CN112985389B - 基于无人机运动状态的激光充电跟踪方法 - Google Patents
基于无人机运动状态的激光充电跟踪方法 Download PDFInfo
- Publication number
- CN112985389B CN112985389B CN202110187955.2A CN202110187955A CN112985389B CN 112985389 B CN112985389 B CN 112985389B CN 202110187955 A CN202110187955 A CN 202110187955A CN 112985389 B CN112985389 B CN 112985389B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- state
- matrix
- tracking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 31
- 230000010365 information processing Effects 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 230000006641 stabilisation Effects 0.000 claims abstract description 4
- 238000011105 stabilization Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 57
- 230000007704 transition Effects 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000005251 gamma ray Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Abstract
基于无人机运动状态的激光充电跟踪系统及方法，无人机通过Zigbee通信模块向地面端的信息处理模块发送飞行实时状态信息，同时地面端信息处理模块通过GPS定位模块获取无人机的位置；电视跟瞄窗通过CCD摄像模块捕获无人机，激光发射窗并通过伺服跟踪装置对无人机进行目标跟踪，若是伺服跟踪装置跟踪失败，则返回；信息处理模块重新获取无人机的位置；若是伺服跟踪装置跟踪成功，激光装置将电能转化为激光，激光发射窗通过伺服跟踪装置的控制，将激光发射到无人机上的光伏模块上，在光伏模块上再进行光能到电能转化，稳压后为无人机工作进行供电。本发明通过残差检测对无人机运动模型进行实时的修正，加快无人机位置更新速度，实现激光对无人机的最优跟踪。
Description
技术领域
本发明涉及无人机UAV激光充电技术领域，具体涉及一种基于无人机运动状态的激光充电跟踪系统及方法。
背景技术
在未来信息化的社会中，由于无人机体型小、灵活性高、操作方便，无人机在各领域中扮演着越来越重要的角色。为了进一步满足无人机长时间工作的要求，提高无人机的续航能力已经成为了当今时代一个热门话题。激光充电相比于太阳能充电具备以下优点：(1)不受天气影响，能保证高效率充电的必要条件；(2)激光的照射角度可以人为控制，保证太阳能电池始终输出最大功率。太阳能电池板和激光器技术日益成熟，利用激光为无人机充电概念被提出。这一概念的提出，对于无人机长时间的飞行的可能性提供了能量基础。
当前，对于激光充电来说最重要的是激光发射的精确度，要求激光跟踪的精度至少达到厘米级，如果激光偏离了无人机能量接收装置，充电效率则为0。所以无人机激光无线能量APT系统的可靠性对充电效率有着直接影响。
目前无人机激光充电技术中对如何跟踪无人机方面均做了相应的研究，但是对无人机下一时刻运动位置的预测还鲜有研究。无人机运动状态随着环境的变化而变化的，所以为无人机下一时刻的运动位置的预测是一个必须面对的问题。
发明内容
