CN113408646A - 无人机的外部扰动分类方法及系统 - Google Patents

无人机的外部扰动分类方法及系统 Download PDF

Info

Publication number
CN113408646A
CN113408646A CN202110758135.4A CN202110758135A CN113408646A CN 113408646 A CN113408646 A CN 113408646A CN 202110758135 A CN202110758135 A CN 202110758135A CN 113408646 A CN113408646 A CN 113408646A
Authority
CN
China
Prior art keywords
disturbance
unmanned aerial
aerial vehicle
contact
total
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
CN202110758135.4A
Other languages
English (en)
Other versions
CN113408646B (zh
Inventor
敬忠良
孙印帅
董鹏
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110758135.4A priority Critical patent/CN113408646B/zh
Publication of CN113408646A publication Critical patent/CN113408646A/zh
Application granted granted Critical
Publication of CN113408646B publication Critical patent/CN113408646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C27/00—Rotorcraft; Rotors peculiar thereto
    • B64C27/04—Helicopters
    • B64C27/08—Helicopters with two or more rotors
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/10—Rotorcrafts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/16—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring several components of force
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种无人机的外部扰动分类方法及系统，其方法包括如下步骤：通过配置所述单自由度机械臂模块到预设接触面位置，所述单自由度机械臂模块前端的所述力传感器模块实时测量所述无人机与接触面的法向接触力；根据所述无人机的电机转速和状态信息，通过总扰动估计子模块估计所述无人机受到的总扰动；根据估计的总扰动和所述力传感器模块测量的接触扰动进行分类，通过风扰动和接触扰动分类子模块解算估计的风扰动和接触扰动；其系统包括单自由度机械臂模块、力传感器模块和外部扰动分类模块。本发明适用于长时间低频的接触扰动，从而在风扰动同时存在的环境下，无人机能精确地执行接触类应用。

Description

无人机的外部扰动分类方法及系统
技术领域
本发明涉及与环境(墙壁、玻璃等)进行接触交互的无人机技术领域，具体地，涉及无人机的外部扰动分类方法及系统。
背景技术
近年来，无人机的应用领域在逐渐拓宽，除了传统的监视、摄影、巡线和农业植保等应用，无人机的应用也拓展到了幕墙清洗、工业管道接触检测等领域。与传统地依靠人力的方式相比，采用无人机去执行以上应用具有提高工作效率、增加作业安全性等优势。在执行这些应用过程中，无人机需要对接触面(幕墙、管道等)施加一定的力，并稳定地维持与接触面的接触。在接触过程中，无人机受到接触面的反作用力，对无人机来说是一种外部接触扰动。同时在实际应用中，还会存在另外一种外部扰动-风扰动，例如在执行幕墙清洗任务时，建筑物附近的会存在复杂的风扰动。目前的一些扰动估计方法可以实时地估计无人机受到的总外部扰动(即接触扰动和风扰动的叠加)。进一步地对估计的总外部扰动进行分类，实时地精确地解算风扰动和接触扰动有利于无人机更加精确地执行以上应用。
现有的多数无人机系统只考虑了单一扰动情况：在风扰存在的环境下，无人机仅执行一些非接触类的应用；在执行接触类应用时，多数在室内或无风的环境下进行。部分无人机在前端安装了力传感器用来测量系统与接触面的接触力，这种方法只能测量关于接触点的接触扰动。采用扰动估计的方法只能估计接触扰动和风扰动叠加后的总扰动，相关研究机构在估计的总扰动的基础上，采用频率分类的方法来区分风扰动和接触扰动，但此方法只能适用于高频瞬态的碰撞接触扰动和低频变化的风扰动，不适用于长时间低频的接触扰动。这些导致了在较大的风扰动环境下，无人机很难或者不能精确地执行接触类应用。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种无人机的外部扰动分类方法、系统及可读存储介质。
根据本发明提供的无人机的外部扰动分类方法，包括如下步骤：
设置单自由度机械臂模块以使配置的所述无人机的机械臂垂直于接触面，设置力传感器模块配置在所述单自由度机械臂模块上实时测量所述接触面的法向力；
待预检测外部扰动时，通过配置所述单自由度机械臂模块到预设接触面位置，所述单自由度机械臂模块前端的所述力传感器模块实时测量所述无人机与接触面的法向接触力；
根据所述无人机的电机转速和状态信息，通过总扰动估计子模块估计所述无人机受到的总扰动；
根据估计的总扰动和所述力传感器模块测量的接触扰动进行分类，通过风扰动和接触扰动分类子模块解算估计的风扰动和接触扰动。
可选地，所述估计所述无人机受到的总扰动进一步包括：
定义参数：
mb为所述无人机质量；
Ib为所述无人机的转动惯量；
