CN114036649A - 一种无人机数学模型校对方法、装置、设备及存储介质 - Google Patents
一种无人机数学模型校对方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114036649A CN114036649A CN202111538114.8A CN202111538114A CN114036649A CN 114036649 A CN114036649 A CN 114036649A CN 202111538114 A CN202111538114 A CN 202111538114A CN 114036649 A CN114036649 A CN 114036649A
- Authority
- CN
- China
- Prior art keywords
- mathematical model
- calibration
- unmanned aerial
- aerial vehicle
- output
- 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.)
- Pending
Links
- 238000013178 mathematical model Methods 0.000 title claims abstract description 336
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 81
- 230000015654 memory Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000010705 motor oil Substances 0.000 claims description 2
- 230000000750 progressive effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 12
- 230000001915 proofreading effect Effects 0.000 description 10
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请的实施例公开一种无人机数学模型校对方法、装置、设备及存储介质,通过以设置三个校准步骤的输入集合分别为全常值、单波形值、全波形值,判断校准输出集合与对照输出集合的差值是否大于预设阈值,并对大于预设阈值的输出物理量的相关模型参数进行调整的方式,对待校准数学模型进行循序渐进的校准,减少了建模技术人员的找出建模错误的难度和工作量,解决了因数学模型体量大,正确性和准确性难以保证,从而导致无人机的设计精度低的问题,实现了建模精准度的提高,为后续无人机控制律设计环节打下基础。
Description
技术领域
本申请涉及飞行器建模领域,尤其涉及一种无人机数学模型校对方法、装置、设备及存储介质。
背景技术
建立被控对象的数学模型是无人机飞行控制律设计以及仿真试验的基础。在建立被控对象模型与飞行控制律设计的过程中,需要进行模型的校对工作,以保证前期数学模型的正确性,方便进行后续控制律设计工作。
对于建模精度要求较高的无人机,尤其是大包线多操纵面无人机,其状态量变化范围较大,控制舵面的耦合,气动特性和动力特性复杂,风洞数据以及发动机动力模型均采用多维表格的形式,表格维数和数量较多,数据量较大,使用数组存储以及手动编程的方法工作量大,常出现不易发现的数据错误,导致仿真模型失去原有的控制精度。目前大型数学模型校对领域并没有形成系统校对方法,大型数学模型正确性和准确性难以保证,从而导致无人机的设计精度低。
发明内容
本申请的主要目的在于提供一种无人机数学模型校对方法、装置、设备及存储介质,旨在解决无人机的设计精度低的技术问题。
为实现上述目的,本申请提供一种无人机数学模型校对方法,包括:
将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;
将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合,并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;
将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合,并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。
可选地,所述基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得所述第一校准数学模型的步骤包括:
判断所述第一校准输出集合和所述第一对照输出集合对应元素的差值是否大于预设阈值;
若是,则调整所述待校准数学模型,并将所述第一输入集合输入调整后的所述待校准数学模型,直至所述差值小于等于所述预设阈值,获得所述第一校准数学模型。
可选地,所述第二输入集合包括n个第二输入子集,n大于等于2,其中,第一个第二输入子集中第一个元素为随时间连续变化的波形值,其余元素为常值,第二个第二输入子集中第二个元素为随时间连续变化的波形值,其余元素为常值,…,第n个第二输入子集中第n个元素为随时间连续变化的波形值,其余元素为常值;
所述第二校准输出集合包括n个校准输出子集;
所述第二对照输出集合包括n个对照输出子集;
所述将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合的步骤,包括:
将n个所述第二输入子集分别输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的n个所述校准输出子集以及所述对照数学模型输出的n个所述对照输出子集。
可选地,所述待校准数学模型和所述对照数学模型均包括多个输入变量和多个输出变量:
所述多个输入变量包括无人机马赫数、无人机高度、无人机攻角、无人机侧滑角、无人机副翼舵、无人机升降舵、无人机方向舵、无人机油门、无人机起落架收放状态和无人机质量;
所述多个输出变量包括无人机在X轴位置、无人机在Y轴位置、无人机在Z轴位置、无人机滚转角、无人机俯仰角、无人机航向角、无人机攻角、无人机侧滑角、无人机指示空速、无人机真空速、无人机滚转角速率、无人机俯仰角速率和无人机偏航角速率。
可选地,所述待校准数学模型包括n个待校准功能模块,所述对照数学模型均包括与所述n个待校准功能模块对应的n个对照功能模块,n大于等于2;
所述第一输入集合包括n个第一功能模块输入集合;
所述第一校准输出集合包括n个第一校准功能模块输出集合;
所述第一对照输出集合包括n个第一对照功能模块输出集合;
所述第二输入集合包括n个第二功能模块输入集合;
所述第二校准输出集合包括n个第二校准功能模块输出集合;
所述第二对照输出集合包括n个第二对照功能模块输出集合;
所述第三输入集合包括n个第三功能模块输入集合;
所述第三校准输出集合包括n个第三校准功能模块输出集合;
所述第三对照输出集合包括n个第三对照功能模块输出集合;
所述将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型的步骤,包括:
将n个所述第一功能模块输入集合分别输入对应的n个待校准功能模块和n个对照功能模块,得到n个所述第一校准功能模块输出集合以及n个所述第一对照功能模块输出集合;并基于n个所述第一校准功能模块输出集合以及n个所述第一对照功能模块输出集合,获得n个第一校准功能模块;
所述将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合;并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型的步骤包括:
将n个所述第二功能模块输入集合分别输入对应的n个所述第一校准功能模块和所述对照功能模块,得到n个所述第二校准功能模块输出集合以及n个所述第二对照功能模块输出集合;并基于n个所述第二校准功能模块输出集合以及n个所述第二对照功能模块输出集合,获得n个第二校准功能模块;
所述将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合;并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型的步骤,包括:
将n个所述第三功能模块输入集合分别输入对应的n个所述第二校准功能模块和所述对照功能模块,得到n个所述第三校准功能模块输出集合以及n个所述第三对照功能模块输出集合;并基于n个所述第三校准功能模块输出集合以及n个所述第三对照功能模块输出集合,获得n个所述已校准功能模块。
可选地,所述待校准功能模块包括气动模块、发动机模块以及力和力矩模块;
所述气动模块的输入变量包括无人机马赫数、无人机高度、无人机攻角、无人机侧滑角、无人机副翼舵、无人机升降舵、无人机方向舵和无人机起落架收放状态;
所述气动模块的输出变量包括无人机合升力系数、无人机合阻力系数、无人机合侧力系数、无人机合滚转力矩系数、无人机合俯仰力矩系数和无人机合偏航力矩系数;
所述发动机模块的输入变量包括无人机马赫数、无人机高度和无人机油门;
所述发动机模块的输出变量包括发动机推力和发动机耗油率;
所述力和力矩模块的输入变量包括无人机合升力系数、无人机合阻力系数、无人机合侧力系数、无人机合滚转力矩系数、无人机合俯仰力矩系数、无人机合偏航力矩系数、发动机推力、发动机耗油率、无人机攻角、无人机侧滑角、无人机滚转角速率、俯仰角速率、偏航角速率、无人机马赫数、无人机高度、当前高度的空气密度和飞机机体坐标系至地面坐标系的转换矩阵;
所述力和力矩模块的输出变量包括发动机三轴力、无人机三轴力矩、无人机质量变化率、无人机当前质量、无人机转动惯量变化率、无人机转动惯量。
可选地,在所述基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得所述已校准数学模型的步骤之后,所述方法还包括:
根据所述已校准数学模型,进行无人机控制律设计。
此外,为实现上述目的,本申请还提供一种无人机数学模型校对装置,包括:
全常值校准模块,将所述第一输入集合输入所述待校准数学模型和所述对照数学模型,得到所述待校准数学模型输出的所述第一校准输出集合以及所述对照数学模型输出的所述第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得所述第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;
单波形值校准模块,将所述第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的所述第二校准输出集合以及所述对照数学模型输出的所述第二对照输出集合,并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;
全波形值校准模块,将所述第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的所述第三校准输出集合以及所述对照数学模型输出的所述第三对照输出集合,并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得所述已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。
