CN113955097A - 一种旋翼飞行器的舵机位移处理方法和装置 - Google Patents
一种旋翼飞行器的舵机位移处理方法和装置 Download PDFInfo
- Publication number
- CN113955097A CN113955097A CN202111283799.6A CN202111283799A CN113955097A CN 113955097 A CN113955097 A CN 113955097A CN 202111283799 A CN202111283799 A CN 202111283799A CN 113955097 A CN113955097 A CN 113955097A
- Authority
- CN
- China
- Prior art keywords
- data
- steering engine
- pitch
- sample data
- variable
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/52—Tilting of rotor bodily relative to fuselage
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Engines (AREA)
Abstract
本发明实施例提供了一种旋翼飞行器的舵机位移处理方法和装置,所述方法包括:从飞控获取目标变距操纵量;根据目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到相应的目标舵机位移。通过将自动倾斜器传动关系等效为任意自定义的可通过有限样本训练得到的代理模型,同时融合数值仿真数据和试验数据以通过多置信度分析建立代理模型,基于结合仿真数据成本低易获取的优势和试验数据精度高的优势,提高传动关系模型在实际飞行中的精确度。
Description
技术领域
本发明涉及飞行器技术领域,特别是涉及一种旋翼飞行器的舵机位移处理方法和一种旋翼飞行器的舵机位移处理装置。
背景技术
传统的旋翼飞机自动倾斜器的传动关系通常采用简单的线性模型进行计算,其不能反映自动倾斜器复杂的非线性传动关系,将会导致操纵量与预期操纵量不符,以及由于实际加工误差以及载荷导致变形及传动关系变化,完全基于数值模型的传动关系模型在实际飞行中也存在着较大误差。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种旋翼飞行器的舵机位移处理方法和相应的一种旋翼飞行器的舵机位移处理装置。
本发明实施例公开了一种旋翼飞行器的舵机位移处理方法,所述方法包括:
从飞控获取目标变距操纵量;
根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
可选地,所述数值仿真数据包括舵机位移仿真样本数据和变距操纵量仿真数据,所述试验数据包括舵机位移试验样本数据和变距操纵量试验数据,还包括:
基于舵机位移仿真样本数据和变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据和变距操纵量试验数据所建立的高置信度代理模型进行组合训练得到传动关系代理模型。
可选地,其中,所述目标变距操纵量包括目标总距、目标纵向周期变距和目标横向周期变距;所述根据所述目标变距操纵量和所述传动关系代理模型,得到与所述目标变距操纵量相对应的目标舵机位移,包括:
将所述目标总距、目标纵向周期变距和目标横向周期变距输入至所述传关系代理模型,并基于旋翼飞行器的桨叶的桨距与目标舵机位移的运动关系,输出得到与所述目标变距操纵量相对应的目标舵机位移。
可选地,所述传动关系代理模型的生成过程如下:
获取用于训练所述传动关系代理模型的训练集和用于验证所述传动代理关系模型的验证集;
根据所述训练集对预设置信度模型进行训练得到传动关系代理模型;
根据所述验证集验证所述传动关系代理模型,以完成对所述传动关系代理模型的训练。
可选地,所述获取用于训练所述传动关系代理模型的训练集和用于验证所述传动代理关系模型的验证集,包括:
获取针对舵机位移的数值仿真样本数据以及试验样本数据;
将所述数值仿真样本数据与所述试验样本数据进行划分,得到针对所述传动关系代理模型的训练集以及验证集。
可选地,所述获取数值仿真样本数据,包括:
获取舵机位移仿真样本数据以及针对所述飞行器的自动倾斜器的三维模型;
采用所述舵机位移仿真样本数据输入至针对自动倾斜器的三维模型进行数值仿真,得到与所输入的仿真样本数据相对应的变距操纵仿真数据。
可选地,所述获取试验样本数据,包括:
获取舵机位移试验样本数据,并采用所述舵机位移试验样本数据输入至预设旋翼试验系统的舵机测量得到与所述舵机位移试验样本数据相对应的桨距;
将与所述舵机位移试验样本数据相对应的桨距进行分解得到变距操纵量试验数据。
可选地,所述训练集包括第一数值仿真样本数据和第一试验样本数据;所述根据所述训练集对预设置信度模型进行训练得到传动关系代理模型,包括:
采用所述第一数值仿真样本数据对预设变置信度模型进行训练,得到低置信度代理模型;
采用所述第一试验样本数据对预设变置信度模型进行训练,得到高置信度代理模型;
依据预先设定的权重将所述低置信度代理模型和所述高置信度代理模型进行组合,得到传动关系代理模型。
可选地,所述验证集包括第二数值仿真样本数据和第二试验样本数据;所述根据所述验证集验证所述传动关系代理模型,包括:
采用所述第二数值仿真样本数据和所述第二试验样本数据对所述传动关系代理模型进行验证;
若所述传动关系代理模型基于所述二数值仿真样本数据和所述第二试验样本数据得到的数据小于预设范围内的误差,则表示所述传动关系代理模型训练完成;
若所述传动关系代理模型基于所述第二数值仿真样本数据和所述第二试验样本数据得到的数据超过预设范围内的误差,则获取补充数据集,并采用所述补充数据集对所述传动关系代理模型再次进行训练与验证,直至再次训练的传动关系代理模型基于所述补充数据即得到的数据小于预设范围内的误差为止。
本发明实施例还公开了一种旋翼飞行器的舵机位移处理装置,所述装置包括:
目标变距操纵量获取模块,用于从飞控获取目标变距操纵量;
目标舵机位移生成模块,用于根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
可选地,所述数值仿真数据包括舵机位移仿真样本数据和变距操纵量仿真数据,所述试验数据包括舵机位移试验样本数据和变距操纵量试验数据,所述装置还包括:
传动关系代理模型生成模块,用于基于舵机位移仿真样本数据和变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据和变距操纵量试验数据所建立的高置信度代理模型进行组合训练得到传动关系代理模型。