Figure BDA0003147996420000021
为所述无人机状态量，
Figure BDA0003147996420000022
为所述无人机位置，ηb为所述无人机欧拉角；
Figure BDA0003147996420000023
为所述无人机状态一阶导数，
Figure BDA0003147996420000024
为所述无人机速度，
Figure BDA0003147996420000025
为所述无人机角速度；
Figure BDA0003147996420000026
为所述无人机状态二阶导数，
Figure BDA0003147996420000027
为所述无人机加速度，
Figure BDA0003147996420000028
为所述无人机角加速度；
Wb＝[fb τb]T为所述无人机的电机输出，fb为电机输出力，τb为电机输出力矩；
Figure BDA0003147996420000029
为所述无人机受到的总扰动，fu w为总扰动力，
Figure BDA00031479964200000210
为总扰动力矩；
Figure BDA00031479964200000211
为所述无人机受到的风扰动，ft w为风扰动力，
Figure BDA00031479964200000212
为风扰动力矩；
所述无人机的动力学方程为的分解形式为：
Figure BDA00031479964200000213
Figure BDA00031479964200000214
其中g为重力常数，一般设为9.81；e3＝[0 0 1]T为单位向量；
Figure BDA0003147996420000031
Figure BDA0003147996420000032
S(*)为对应向量的反对称矩阵；
Figure BDA0003147996420000033
为旋转矩阵；
Figure BDA0003147996420000034
为矩阵Qb的转置；
Figure BDA0003147996420000035
Figure BDA0003147996420000036
式中φb、θb、ψb分别为无人机的滚转角、向前倾斜的俯仰角和偏航角；s表示sin()函数,c表示cos()函数；
动力学方程的矩阵形式为：
Figure BDA0003147996420000037
其中0m*n表示m*n阶的零矩阵，Im*n表示m*n的单位对角阵；
根据定义的变量简化得：
Figure BDA0003147996420000038
Figure BDA0003147996420000039
式中，M为惯性矩阵，C为阻尼矩阵，G为重量矩阵；
Wu w＝Wi w+Wt w
其中，所述无人机受到的真实总扰动可表示为接触扰动和风扰动的和；
所述无人机外受到的真实总扰动的表达式：
Figure BDA00031479964200000310
定义
Figure BDA00031479964200000311
为估计的总扰动；
定义的估计的总扰动与真实总扰动的关系为一阶形式：
Figure BDA00031479964200000312
Figure BDA0003147996420000041
其中K1为对角正定矩阵；
将
Figure BDA0003147996420000042
积分得：
Figure BDA0003147996420000043
Figure BDA0003147996420000044
Figure BDA0003147996420000045
为估计的总扰动，其中dt为两次解算之间的时间间隔。
可选地，所述解算估计的风扰动和接触扰动进一步包括：
接触力fi w＝[-fccosθb 0fcsinθb]，其中θb为所述无人机向前倾斜的俯仰角，fc为力传感器模块测量到接触力；
Figure BDA0003147996420000046
Figure BDA0003147996420000047
为所述无人机受到的接触扰动；
Figure BDA0003147996420000048
其中，
Figure BDA0003147996420000049
为估计的总扰动，
Figure BDA00031479964200000410
为通过所述力传感器模块解算的估计接触扰动，
Figure BDA00031479964200000411
为估计的风扰动。
一种无人机的外部扰动分类系统，包括：
单自由度机械臂模块：配置在所述无人机上使机械臂垂直于接触面；
力传感器模块：配置在所述单自由度机械臂模块上，用以实时测量所述接触面的法向力；
外部扰动分类模块，其进一步包括：
总扰动估计子模块，用于根据所述无人机的电机转速和状态信息估计所述无人机受到的总扰动；
风扰动和接触扰动分类子模块：用于根据估计的总扰动和所述力传感器测量的接触扰动进行分类，解算风扰动和接触扰动。
可选地，所述单自由度机械臂模块的转动范围为0-90°。
可选地，所述力传感器模块的测量范围为0～50N。
可选地，所述总扰动估计子模块进一步包括：
定义参数：
mb为无人机质量；
Ib为无人机的转动惯量；
Figure BDA0003147996420000051
为所述无人机状态量，
Figure BDA0003147996420000052
为所述无人机位置，ηb为所述无人机欧拉角；
Figure BDA0003147996420000053
为所述无人机状态一阶导数，
Figure BDA0003147996420000054
为所述无人机速度，
Figure BDA0003147996420000055
为所述无人机角速度；
Figure BDA0003147996420000056
为所述无人机状态二阶导数，
Figure BDA0003147996420000057
为所述无人机加速度，
Figure BDA0003147996420000058
为所述无人机角加速度；
Wb＝[fb τb]T为所述无人机的电机输出，fb为电机输出力，τb为电机输出力矩；
Figure BDA0003147996420000059
为所述无人机受到的总扰动，fu w为总扰动力，
Figure BDA00031479964200000510
为总扰动力矩；
Figure BDA00031479964200000511
