏/按键交互;无人机之间交互包括状态交互、逻辑交互、行为交互、交互安全、主被动交互;
通信模拟用于实现对四旋翼无人机模型通信过程的模拟,包括通信的方式、介质、故障、信号模拟与传感器通信、多机通信模拟;
控制器模拟用于实现对四旋翼无人机模型控制过程的模拟,包括无人机行为、结构、逻辑模拟与紧急事件模拟;
全局调度模拟用于实现系统级的调度模拟,包括传感器调度模拟、多机调度模拟、全局任务调度模拟和全局交互调度模拟。
进一步地,所述模型特性模拟中,自身特性模拟过程包括:
根据四旋翼无人机模型中各个子模型的特性,基于力作用和电作用原理,各个子模型特性进行数学建模得到各个子模型特性对应的数学表达式;基于物理引擎对力、关节等物理现象进行模拟;基于数学模型实现四旋翼无人机模型力电相互作用模拟、行为特性模拟等模型属性模拟;根据四旋翼无人机的特性对四旋翼无人机模型进行移动和旋转,使动态特性与静态三维模型表现一致;
所述环境模型特性的模拟过程包括:
根据场景天气状况,采用场景动态渲染方法,实现不同天气状况切换;根据天气状况的切换,调整灯光类型与及灯光方向,实现光线的调整;根据场景中环境模型的特性,赋予四旋翼无人机模型不同的行为;基于环境模型当前姿态,调整四旋翼无人机模型碰撞区域,实现碰撞检测准确性。
进一步地,所述交互模拟中,人机交互模拟的实现过程包括:
根据交互类型,构建相应的传感器或者其他硬件设备模型,并对传感器获取的交互数据进行处理,得到交互信息;四旋翼无人机模型根据交互信息执行相应的任务;
无人机之间交互过程包括:
根据无人机交互的数量,建立无人机信息交互的虚拟通道与交互标识符;根据实际通信状况,确定各个四旋翼无人机模型可交互范围;根据无人机交互类型如状态,确定交互数据类型和交互频率;根据当前无人机任务需求,对四旋翼无人机模型交互的数据进行处理并执行相应动作。
进一步地,所述通信模拟具体实现过程包括:
根据通信的类型,选择相应传感器设备或其他硬件设备模型;根据各类传感器或其他硬件设备的数据获取特性,确定数据类型及其传输编解码;配置通信故障类型与及信号干扰类型,实现通信故障的模拟。
进一步地,所述对四旋翼无人机模型控制过程的模拟,包括:
根据控制器类型确定该类控制器的输入、输出、控制关系;根据无人机的动力学控制规律,构建该类控制器控制规律;根据当前控制要求,对控制要求进行标准化,作为控制器输入;获取控制器输出并作用于无人机相应位置;获取控制器作用后的无人机状态并输入控制器。
进一步地,所述全局调度模拟具体过程包括:
根据场景任务要求,确定传感器数量、四旋翼无人机模型数量、子任务数量、是否涉及交互与交互类型;根据要实现功能特点,确定传感器类型、四旋翼无人机模型的类型、交互数据类型;根据数据处理和任务实现过程,确定传感器调度的顺序、无人机运行顺序、子任务执行顺序、交互顺序。
进一步地,所述全局评价与迭代优化模块进行全局评价与迭代优化的过程包括:
获取无人机数字孪生系统和实际无人机系统的模型状态数据、交互数据、通信数据、控制数据、调度数据和任务执行数据;
以实际无人机系统的模型状态数据为标准,根据数据差异情况,调整无人机数字孪生系统中对应模型的动态特性参数,进而根据特性参数调整四旋翼无人机模型的尺寸和位置;
基于实际无人机系统的交互数据,调整无人机数字孪生系统中交互传感器或其他硬件设备模型参数;
基于实际无人机系统通信数据,比较数据编解码、数据包丢失情况,进而调整无人机数字孪生系统中的通信参数;
基于实际无人机系统控制数据,比较控制器的输入、输出和控制规律,根据控制器的输入、输出、控制规律的差异,调整无人机数字孪生系统的控制器参数;
基于实际无人机系统调度数据,比较传感器调度的顺序、无人机运行顺序、子任务执行顺序、交互顺序,根据比较差异,调整无人机数字孪生系统全局调度参数;
基于无人机数字孪生系统任务执行数据,比较任务执行的时间、目标位置、任务路径,调整实际无人机任务执行参数,实现对实际无人机任务执行在线训练。
进一步地,所述智能增长模块从智能学习和智能进化两个方面提升四旋翼无人机模型的自主智能和协作智能,包括:
建立包含无人机数字孪生系统和实际无人机系统的模型特性数据、交互数据、通信数据、控制数据、调度数据和任务执行数据的数据库;
对数据库中模型特性数据进行解析,获取模型动力学特性与及行为特性表达式并与期望动力学特性与行为特性表达式比较,得到物理学规律和机理学习方向,进而反馈模型特性模拟部分,调整各部分模型特性参数,实现四旋翼无人机模型内部各部分物理规律与机理学习与进化;
对数据库中多种交互数据进行融合,挖掘融合后的交互数据,获取人机交互规律与无人机之间交互规律,进而反馈交互模拟部分,调整交互模拟参数,实现感知交互学习与多无人机协作进化;
对数据库中控制数据和任务执行数据进行解析,获取控制器的控制规律并与期望控制规律相比较,得到控制器改进方向,反馈控制器模拟部分,调整相应控制器参数,实现自主控制学习与进化;
对数据库中通信数据进行解析、拟合,得到当前无人机数字孪生系统的通信模型并与期望的通信模型相比较,调整通信模拟部分的通信参数;
对数据库中调度数据和任务执行数据进行解析,得到当前对应任务执行的调度规律并与期望调度规律相比较,调整调度模拟部分的调度参数,实现无人机协作学习与进化。
与现有技术相比,本发明具有以下技术特点:
1.从静态和动态两个角度对四旋翼无人机和环境进行全面高真实模拟。
现有的四旋翼无人机仿真平台大部分只是关注动态过程而忽略静态过程,一方面是四旋翼无人机的模拟不足,另一方面是四旋翼无人机生命周期模拟不足。而本发明从动态和静态两个角度出发,从不同的方面进行模拟,达到全周期的模拟。
2.能完整模拟和复现四旋翼无人机的动态过程。
无人机运行的过程涉及无人机自身的物理学特性和电气特性、环境的动态特性、交互过程、通信过程、控制过程、调度过程。只有完整模拟这些过程,才能真正复现实际无人机的飞行状况。现有的四旋翼无人机仿真平台大部分只是模拟无人机自身的物理学特性和控制过程,而本发明将这些过程融合起来,达到完整的全局模拟。
3.提供四旋翼无人机智能训练的接口。
本发明的智能增长模块从单机智能和多机智能两个维度实现涉及无人机特殊功能和任务的智能训练,借助三维模型和数字模拟及实际的运行数据对特定领域作业的四旋翼无人机进行智能训练。实现四旋翼无人机从手动控制到大规模自主智能协同控制。
4.针对系统所有功能模块提供全局评价和迭代优化。
本发明针对不同的领域作业的四旋翼无人机,动态评价三维模型及模拟、运行全过程及模拟、智能增长及实际运行等方面,根据动态评价的结果,调整所有模块的参数去适合特定领域,大大缩短研发周期与提高系统移植效率。
5.完整模拟四旋翼无人机的生命周期。
本发明从三维模型到模型特性的模拟再到智能增长,完整模拟四旋翼无人机的学习和进化过程,全面提供生命各个周期的信息,为四旋翼无人机的维护、使用、开发提供状态信息和报告指导。
附图说明
图1为本发明的一个实施例提供的四旋翼无人机数字孪生系统的结构示意图。