可选地,所述目标变距操纵量包括目标总距、目标纵向周期变距和目标横向周期变距;所述目标舵机位移生成模块包括:
目标舵机位移生成子模块,用于将所述目标总距、目标纵向周期变距和目标横向周期变距输入至所述传关系代理模型,并基于旋翼飞行器的桨叶的桨距与目标舵机位移的运动关系,输出得到与所述目标变距操纵量相对应的目标舵机位移。
可选地,所述传动关系代理模型生成模块包括:
数据集获取子模块,用于获取用于训练所述传动关系代理模型的训练集和用于验证所述传动代理关系模型的验证集;
传动关系代理模型训练子模块,用于根据所述训练集对预设置信度模型进行训练得到传动关系代理模型;
传动关系代理模型验证子模块,用于根据所述验证集验证所述传动关系代理模型,以完成对所述传动关系代理模型的训练。
可选地,所述数据集获取子模块包括:
样本数据获取单元,用于获取针对舵机位移的数值仿真样本数据以及试验样本数据;
数据集划分单元,用于将所述数值仿真样本数据与所述试验样本数据进行划分,得到针对所述传动关系代理模型的训练集以及验证集。
可选地,所述样本数据获取单元包括:
三维模型获取子单元,用于获取舵机位移仿真样本数据以及针对所述飞行器的自动倾斜器的三维模型;
变距操纵仿真数据输出子单元,用于采用所述舵机位移仿真样本数据输入至针对自动倾斜器的三维模型进行数值仿真,得到与所输入的仿真样本数据相对应的变距操纵仿真数据。
可选地,所述样本数据获取单元包括:
舵机位移试验样本数据获取子单元,用于获取舵机位移试验样本数据,并采用所述舵机位移试验样本数据输入至预设旋翼试验系统的舵机测量得到与所述舵机位移试验样本数据相对应的桨距;
舵机位移试验样本数据分解子单元,用于将与所述舵机位移试验样本数据相对应的桨距进行分解得到变距操纵量试验数据。
可选地,所述训练集包括第一数值仿真样本数据和第一试验样本数据;所述传动关系代理模型训练子模块包括:
低置信度代理模型训练单元,用于采用所述第一数值仿真样本数据对预设变置信度模型进行训练,得到低置信度代理模型;
高置信度代理模型训练单元,用于采用所述第一试验样本数据对预设变置信度模型进行训练,得到高置信度代理模型;
传动关系代理模型组合单元,用于依据预先设定的权重将所述低置信度代理模型和所述高置信度代理模型进行组合,得到传动关系代理模型。
可选地,所述验证集包括第二数值仿真样本数据和第二试验样本数据;所述传动关系代理模型验证子模块包括:
传动关系代理模型验证单元,用于采用所述第二数值仿真样本数据和所述第二试验样本数据对所述传动关系代理模型进行验证;
第一误差验证处理单元,用于在所述传动关系代理模型基于所述二数值仿真样本数据和所述第二试验样本数据得到的数据小于预设范围内的误差时,表示所述传动关系代理模型训练完成;
第二误差验证处理单元,用于在所述传动关系代理模型基于所述第二数值仿真样本数据和所述第二试验样本数据得到的数据超过预设范围内的误差时,获取补充数据集,并采用所述补充数据集对所述传动关系代理模型再次进行训练与验证,直至再次训练的传动关系代理模型基于所述补充数据即得到的数据小于预设范围内的误差为止。
本发明实施例还公开了一种旋翼飞行器的变桨距控制器,包括:处理器;
存储处理器可执行的存储器;
其中,所述处理器耦合于所述存储器,用于读取所述存储器存储的程序指令,并作为响应,执行如下操作:
从飞控获取目标变距操纵量;
根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
本发明实施例还公开了一种旋翼飞行器,包括:所述旋翼飞行器的舵机位移处理装置、处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现任一项所述旋翼飞行器的舵机位移处理方法的步骤。
本发明实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现任一项所述旋翼飞行器的舵机位移处理方法的步骤。
本发明实施例包括以下优点:
在本发明实施例中,通过将从飞控获取的目标变距操纵量输入至传动关系代理模型,传动关系代理模型基于数值仿真数据与试验数据获得,得到与所输入的目标变距操纵量相对应的目标舵机位移,完成对舵机位移的解算。通过将自动倾斜器传动关系等效为任意自定义的可通过有限样本训练得到的代理模型,同时融合数值仿真数据和试验数据以通过多置信度分析建立代理模型,基于结合仿真数据成本低易获取的优势和试验数据精度高的优势,提高传动关系模型在实际飞行中的精确度。
附图说明
图1是本发明的一种旋翼飞行器的舵机位移处理方法实施例的步骤流程图;
图2是本发明的另一种旋翼飞行器的舵机位移处理方法实施例的步骤流程图;
图3是本发明实施例提供的训练传动关系代理模型的实施过程示意图;
图4是本发明实施例提供的舵机位移处理的应用场景图;
图5A至5B是本发明实施例提供的飞行控制的架构示意图;
图6是本发明的一种旋翼飞行器的舵机位移处理装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
旋翼飞行器自动倾斜器指的是用于改变旋翼倾斜方向和桨叶倾角的专用装置,旋翼飞行器可通过它实现对飞行器飞行状态的操纵,而飞行器飞行状态的操纵主要是基于自动倾斜器的传动关系确定,其传动关系可以表现为不同操纵量与其传动的舵机(角)位移间的关系。
传统的旋翼飞行器自动倾斜器传动关系的确定,通常采用简单的线性模型进行计算,主要是通过试验标定的方法确定模型参数,但由于试验成本较高,因此只能采用参数较少的简单模型,不能反映自动倾斜器复杂的非线性传动关系,而基于不精确模型的舵机控制,将会出现操纵量与预期操纵量不符的现象,导致在飞行控制时操纵频繁、动态性能差;另一种方法是直接基于三维建模得到自动倾斜器传动关系,但由于实际加工误差以及载荷导致变形及传动关系变化,完全基于数值模型的传动关系模型在实际飞行中也存在着较大误差。
本发明实施例的核心思想之一在于通过采样、模型训练、模型预测等方式实现对旋翼飞行器自动倾斜器传动关系进行建模,以及对舵机(角)位移进行解算。主要是通过将自动倾斜器传动关系等效为任意自定义的可通过有限样本训练得到的代理模型,同时融合数值仿真数据和试验数据以通过多置信度分析建立代理模型,基于结合仿真数据成本低易获取的优势和试验数据精度高的优势,提高传动关系模型在实际飞行中的精确度。
参照图1,示出了本发明的一种旋翼飞行器的舵机位移处理方法实施例的步骤流程图,侧重于传动关系代理模型的使用过程,具体可以包括如下步骤:
步骤101,从飞控获取目标变距操纵量;