为无人机受到的接触扰动，fi w为接触力，
Figure BDA00031479964200000512
为接触力矩；
Figure BDA00031479964200000513
为所述无人机受到的风扰动，ft w为风扰动力，
Figure BDA00031479964200000514
为风扰动力矩；
所述解算风扰动和接触扰动中无人机的动力学方程为的分解形式为：
Figure BDA00031479964200000522
Figure BDA00031479964200000515
其中g为重力常数，一般设为9.81；e3＝[0 0 1]T为单位向量；
Figure BDA00031479964200000516
Figure BDA00031479964200000517
S(*)为对应向量的反对称矩阵；
Figure BDA00031479964200000518
为旋转矩阵；
Figure BDA00031479964200000519
为矩阵Qb的转置；
Figure BDA00031479964200000520
Figure BDA00031479964200000521
式中φb、θb、ψb分别为无人机的滚转角、向前倾斜的俯仰角和偏航角；s表示sin()函数,c表示cos()函数；
动力学方程的矩阵形式为：
Figure BDA0003147996420000061
其中0m*n表示m*n阶的零矩阵，Im*n表示m*n的单位对角阵；
根据定义的变量简化得：
Figure BDA0003147996420000062
Figure BDA0003147996420000063
式中，M为惯性矩阵，C为阻尼矩阵，G为重量矩阵；
Wu w＝Wi w+Wt w
其中，所述无人机受到的真实总扰动可表示为接触扰动和风扰动的和；
所述无人机外受到的真实总扰动的表达式：
Figure BDA0003147996420000064
定义
Figure BDA0003147996420000065
为估计的总扰动；
定义的估计的总扰动与真实总扰动的关系为一阶形式：
Figure BDA0003147996420000066
Figure BDA0003147996420000067
其中K1为对角正定矩阵；
将
Figure BDA0003147996420000068
积分得：
Figure BDA0003147996420000069
Figure BDA00031479964200000610
Figure BDA0003147996420000071
为估计的总扰动，其中dt为两次解算之间的时间间隔。
可选地，所述风扰动和接触扰动分类子模进一步包括：
接触力fi w＝[-fccosθb 0 fcsinθb]，其中其中θb为所述无人机向前倾斜的俯仰角；
Figure BDA0003147996420000078
Figure BDA0003147996420000073
为所述无人机受到的接触扰动；
Figure BDA0003147996420000074
其中，
Figure BDA0003147996420000075
为估计的总扰动，
Figure BDA0003147996420000076
为通过所述力传感器模块解算的接触扰动，
Figure BDA0003147996420000077
为估计的风扰动。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的无人机的外部扰动分类方法及系统：
1、可以对风扰动和接触扰动进行分类；
2、对接触扰动和风扰动不存在频率上的假设，准确性高；
3、力传感器与扰动估计结合的方法，可靠性好；
4、适用于长时间低频的接触扰动，从而在较大的风扰动环境下，无人机能精确地执行接触类应用。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的无人机的外部扰动分类系统示意图；
图2为本发明的无人机的外部扰动分类系统结构框图。
图中：
1、单自由度机械臂模块；2、力传感器模块；3、无人机。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例
图1为本发明提供的无人机的外部扰动分类系统的示意图，如图1所示，本发明中的无人机的外部扰动分类方法可以包括如下步骤：
设置单自由度机械臂模块以使配置的无人机的机械臂垂直于接触面，设置力传感器模块配置在单自由度机械臂模块上实时测量接触面的法向力；
待预检测外部扰动时，通过配置单自由度机械臂模块到预设接触面位置，单自由度机械臂模块前端的力传感器模块实时测量无人机与接触面的法向接触力；
根据无人机的电机转速和状态信息，通过总扰动估计子模块估计无人机受到的总扰动；
根据估计的总扰动和力传感器模块测量的接触扰动进行分类，通过风扰动和接触扰动分类子模块解算估计的风扰动和接触扰动；
总扰动估计子模块估计无人机受到的总扰动的方法为：
本实施例中，首先对参数进行定义：
mb为无人机质量；
Ib为无人机的转动惯量；
Figure BDA0003147996420000081
为无人机状态量，
Figure BDA0003147996420000082
为无人机位置，ηb为无人机欧拉角；
Figure BDA0003147996420000083
为无人机状态一阶导数，
Figure BDA0003147996420000084
为无人机速度，
Figure BDA0003147996420000085
为无人机角速度；
Figure BDA0003147996420000086
为无人机状态二阶导数，
Figure BDA0003147996420000087
为无人机加速度，
Figure BDA0003147996420000088
为无人机角加速度；
Wb＝[fb τb]T为无人机的电机输出，fb为电机输出力，τb为电机输出力矩；
Figure BDA0003147996420000089
为无人机受到的总扰动，fu w为总扰动力，
Figure BDA00031479964200000810
为总扰动力矩；
Figure BDA00031479964200000811
为无人机受到的接触扰动，fi w为接触力，
Figure BDA00031479964200000812