具体实施方式
本发明提出一种四旋翼无人机数字孪生系统,该系统由三维模型与模型工具模块、数字模拟模块、全局评价与迭代优化模块、智能增长模块、物理通信接口模块、系统工具模块六大部分组成。其中,三维模型与模型工具模块与数字模拟模块解决无人机自身模拟不足和过程仿真模拟不足两个问题;全局评价与迭代优化模块解决周期跟踪不足问题;智能增长模块解决多无人机自主协作智能不足问题;物理通信接口模块提供数字孪生系统与实际物理系统的连接接口;系统工具模块管理全部功能模块,起到系统集成作用。参见图1,本发明系统的各模块具体功能及实现方式介绍如下:
1.三维模型与模型工具模块
三维模型与模型工具模块用于实现四旋翼无人机和运行环境的真实模拟,并提供模型配置工具;该模块是从静态的角度出发,全面完整建立四旋翼无人机模型和环境模型,保证物理模型的高度真实;其中建模工具是针对四旋翼无人机模型进行设计开发,设计的关联建模工具、继承与重构工具等目的是能够在基础无人机库中灵活快速构建各类型无人机模型。
为实现四旋翼无人机的真实模拟,需要考虑静态的三维模型与动态的模型特性这两方面。在实际四旋翼无人机工作过程中,三维模型涉及多种类型包括自身各组成部分的模型以及所处环境中的各类环境模型,为了实现对所有三维模型的准确构建,该模块包括四旋翼无人机模型单元、环境模型单元、场景地图单元、模型配置工具单元四个功能单元。其中四旋翼无人机模型单元和环境模型单元这两个单元是独立构建并形成相应的模型库,而场景地图单元基于这两个模型库,通过模型组合与灯光渲染实现各类场景地图;模型配置工具单元对前三个单元提供工具支持。
1.1四旋翼无人机模型单元
四旋翼无人机模型单元用于建立四旋翼无人机模型以及四旋翼无人机模型库。一个四旋翼无人机模型包括机械结构模型和电气设备模型两部分,这两部分均包括多个子模型;其中机械结构模型包括螺旋桨模型、机身模型、机臂模型、电机模型、连接组件模型和脚架模型;电气设备模型包括传感器模型和电气元件模型。
其中,四旋翼无人机模型中的结构模型或者电气设备模型中任意一个子模型的建立过程包括:
采用点、线、面的几何建模方法对这些子模型中有规则部分进行构建,例如电机外壳模型采用圆柱体构建;采用几何建模与细分曲面建模相结合方法实现对模型不规则部分构建,如无人机机身模型采用圆柱体、高度细分、挤压和拉伸构建;根据各类子模型材质特性要求,选择Lambert、Phong、Blinn等材质实现对模型外观材质构建;根据各类模型外观显示要求,赋予对应的贴图。
在上述结构模型和电气设备模型建立完成的基础上,四旋翼无人机模型整机的构建过程如下:
根据无人机整机的尺寸要求对各部分子模型的尺寸进行调整;从无人机底部到顶部的顺序对各个机械结构模型进行组合:脚架模型-->机身模型-->机臂模型—>电机模型—>螺旋桨模型;根据实际无人机功能或者执行任务要求,将传感器模型和电气元件模型安装在对应位置;根据实际无人机各部分连接特点,选择不同的连接组件模型将各部分子模型进行连接,完成四旋翼无人机模型的构建。将以上构建的单个子模型与四旋翼无人机模型保存在四旋翼无人机模型库中。
1.2环境模型单元
环境模型单元用于建立四旋翼无人机的环境模型以及环境模型库;实际四旋翼无人机是在特定环境下工作的,例如输电线巡检的野外环境。为了实现对特定环境的真实构建,该单元将综合考虑自然环境和人为环境这两个方面的因素建立各类环境模型,包括室内外建筑物模型、动物模型、人模型、室内装饰物模型、室内外植物模型、室内家具模型、道路模型、江河湖海模型和室内外水电气设备模型;其中任意一个环境模型的建立方法为:
根据模型的结构特性,基于几何建模、细分曲面建模、流体建模方法构建模型基础部分;根据模型材质特性,在选择对应材质的基础上,调整透明度、光照等属性实现水等复杂模型材质构建;调整模型轮廓,确定各类模型的碰撞检测区域;根据模型外观要求,赋予对应贴图;根据模型的实际表现特性要求,利用材质和贴图动态切换方法实现如湖水流动、波纹产生和消失等自然属性行为。将以上构建的各个环境模型保存在环境模型库中。
1.3场景地图单元
场景地图单元用于根据实际无人机应用场景要求,将四旋翼无人机模型和环境模型进行结合,并利用模型配置工具构建场景地图;所述场景地图包括校园地图、城市商业街地图、社区室内地图、社区室外地图、森林地图、江河地图、城市荒废地地图和乡村地图。场景地图构建过程包括:
根据所构建场景的环境特点,从环境模型库中选择各类环境模型,根据场景尺寸要求利用模型配置工具调整每个模型尺寸;根据所构建场景的无人机任务要求,从四旋翼无人机模型库中选择四旋翼无人机模型并利用模型配置工具调整尺寸;根据所构建场景的布局,通过模型配置工具对各个模型进行配置和摆放;根据所构建场景的光线要求,选择对应的光照类型如点光源、区域光源等,完成场景地图的构建。将以上构建的场景地图保存在基础地图库中,并根据各类场景地图的环境特点与无人机任务要求,设计环境配置接口,以实现大型多场景地图快速构建。
1.4模型配置工具单元
模型配置工具单元用于为四旋翼无人机模型的构建提供模型配置工具,包括基础模型库工具、模型拆分与组合工具、继承和重构工具、模型雕刻工具、关联性建模工具、模型渲染工具、模型基本操作工具、模型导入导出工具。其中:
基础模型库工具用于对四旋翼无人机模型库、环境模型库进行管理,对新增的四旋翼无人模型或环境模型进行命名重复性检测,对模型库已有模型的更新和删除等。
模型拆分与组合工具用于针对四旋翼无人机模型进行开发,包括对四旋翼无人机模型进行拆分并打印出模型清单和根据模型清单和组装要求对提供的无人机模型库进行四旋翼无人机模型的整机组装。
继承和重构工具是针对四旋翼无人机模型与场景地图进行开发,实现四旋翼无人机模型和场景地图的高效修改构建;该工具在已有四旋翼无人机模型或场景地图上,修改四旋翼无人机模型或场景地图的组成部分和添加新的组成部分。
模型雕刻工具用于对四旋翼无人机模型进行更精细构建并对模型精细部分修改;利用该工具对四旋翼无人机模型库中电机模型的转子或者电气元件模型上的电阻电容进行修改。
关联性建模工具是一种批量建模工具,能够根据提供的建模需求,基于模型的关联性,从四旋翼无人机模型库中选择对应子模型进行组合,实现四旋翼无人机模型的批量构建。
模型渲染工具用于在已有模型渲染的基础上,对四旋翼无人机模型进一步渲染;根据四旋翼无人机模型外观需求,更改原先的模型材质和表面贴图,以实现对模型的在线修改。
模型基础操作工具包括移动、缩放、旋转等,用于场景地图构建过程的四旋翼无人机模型、环境模型的摆放与尺寸调整。
模型导入导出工具提供对多种格式模型的支持,例如提供与主流建模软件的模型交互接口,如Maya软件。
2.数字模拟模块
数字模拟模块基于所构建的场景地图,对四旋翼无人机模型的整个系统及运行过程进行全局模拟并分别建立不同的特性脚本,包括模型特性模拟、交互模拟、通信模拟、控制器模拟、全局调度模拟。该模块是从动态的角度出发,全面复现实际的无人机飞行情况,保证动态模拟全面真实。其中:
2.1模型特性模拟
用于实现四旋翼无人机模型自身特性模拟与环境模型特性模拟,包括无人机关节、机身、电机、螺旋桨、电源、电调、脚架、连接结构模拟和环境的灯光、大气、动物行为、碰撞、传感器等模拟。
其中,四旋翼无人机模型自身特性模拟过程包括:
根据四旋翼无人机模型中各个子模型的特性,基于力作用和电作用原理,各个子模型特性进行数学建模得到各个子模型特性对应的数学表达式;基于物理引擎如ODE对力、关节等物理现象进行模拟;基于数学模型如电源模型、电调模型、电机模型、螺旋桨模型,实现四旋翼无人机模型力电相互作用模拟、行为特性模拟等模型属性模拟;根据四旋翼无人机的特性对四旋翼无人机模型进行移动和旋转,使动态特性与静态三维模型表现一致。
其中,环境模型特性的模拟过程包括:
根据场景天气状况,采用场景动态渲染方法,实现雾、雨等天气状况切换;根据天气状况的切换,调整灯光类型与及灯光方向,实现光线的调整;根据场景中环境模型的特性,赋予四旋翼无人机模型不同的行为,如静止或移动;基于环境模型当前姿态,调整四旋翼无人机模型碰撞区域,实现碰撞检测准确性。
2.2交互模拟
用于实现四旋翼无人机模型的人机交互模拟和无人机之间的交互模拟;其中人机交互包括VR体感交互、视觉交互、听觉交互、触觉交互、触屏/按键交互;无人机之间交互包括状态交互、逻辑交互、行为交互、交互安全、主被动交互。
其中,人机交互模拟的实现过程包括:
根据交互类型,构建相应的传感器或者其他硬件设备模型,如视觉交互构建的是相机传感器,触觉交互构建的是接触式传感器;对传感器获取的交互数据进行处理,得到交互信息;如对相机传感器获取的人物的表情图片识别,得到人物表情信息;四旋翼无人机模型根据交互信息执行相应的任务,如无人机利用人物表情信息实现起飞或拍照。
无人机之间交互模拟过程包括:
根据无人机交互的数量,建立无人机信息交互的虚拟通道与交互标识符;根据实际通信状况,确定各个四旋翼无人机模型可交互范围;根据无人机交互类型如状态,确定交互数据类型和交互频率;根据当前无人机任务需求,对四旋翼无人机模型交互的数据进行处理并执行相应动作。
2.3通信模拟
用于实现对四旋翼无人机模型通信过程的模拟,包括通信的方式、介质、故障、信号模拟与传感器通信、多机通信模拟。通信模拟具体实现过程包括:
根据通信的类型如人机通信,选择相应传感器设备或其他硬件设备模型;根据各类传感器或其他硬件设备的数据获取特性,确定数据类型及其传输编解码;配置通信故障类型与及信号干扰类型,实现通信故障的模拟。
2.4控制器模拟
用于实现对四旋翼无人机模型控制过程的模拟,包括无人机行为、结构、逻辑模拟与紧急事件模拟。控制器模拟具体实现过程:
根据控制器类型如行为控制器,确定该类控制器的输入、输出、控制关系;根据无人机的动力学控制规律,构建该类控制器控制规律;根据当前控制要求,对控制要求进行标准化,作为控制器输入;获取控制器输出并作用于无人机相应位置;获取控制器作用后的无人机状态并输入控制器。
2.5全局调度模拟
在实际无人机系统中,多传感器数据融合或者多无人机协作是实现特定功能的可靠保证,这必然涉及多传感器多无人机的调度问题。全局调度模拟用于实现系统级的调度模拟,包括传感器调度模拟、多机调度模拟、全局任务调度模拟和全局交互调度模拟。全局调度模拟具体过程包括:
根据场景任务要求,确定传感器数量、四旋翼无人机模型数量、子任务数量、是否涉及交互与交互类型;根据要实现功能特点,比如精准定位涉及GPS、姿态传感器、激光雷达或深度相机的数据,确定传感器类型、四旋翼无人机模型的类型、交互数据类型;根据数据处理和任务实现过程,确定传感器调度的顺序、无人机运行顺序、子任务执行顺序、交互顺序。
3.全局评价与迭代优化模块
全局评价与迭代优化模块用于对无人机数字孪生系统与实际无人机系统的一致性评估,并不断优化无人机数字孪生系统参数,最终实现无人机数字孪生系统与实际无人机系统的一致融合;具体包括三维模型、模型特性、智能学习、智能进化、系统资源、虚拟训练、人机交互、无人机交互、通信方式、通信过程、控制器、控制策略、调度模式、调度过程的评估和优化。具体实现过程包括:
3.1获取无人机数字孪生系统和实际无人机系统的模型状态数据、交互数据、通信数据、控制数据、调度数据和任务执行数据,其中实际无人机系统的数据是通过硬件接口获取;
3.2以实际无人机系统的模型状态数据为标准,根据数据差异情况,调整无人机数字孪生系统中对应模型的动态特性参数,进而根据特性参数调整四旋翼无人机模型的尺寸和位置;
3.3基于实际无人机系统的交互数据,调整无人机数字孪生系统中交互传感器或其他硬件设备模型参数;
3.4基于实际无人机系统通信数据,比较数据编解码、数据包丢失情况,进而调整无人机数字孪生系统中的通信参数;
3.5基于实际无人机系统控制数据,比较控制器的输入、输出和控制规律,根据控制器的输入、输出、控制规律的差异,调整无人机数字孪生系统的控制器参数;
3.6基于实际无人机系统调度数据,比较传感器调度的顺序、无人机运行顺序、子任务执行顺序、交互顺序,根据比较差异,调整无人机数字孪生系统全局调度参数;
3.7基于无人机数字孪生系统任务执行数据,比较任务执行的时间、目标位置、任务路径,调整实际无人机任务执行参数,实现对实际无人机任务执行在线训练。
4.智能增长模块
智能增长模块用于从智能学习和智能进化两个方面提升四旋翼无人机模型的自主智能和协作智能;其中智能学习是针对单个四旋翼无人机模型,进行包括物理学规律和机理学习、智能行为学习、自主控制学习、数据分析与推断学习、感知交互学习和多机器人协作控制学习;其中智能进化是针对单个四旋翼无人机模型和多个四旋翼无人机模型,进行单个无人机内部协作进化和多无人机自主协作进化。具体实现过程包括:
4.1建立包含无人机数字孪生系统和实际无人机系统的模型特性数据、交互数据、通信数据、控制数据、调度数据和任务执行数据的数据库;
4.2对数据库中模型特性数据进行解析,获取模型动力学特性与及行为特性表达式并与期望动力学特性与行为特性表达式比较,得到物理学规律和机理学习方向,进而反馈模型特性模拟部分,调整各部分模型特性参数,实现四旋翼无人机模型内部各部分物理规律与机理学习与进化;
4.3对数据库中多种交互数据进行融合,挖掘融合后的交互数据,获取人机交互规律与无人机之间交互规律,进而反馈交互模拟部分,调整交互模拟参数,实现感知交互学习与多无人机协作进化;
4.4对数据库中控制数据和任务执行数据进行解析,获取控制器的控制规律并与期望控制规律相比较,得到控制器改进方向,反馈控制器模拟部分,调整相应控制器参数,实现自主控制学习与进化;
4.5对数据库中通信数据进行解析、拟合,得到当前无人机数字孪生系统的通信模型并与期望的通信模型相比较,调整通信模拟部分的通信参数;
4.6对数据库中调度数据和任务执行数据进行解析,得到当前对应任务执行的调度规律并与期望调度规律相比较,调整调度模拟部分的调度参数,实现无人机协作学习与进化。