在本发明实施例中,通过采样、模型训练、模型预测等方式实现对旋翼飞行器自动倾斜器的传动关系进行建模,能够基于不同操纵量与其传动的舵机(角)位移间的关系对舵机(角)位移进行解算,实现对自动倾斜器传动关系的确定。此时可以从飞控获取所需解算舵机位移的目标变距操纵量,以便基于自动倾斜器的传动关系,对于目标变距操纵量所对应的目标舵机位移进行解算。
步骤102,根据目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与目标变距操纵量相应的目标舵机位移。
其中,自动倾斜器的传动关系可以由预先训练得到的传动关系代理模型确定。为了对不同操纵量下的舵机位移进行解算,此时可以基于所获取的传动关系代理模型对不同操纵量下的舵机位移进行解算,具体可以将所获取的目标变距操纵量输入至传动关系代理模型实现,此时传动关系代理模型能够输出与所输入的目标变距操纵量相对应的目标舵机位移,完成对舵机位移的解算。
其中,所训练得到的传动关系代理模型主要是基于数值仿真数据,同时结合少量的高精度试验数据,通过多置信度分析组合两种数据,在保证试验成本的情况下,采用较少的精度更高的试验数据得到高精度的传动模型。
具体的,用于训练传动模型的数值仿真数据可以包括舵机位移仿真样本数据与相对应的变距操纵量仿真数据,用于训练传动模型的试验数据可以包括舵机位移试验样本数据与相对应的变距操纵量试验数据,通过结合数值仿真数据与精度更高的试验数据共同训练得到的传动关系代理模型可以为通过基于舵机位移仿真样本数据与变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据与变距操纵量试验数据所建立的高置信度代理模型进行组合训练得到的模型。
旋翼飞行器自动倾斜器可以是用于改变旋翼倾斜方向和桨叶倾角的专用装置,旋翼飞行器可通过自动倾斜器实现对飞行器飞行状态的操纵,而飞行器飞行状态的操纵主要是基于自动倾斜器的传动关系确定,其传动关系可以表现为不同操纵量与其传动的舵机(角)位移间的关系。
在实际应用中,所获取的目标变距操纵量可以包括目标总距、目标纵向周期变距和目标横向周期变距,其中总距可以是总距操纵,即通过操纵旋翼桨叶的总距,使得整个自动倾斜器沿着旋翼轴向上或向下移动,并且不能改变周期变距操纵的方向;周期变距操纵可用于改变旋翼飞行器的滚转和俯仰姿态,对周期变距杆(也称驾驶杆)的横向和纵向操纵通过操纵线系或液压助力装置使自动倾斜器向相应的方向倾斜,即旋翼飞行器的滚动和俯仰姿态的改变由纵向周期变距和横向周期变距确定。
在具体实现中,主要是将目标总距、目标纵向周期变距和目标横向周期变距输入至传动关系代理模型,通常能够基于傅里叶分解将桨距分解得到操纵变量,此时传动关系代理模型内部能够基于对目标操纵变量的逆过程,得到桨叶的桨距与目标舵机位移的运动关系,然后再基于旋翼飞行器的桨叶的桨距与目标舵机位移的运动关系,输出得到与目标变距操纵量相对应的目标舵机位移。
在实际应用中,可以将所训练得到的传动关系代理模型写入至飞行器的控制器,即飞控内部署有所训练得到的传动关系代理模型,然后飞控能够基于其本身给出的目标变距操纵量(包括总距、纵向周期变距、横向周期变距)直接得到精确的舵机位移,并通过飞控按照所得到的舵机位移对飞行器进行相应控制,实现对自动倾斜器的高精度控制。
在本发明实施例中,通过将从飞控获取的目标变距操纵量输入至传动关系代理模型,传动关系代理模型基于数值仿真数据与试验数据获得,得到与所输入的目标变距操纵量相对应的目标舵机位移,完成对舵机位移的解算。通过将自动倾斜器传动关系等效为任意自定义的可通过有限样本训练得到的代理模型,同时融合数值仿真数据和试验数据以通过多置信度分析建立代理模型,基于结合仿真数据成本低易获取的优势和试验数据精度高的优势,提高传动关系模型在实际飞行中的精确度。
参照图2,示出了本发明的另一种旋翼飞行器的舵机位移处理方法实施例的步骤流程图,侧重于传动关系代理模型的生成过程,具体可以包括如下步骤:
步骤201,获取用于训练关系代理模型的训练集和用于验证传动关系代理模型的验证集;
在本发明实施例中,通过采样、模型训练、模型预测等方式实现对旋翼飞行器自动倾斜器传动关系进行建模,能够基于不同操纵量与其传动的舵机(角)位移间的关系对舵机(角)位移进行解算,实现对自动倾斜器传动关系的确定。
在本发明的一种实施例中,能够基于数值仿真数据,同时结合少量的高精度试验数据,通过多置信度分析组合两种数据,从而采用较少的精度更高的试验数据训练得到高精度的传动关系代理模型。其中,可以获取用于训练传动关系代理模型的训练集和用于验证传动关系代理模型的验证集,以通过所获取的训练集对传动关系代理模型进行训练后,通过所获取的验证集对训练得到的传动关系代理模型进行验证,基于对传动模型的不断验证与训练过程提高传动关系代理模型的精确度,完成对高精度的传动关系代理模型的训练。
具体的,通过结合数值仿真数据与精度更高的试验数据共同训练得到传动关系代理模型,针对传动关系代理模型的训练集和验证集均可以包括数值仿真数据与精度更高的试验数据。
针对训练集和验证集的获取,首先可以获取针对舵机位移的数值仿真样本数据以及试验样本数据,然后可以将所获取的数值仿真样本数据与试验样本数据进行划分,得到针对传动关系代理模型的训练集以及验证集。数据集的划分可以采用按比例划分的方式或者交叉检验的方式实现,对此,本发明实施例不加以限制。
其中,所获取的数值仿真样本数据可以包括舵机位移仿真样本数据与相对应的变距操纵量仿真数据,其主要可以通过采用三维模型的数值仿真实现。具体的,可以获取舵机位移仿真样本数据,以及针对飞行器的自动倾斜器的三维模型,然后采用舵机位移仿真样本数据输入至针对自动倾斜器的三维模型进行数值仿真,进而得到与所输入的仿真样本数据相对应的变距操纵仿真数据。
在实际应用中,在进行自动倾斜器的设计时通常需要建立针对其的三维模型,此时通过运动学仿真的原理能够方便地得到自动倾斜器的三维模型在任意输入下的系统输出。在一般情况下难以遍历针对三维模型的所有设计输入,同时涉及输入过多时容易造成模型的训练成本较高且并不利于模型精度的提高,此时可以采用拉丁超立方采样(是一种从多元参数分布中近似随机抽样的方法,属于分层抽样技术)等部分采样方法进行输入样本点选取,即所要设计输入的舵机位移仿真样本数据为进行输入样本点选取后的样本数据,然后能够通过三维模型的运动学仿真得到对应的系统输出,即得到与所输入的仿真样本数据相对应的变距操纵仿真数据,从而得到基于数值仿真的自动倾斜器传动关系的输入输出点。
示例性地,针对三维模型运动学仿真的每组输入输出点,其数值仿真的输入参数(即舵机位移仿真样本数据)可以为三个舵机位移,数值仿真的输出参数(即变距操纵仿真数据)可以包括总距仿真数据、纵向周期变距仿真数据和横向周期变距仿真数据。此时可以将三个舵机位移输入进入三维模型,通过运动学仿真得到桨距随方位角的运动关系,再将运动关系(即桨距)通过傅里叶分解得到相对应的总距、纵向周期变距、横向周期变距。其中,总距可以是总距操纵,即操纵旋翼桨叶的总距,整个自动倾斜器沿着旋翼轴向上或向下移动,并且不能改变周期变距操纵的方向;周期变距操纵可用于改变直升机的滚转和俯仰姿态,对周期变距杆(也称驾驶杆)的横向和纵向操纵通过操纵线系或液压助力装置使自动倾斜器向相应的方向倾斜,即直升飞机的滚动和俯仰姿态的改变由纵向周期变距和横向周期变距确定。