为接触力矩；
Figure BDA00031479964200000813
为无人机受到的风扰动，ft w为风扰动力，
Figure BDA00031479964200000814
为风扰动力矩；
无人机的动力学方程的分解形式为：
Figure BDA00031479964200000815
Figure BDA00031479964200000816
部分变量已在上述定义，其中g为重力常数，一般设为9.81；e3＝[0 0 1]T为单位向量；
Figure BDA0003147996420000091
S(*)为对应向量的反对称矩阵，
Figure BDA0003147996420000092
为旋转矩阵；
Figure BDA0003147996420000093
为矩阵Qb的转置。
Figure BDA0003147996420000094
Figure BDA0003147996420000095
式中φb、θb、ψb分别为无人机的滚转角、俯仰角和偏航角；s表示sin()函数,c表示cos()函数；
动力学方程为矩阵形式：
Figure BDA0003147996420000096
其中0m*n表示m*n阶的零矩阵，Im*n表示m*n的单位对角阵；
根据定义的变量简化得：
Figure BDA0003147996420000097
Figure BDA0003147996420000098
式中，M为惯性矩阵，C为阻尼矩阵，G为重量矩阵；
Wu w＝Wi w+Wt w 式8
其中，无人机受到的总扰动可表示为接触扰动和风扰动的和。
扰动估计方法：
定义动量：
Figure BDA0003147996420000099
动量的导数：
Figure BDA0003147996420000101
其中
Figure BDA0003147996420000102
Cb T为矩阵Cb的转置； 式11
无人机外受到的真实总扰动的表达式：
Figure BDA0003147996420000103
定义
Figure BDA0003147996420000104
为估计的总扰动；
定义的估计的总扰动与真实总扰动的关系为一阶形式：
Figure BDA0003147996420000105
Figure BDA0003147996420000106
其中K1为对角正定矩阵；
将式13积分得：
Figure BDA0003147996420000107
Figure BDA0003147996420000108
Figure BDA0003147996420000109
为估计的总扰动，其中dt为两次解算之间的时间间隔；
接触扰动分类子模块解算估计的风扰动和接触扰动的方法为：
力传感器模块测量到接触力fc，通过如下坐标转换将接触力转换到体轴系下的接触扰动：
接触力fi w＝[-fccosθb 0 fcsinθb]式17，其中θb为无人机3向前倾斜的俯仰角；
Figure BDA00031479964200001010
机械臂安装位置与无人机重心的距离即附图1中的
Figure BDA00031479964200001011
对扰动进行分类：
Figure BDA0003147996420000111
为估计的总扰动，
Figure BDA0003147996420000112
为通过力传感器模块解算的接触扰动。
如图2所示，本实施例还提供一种无人机的外部扰动分类系统，包括：
单自由度机械臂模块1：安装在无人机3前端，实时补偿无人机3前倾的俯仰角，本实施例中，即补偿了无人机3向前倾斜的俯仰角θb使机械臂保持水平，使机械臂始终保持水平；
力传感器模块2：安装在单自由度机械臂模块1前端，实时测量无人机3与接触面的法向接触力，即接触扰动；
扰动估计模块：根据无人机3的电机转速和状态信息估计无人机3受到的总扰动；
外部扰动分类模块，其进一步包括：
总扰动估计子模块，用于根据无人机的电机转速和状态信息估计无人机受到的总扰动；
风扰动和接触扰动分类子模块：用于根据估计的总扰动和力传感器测量的接触扰动进行分类，解算风扰动和接触扰动。
在一种可选的实施方式中，单自由度机械臂模块1的转动范围为0-90°。
在一种可选的实施方式中，力传感器模块2的测量范围为0～50N。
在一种可选的实施方式中，总扰动估计子模块进一步包括：
定义参数：
mb为无人机质量；
Ib为无人机的转动惯量；
Figure BDA0003147996420000113
为无人机状态量，
Figure BDA0003147996420000114
为无人机位置，ηb为无人机欧拉角；
Figure BDA0003147996420000115
为无人机状态一阶导数，
Figure BDA0003147996420000116
为无人机速度，
Figure BDA0003147996420000117
为无人机角速度；
Figure BDA0003147996420000118
为无人机状态二阶导数，
Figure BDA0003147996420000119
为无人机加速度，
Figure BDA00031479964200001110
为无人机角加速度；
Wb＝[fb τb]T为无人机的电机输出，fb为电机输出力，τb为电机输出力矩；
Figure BDA00031479964200001111
为无人机受到的总扰动，fu w为总扰动力，
Figure BDA00031479964200001112
为总扰动力矩；
Figure BDA00031479964200001113
为无人机受到的接触扰动，fi w为接触力，
Figure BDA00031479964200001114
为接触力矩；
Figure BDA0003147996420000121
为无人机受到的风扰动，ft w为风扰动力，
Figure BDA0003147996420000122
为风扰动力矩；
解算风扰动和接触扰动中无人机的动力学方程为的分解形式为：
Figure BDA00031479964200001214
Figure BDA0003147996420000123
其中g为重力常数，一般设为9.81；e3＝[0 0 1]T为单位向量；
Figure BDA0003147996420000124
Figure BDA0003147996420000125