5.物理通信接口模块
物理通信接口模块用于实现无人机数字孪生系统与实际无人机系统的连接,具体过程包括:
5.1基于实际无人机系统的传感器类型、控制器类型、机载系统类型,建立各类数据传输接口,包括无线通信接口、网卡接口、USB接口、人机交互通信接口、传感器通信控制接口、控制器接口、跨平台通信接口、多无人机通信接口、ROS机器人系统接口;
5.2根据数据传输接口的类型,设计相对应的数据通信协议并将获取的数据标准化成XML格式描述;
5.3对获取的数据进行错误校验并将检验通过的数据分类保存到无人机数字孪生系统,等待其他部分读取。
5.4根据设定数据更新频率,对保存的数据进行更新。
6.系统工具模块
系统工具模块用于提供系统维护、支持、诊断等功能,实现系统的可维护性与可移植性;具体包括系统资源动态配置、系统故障检测和报告工具、系统资源监控工具、平台支持与打包移植工具、在线插拔工具、性能分析工具、报告生成工具、游戏引擎工具。其中:
系统资源动态配置通过调用系统资源接口实现对系统内存、CPU线程等系统资源进行配置。
系统故障检测和报告工具通过检测当前系统各部分占用内存资源和地址访问情况,实现对系统内存泄露与地址越界等故障检测并将故障检测结果报告用户。
系统资源监控工具实现对系统各部分资源进行监控;通过访问系统资源接口和各部分数据接口,实现对系统资源数据收集并利用图像进行可视化表达。
平台支持与打包移植工具是通过集成各类平台如Android的SDK,将构建完成的无人机数字孪生系统移植到其他平台运行。
在线插拔工具是通过对各硬件接口进行周期访问,实现系统对硬件设备实时识别。
性能分析工具通过监控一次系统运行过程中系统资源数据、各功能运行占用系统资源数据、运行时间等,实现对系统资源占用率、内存访问速率、系统延迟响应时间等分析并生成性能分析报告。
报告生成工具通过对XML文件的生成与读写提供对系统故障报告、性能分析报告等的生成。
游戏引擎工具通过引入Unity软件接口,作为三维模型显示、数字模拟的载体。
在上述技术方案的基础上,下面以利用本发明系统进行多无人机森林覆盖仿真为例,对本发明系统的运行过程作进一步说明。
步骤1,根据无人机的数量与及实际运用的森林场景地图,首先利用三维模型与模型工具模块进行森林场景地图生成,具体过程包括:
步骤1.1,先利用四旋翼无人机模型库生成多个四旋翼无人机模型,具体过程为:
1.1.1从四旋翼无人机模型库中选择脚架模型、机身模型、机臂模型、电机模型、螺旋桨模型以及传感器模型;其中传感器模型包括相机模型、激光雷达模型;根据无人机整机的尺寸对各部分模型的尺寸进行调整;
1.1.2从无人机底部到顶部的顺序对各个机械结构模型进行组合:脚架模型-->机身模型-->机臂模型—>电机模型—>螺旋桨模型。
1.1.3将相机模型安装在机身模型前面,将激光雷达模型安装在机身模型顶部;
1.1.4根据实际无人机各部分连接特点,螺旋桨模型与电机模型采用铰链关节连接,脚架模型与机身模型采用固定关节连接,机臂模型与机身模型采用固定关节连接,机臂模型与电机模型采用固定关节连接,相机模型与机身模型采用铰链关节连接,激光雷达模型与机身模型采用固定关节连接,从而得到四旋翼无人机模型。
1.1.5重复1.1.1至1.1.4,生成多个四旋翼无人机模型。
步骤1.2,利用环境模型库生成环境模型,具体过程包括:
1.2.1从环境模型库中选择树、草等模型并调整尺寸;
1.2.2根据模型材质特性,在选择对应材质的基础上,调整透明度、光照等属性;
1.2.3调整模型轮廓,确定各类模型的碰撞检测区域;
1.2.4根据模型外观要求,修改对应贴图。
步骤1.3,利用场景地图单元与模型配置工具单元生成森林场景地图,具体过程包括:
1.3.1利用模型配置工具单元导入步骤1.1、步骤1.2生成的四旋翼无人机模型和环境模型;
1.3.2根据所构建场景地图大小,利用模型配置工具单元修改模型尺寸和模型结构;
1.3.3根据所构建场景的布局,对各个模型进行配置和摆放;
1.3.4根据所构建场景的光线要求,选择对应的光照类型如点光源、区域光源等。
步骤2,根据步骤1生成的森林场景地图,基于数字模拟模块和系统工具模块进行数字模拟,具体过程包括:
步骤2.1,首先利用数字模拟模块中的模型特性模拟功能对场景所有模型特性进行模拟,具体过程为:
2.1.1根据四旋翼无人机模型中各个子模型的特性,分别将不同模型特性挂载对应的特性脚本,如电机挂载电机模型特性脚本;
2.1.2根据四旋翼无人机模型中各个子模型的连接特性,分别在不同子模型连接之间挂载不同关节特性脚本,如机身模型与电机模型之间挂载固定关节脚本;
2.1.3启动数字模拟模块中的模型特性模拟功能,根据模型特性实现效果调整模拟特性脚本提供的接口参数。
2.1.4调整接口参数达到模型特性模拟要求后,关闭模型特性模拟功能。
步骤2.2,利用数字模拟模块中的交互模拟功能对多无人机模型之间交互过程进行模拟,具体过程包括:
2.2.1根据无人机模型交互的数量,建立无人机的信息交互的虚拟通道与交互标识符并且分别分配给无人机模型;
2.2.2根据实际森林通信状况,确定多个无人机模型可交互的范围;例如本实施例中,无人机模型设置4个,则其可交互范围设置为10m。
2.2.3根据所述多个无人机模型的交互类型,确定交互数据类型和交互频率。例如在本实施例中,无人机模型1和无人机模型2交互的已覆盖森林范围数据,在可交互范围内交互频率是2分钟一次;无人机模型1与无人机模型3交互的是当前位置数据与目标位置数据,在可交互范围内交互频率是1分钟2次;无人机模型2与无人机模型4的交互情况同无人机模型1与无人机模型3。
2.2.4根据当前无人机模型任务需求,对无人机模型交互的数据进行处理并执行相应动作;例如本实施例中,无人机模型1和无人机模型2根据交互已覆盖森林范围数据,得到未覆盖森林范围,从而继续进行覆盖任务;无人机模型3与无人机模型4分别跟随无人机模型1与无人机模型2,可靠保证无人机模型飞行一次就覆盖指定区域。
2.2.5启动交互模拟功能,根据交互实现效果调整交互逻辑、交互频率等参数。
步骤2.3,然后利用模型特性模拟中的通信模拟功能对无人机模型通信过程进行模拟,具体过程包括:
2.3.1确定无人机模型之间数据通信类型;例如本实施例中,选择WiFi无线通信模型;
2.3.2根据通信类型的硬件数据获取特性,确定数据类型及其传输编解码;
2.3.3配置通信故障类型与及信号干扰类型,实现通信故障的模拟;比如将信号干扰类型配置高斯噪声干扰;
2.3.4启动通信模拟功能,根据通信模拟实现效果调整通信故障配置、干扰类型等参数。
步骤2.4,利用数字模拟模块中的控制器模拟功能对无人机模型控制过程进行模拟;
本实施例中以森林覆盖过程中无人机模型撞到树木这一紧急事件控制为例具体说明,具体过程包括:
2.4.1设置无人机模型的紧急事件控制器,确定该类控制器的输入为姿态检测数据,输出为无人机模型的飞行控制指令,控制关系是姿态位置变化率与控制指令对应关系;