所获取的试验样本数据可以包括舵机位移试验样本数据与相对应的变距操纵量试验数据,其主要可以通过旋翼系统的试验台架进行试验得到。具体的,可以获取舵机位移试验样本数据,采用舵机位移试验样本数据输入至预设旋翼试验系统的舵机测量得到与舵机位移试验样本数据相对应的桨距,然后将与舵机位移试验样本数据相对应的桨距进行分解得到变距操纵量试验数据。
在实际应用中,为了弥补三维模型与实际产品之间的误差及载荷引起的误差,此时可以进行少量的试验测试。首先,可以搭建真实旋翼系统的试验台架,包括舵机、自动倾斜器、桨距传感器;在对所搭建的旋翼系统通电启动后,能够采用拉丁超立方采样(是一种从多元参数分布中近似随机抽样的方法,属于分层抽样技术)等部分采样方法对基于试验数据的自动倾斜器传动关系的输入样本点进行选取,即所要输入的舵机位移试验样本数据为进行输入样本点选取后的样本数据,其一般可以为三个舵机位移,这三个舵机位移可以为用于控制自动倾斜器沿着旋翼轴向上或向下移动的舵机位移、用于控制自动倾斜器俯仰的舵机位移以及用于控制自动倾斜器进行滚动时的舵机位移,然后可以将三个舵机位移通过控制器输入给舵机,通过传感器测量样本点下舵机(角)位移与飞行器桨叶的实际桨距,将桨距通过傅里叶分解得到总距、纵向周期变距、横向周期变距,从而得到基于试验数据的自动倾斜器传动关系的输入输出点。
步骤202,根据训练集对预设置信度模型进行训练得到传动关系代理模型;
具体的,用于训练传动关系代理模型的训练集可以为对所获取的数值仿真样本数据和试验样本数据进行划分后的数据,例如第一数值仿真样本数据和第一试验样本数据,通过结合数值仿真数据与精度更高的试验数据共同训练得到的传动关系代理模型,可以采用第一数值仿真样本数据对预设变置信度模型进行训练,得到低置信度代理模型,采用第一试验样本数据对预设变置信度模型进行训练,得到高置信度代理模型,然后依据预先设定的权重将低置信度代理模型和高置信度代理模型进行组合,得到传动关系代理模型。
需要说明的是,用于训练传动关系代理模型的模型可以是任意常见的代理模型,例如径向基函数模型、Kriging模型(克里金法模型,是依据协方差函数对随机过程/随机场进行空间建模和预测(插值)的回归算法构建的模型)、向量回归模型、神经网络模型等,或前述模型的组合,对此,本发明实施例不加以限制。
其中,可以采用前述得到的样本点输入输出数据进行模型训练,精度较低的第一数值仿真样本数据可以包括划分后的舵机位移仿真样本数据与相对应的变距操纵量仿真数据,精度较高的第一试验样本数据可以包括划分后的舵机位移试验样本数据与相对应的变距操纵量试验数据,此时可以建立变置信度模型。具体通过基于舵机位移仿真样本数据与变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据与变距操纵量试验数据所建立的高置信度代理模型,进行组合训练得到传动关系代理模型。
示例性地,在训练传动关系代理模型时,将第一数值仿真样本数据中的变距操纵量仿真数据(包括总距、纵向周期变距、横向周期变距)和第一试验样本数据中的变距操纵量仿真数据作为输入参数,舵机位移试验样本数据和舵机位移试验样本数据作为输出参数进行模型训练。在建立变置信度模型时,分别对低置信度数据(即第一数值仿真样本数据)和高置信度数据(即第一试验样本数据)建立代理模型,并根据经验分配两种模型的权重然后进行线性叠加起来,例如低置信度数据训练得到的模型为y=f1(x),高置信度数据训练得到的模型为y=f2(x),则组合后的模型为y=a*f1(x)+(1-a)*f2(x)。
步骤203,根据验证集验证传动关系代理模型,以完成对传动关系代理模型的训练。
在通过训练集对传动关系代理模型进行训练后,还需要通过所获取的验证集对训练得到的传动关系代理模型进行验证,基于对传动模型的不断验证与训练过程提高传动关系代理模型的精确度,完成对高精度的传动关系代理模型的训练。
具体的,用于验证传动关系代理模型的验证集可以为对所获取的数值仿真样本数据和试验样本数据进行划分后的数据,即包括精度较低的验证数据和精度较高的验证数据,例如第二数值仿真样本数据和第二试验样本数据,精度较低的第二数值仿真样本数据可以包括划分后的舵机位移仿真样本数据与相对应的变距操纵量仿真数据,精度较高的第二试验样本数据可以包括划分后的舵机位移试验样本数据与相对应的变距操纵量试验数据,此时可以采用第二数值仿真样本数据和第二试验样本数据对训练得到的传动关系代理模型进行验证。
具体的,在通过训练集对传动关系代理模型进行训练后,通过验证集对训练得到的传动关系代理模型进行验证,参照图3,示出了本发明实施例提供的训练传动关系代理模型的实施过程示意图,在采用第二数值仿真样本数据和第二试验样本数据对传动关系代理模型进行验证时,需要判断传动关系代理模型基于第二数值仿真样本数据和第二试验样本数据得到的数据是否小于预设范围内的误差,例如在将一组第二数值仿真样本数据的输入参数以及一组第二试验样本数据的输入参数输入至所训练得到的传动模型中所输出得到的数据,与第二数值仿真样本数据中相对应输出参数的误差,以及与第二试验样本数据中相对应输出参数的误差是否在允许误差范围内。
在一种情况下,若传动关系代理模型基于所述二数值仿真样本数据和第二试验样本数据得到的数据小于预设范围内的误差,则表示传动关系代理模型训练完成;在另一种情况下,若传动关系代理模型基于第二数值仿真样本数据和第二试验样本数据得到的数据超过预设范围内的误差,则需要获取补充数据集,并采用补充数据集对所述传动关系代理模型再次进行训练与验证,直至再次训练的传动关系代理模型基于补充数据即得到的数据小于预设范围内的误差为止。即在模型训练过程中,可以根据模型在验证集上的表现效果适应性地增加样本点,当模型在验证集上误差达到允许范围(由置信度决定)后,则终止模型训练,并同时得到自动倾斜器传动关系的代理模型。
在本发明实施例中,通过将自动倾斜器传动关系等效为任意自定义的可通过有限样本训练得到的代理模型,同时融合数值仿真数据和试验数据以通过多置信度分析建立代理模型,基于结合仿真数据成本低易获取的优势和试验数据精度高的优势,提高传动关系模型在实际飞行中的精确度。
为了便于本领域技术人员进一步理解本发明实施例所提出的旋翼飞行器的舵机位移处理方法,结合舵机位移处理的应用场景图以及飞行控制的架构示意图进行如下说明:
本发明实施例中,通过采样、模型训练、模型预测等方式实现对旋翼飞行器自动倾斜器传动关系进行建模,能够基于不同操纵量与其传动的舵机(角)位移间的关系对舵机(角)位移进行解算,实现对自动倾斜器传动关系的确定,具体如图4所示,在进行低精度的数值仿真得到数值仿真数据,以及进行高精度的试验测试得到试验数据之后,为了对不同操纵量下的舵机位移进行解算,此时可以生成自动倾斜器舵机(角)位移解算的代理模型,以通过所生成的模型解算舵机角位移。
所训练得到的传动关系代理模型主要是基于数值仿真数据,同时结合少量的高精度试验数据,通过多置信度分析组合两种数据,在保证试验成本的情况下,采用较少的精度更高的试验数据得到高精度的传动模型。其中,用于训练传动模型的数值仿真数据可以包括舵机位移仿真样本数据与相对应的变距操纵量仿真数据,用于训练传动模型的试验数据可以包括舵机位移试验样本数据与相对应的变距操纵量试验数据,通过结合数值仿真数据与精度更高的试验数据共同训练得到的传动关系代理模型可以为通过基于舵机位移仿真样本数据与变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据与变距操纵量试验数据所建立的高置信度代理模型进行组合训练得到的模型。
在对自动倾斜器舵机(角)位移解算的代理模型进行训练后,可以获取目标变距操纵量,示例性地,参照图5A至5B,示出了本发明实施例提供的飞行控制的架构示意图,以基于目标变距操纵量和训练得到的传动关系代理模型,对不同飞行控制的操纵量下,飞行器在飞行过程中的舵机位移进行解算。
其中,变距控制器可以是用于控制桨叶桨距的控制器,即变桨距控制器,其和舵机是可以整体扩展的,图5A所示可以是具有一个旋翼的直升机的飞行控制架构,图5B所示可以是具有两个个旋翼的旋翼飞机的飞行控制架构,由图5B可知,多一个旋翼则增加一个变距控制器和舵机的整体结构,同时飞控(FlightControlUnit,飞行控制器,简称FCU)和变距控制器可以集成在同一个模块中,变距控制器可以是飞控的一个部分,可以在飞控中实现舵机位移解算的工作。
变距控制器在飞控中实现的舵机位移解算,主要可以通过将所训练得到的传动关系代理模型写入至飞行器的变距控制器,即变距控制器内部署有所训练得到的传动关系代理模型实现。
在旋翼飞行器的飞行过程中,飞控可以根据用户的操纵指令,例如操纵旋翼轴向上或向下移动、俯仰、滚动等,分别计算出变距操纵量(其可包括总距、纵向周期变距、横向周期变距),然后将计算得到的变距操纵量传输给变距控制器,变距控制器内部署有所训练得到的传动关系代理模型,此时可通过控制器内的传动关系代理模型对舵机位移进行解算,具体可以将所得到的变距操纵量输入到传动关系代理模型中以输出得到每个舵机的(角)位移,在得到各个舵机的位移后,此时还可以通过变距控制器将每个舵机的角位移传输至相应的舵机,以便舵机能够按照所接收的位移数据控制飞行器上的自动倾斜器运动,在实现对自动倾斜器的高精度控制的同时完成操纵指令。
在本发明实施例中,通过将自动倾斜器传动关系等效为任意自定义的可通过有限样本训练得到的代理模型,同时融合数值仿真数据和试验数据以通过多置信度分析建立代理模型,基于结合仿真数据成本低易获取的优势和试验数据精度高的优势,提高传动关系模型在实际飞行中的精确度。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图6,示出了本发明的一种旋翼飞行器的舵机位移处理装置实施例的结构框图,具体可以包括如下模块:
目标变距操作量获取模块601,用于从飞控获取目标变距操纵量;
目标舵机位移生成模块602,用于根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
在本发明的一种实施例中,所述数值仿真数据包括舵机位移仿真样本数据和变距操纵量仿真数据,所述试验数据包括舵机位移试验样本数据和变距操纵量试验数据,所述装置还可以包括如下模块:
传动关系代理模型生成模块,用于基于舵机位移仿真样本数据和变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据和变距操纵量试验数据所建立的高置信度代理模型进行组合训练得到传动关系代理模型。
在本发明的一种实施例中,所述目标变距操纵量包括目标总距、目标纵向周期变距和目标横向周期变距;目标舵机位移生成模块602可以包括如下子模块:
目标舵机位移生成子模块,用于将所述目标总距、目标纵向周期变距和目标横向周期变距输入至所述传关系代理模型,并基于旋翼飞行器的桨叶的桨距与目标舵机位移的运动关系,输出得到与所述目标变距操纵量相对应的目标舵机位移。
在本发明的一种实施例中,传动关系代理模型生成模块可以包括如下子模块:
数据集获取子模块,用于获取用于训练所述传动关系代理模型的训练集和用于验证所述传动代理关系模型的验证集;
传动关系代理模型训练子模块,用于根据所述训练集对预设置信度模型进行训练得到传动关系代理模型;
传动关系代理模型验证子模块,用于根据所述验证集验证所述传动关系代理模型,以完成对所述传动关系代理模型的训练。
在本发明的一种实施例中,数据集获取子模块可以包括如下单元:
样本数据获取单元,用于获取针对舵机位移的数值仿真样本数据以及试验样本数据;
数据集划分单元,用于将所述数值仿真样本数据与所述试验样本数据进行划分,得到针对所述传动关系代理模型的训练集以及验证集。
在本发明的一种实施例中,样本数据获取单元可以包括如下子单元:
三维模型获取子单元,用于获取舵机位移仿真样本数据以及针对所述飞行器的自动倾斜器的三维模型;
变距操纵仿真数据输出子单元,用于采用所述舵机位移仿真样本数据输入至针对自动倾斜器的三维模型进行数值仿真,得到与所输入的仿真样本数据相对应的变距操纵仿真数据。
在本发明的一种实施例中,样本数据获取单元可以包括如下子单元:
舵机位移试验样本数据获取子单元,用于获取舵机位移试验样本数据,并采用所述舵机位移试验样本数据输入至预设旋翼试验系统的舵机测量得到与所述舵机位移试验样本数据相对应的桨距;
舵机位移试验样本数据分解子单元,用于将与所述舵机位移试验样本数据相对应的桨距进行分解得到变距操纵量试验数据。
在本发明的一种实施例中,所述训练集包括第一数值仿真样本数据和第一试验样本数据;传动关系代理模型训练子模块可以包括如下单元:
低置信度代理模型训练单元,用于采用所述第一数值仿真样本数据对预设变置信度模型进行训练,得到低置信度代理模型;
高置信度代理模型训练单元,用于采用所述第一试验样本数据对预设变置信度模型进行训练,得到高置信度代理模型;
传动关系代理模型组合单元,用于依据预先设定的权重将所述低置信度代理模型和所述高置信度代理模型进行组合,得到传动关系代理模型。
在本发明的一种实施例中,所述验证集包括第二数值仿真样本数据和第二试验样本数据;传动关系代理模型验证子模块可以包括如下单元:
传动关系代理模型验证单元,用于采用所述第二数值仿真样本数据和所述第二试验样本数据对所述传动关系代理模型进行验证;
第一误差验证处理单元,用于在所述传动关系代理模型基于所述二数值仿真样本数据和所述第二试验样本数据得到的数据小于预设范围内的误差时,表示所述传动关系代理模型训练完成;
第二误差验证处理单元,用于在所述传动关系代理模型基于所述第二数值仿真样本数据和所述第二试验样本数据得到的数据超过预设范围内的误差时,获取补充数据集,并采用所述补充数据集对所述传动关系代理模型再次进行训练与验证,直至再次训练的传动关系代理模型基于所述补充数据即得到的数据小于预设范围内的误差为止。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种旋翼飞行器的变桨距控制器,包括处理器;
存储处理器可执行的存储器;
其中,所述处理器耦合于所述存储器,用于读取所述存储器存储的程序指令,并作为响应,执行如下操作:
从飞控获取目标变距操纵量;
根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
在本发明实施例中,主要可以通过将自动倾斜器传动关系等效为任意自定义的可通过有限样本训练得到的代理模型,同时融合数值仿真数据和试验数据以通过多置信度分析建立代理模型,基于结合仿真数据成本低易获取的优势和试验数据精度高的优势,提高传动关系模型在实际飞行中的精确度。
其中,旋翼飞行器自动倾斜器传动关系可以表现为不同操纵量与其传动的舵机(角)位移间的关系,其传动关系可以由预先训练得到的传动关系代理模型确定,即将所获取的目标变距操纵量输入至传动关系代理模型,通过传动关系代理模型对目标变距操纵量下所对应的舵机位移进行解算,得到目标舵机位移。
在本发明的一种实施例中,用于训练传动模型的数值仿真数据可以包括舵机位移仿真样本数据与相对应的变距操纵量仿真数据,用于训练传动模型的试验数据可以包括舵机位移试验样本数据与相对应的变距操纵量试验数据,通过结合数值仿真数据与精度更高的试验数据共同训练得到的传动关系代理模型可以为通过基于舵机位移仿真样本数据与变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据与变距操纵量试验数据所建立的高置信度代理模型进行组合训练得到的模型。
变距控制器可以是用于控制桨叶桨距的控制器,即变桨距控制器,其能够在飞控中实现的舵机位移解算,主要可以通过将所训练得到的传动关系代理模型写入至飞行器的变距控制器,即变距控制器内部署有所训练得到的传动关系代理模型实现。
在实际应用中,在旋翼飞行器的飞行过程中,飞控可以根据用户的操纵指令,例如操纵旋翼轴向上或向下移动、俯仰、滚动等,分别计算出变距操纵量(其可包括总距、纵向周期变距、横向周期变距),然后将计算得到的变距操纵量传输给变距控制器,变距控制器内部署有所训练得到的传动关系代理模型,此时可通过控制器内的传动关系代理模型对舵机位移进行解算,具体可以将所得到的变距操纵量输入到传动关系代理模型中以输出得到每个舵机的(角)位移,在得到各个舵机的位移后,此时还可以通过变距控制器将每个舵机的角位移传输至相应的舵机,以便舵机能够按照所接收的位移数据控制飞行器上的自动倾斜器运动,在实现对自动倾斜器的高精度控制的同时完成操纵指令。
本发明实施例还提供了一种旋翼飞行器,包括上述旋翼飞行器的舵机位移处理装置、处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述旋翼飞行器的舵机位移处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述旋翼飞行器的舵机位移处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种旋翼飞行器的舵机位移处理方法和一种旋翼飞行器的舵机位移处理装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种旋翼飞行器的舵机位移处理方法,其特征在于,所述方法包括:
从飞控获取目标变距操纵量;
根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
2.根据权利要求1所述的方法,其特征在于,所述数值仿真数据包括舵机位移仿真样本数据和变距操纵量仿真数据,所述试验数据包括舵机位移试验样本数据和变距操纵量试验数据,还包括:
基于舵机位移仿真样本数据和变距操纵量仿真数据所建立的低置信度代理模型,以及基于舵机位移试验样本数据和变距操纵量试验数据所建立的高置信度代理模型进行组合训练得到传动关系代理模型。
3.根据权利要求1或2所述的方法,其特征在于,其中,所述目标变距操纵量包括目标总距、目标纵向周期变距和目标横向周期变距;
所述根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移,包括:
将所述目标总距、目标纵向周期变距和目标横向周期变距输入至所述传关系代理模型,并基于旋翼飞行器的桨叶的桨距与目标舵机位移的运动关系,输出得到与所述目标变距操纵量相对应的目标舵机位移。
4.根据权利要求2所述的方法,其特征在于,所述传动关系代理模型的生成过程如下:
获取用于训练所述传动关系代理模型的训练集和用于验证所述传动代理关系模型的验证集;
根据所述训练集对预设置信度模型进行训练得到传动关系代理模型;
根据所述验证集验证所述传动关系代理模型,以完成对所述传动关系代理模型的训练。
5.根据权利要求4所述的方法,其特征在于,所述获取用于训练所述传动关系代理模型的训练集和用于验证所述传动代理关系模型的验证集,包括:
获取针对舵机位移的数值仿真样本数据以及试验样本数据;
将所述数值仿真样本数据与所述试验样本数据进行划分,得到针对所述传动关系代理模型的训练集以及验证集。
6.根据权利要求5所述的方法,其特征在于,所述获取数值仿真样本数据,包括:
获取舵机位移仿真样本数据以及针对所述飞行器的自动倾斜器的三维模型;
采用所述舵机位移仿真样本数据输入至针对自动倾斜器的三维模型进行数值仿真,得到与所输入的仿真样本数据相对应的变距操纵仿真数据。
7.根据权利要求5所述的方法,其特征在于,所述获取试验样本数据,包括:
获取舵机位移试验样本数据,并采用所述舵机位移试验样本数据输入至预设旋翼试验系统的舵机测量得到与所述舵机位移试验样本数据相对应的桨距;
将与所述舵机位移试验样本数据相对应的桨距进行分解得到变距操纵量试验数据。
8.根据权利要求4或5所述的方法,其特征在于,所述训练集包括第一数值仿真样本数据和第一试验样本数据;所述根据所述训练集对预设置信度模型进行训练得到传动关系代理模型,包括:
采用所述第一数值仿真样本数据对预设变置信度模型进行训练,得到低置信度代理模型;