S(*)为对应向量的反对称矩阵；
Figure BDA0003147996420000126
为旋转矩阵；
Figure BDA0003147996420000127
为矩阵Qb的转置；
Figure BDA0003147996420000128
Figure BDA0003147996420000129
式中φb、θb、ψb分别为无人机的滚转角、向前倾斜的俯仰角和偏航角；s表示sin()函数,c表示cos()函数；
动力学方程的矩阵形式为：
Figure BDA00031479964200001210
其中0m*n表示m*n阶的零矩阵，Im*n表示m*n的单位对角阵；
根据定义的变量简化得：
Figure BDA00031479964200001211
Figure BDA00031479964200001212
式中，M为惯性矩阵，C为阻尼矩阵，G为重量矩阵；
Wu w＝Wi w+Wt w
其中，无人机受到的真实总扰动可表示为接触扰动和风扰动的和；
无人机外受到的真实总扰动的表达式：
Figure BDA00031479964200001213
定义
Figure BDA0003147996420000131
为估计的总扰动；
定义的估计的总扰动与真实总扰动的关系为一阶形式：
Figure BDA0003147996420000132
Figure BDA0003147996420000133
其中K1为对角正定矩阵；
将
Figure BDA0003147996420000134
积分得：
Figure BDA0003147996420000135
Figure BDA0003147996420000136
Figure BDA0003147996420000137
为估计的总扰动，其中dt为两次解算之间的时间间隔。
在一种可选的实施方式中，风扰动和接触扰动分类子模进一步包括：
接触力fi w＝[-fccosθb 0 fcsinθb]，其中其中θb为无人机向前倾斜的俯仰角；
Figure BDA0003147996420000138
Figure BDA0003147996420000139
为无人机受到的接触扰动；
Figure BDA00031479964200001310
其中，
Figure BDA00031479964200001311
为估计的总扰动，
Figure BDA00031479964200001312
为通过力传感器模块解算的接触扰动，
Figure BDA00031479964200001313
为估计的风扰动。
(3)工作原理：
采用单自由度机械臂模块1可以始终保持机械臂垂直于接触面，力传感器模块2放置在单自由度机械臂模块1上可以实时测量接触面的法向力，根据机械臂的角度和安装位置，可以计算关于无人机3机体坐标系的外部接触扰动。
采用扰动估计方法可以估计机体坐标系下无人机3受到的总外部扰动，根据测量计算的接触扰动和估计的总外部扰动，可以计算出接触扰动和风扰动。
本实例中的外部扰动分类系统用于实施上述的无人机的外部扰动分类方法。
本实施例中，还提供一种可读存储介质，其上存储有计算机程序，计算机程序被机器执行时实现上述任意一项的无人机的外部扰动分类方法。
本实施例中的单自由度机械臂模块1包括机械臂和机械臂姿态补偿装置(图中未示出)采用的现有技术中的机械臂姿态补偿装置。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种无人机的外部扰动分类方法，其特征在于包括如下步骤：
设置单自由度机械臂模块以使配置的所述无人机的机械臂垂直于接触面，设置力传感器模块配置在所述单自由度机械臂模块上实时测量所述接触面的法向力；
待预检测外部扰动时，通过配置所述单自由度机械臂模块到预设接触面位置，所述单自由度机械臂模块前端的所述力传感器模块实时测量所述无人机与接触面的法向接触力；
根据所述无人机的电机转速和状态信息，通过总扰动估计子模块估计所述无人机受到的总扰动；
根据估计的总扰动和所述力传感器模块测量的接触扰动进行分类，通过风扰动和接触扰动分类子模块解算估计的风扰动和接触扰动。
2.根据权利要求1所述的无人机的外部扰动分类方法，其特征在于，所述估计所述无人机受到的总扰动进一步包括：
定义参数：
mb为所述无人机质量；
Ib为所述无人机的转动惯量；
Figure FDA0003147996410000011
为所述无人机状态量，
Figure FDA0003147996410000012
为所述无人机位置，ηb为所述无人机欧拉角；
Figure FDA0003147996410000013
为所述无人机状态一阶导数，
Figure FDA0003147996410000014
为所述无人机速度，
Figure FDA0003147996410000015
为所述无人机角速度；
Figure FDA0003147996410000016
为所述无人机状态二阶导数，
Figure FDA0003147996410000017
为所述无人机加速度，
Figure FDA0003147996410000018
为所述无人机角加速度；
Wb＝[fb τb]T为所述无人机的电机输出，fb为电机输出力，τb为电机输出力矩；
Figure FDA0003147996410000019
为所述无人机受到的总扰动，
Figure FDA00031479964100000110
为总扰动力，
Figure FDA00031479964100000111
为总扰动力矩；
Figure FDA00031479964100000112
为所述无人机受到的风扰动，
Figure FDA00031479964100000113
为风扰动力，
Figure FDA00031479964100000114
为风扰动力矩；
所述无人机的动力学方程为的分解形式为：
Figure FDA0003147996410000021
Figure FDA0003147996410000022
其中g为重力常数，一般设为9.81；e3＝[0 0 1]T为单位向量；
Figure FDA0003147996410000023
Figure FDA0003147996410000024
S(*)为对应向量的反对称矩阵；
Figure FDA0003147996410000025