针对现有技术中无人机距离地面补给站远、激光跟踪延迟、供给能量不足等问题，本发明提供一种基于无人机运动状态的激光充电跟踪系统及方法，构建了无人机运动模型，通过残差检测对无人机运动模型进行实时的修正，加快无人机位置更新速度，实现激光对无人机的最优跟踪，提高无人机的续航能力。
本发明采取的技术方案为：
基于无人机运动状态的激光充电跟踪系统，包括：
位于地面端的信息处理模块，
GPS定位模块，用于定位无人机的位置；
配置在无人机的第一Zigbee通信模块、位于地面端的第二Zigbee通信模块，第一Zigbee通信模块向第二Zigbee通信模块发送无人机的状态信息；
伺服跟踪装置，用于对无人机进行目标跟踪，伺服跟踪装置连接信息处理模块；
能量发射装置，包括激光发射窗、电视跟瞄窗；激光发射窗、电视跟瞄窗连接伺服跟踪装置；
配置在无人机的光伏模块，用于将光能转换为电能，为无人机供电；
激光通过激光发射窗发射到无人机的光伏模块，进行供电补给，电视跟瞄窗用于拍摄捕获无人机。
基于无人机运动状态的激光充电跟踪方法，包括以下步骤：
步骤1：无人机通过Zigbee通信模块向地面端的信息处理模块发送飞行实时状态信息，同时地面端信息处理模块通过GPS定位模块获取无人机的位置；
步骤2：电视跟瞄窗通过CCD摄像模块捕获无人机，
步骤3：激光发射窗并通过伺服跟踪装置对无人机进行目标跟踪，若是伺服跟踪装置跟踪失败，则返回步骤1，信息处理模块重新获取无人机的位置；若是伺服跟踪装置跟踪成功，则进行步骤4；
步骤4：激光模块将电能转化为激光，激光发射窗通过伺服跟踪装置的控制，将激光发射到无人机上的光伏模块上，在光伏模块上再进行光能到电能转化，稳压后为无人机工作进行供电。
所述步骤3中，地面端的信息处理模块根据无人机实时状态信息进行数据的采集分析，对信息采集的时间延迟做一定的处理，在伺服跟踪装置中加入角速度反馈信号，采用基于贝叶斯状态滤波估计对角速度进行测量，实现复合跟踪。
本发明一种基于无人机运动状态的激光充电跟踪系统及方法，技术效果如下：
1)本发明通过伺服跟踪装置，对无人机实时反馈的位置信息通过相应算法的控制，对无人机下一时刻的位置进行预测更新。
2)本发明构建了无人机运动模型，通过残差检测对无人机运动模型进行实时的修正，加快无人机位置更新速度，实现激光对无人机的最优跟踪，提高无人机的续航能力。
附图说明
图1为本发明跟踪系统结构示意图。
图2为本发明的伺服跟踪装置结构示意图。
图3为基于贝叶斯状态滤波估计对角速度进行测量控制图。
图4为残差检测流程图。
图5为无人机位置进行观测更新流程图。
图6为无人机运动轨迹跟踪情况图。
图7为无人机跟踪俯仰角误差对比图。
图8为无人机跟踪方位角误差对比图。
具体实施方式
如图1所示，基于无人机运动状态的激光充电跟踪系统，包括：
位于地面端的信息处理部分为Zigbee通信模块。Zigbee通信模块包括无人机端配备的第一Zigbee通信模块，地面端配备的第二Zigbee通信模块，无人机端通过第二Zigbee通信模块向第一Zigbee通信模块发送无人机的状态信息。
在无人机端配备GPS定位模块，通过GPS定位模块向地面端信息处理部分的第二Zigbee通信模块发送无人机的位置信息。
伺服跟踪装置，由控制器大恒光电GCD-040，驱动器德马克BLD-30A，电动机德马克V5-040130FC2A三部分组成。
其中，控制器通过CCD摄像模块检测的无人机实际飞行位置的差，调节控制量；
驱动器一方面按控制量的大小将电网中的电能作用到电动机之上，调节电动机转矩的大小；
另一方面按电动机的要求把恒压恒频的电网供电转换为电动机所需的交流电或直流电；电动机则按供电大小拖动伺服转台运转，位于伺服转台的电视跟瞄窗从而用于对无人机进行目标跟踪；
能量发射装置，由激光发射窗和电视跟瞄窗组成。其中激光通过激光发射窗发射到无人机的光伏模块，进行长时间供电补给；电视跟瞄窗主要由CCD摄像模块构成，通过图像拍摄捕获无人机。