采用所述第一试验样本数据对预设变置信度模型进行训练,得到高置信度代理模型;
依据预先设定的权重将所述低置信度代理模型和所述高置信度代理模型进行组合,得到传动关系代理模型。
9.根据权利要求4或5所述的方法,其特征在于,所述验证集包括第二数值仿真样本数据和第二试验样本数据;所述根据所述验证集验证所述传动关系代理模型,包括:
采用所述第二数值仿真样本数据和所述第二试验样本数据对所述传动关系代理模型进行验证;
若所述传动关系代理模型基于所述二数值仿真样本数据和所述第二试验样本数据得到的数据小于预设范围内的误差,则表示所述传动关系代理模型训练完成;
若所述传动关系代理模型基于所述第二数值仿真样本数据和所述第二试验样本数据得到的数据超过预设范围内的误差,则获取补充数据集,并采用所述补充数据集对所述传动关系代理模型再次进行训练与验证,直至再次训练的传动关系代理模型基于所述补充数据即得到的数据小于预设范围内的误差为止。
10.一种旋翼飞行器的舵机位移处理装置,其特征在于,所述装置包括:
目标变距操纵量获取模块,用于从飞控获取目标变距操纵量;
目标舵机位移生成模块,用于根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
11.一种旋翼飞行器的变桨距控制器,其特征在于,包括:
处理器;
存储处理器可执行的存储器;
其中,所述处理器耦合于所述存储器,用于读取所述存储器存储的程序指令,并作为响应,执行如下操作:
从飞控获取目标变距操纵量;
根据所述目标变距操纵量和基于数值仿真数据与试验数据获得的传动关系代理模型,得到与所述目标变距操纵量相应的目标舵机位移。
12.一种旋翼飞行器,其特征在于,包括:如权利要求10所述旋翼飞行器的舵机位移处理装置、处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-9中任一项所述旋翼飞行器的舵机位移处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111283799.6A CN113955097B (zh) | 2021-11-01 | 2021-11-01 | 一种旋翼飞行器的舵机位移处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111283799.6A CN113955097B (zh) | 2021-11-01 | 2021-11-01 | 一种旋翼飞行器的舵机位移处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113955097A true CN113955097A (zh) | 2022-01-21 |
CN113955097B CN113955097B (zh) | 2023-03-24 |
Family
ID=79468684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111283799.6A Active CN113955097B (zh) | 2021-11-01 | 2021-11-01 | 一种旋翼飞行器的舵机位移处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113955097B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595898A (zh) * | 2022-03-22 | 2022-06-07 | 中国船舶科学研究中心 | 一种考虑航道环境的船舶智能操纵方法 |
CN117215728A (zh) * | 2023-11-06 | 2023-12-12 | 之江实验室 | 一种基于代理模型的仿真模拟方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090186320A1 (en) * | 2008-01-23 | 2009-07-23 | John Rucci | Modules and methods for biasing power to a multi-engine power plant suitable for one engine inoperative flight procedure training |
CN106892094A (zh) * | 2017-01-22 | 2017-06-27 | 南京航空航天大学 | 一种空间六自由度独立可控四旋翼无人飞行器及其控制方法 |
CN109398688A (zh) * | 2018-11-16 | 2019-03-01 | 湖南大学 | 一种旋翼飞行双机械臂目标定位抓取系统及方法 |
CN112498738A (zh) * | 2020-12-11 | 2021-03-16 | 中国直升机设计研究所 | 一种直升机飞行控制系统传递特性试验方法 |
CN113335518A (zh) * | 2021-07-22 | 2021-09-03 | 广东汇天航空航天科技有限公司 | 旋翼倾转机构、机翼装置、飞行汽车及飞行设备 |
CN113460298A (zh) * | 2021-07-21 | 2021-10-01 | 广东汇天航空航天科技有限公司 | 电机倾转机构和倾转旋翼飞行汽车 |
-
2021
- 2021-11-01 CN CN202111283799.6A patent/CN113955097B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090186320A1 (en) * | 2008-01-23 | 2009-07-23 | John Rucci | Modules and methods for biasing power to a multi-engine power plant suitable for one engine inoperative flight procedure training |
CN106892094A (zh) * | 2017-01-22 | 2017-06-27 | 南京航空航天大学 | 一种空间六自由度独立可控四旋翼无人飞行器及其控制方法 |
CN109398688A (zh) * | 2018-11-16 | 2019-03-01 | 湖南大学 | 一种旋翼飞行双机械臂目标定位抓取系统及方法 |
CN112498738A (zh) * | 2020-12-11 | 2021-03-16 | 中国直升机设计研究所 | 一种直升机飞行控制系统传递特性试验方法 |