2.4.2根据无人机模型的动力学控制规律,构建该控制器控制规律;
2.4.3根据当前控制要求,对控制要求进行标准化,作为控制器输入;
2.4.4获取控制器输出并作用于无人机模型的相应位置;
2.4.5获取控制器作用后的无人机模型的姿态数据并输入控制器;
2.4.6启动控制器模拟功能,根据控制效果调整控制器控制规律参数如输出阈值、控制灵敏度。
步骤2.5,利用数字模拟模块中的全局调度模拟功能实现对无人机模型当前任务的多无人机调度模拟;本实施例中以森林覆盖任务为例进行说明,具体过程包括:
2.5.1根据场景任务要求,确定无人机模型的数量、子任务数量以及无人机模型之间的交互顺序;例如本实施中,确定无人机模型数量4个、子任务数量2个;
2.5.2根据要实现任务的特点,确定无人机模型中的传感器模型的类型、无人机模型中的领导者、跟随者、交互数据类型、已覆盖地图数据、当前位置数据与目标位置数据。
例如在本实施例中,对于森林覆盖任务的功能特点,确定采用覆盖探测的传感器模型为激光雷达传感器、无人机模型1和无人机模型2是领导者,无人机模型3和无人机模型4是跟随者、交互数据类型已覆盖森林范围数据、当前位置数据与目标位置数据。
2.5.3根据数据处理和任务实现过程,确定无人机模型运行顺序、子任务执行顺序、交互顺序;
2.5.4启动全局调度模拟功能,根据调度实现效果调整无人机模型运行顺序、子任务执行顺序、交互顺序。
步骤2.6,启动数字模拟模块中的全部功能,根据当前任务实现情况,调整相应功能的参数;最后利用物理通信接口模块中ROS机器人系统接口与系统工具中模块中的平台支持与打包移植工具,将数字模拟模块的模拟数据移植到实际无人机系统中。
步骤3,根据步骤2的数字模拟结果与通过物理通信接口模块连接的实际无人机系统,进行全局评价与迭代优化;在优化过程中利用系统工具模块监控系统资源和对系统性能进行分析,具体过程包括:
步骤3.1,分别获取所述多个无人机模型所对应的多个无人机数字孪生系统、实际无人机系统的模型状态数据、交互数据、通信数据、控制数据、调度数据和任务执行数据;其中实际无人机系统的数据是通过硬件接口获取。比如激光雷达传感器数据通过物理通信接口模块提供的USB接口传入系统;
步骤3.2,以实际无人机系统模型数据为标准,根据数据差异情况,调整各个无人机数字孪生系统中对应模型的动态特性参数,进而根据特性参数调整无人机模型的尺寸和位置;例如通过比较当前激光雷达传感器的数据,调整无人机数字孪生系统中激光雷达传感器的位置和旋转角,进而调整激光雷达传感器对应的模型的位置与及相对无人机机身模型的旋转;
步骤3.3,基于实际无人机系统的交互数据,调整每个无人机数字孪生系统中交互传感器或其他硬件设备模型参数;比较每个无人机模型之间交互的数据,调整交互范围与交互频率,进而调整虚拟通道开辟时间;
步骤3.4,基于实际无人机系统通信数据,比较数据编解码、数据包丢失情况,进而调整每个无人机数字孪生系统中的通信参数;比较各个无人机模型之间通信传输数据,进而调整各个无人机模型通信信道的的信号干扰与噪声参数;
步骤3.5,基于实际无人机系统控制数据,比较无人机模型的控制器的输入、输出和控制规律,根据控制器的输入、输出、控制规律的差异,调整每个控制器的参数;例如,通过比较当前姿态控制器的数据,分别根据相同的无人机滚转角、俯仰角和偏航角,调整控制对应控制通道输出的阈值参数、控制的灵敏度等参数。
步骤3.6,基于实际无人机系统调度数据,比较传感器调度的顺序、无人机模型运行顺序、子任务执行顺序、交互顺序,根据比较差异,调整各无人机数字孪生系统的全局调度参数;
步骤3.7,基于无人机数字孪生系统的任务执行数据,比较任务执行的时间、目标位置、任务路径,调整实际无人机的任务(例如森林覆盖任务)执行参数,实现对实际无人任务的在线训练。
步骤4,根据步骤3的全局评价与迭代优化结果,对无人机模型执行任务的行为进行智能增长训练,在整个过程利用系统工具模块监控系统资源和对系统性能进行分析,具体过程包括:
步骤4.1,建立包含每个无人机数字孪生系统和对应的实际无人机系统的模型特性数据、交互数据、通信数据、控制数据、调度数据和任务执行数据的数据库;
步骤4.2,对数据库中模型特性数据进行解析,获取在执行任务各阶段的模型动力学特性与及行为特性表达式,与期望动力学特性与行为特性表达式比较,得到物理学规律和机理学习方向,进而反馈模型特性模拟部分,调整各部分模型特性参数,实现无人机模型内部各部分物理规律与机理学习与进化;
步骤4.3,对数据库中多种交互数据进行融合,挖掘融合后的交互数据,获取各无人机模型之间的交互规律,进而根据交互规律反馈交互模拟部分,调整交互模拟参数,实现感知交互学习与多无人机协作进化;
步骤4.4,对数据库中控制数据和任务执行数据进行解析,获取控制器的控制规律。与期望控制规律相比较,得到控制器改进方向,反馈控制器模拟部分,调整相应控制器参数,实现自主控制学习与进化;
步骤4.5,对数据库中通信数据进行解析、拟合,得到当前系统的通信模型,与期望的通信模型相比较,调整通信模拟部分的通信参数;
步骤4.6,对数据库中调度数据和任务执行数据进行解析,得到当前对应任务执行的调度规律,与期望调度规律相比较,调整调度模拟部分的调度参数,实现无人机协作学习与进化。
步骤4.7,将对无人机模型执行任务的行为进行智能增长训练后的无人机数字孪生系统通过系统工具模块提供的平台支持与打包移植工具和物理通信接口模块提供的ROS机器人系统接口分别移植到对应实际无人机系统中,实现实际无人机系统的智能增长。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种四旋翼无人机数字孪生系统,其特征在于,包括三维模型与模型工具模块、数字模拟模块、全局评价与迭代优化模块、智能增长模块、物理通信接口模块以及系统工具模块,其中:
所述三维模型与模型工具模块用于实现四旋翼无人机和运行环境的真实模拟,建立四旋翼无人机模型、环境模型和场景地图,并提供模型配置工具;
所述数字模拟模块基于所构建的场景地图,对四旋翼无人机模型的整个系统及运行过程进行全局模拟并分别建立不同的特性脚本;
所述全局评价与迭代优化模块用于对无人机数字孪生系统与实际无人机系统的一致性评估,并不断优化无人机数字孪生系统的参数,最终实现无人机数字孪生系统与实际无人机系统的一致融合;
所述智能增长模块用于从智能学习和智能进化两个方面提升四旋翼无人机模型的自主智能和协作智能;其中智能学习是针对单个四旋翼无人机模型,进行包括物理学规律和机理学习、智能行为学习、自主控制学习、数据分析与推断学习、感知交互学习和多机器人协作控制学习;智能进化是针对单个四旋翼无人机模型和多个四旋翼无人机模型,进行单个无人机内部协作进化和多无人机自主协作进化;
所述物理通信接口模块用于实现无人机数字孪生系统与实际无人机系统的连接;
所述系统工具模块用于提供系统维护、支持、诊断功能,实现系统的可维护性与可移植性。