光伏模块，位于无人机机身上的光伏电池板，用于将光能转换为电能，为无人机供电。具体模块之间的联系方式为：激光模块为激光器，连接伺服跟踪模块；信息处理模块连接伺服跟踪装置；伺服跟踪装置连接电视跟瞄窗和激光发射窗；激光发射窗通过激光远程连接无人机光伏模块。
其中：
Zigbee通信模块型号：句柄科技HZB001，供电电压3V～8V,发射电流40mA。
GPS定位模块型号:NEO-6M,输入电压3.3-5.5V，输入电流50Ma,波特率为9600。
CCD摄像模块型号:SONY480,使用电压DC12V,功率消耗小于2.8W，系统信号为CCIR。光伏模块型号：CJMCU-25504,能量输入电压0.13-3V,储能元件BAT电压为2.5-5.25V。
伺服跟踪装置控制器型号:大恒光电GCD-040。
伺服跟踪装置驱动器型号：德马克BLD-30A；
伺服跟踪装置电动机型号：德马克V5-040130FC2A；
激光器型号:惠斯特303D；
电源:SoulorX-3S。
基于无人机运动状态的激光充电跟踪方法，包括以下步骤：
步骤1：无人机通过Zigbee通信模块向地面端的信息处理模块发送飞行实时状态信息，同时地面端信息处理模块通过无人机端的GPS定位模块获取无人机的位置；
步骤2：电视跟瞄窗通过CCD摄像模块捕获无人机，
步骤3：激光发射窗并通过伺服跟踪装置对无人机进行目标跟踪，若是伺服跟踪装置跟踪失败，则返回步骤1，信息处理模块重新获取无人机的位置；若是伺服跟踪装置跟踪成功，则进行步骤4；
步骤4：激光装置将电能转化为激光，激光发射窗通过伺服跟踪装置的控制，将激光发射到无人机上的光伏模块上，在光伏模块上再进行光能到电能转化，稳压后为无人机工作进行供电。
所述步骤3中，地面端信息处理模块根据无人机实时状态信息进行数据的采集分析，对信息采集的时间延迟做一定的处理，在伺服跟踪装置中加入角速度反馈信号，采用基于贝叶斯状态滤波估计对角速度进行测量，实现复合跟踪。
所述步骤3包括以下步骤：
S1、构建无人机运动模型：
无人机的加速度概率密度：
其中：x表示无人机位置；a(t)表示零均值的有色噪声；
表示加速度的均值，在每一个采样周期内为常数；α为随机的机动频率；v(t)为均值0。
无人机的加速度方差
其中：α为随机的机动频率、
表示加速度的均值，无人机的加速度方差
S2、采用残差信息序列γk，对无人机的实时变化情况进行反馈跟踪，调整优化机动参量。
其中，Hk为状态转移矩阵；Pk|k-1为状态预测误差方差矩阵；Rk为状态过程方差矩阵；
为Hk的转置矩阵；
当出现无人机运动状态发生急剧性变化时，无人机k时刻状态预测向量
的状态值会出现漂移偏差，残差序列发生变化不满足式(3)特性，将状态预测误差方差表示为：
其中：φk|k-1为目标状态转移矩阵；Qk为过程方差噪声矩阵；
为φk|k-1的转置矩阵；Pk|k-1为状态预测误差方差矩阵；Pk-1|k-1为k-1时刻的状态预测误差方差矩阵；
S3、建立起残差序列
和Pk|k-1状态预测误差方差矩阵之间的关系，对无人机运动模型的参数进行实时的修改，构建为：
其中：
为残差序列实际统计特性；σ为遗忘因子；λk为调节因子；γk为残差信息序列；φk|k-1为目标状态转移矩阵；Qk为过程方差噪声矩阵；
为φk|k-1的转置矩阵；Pk-1|k-1为k-1时刻的状态预测误差方差矩阵；
为状态转移矩阵的转置矩阵；Hk为状态转移矩阵。
对于无人机运动模型参数的修正为：
αk＝λkα (10)；
其中：αk为k时刻随机的机动频率；λk为调节因子；α为上一时刻的机动频率。
并且认为无人机运动过程中当前时刻加速度的预测值为其加速度的均值：
其中：
为当前时刻加速度均值；
为当前时刻加速度的预测值。
同时采用加速度均值的比例形式，将运动过程中加速度极值表示：
其中，c为比例系数，当无人机的运动状态保持一定范围内的稳定性的时候，c通常取值较小的经验值，当无人机的运动状态发生急剧性的变化时，c的取值变化为ck：
ck＝λkc (13)；
其中，λk为无人机运动状态发生急剧性变化时的系统调节系数；c为比例系数；ck为当无人机的运动状态发生急剧性的变化时的比例系数
S4、通过式(14)、(15)对无人机状态信息进行预测.