为旋转矩阵；
Figure FDA0003147996410000026
为矩阵Qb的转置；
Figure FDA0003147996410000027
Figure FDA0003147996410000028
式中φb、θb、ψb分别为所述无人机的滚转角、向前倾斜的俯仰角和偏航角；s表示sin()函数,c表示cos()函数；
动力学方程的矩阵形式为：
Figure FDA0003147996410000029
其中0m*n表示m*n阶的零矩阵，Im*n表示m*n的单位对角阵；
根据定义的变量简化得：
Figure FDA00031479964100000210
Figure FDA00031479964100000211
式中，M为惯性矩阵，C为阻尼矩阵，G为重量矩阵；
Figure FDA00031479964100000212
其中，所述无人机受到的真实总扰动可表示为接触扰动和风扰动的和；
所述无人机外受到的真实总扰动的表达式：
Figure FDA00031479964100000213
定义
Figure FDA00031479964100000214
为估计的总扰动；
定义的估计的总扰动与真实总扰动的关系为一阶形式：
Figure FDA0003147996410000031
Figure FDA0003147996410000032
其中K1为对角正定矩阵；
将
Figure FDA0003147996410000033
积分得：
Figure FDA0003147996410000034
Figure FDA0003147996410000035
Figure FDA0003147996410000036
为估计的总扰动，其中dt为两次解算之间的时间间隔。
3.根据权利要求2所述的无人机的外部扰动分类方法，其特征在于，所述解算估计的风扰动和接触扰动进一步包括：
接触力
Figure FDA0003147996410000037
其中θb为所述无人机向前倾斜的俯仰角，fc为所述力传感器模块测量到接触力；
接触力矩
Figure FDA0003147996410000038
Figure FDA0003147996410000039
为所述无人机受到的接触扰动；
Figure FDA00031479964100000310
其中，
Figure FDA00031479964100000311
为估计的总扰动，
Figure FDA00031479964100000312
为通过力传感器模块解算的估计接触扰动，
Figure FDA00031479964100000313
Figure FDA00031479964100000314
为估计的风扰动。
4.一种无人机的外部扰动分类系统，其特征在于：包括：
单自由度机械臂模块：配置在所述无人机上使机械臂垂直于接触面；
力传感器模块：配置在所述单自由度机械臂模块上，用以实时测量所述接触面的法向力；
外部扰动分类模块，其进一步包括：
总扰动估计子模块，用于根据所述无人机的电机转速和状态信息估计所述无人机受到的总扰动；
风扰动和接触扰动分类子模块：用于根据估计的总扰动和所述力传感器测量的接触扰动进行分类，解算风扰动和接触扰动。
5.根据权利要求4所述的无人机的外部扰动分类系统，其特征在于，所述单自由度机械臂模块的转动范围为0-90°。
6.根据权利要求4所述的无人机的外部扰动分类系统，其特征在于，所述力传感器模块的测量范围为0～50N。
7.根据权利要求4所述的无人机的外部扰动分类系统，其特征在于，所述总扰动估计子模块进一步包括：
定义参数：
mb为无人机质量；
Ib为所述无人机的转动惯量；
Figure FDA0003147996410000041
为所述无人机状态量，
Figure FDA0003147996410000042
为所述无人机位置，ηb为所述无人机欧拉角；
Figure FDA0003147996410000043
为所述无人机状态一阶导数，
Figure FDA0003147996410000044
为所述无人机速度，
Figure FDA0003147996410000045
为所述无人机角速度；
Figure FDA0003147996410000046
为所述无人机状态二阶导数，
Figure FDA0003147996410000047
为无人机加速度，
Figure FDA0003147996410000048
为所述无人机角加速度；
Wb＝[fb τb]T为所述无人机的电机输出，fb为电机输出力，τb为电机输出力矩；
Figure FDA0003147996410000049
为所述无人机受到的总扰动，
Figure FDA00031479964100000410
为总扰动力，
Figure FDA00031479964100000411
为总扰动力矩；
Figure FDA00031479964100000412
为所述无人机受到的接触扰动，
Figure FDA00031479964100000413
为接触力，
Figure FDA00031479964100000414
为接触力矩；
Figure FDA00031479964100000415
为所述无人机受到的风扰动，
Figure FDA00031479964100000416
为风扰动力，
Figure FDA00031479964100000417
为风扰动力矩；
所述无人机的动力学方程为的分解形式为：
Figure FDA00031479964100000418
Figure FDA00031479964100000419
其中g为重力常数，一般设为9.81；e3＝[0 0 1]T为单位向量；
Figure FDA00031479964100000420
Figure FDA0003147996410000051
S(*)为对应向量的反对称矩阵；
Figure FDA0003147996410000052
为旋转矩阵；
Figure FDA0003147996410000053
为矩阵Qb的转置；
Figure FDA0003147996410000054
Figure FDA0003147996410000055
式中φb、θb、ψb分别为所述无人机的滚转角、向前倾斜的俯仰角和偏航角；s表示sin()函数,c表示cos()函数；