2.根据权利要求1所述的四旋翼无人机数字孪生系统,其特征在于,所述三维模型与模型工具模块包括四旋翼无人机模型单元、环境模型单元、场景地图单元、模型配置工具单元,其中:
四旋翼无人机模型单元用于建立四旋翼无人机模型以及四旋翼无人机模型库;一个四旋翼无人机模型包括机械结构模型和电气设备模型两部分,这两部分均包括多个子模型;其中机械结构模型包括螺旋桨模型、机身模型、机臂模型、电机模型、连接组件模型和脚架模型;电气设备模型包括传感器模型和电气元件模型;
所述环境模型单元用于建立四旋翼无人机的环境模型以及环境模型库,根据模型的结构特性,基于几何建模、细分曲面建模、流体建模方法构建模型基础部分;根据模型材质特性,在选择对应材质的基础上,调整透明度、光照属性实现复杂模型材质构建;调整模型轮廓,确定各类模型的碰撞检测区域;根据模型外观要求,赋予对应贴图;根据模型的实际表现特性要求,利用材质和贴图动态切换方法实现如湖水流动、波纹产生和消失的自然属性行为;将构建的各个环境模型保存在环境模型库中;
所述场景地图单元用于根据实际无人机应用场景要求,将四旋翼无人机模型和环境模型进行结合,并利用模型配置工具构建场景地图;根据所构建场景的环境特点,从环境模型库中选择各类环境模型,根据场景尺寸要求利用模型配置工具调整每个模型尺寸;根据所构建场景的无人机任务要求,从四旋翼无人机模型库中选择四旋翼无人机模型并利用模型配置工具调整尺寸;根据所构建场景的布局,通过模型配置工具对各个模型进行配置和摆放;根据所构建场景的光线要求,选择对应的光照类型如点光源、区域光源,完成场景地图的构建;将构建的场景地图保存在基础地图库中,并根据各类场景地图的环境特点与无人机任务要求,设计环境配置接口,以实现大型多场景地图快速构建;
所述模型配置工具单元用于为四旋翼无人机模型的构建提供模型配置工具。
3.根据权利要求2所述的四旋翼无人机数字孪生系统,其特征在于,所述建立四旋翼无人机模型以及四旋翼无人机模型库,包括:
四旋翼无人机模型中的结构模型或者电气设备模型中任意一个子模型的建立过程包括:
采用点、线、面的几何建模方法对子模型中有规则部分进行构建;采用几何建模与细分曲面建模相结合方法实现对模型不规则部分构建;根据各类子模型材质特性要求,选择不同材质实现对模型外观材质构建;根据各类模型外观显示要求,赋予对应的贴图;
在上述结构模型和电气设备模型建立完成的基础上,四旋翼无人机模型整机的构建过程如下:
根据无人机整机的尺寸要求对各部分子模型的尺寸进行调整;从无人机底部到顶部的顺序对各个机械结构模型进行组合:脚架模型-->机身模型-->机臂模型—>电机模型—>螺旋桨模型;根据实际无人机功能或者执行任务要求,将传感器模型和电气元件模型安装在对应位置;根据实际无人机各部分连接特点,选择不同的连接组件模型将各部分子模型进行连接,完成四旋翼无人机模型的构建;将构建的单个子模型与四旋翼无人机模型保存在四旋翼无人机模型库中。
4.根据权利要求1所述的四旋翼无人机数字孪生系统,其特征在于,所述数字模拟模块进行全局模拟包括模型特性模拟、交互模拟、通信模拟、控制器模拟、全局调度模拟,其中:
模型特性模拟用于实现四旋翼无人机模型自身特性模拟与环境模型特性模拟,包括无人机关节、机身、电机、螺旋桨、电源、电调、脚架、连接结构模拟和环境的灯光、大气、动物行为、碰撞、传感器模拟;
交互模拟用于实现四旋翼无人机模型的人机交互模拟和无人机之间的交互模拟,其中人机交互包括VR体感交互、视觉交互、听觉交互、触觉交互、触屏/按键交互;无人机之间交互包括状态交互、逻辑交互、行为交互、交互安全、主被动交互;
通信模拟用于实现对四旋翼无人机模型通信过程的模拟,包括通信的方式、介质、故障、信号模拟与传感器通信、多机通信模拟;
控制器模拟用于实现对四旋翼无人机模型控制过程的模拟,包括无人机行为、结构、逻辑模拟与紧急事件模拟;
全局调度模拟用于实现系统级的调度模拟,包括传感器调度模拟、多机调度模拟、全局任务调度模拟和全局交互调度模拟。
5.根据权利要求4所述的四旋翼无人机数字孪生系统,其特征在于,所述模型特性模拟中,自身特性模拟过程包括:
根据四旋翼无人机模型中各个子模型的特性,基于力作用和电作用原理,各个子模型特性进行数学建模得到各个子模型特性对应的数学表达式;基于物理引擎对力、关节物理现象进行模拟;基于数学模型实现四旋翼无人机模型力电相互作用模拟、行为特性模拟模型属性模拟;根据四旋翼无人机的特性对四旋翼无人机模型进行移动和旋转,使动态特性与静态三维模型表现一致;
所述环境模型特性的模拟过程包括:
根据场景天气状况,采用场景动态渲染方法,实现不同天气状况切换;根据天气状况的切换,调整灯光类型与及灯光方向,实现光线的调整;根据场景中环境模型的特性,赋予四旋翼无人机模型不同的行为;基于环境模型当前姿态,调整四旋翼无人机模型碰撞区域,实现碰撞检测准确性。
6.根据权利要求4所述的四旋翼无人机数字孪生系统,其特征在于,所述交互模拟中,人机交互模拟的实现过程包括:
根据交互类型,构建相应的传感器或者其他硬件设备模型,并对传感器获取的交互数据进行处理,得到交互信息;四旋翼无人机模型根据交互信息执行相应的任务;
无人机之间交互过程包括:
根据无人机交互的数量,建立无人机信息交互的虚拟通道与交互标识符;根据实际通信状况,确定各个四旋翼无人机模型可交互范围;根据无人机交互类型如状态,确定交互数据类型和交互频率;根据当前无人机任务需求,对四旋翼无人机模型交互的数据进行处理并执行相应动作。
7.根据权利要求1所述的四旋翼无人机数字孪生系统,其特征在于,所述通信模拟具体实现过程包括:
根据通信的类型,选择相应传感器设备或其他硬件设备模型;根据各类传感器或其他硬件设备的数据获取特性,确定数据类型及其传输编解码;配置通信故障类型与及信号干扰类型,实现通信故障的模拟;
所述对四旋翼无人机模型控制过程的模拟,包括:
根据控制器类型确定该类控制器的输入、输出、控制关系;根据无人机的动力学控制规律,构建该类控制器控制规律;根据当前控制要求,对控制要求进行标准化,作为控制器输入;获取控制器输出并作用于无人机相应位置;获取控制器作用后的无人机状态并输入控制器。
8.根据权利要求1所述的四旋翼无人机数字孪生系统,其特征在于,所述全局调度模拟具体过程包括:
根据场景任务要求,确定传感器数量、四旋翼无人机模型数量、子任务数量、是否涉及交互与交互类型;根据要实现功能特点,确定传感器类型、四旋翼无人机模型的类型、交互数据类型;根据数据处理和任务实现过程,确定传感器调度的顺序、无人机运行顺序、子任务执行顺序、交互顺序。
9.根据权利要求1所述的四旋翼无人机数字孪生系统,其特征在于,所述全局评价与迭代优化模块进行全局评价与迭代优化的过程包括:
获取无人机数字孪生系统和实际无人机系统的模型状态数据、交互数据、通信数据、控制数据、调度数据和任务执行数据;