其中，
为k时刻位置预测信息；φk-1|k-1为k-1时刻的目标转移矩阵；φk|k-1为k时刻目标状态转移矩阵；
为k-1时刻位置信息；Qk为过程方差噪声矩阵；
为φk|k-1的转置矩阵；Pk|k-1为状态预测误差方差矩阵；Pk-1|k-1为k-1时刻的状态预测误差方差矩阵；S5、通过式(16)、(17)进行残差检测，并通过式(18)、(19)、(20)对模型进行参数调整。
αk＝λkα (18)；
ck＝λkc (19)；
其中，Hk为状态转移矩阵；γk为残差信息序列；λk为调节因子；αk为k时刻随机的机动频率；λk为调节因子；α为上一时刻的机动频率；c为比例系数；ck为当无人机的运动状态发生急剧性的变化时的比例系数；
为预测k时刻的机动频率值。
S6、经过残差计算和参数调整后，通过式(21)、(22)、(23)对状态转移方程和过程噪声方差方程
进行实时的修正，计算修正参数之后的状态预测误差方差矩阵
其中，
为预测k时刻的目标状态转移矩阵；
为过程噪声方差方程；αk为k时刻随机的机动频率；
为k时刻的目标状态转移矩阵；ck为当无人机的运动状态发生急剧性的变化时的比例系数；
为修正参数之后的状态预测误差方差矩阵；
S7、通过式(24)、(25)、(26)对无人机位置进行更新，产生估计值，准备进行下一次的预测。
Hk为状态转移矩阵；Kk为k时刻的滤波增益方程；
为修正参数之后的状态预测误差方差矩阵；Rk为测量噪声的协方差；Yk为k时刻的测量状态值；
为k时刻位置预测信息；
为k时刻位置信息；I为单位矩阵；
验证例：
为了验证本发明提出的方法在提高无人机长时间工作续航能力的可靠性，通过伺服控制系统对无人机的运动进行跟踪，观察其跟踪效果。本发明仿真基于Matlab仿真平台构建无人机运动模型，无人机的运动分别采用二阶常速运动模型(CV)和三阶常加速(CA)线性运动模型，在空间中模拟一段运动，系统噪声为互不相关的高斯白噪声，并采用本发明的自适应卡尔曼滤波算法对传统的伺服控制系统进行实时的修正。仿真过程中无人机飞行时间总共为10s，采样周期为0.01s。图6为模拟无人机运动轨迹跟踪图。从图6中可知，改进后的卡尔曼滤波可以预测无人机运动下一时刻的位置状态，运算速度较快，并且因为预测和检测大大降低了跟踪偏离的概率，取得了较好的优化效果，预测轨迹与无人机实际运动轨迹基本相同。
由此可见，本发明所提出的自适应卡尔曼滤波算法对无人机轨迹的预测和跟踪有良好的效果，当得到新的观测数据时，可以计算出实时处理观测结果的新的滤波值，它将参数估计和预测有机地结合起来，通过伺服跟踪系统根据上一时刻无人机的运动位置对运动模型误差进行实时的修正，有效的避免了误差累积效应。图7为俯仰角误差图。图8为方位角误差图。由图7和图8可知，相比于传统的卡尔曼滤波算法，本发明所提出的方法能够达到俯仰角和方位角的误差角度保持在0.1°以内，具有更高的跟踪精度。
Claims (2)
1.基于无人机运动状态的激光充电跟踪方法，其特征在于包括以下步骤：
步骤1：无人机通过Zigbee通信模块向地面端的信息处理模块发送飞行实时状态信息，同时地面端信息处理模块通过GPS定位模块获取无人机的位置；
步骤2：电视跟瞄窗通过CCD摄像模块捕获无人机，
步骤3：激光发射窗并通过伺服跟踪装置对无人机进行目标跟踪，若是伺服跟踪装置跟踪失败，则返回步骤1，信息处理模块重新获取无人机的位置；若是伺服跟踪装置跟踪成功，则进行步骤4；
所述步骤3包括以下步骤：
S1、构建无人机运动模型：
无人机的加速度概率密度：
其中：x表示无人机位置；a(t)表示零均值的有色噪声；
表示加速度的均值，在每一个采样周期内为常数；α为上一时刻的机动频率；v(t)为均值0；
无人机的加速度方差
S2、采用残差信息序列γk，对无人机的实时变化情况进行反馈跟踪，调整优化机动参量；
其中，Hk为状态转移矩阵；Pk|k-1为状态预测误差方差矩阵；Rk为测量噪声的协方差；
为Hk的转置矩阵；
当出现无人机运动状态发生急剧性变化时，无人机k时刻状态预测向量
的状态值会出现漂移偏差，残差序列发生变化不满足式(3)特性，将状态预测误差方差表示为：
其中：φk|k-1为目标状态转移矩阵；Qk为过程方差噪声矩阵；
为φk|k-1的转置矩阵；Pk|k-1为状态预测误差方差矩阵；Pk-1|k-1为k-1时刻的状态预测误差方差矩阵；
S3、建立起残差序列
和Pk|k-1状态预测误差方差矩阵之间的关系，对无人机运动模型的参数进行实时的修改，构建为：
其中：
为残差序列实际统计特性；σ为遗忘因子；λk为调节因子；γk为残差信息序列；φk|k-1为目标状态转移矩阵；Qk为过程方差噪声矩阵；
为φk|k-1的转置矩阵；Pk-1|k-1为k-1时刻的状态预测误差方差矩阵；Hk T为状态转移矩阵的转置矩阵；Hk为状态转移矩阵；
对于无人机运动模型参数的修正为：
αk＝λkα (10)；
其中：αk为k时刻随机的机动频率；λk为调节因子；α为上一时刻的机动频率；
并且认为无人机运动过程中当前时刻加速度的预测值为其加速度的均值：
其中：
为当前时刻加速度均值；
为当前时刻加速度的预测值；
同时采用加速度均值的比例形式，将运动过程中加速度极值表示：
其中，c为比例系数，当无人机的运动状态保持一定范围内的稳定性的时候，c取值较小的经验值，当无人机的运动状态发生急剧性的变化时，c的取值变化为ck：
ck＝λkc (13)；
其中，λk为调节因子；c为比例系数；ck为当无人机的运动状态发生急剧性的变化时的比例系数；
S4、通过式(14)、(15)对无人机状态信息进行预测.