动力学方程的矩阵形式为：
Figure FDA0003147996410000056
其中0m*n表示m*n阶的零矩阵，Im*n表示m*n的单位对角阵；
根据定义的变量简化得：
Figure FDA0003147996410000057
Figure FDA0003147996410000058
式中，M为惯性矩阵，C为阻尼矩阵，G为重量矩阵；
Figure FDA0003147996410000059
其中，所述无人机受到的真实总扰动可表示为接触扰动和风扰动的和；
所述无人机外受到的真实总扰动的表达式：
Figure FDA00031479964100000510
定义
Figure FDA00031479964100000511
为估计的总扰动；
定义的估计的总扰动与真实总扰动的关系为一阶形式：
Figure FDA00031479964100000512
Figure FDA0003147996410000061
其中K1为对角正定矩阵；
将
Figure FDA0003147996410000062
积分得：
Figure FDA0003147996410000063
Figure FDA0003147996410000064
Figure FDA0003147996410000065
为估计的总扰动，其中dt为两次解算之间的时间间隔。
8.根据权利要求7所述的无人机的外部扰动分类系统，其特征在于，所述风扰动和接触扰动分类子模进一步包括：
接触力
Figure FDA0003147996410000066
其中其中θb为所述无人机向前倾斜的俯仰角；
接触力矩
Figure FDA0003147996410000067
Figure FDA0003147996410000068
为所述无人机受到的接触扰动；
Figure FDA0003147996410000069
其中，
Figure FDA00031479964100000610
为估计的总扰动，
Figure FDA00031479964100000611
为通过所述力传感器模块解算的接触扰动，
Figure FDA00031479964100000612
为估计的风扰动。
CN202110758135.4A 2021-07-05 2021-07-05 无人机的外部扰动分类方法及系统 Active CN113408646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110758135.4A CN113408646B (zh) 2021-07-05 2021-07-05 无人机的外部扰动分类方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110758135.4A CN113408646B (zh) 2021-07-05 2021-07-05 无人机的外部扰动分类方法及系统

Publications (2)

Publication Number Publication Date
CN113408646A true CN113408646A (zh) 2021-09-17
CN113408646B CN113408646B (zh) 2022-11-25

Family

ID=77681183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110758135.4A Active CN113408646B (zh) 2021-07-05 2021-07-05 无人机的外部扰动分类方法及系统

Country Status (1)

Country Link
CN (1) CN113408646B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106426174A (zh) * 2016-11-05 2017-02-22 上海大学 一种基于力矩观测和摩擦辨识的机器人接触力检测方法
CN106844887A (zh) * 2016-12-29 2017-06-13 深圳市道通智能航空技术有限公司 旋翼无人机的动力学建模方法及装置
CN108555913A (zh) * 2018-06-15 2018-09-21 天津大学 基于无源性的移动机械臂位置/力的自抗扰控制方法
CN109313166A (zh) * 2016-06-16 2019-02-05 日本电气株式会社 检查系统、移动机器人设备和检查方法
CN109375642A (zh) * 2018-09-20 2019-02-22 太原理工大学 一种无人机节能控制方法
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
CN109508025A (zh) * 2018-11-23 2019-03-22 中国科学院数学与系统科学研究院 一种弹性飞行器的自抗扰姿态控制方法
CN110007318A (zh) * 2019-04-25 2019-07-12 西安电子科技大学 风场干扰下基于卡尔曼滤波的单无人机判断gps欺骗的方法
CN210356000U (zh) * 2019-08-12 2020-04-21 成都凯迪飞研科技有限责任公司 一种基于虚拟现实技术的飞行穿越体验设备
CN111766899A (zh) * 2020-08-11 2020-10-13 北京航空航天大学 一种基于干扰观测器的四旋翼无人机集群抗干扰编队控制方法
CN212501114U (zh) * 2020-09-01 2021-02-09 长沙神弓信息科技有限公司 一种无人机多自由度姿态测试系统
CN112415086A (zh) * 2020-11-16 2021-02-26 东南大学 一种基于遥操作飞行机械臂的高空金属管道探伤系统
CN112965512A (zh) * 2021-03-26 2021-06-15 北京理工大学 一种基于螺旋桨模型的无人机抗风控制方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109313166A (zh) * 2016-06-16 2019-02-05 日本电气株式会社 检查系统、移动机器人设备和检查方法