以实际无人机系统的模型状态数据为标准,根据数据差异情况,调整无人机数字孪生系统中对应模型的动态特性参数,进而根据特性参数调整四旋翼无人机模型的尺寸和位置;
基于实际无人机系统的交互数据,调整无人机数字孪生系统中交互传感器或其他硬件设备模型参数;
基于实际无人机系统通信数据,比较数据编解码、数据包丢失情况,进而调整无人机数字孪生系统中的通信参数;
基于实际无人机系统控制数据,比较控制器的输入、输出和控制规律,根据控制器的输入、输出、控制规律的差异,调整无人机数字孪生系统的控制器参数;
基于实际无人机系统调度数据,比较传感器调度的顺序、无人机运行顺序、子任务执行顺序、交互顺序,根据比较差异,调整无人机数字孪生系统全局调度参数;
基于无人机数字孪生系统任务执行数据,比较任务执行的时间、目标位置、任务路径,调整实际无人机任务执行参数,实现对实际无人机任务执行在线训练。
10.根据权利要求1所述的四旋翼无人机数字孪生系统,其特征在于,所述智能增长模块从智能学习和智能进化两个方面提升四旋翼无人机模型的自主智能和协作智能,包括:
建立包含无人机数字孪生系统和实际无人机系统的模型特性数据、交互数据、通信数据、控制数据、调度数据和任务执行数据的数据库;
对数据库中模型特性数据进行解析,获取模型动力学特性与及行为特性表达式并与期望动力学特性与行为特性表达式比较,得到物理学规律和机理学习方向,进而反馈模型特性模拟部分,调整各部分模型特性参数,实现四旋翼无人机模型内部各部分物理规律与机理学习与进化;
对数据库中多种交互数据进行融合,挖掘融合后的交互数据,获取人机交互规律与无人机之间交互规律,进而反馈交互模拟部分,调整交互模拟参数,实现感知交互学习与多无人机协作进化;
对数据库中控制数据和任务执行数据进行解析,获取控制器的控制规律并与期望控制规律相比较,得到控制器改进方向,反馈控制器模拟部分,调整相应控制器参数,实现自主控制学习与进化;
对数据库中通信数据进行解析、拟合,得到当前无人机数字孪生系统的通信模型并与期望的通信模型相比较,调整通信模拟部分的通信参数;
对数据库中调度数据和任务执行数据进行解析,得到当前对应任务执行的调度规律并与期望调度规律相比较,调整调度模拟部分的调度参数,实现无人机协作学习与进化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010788808.6A CN112051750B (zh) | 2020-08-07 | 2020-08-07 | 一种四旋翼无人机数字孪生系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010788808.6A CN112051750B (zh) | 2020-08-07 | 2020-08-07 | 一种四旋翼无人机数字孪生系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112051750A true CN112051750A (zh) | 2020-12-08 |
CN112051750B CN112051750B (zh) | 2023-10-03 |
Family
ID=73601263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010788808.6A Active CN112051750B (zh) | 2020-08-07 | 2020-08-07 | 一种四旋翼无人机数字孪生系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051750B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699439A (zh) * | 2020-12-29 | 2021-04-23 | 广东工业大学 | 一种高密度立体仓库的快速设计方法 |
CN112965396A (zh) * | 2021-02-08 | 2021-06-15 | 大连大学 | 一种四旋翼无人机硬件在环可视化仿真方法 |
CN113485392A (zh) * | 2021-06-17 | 2021-10-08 | 广东工业大学 | 基于数字孪生的虚拟现实交互方法 |
CN114756052A (zh) * | 2022-03-31 | 2022-07-15 | 电子科技大学 | 一种基于无人机群的多目标协同追踪方法 |
CN114926607A (zh) * | 2022-04-07 | 2022-08-19 | 上海电气集团股份有限公司 | 一种城市通航无人机的虚拟展示方法 |
CN115237302A (zh) * | 2021-06-30 | 2022-10-25 | 达闼机器人股份有限公司 | 基于数字孪生的场景切换方法、装置、介质和电子设备 |
GB2610809A (en) * | 2021-09-10 | 2023-03-22 | Flare Bright Ltd | Digital twin for an autonomous vehicle |
CN116149376A (zh) * | 2023-04-21 | 2023-05-23 | 西安迈远科技有限公司 | 一种基于装配式建筑平台的无人机巡航的控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107976915A (zh) * | 2017-11-24 | 2018-05-01 | 长光卫星技术有限公司 | 一种轻小型无人机半物理仿真系统及仿真方法 |
CN109631900A (zh) * | 2018-12-24 | 2019-04-16 | 中国矿业大学 | 一种无人机三维航迹多目标粒子群全局规划方法 |
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
US20200218243A1 (en) * | 2017-10-17 | 2020-07-09 | Guangdong University Of Technology | Parallel control method and system for intelligent workshop |
US20200249663A1 (en) * | 2017-10-17 | 2020-08-06 | Guangdong University Of Technology | Method and system for quick customized-design of intelligent workshop |
-
2020