CN113460298A (zh) * | 2021-07-21 | 2021-10-01 | 广东汇天航空航天科技有限公司 | 电机倾转机构和倾转旋翼飞行汽车 |
CN113335518A (zh) * | 2021-07-22 | 2021-09-03 | 广东汇天航空航天科技有限公司 | 旋翼倾转机构、机翼装置、飞行汽车及飞行设备 |
Non-Patent Citations (1)
Title |
---|
郭剑东等: "小型无人倾转旋翼机全模式飞行操纵控制", 《南京航空航天大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595898A (zh) * | 2022-03-22 | 2022-06-07 | 中国船舶科学研究中心 | 一种考虑航道环境的船舶智能操纵方法 |
CN114595898B (zh) * | 2022-03-22 | 2023-05-02 | 中国船舶科学研究中心 | 一种考虑航道环境的船舶智能操纵方法 |
CN117215728A (zh) * | 2023-11-06 | 2023-12-12 | 之江实验室 | 一种基于代理模型的仿真模拟方法、装置及电子设备 |
CN117215728B (zh) * | 2023-11-06 | 2024-03-15 | 之江实验室 | 一种基于代理模型的仿真模拟方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113955097B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113955097B (zh) | 一种旋翼飞行器的舵机位移处理方法和装置 | |
US9760660B2 (en) | Methods of developing a mathematical model of dynamics of a vehicle for use in a computer-controlled vehicle simulator | |
Zivan et al. | Development of a full flight envelope helicopter simulation using system identification | |
CN111546336B (zh) | 一种用于机器人系统的灰箱模型参数辨识方法及系统 | |
Morelli | Autonomous real-time global aerodynamic modeling in the frequency domain | |
CN105659065B (zh) | 测试耦合混合动力系统的方法和系统 | |
KR101483093B1 (ko) | 비행시험 데이터를 이용한 hqs 모델링과 튜닝을 위한 장치 및 그 제어방법 | |
CN108984834A (zh) | 一种基于响应面法的机翼可靠性评估系统及方法 | |
EP4159621A2 (en) | Digital twin for an autonomous vehicle | |
Morelli et al. | Frequency-domain method for automated simulation updates based on flight data | |
Ljungberg et al. | Electric power assist steering system parameterization and optimisation employing computer-aided engineering | |
Morelli et al. | Advances in Aircraft System Identification at NASA Langley Research Center | |
Vrijdag et al. | Systematic modelling, verification, calibration and validation of a ship propulsion simulation model | |
Chen et al. | Hardware-in-the-loop simulation for a sliding mode FDI scheme | |
Muliadi et al. | Estimating the UAV moments of inertia directly from its flight data | |
KR102093746B1 (ko) | 각가속도 정보를 이용한 비행체 제어방법 | |
Roos | Generation of flexible aircraft LFT models for robustness analysis | |
Maj et al. | Flying n-copter with fuzzy logic control | |
Aponso et al. | Identification of higher order helicopter dynamics using linear modeling methods | |
US11983467B2 (en) | Rapid aero modeling for computational experiments (RAM-C) | |
Mohajerani | Frequency-domain system identification for unmanned helicopters from flight data | |
US20220121786A1 (en) | Rapid Aero Modeling for Computational Experiments (RAM-C) | |
KR20140084645A (ko) | 헬리콥터 fbw 시스템 개발용 비행 동역학 해석/시뮬레이션 프로그램을 기록한 컴퓨터 판독가능한 기록 매체 | |
Arias et al. | Enabling HH-60G Predictive Maintenance via Computational Fluid Dynamics (CFD) Artificial Intelligence (AI) Rotorcraft Development and Modeling (CARD-M) | |
Petrozzino | Development of an aircraft model for training flight simulation |
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 |