CN106426174A (zh) * 2016-11-05 2017-02-22 上海大学 一种基于力矩观测和摩擦辨识的机器人接触力检测方法
CN106844887A (zh) * 2016-12-29 2017-06-13 深圳市道通智能航空技术有限公司 旋翼无人机的动力学建模方法及装置
CN108555913A (zh) * 2018-06-15 2018-09-21 天津大学 基于无源性的移动机械臂位置/力的自抗扰控制方法
CN109375642A (zh) * 2018-09-20 2019-02-22 太原理工大学 一种无人机节能控制方法
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
CN109508025A (zh) * 2018-11-23 2019-03-22 中国科学院数学与系统科学研究院 一种弹性飞行器的自抗扰姿态控制方法
CN110007318A (zh) * 2019-04-25 2019-07-12 西安电子科技大学 风场干扰下基于卡尔曼滤波的单无人机判断gps欺骗的方法
CN210356000U (zh) * 2019-08-12 2020-04-21 成都凯迪飞研科技有限责任公司 一种基于虚拟现实技术的飞行穿越体验设备
CN111766899A (zh) * 2020-08-11 2020-10-13 北京航空航天大学 一种基于干扰观测器的四旋翼无人机集群抗干扰编队控制方法
CN212501114U (zh) * 2020-09-01 2021-02-09 长沙神弓信息科技有限公司 一种无人机多自由度姿态测试系统
CN112415086A (zh) * 2020-11-16 2021-02-26 东南大学 一种基于遥操作飞行机械臂的高空金属管道探伤系统
CN112965512A (zh) * 2021-03-26 2021-06-15 北京理工大学 一种基于螺旋桨模型的无人机抗风控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PRAMOD ABICHANDANI等: ""Wind measurement and simulation techniques in multi-rotor small unmanned aerial vehicles"", 《IEEE ACCESS》 *
张成等: ""基于线性自抗扰的四旋翼无人机轨迹跟踪控制"", 《飞行力学》 *

Also Published As

Publication number Publication date
CN113408646B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
CN107560613B (zh) 基于九轴惯性传感器的机器人室内轨迹跟踪系统及方法
CN110125936B (zh) 一种空间机器人的地面实验验证系统
CN107729585B (zh) 一种对无人机的噪声协方差进行估算的方法
CN103878791B (zh) 工业机器人无外部传感器的外力检测方法
JP4951061B2 (ja) 駆動翼の翼型の飛行を自動的に制御するシステム及び方法
CN108772838A (zh) 一种基于外力观测器的机械臂安全碰撞策略
US11214366B2 (en) Wind measurement by means of a multicopter
CN103344243A (zh) 一种航空遥感惯性稳定平台摩擦参数辨识方法
CN105404296A (zh) 一种两轮自平衡智能车姿态控制方法
CN109625335B (zh) 一种基于角速度估计信息和太阳敏感器的捕获太阳方法
CN110666794B (zh) 一种机器人末端工具负载力和力矩补偿的方法
CN104182614A (zh) 六自由度机械臂姿态监测系统及方法
CN109739088B (zh) 一种无人船有限时间收敛状态观测器及其设计方法
CN103616023B (zh) 履带式立面爬壁机器人二维位姿测量装置及方法
Wang et al. Nonlinear multiple integrator and application to aircraft navigation
Sjøberg et al. An EKF for Lie groups with application to crane load dynamics
US20170261529A1 (en) Method for identifying friction parameter for linear module
CN113408646B (zh) 无人机的外部扰动分类方法及系统
CN113246137A (zh) 基于外力矩估计模型的机器人碰撞检测方法
Emran et al. A cascaded approach for quadrotor's attitude estimation
Sa et al. 100hz onboard vision for quadrotor state estimation
Michailidis et al. A software in the loop (SIL) Kalman and complementary filter implementation on x-plane for UAVs
Haotian et al. Accurate attitude estimation of HB2 standard model based on QNCF in hypersonic wind tunnel test
Hoang et al. Adaptive second-order sliding mode control of UAVs for civil applications
Fresk et al. Experimental evaluation of a full quaternion based attitude quadrotor controller

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