- 2020-08-07 CN CN202010788808.6A patent/CN112051750B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200218243A1 (en) * | 2017-10-17 | 2020-07-09 | Guangdong University Of Technology | Parallel control method and system for intelligent workshop |
US20200249663A1 (en) * | 2017-10-17 | 2020-08-06 | Guangdong University Of Technology | Method and system for quick customized-design of intelligent workshop |
CN107976915A (zh) * | 2017-11-24 | 2018-05-01 | 长光卫星技术有限公司 | 一种轻小型无人机半物理仿真系统及仿真方法 |
CN109631900A (zh) * | 2018-12-24 | 2019-04-16 | 中国矿业大学 | 一种无人机三维航迹多目标粒子群全局规划方法 |
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699439A (zh) * | 2020-12-29 | 2021-04-23 | 广东工业大学 | 一种高密度立体仓库的快速设计方法 |
CN112965396A (zh) * | 2021-02-08 | 2021-06-15 | 大连大学 | 一种四旋翼无人机硬件在环可视化仿真方法 |
CN113485392A (zh) * | 2021-06-17 | 2021-10-08 | 广东工业大学 | 基于数字孪生的虚拟现实交互方法 |
CN115237302A (zh) * | 2021-06-30 | 2022-10-25 | 达闼机器人股份有限公司 | 基于数字孪生的场景切换方法、装置、介质和电子设备 |
GB2610809A (en) * | 2021-09-10 | 2023-03-22 | Flare Bright Ltd | Digital twin for an autonomous vehicle |
CN114756052A (zh) * | 2022-03-31 | 2022-07-15 | 电子科技大学 | 一种基于无人机群的多目标协同追踪方法 |
CN114926607A (zh) * | 2022-04-07 | 2022-08-19 | 上海电气集团股份有限公司 | 一种城市通航无人机的虚拟展示方法 |
CN116149376A (zh) * | 2023-04-21 | 2023-05-23 | 西安迈远科技有限公司 | 一种基于装配式建筑平台的无人机巡航的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112051750B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051750B (zh) | 一种四旋翼无人机数字孪生系统 | |
CN110378463B (zh) | 一种人工智能模型标准化训练平台及自动化系统 | |
CN110083119A (zh) | 一种基于数字孪生的可视化电力系统机房监控系统和方法 | |
CN107643695A (zh) | 基于脑电的有人/无人机集群编队vr仿真方法及系统 | |
CN105807628B (zh) | 用于复杂cps的机器人柔性控制器及其实现方法 | |
CN109858111A (zh) | Rlv虚拟仿真平台设计及实现方法 | |
CN113836754A (zh) | 面向多智能体仿真建模的仿真方法、装置、设备和介质 | |
CN112184857B (zh) | 一种数据生成系统 | |
Fitzgerald et al. | Co-modelling and co-simulation in the engineering of systems of cyber-physical systems | |
CN115048814A (zh) | 一种面向人工环境控制的虚拟仿真交互实验系统及方法 | |
CN115879323A (zh) | 自动驾驶仿真测试方法、电子设备及计算机可读存储介质 | |
US11777445B2 (en) | Methods of and apparatus for locating energy harvesting devices in an environment | |
Guo et al. | Exploration of human-computer interaction system for product design in virtual reality environment based on computer-aided technology | |
CN107515966A (zh) | 一种基于dds的雷达仿真系统分层构建方法 | |
CN112800606A (zh) | 数字孪生产线构建方法、系统、电子设备及存储介质 | |
CN116127783B (zh) | 一种虚拟世界生成系统 | |
Lin et al. | Moving from cloud to fog/edge: The smart agriculture experience | |
CN112698632B (zh) | 一种全自动化生产线数字孪生系统、方法及设备 | |
CN114662213A (zh) | 一种基于模型的可视化导弹突防概率验证方法及装置 | |
Chilkunda et al. | UAV-based scenario builder and physical testing platform for autonomous vehicles | |
CN112114529A (zh) | 一种面向五金行业的仿真调试系统 | |
CN111476361B (zh) | 一种分散式人工智能物联网创建方法 | |
Teslyuk et al. | Neuro-controller implementation for the embedded control system for mini-greenhouse | |
Mattoo et al. | Internet of Things: A progressive case study | |
Florea et al. | Applying ieee 1278.1-2012 concepts to support integration of digital twins in industrial applications |
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 |