其中，
为k时刻位置预测信息；φk-1|k-1为k-1时刻的目标转移矩阵；φk|k-1为k时刻目标状态转移矩阵；
为k-1时刻位置信息；Qk为过程方差噪声矩阵；
为φk|k-1的转置矩阵；Pk|k-1为状态预测误差方差矩阵；Pk-1|k-1为k-1时刻的状态预测误差方差矩阵；
S5、通过式(16)、(17)进行残差检测，并通过式(18)、(19)、(20)对模型进行参数调整；
αk＝λkα (18)；
ck＝λkc (19)；
其中，Hk为状态转移矩阵；γk为残差信息序列；αk为k时刻随机的机动频率；λk为调节因子；α为上一时刻的机动频率；c为比例系数；ck为当无人机的运动状态发生急剧性的变化时的比例系数；
为预测k时刻的机动频率值；
S6、经过残差计算和参数调整后，通过式(21)、(22)、(23)对状态转移方程和过程噪声方差方程
进行实时的修正，计算修正参数之后的状态预测误差方差矩阵
其中，
为预测k时刻的目标状态转移矩阵；
为过程噪声方差方程；αk为k时刻随机的机动频率；
为k时刻的目标状态转移矩阵；ck为当无人机的运动状态发生急剧性的变化时的比例系数；
为修正参数之后的状态预测误差方差矩阵；
S7、通过式(24)、(25)、(26)对无人机位置进行更新，产生估计值，准备进行下一次的预测；
Hk为状态转移矩阵；Kk为k时刻的滤波增益方程；
为修正参数之后的状态预测误差方差矩阵；Rk为测量噪声的协方差；Yk为k时刻的测量状态值；
为k时刻位置预测信息；
为k时刻位置信息；I为单位矩阵；
步骤4：激光装置将电能转化为激光，激光发射窗通过伺服跟踪装置的控制，将激光发射到无人机上的光伏模块上，在光伏模块上再进行光能到电能转化，稳压后为无人机工作进行供电。
2.根据权利要求1所述基于无人机运动状态的激光充电跟踪方法，其特征在于：所述步骤3中，地面端的信息处理模块根据无人机实时状态信息进行数据的采集分析，对信息采集的时间延迟做一定的处理，在伺服跟踪装置中加入角速度反馈信号，采用基于贝叶斯状态滤波估计对角速度进行测量，实现复合跟踪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110187955.2A CN112985389B (zh) | 2021-02-18 | 2021-02-18 | 基于无人机运动状态的激光充电跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110187955.2A CN112985389B (zh) | 2021-02-18 | 2021-02-18 | 基于无人机运动状态的激光充电跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112985389A CN112985389A (zh) | 2021-06-18 |
| CN112985389B true CN112985389B (zh) | 2023-05-02 |
Family
ID=76393592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110187955.2A Active CN112985389B (zh) | 2021-02-18 | 2021-02-18 | 基于无人机运动状态的激光充电跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112985389B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012112738A (ja) * | 2010-11-24 | 2012-06-14 | Nec Corp | 追尾装置及び追尾方法 |
| JP2018136143A (ja) * | 2017-02-20 | 2018-08-30 | 株式会社トプコン | 無人航空機の追跡装置、無人航空機の追跡方法、無人航空機の追跡システムおよびプログラム |
| CN109474330A (zh) * | 2018-12-25 | 2019-03-15 | 上海理工大学 | 用于无人机的激光通信与跟瞄系统 |
| CN109857150A (zh) * | 2019-01-04 | 2019-06-07 | 三峡大学 | 一种激光补给无人机跟踪方法 |
| CN111181640A (zh) * | 2020-01-07 | 2020-05-19 | 西安理工大学 | 一种无人机续航装置及续航方法 |
| CN112172552A (zh) * | 2020-10-10 | 2021-01-05 | 军事科学院系统工程研究院军事新能源技术研究所 | 一种无人机远距供电方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107728138B (zh) * | 2017-09-15 | 2020-11-17 | 电子科技大学 | 一种基于当前统计模型的机动目标跟踪方法 |
| CN108267731B (zh) * | 2018-02-01 | 2020-03-31 | 郑州轻工业学院 | 无人机目标跟踪系统的构建方法及应用 |
-
2021
- 2021-02-18 CN CN202110187955.2A patent/CN112985389B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012112738A (ja) * | 2010-11-24 | 2012-06-14 | Nec Corp | 追尾装置及び追尾方法 |
| JP2018136143A (ja) * | 2017-02-20 | 2018-08-30 | 株式会社トプコン | 無人航空機の追跡装置、無人航空機の追跡方法、無人航空機の追跡システムおよびプログラム |
| CN109474330A (zh) * | 2018-12-25 | 2019-03-15 | 上海理工大学 | 用于无人机的激光通信与跟瞄系统 |
| CN109857150A (zh) * | 2019-01-04 | 2019-06-07 | 三峡大学 | 一种激光补给无人机跟踪方法 |
| CN111181640A (zh) * | 2020-01-07 | 2020-05-19 | 西安理工大学 | 一种无人机续航装置及续航方法 |
| CN112172552A (zh) * | 2020-10-10 | 2021-01-05 | 军事科学院系统工程研究院军事新能源技术研究所 | 一种无人机远距供电方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邬兴 ; 贺春林 ; 石义红 ; .基于卡尔曼滤波的无人采矿设备状态预测研究.河池学院学报.2016,第36卷(第02期),第88-93页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112985389A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107943049B (zh) | 一种无人车控制方法及无人割草车 | |
| CN106647257B (zh) | 一种基于正交最小二乘的前馈控制方法 | |
| CN108039927A (zh) | 一种基于多波束天线的电子辅助无人机通信方法 | |
| CN108469823B (zh) | 一种基于单应性的移动机器人编队跟随方法 | |
| CN109884900A (zh) | 基于自适应模型预测控制的收获机路径跟踪控制器的设计方法 | |
| CN112148024B (zh) | 基于自适应伪谱法的无人机实时在线航迹规划方法 | |
| CN110989682B (zh) | 基于单基站的无人机精准降落方法 | |
| Wu et al. | Mixed fuzzy sliding-mode tracking with backstepping formation control for multi-nonholonomic mobile robots subject to uncertainties: category (3),(5) | |
| CN109960145B (zh) | 移动机器人混合视觉轨迹跟踪策略 | |
| Jackson et al. | Tracking controllers for small UAVs with wind disturbances: Theory and flight results | |
| CN110824524B (zh) | 一种基于机载Ka波段的卫星视频传输系统 | |
| CN109426147A (zh) | 捕获卫星后组合航天器的自适应增益调整控制方法 | |
| CN112985389B (zh) | 基于无人机运动状态的激光充电跟踪方法 | |
| CN105825058B (zh) | 超稀疏雷达数据摄动补偿初轨计算方法 | |
| CN106021835B (zh) | 一种面向最优侦察的航迹设计方法 | |
| CN105760968A (zh) | 自主式水下移动平台北斗定位与巡航优化方法 | |
| Jiang | Binocular stereo vision intelligent control framework for the landing position of quadrotor UAV based on fuzzy control | |
| CN116577800A (zh) | 基于系统噪声估计的光电吊舱自适应ekf目标定位方法 | |
| CN114995512A (zh) | 基于预测模型滚动优化的无人机蜂群编队队形控制方法 | |
| Wu et al. | Hierarchical variable structure control for the path following and formation maintenance of multi-agent systems | |
| Zhang et al. | An improved scan matching algorithm in SLAM | |
| Ryu et al. | Tracking control for free-space optical communication of unmanned aerial vehicle | |
| CN115840367B (zh) | 受扰四旋翼无人机姿态与高度系统的非线性鲁棒控制方法 | |
| Fu et al. | Event-triggered-based finite-time cooperative formation control for USVs | |
| He et al. | An Improved Unscented Kalman Filter for Maneuvering Target Tracking |
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 |