此外,为实现上述目的,本申请还提供一种生产设备,该生产设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现上述的方法。
此外,为实现上述目的,本申请还提供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有计算机程序,处理器执行所述计算机程序,实现上述的方法。
本申请所能实现的有益效果。
本申请实施例提出的一种无人机数学模型校对方法、装置、设备及存储介质,通过将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合,并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合,并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。即用三个步骤进行校准,通过设置三个校准步骤的输入集合分别为全常值、单波形值、全波形值,判断校准输出集合与对照输出集合的差值是否大于预设阈值,并对大于预设阈值的输出物理量的相关模型参数进行调整的方式,对待校准数学模型进行循序渐进的校准,减少了建模技术人员的找出建模错误的难度和工作量,解决了因数学模型体量大,正确性和准确性难以保证,从而导致无人机的设计精度低的问题,实现了建模精准度的提高,为后续无人机控制律设计环节打下基础。
附图说明
图1为本申请实施例涉及的硬件运行环境的生产设备结构示意图;
图2为本申请实施例提供的一种无人机数学模型校对方法的流程示意图;
图3为本申请实施例提供的一种无人机数学模型校对装置的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例的主要解决方案是:提出的一种无人机数学模型校对方法、装置、设备及存储介质,通过将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合,并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合,并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。
现有技术中,建立被控对象的数学模型是无人机飞行控制律设计以及仿真试验的基础。在建立被控对象模型与飞行控制律设计的过程中,需要进行模型的校对工作,以保证前期数学模型的正确性,方便进行后续控制律设计工作。对于建模精度要求较高的无人机,尤其是大包线多操纵面无人机,其状态量变化范围较大,控制舵面的耦合,气动特性和动力特性复杂,风洞数据以及发动机动力模型均采用多维表格的形式,表格维数和数量较多,数据量较大,使用数组存储以及手动编程的方法工作量大,常出现不易发现的数据错误,导致仿真模型失去原有的控制精度。目前大型数学模型校对领域并没有形成系统校对方法,大型数学模型正确性和准确性难以保证,从而导致无人机的设计精度低。
为此,本申请提供一种解决方案,用三个步骤进行校准,以通过设置三个校准步骤的输入集合分别为全常值、单波形值、全波形值,判断校准输出集合与对照输出集合的差值是否大于预设阈值,并对大于预设阈值的输出物理量的相关模型参数进行调整的方式,对待校准数学模型进行循序渐进的校准,减少了建模技术人员的找出建模错误的难度和工作量,解决了因数学模型体量大,正确性和准确性难以保证,从而导致无人机的设计精度低的问题,实现了建模精准度的提高,为后续无人机控制律设计环节打下基础。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的生产设备结构示意图。
如图1所示,该生产设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对生产设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的生产设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明生产设备中的处理器1001、存储器1005可以设置在生产设备中,所述生产设备通过处理器1001调用存储器1005中存储的无人机数学模型校对装置,并执行本申请实施例提供的无人机数学模型校对方法。
参照图2,基于前述实施例的硬件设备,本申请的实施例提供一种无人机数学模型校对方法,包括:
步骤S20,将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合;并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;
在具体实施过程中,待校准数学模型和对照数学模型是指对无人机进行飞行控制的数学模型。在本实施例中,为了以对照数学模型为参照实现校准,待校准数学模型和对照数学模型的结构一致,且输入变量和输出变量一致。在无人机领域,待校准数学模型可以包括气动模块、发动机模块、力和力矩模块、六自由度方程模块和传感器模块。模型主要基于风洞气动数据、发动机试验数据、重量重心转动惯量数据进行搭建,其中,风洞气动数据主要搭建在气动模块中,发动机试验数据主要搭建在发动机模块中,重量重心转动惯量数据主要搭建在力和力矩模块中。
具体的,可以利用本领域常用建模工具搭建待校准数学模型,例如,Simulink工具。
第一输入集合是指第一步校对中数学模型的输入信号的集合。数学模型数据量大,各个模块均包含大量的多维插值表格,本实施例提出了循序渐进的校对方法,第一步先校对插值表矩阵中的点,将第一输入集合内元素取值设置为常值。
具体的,根据数学模型校对的功能模块不同,输入集合的物理量也对应不同,在描述完三个步骤后详述。
第一校准输出集合是将第一输入集合输入待校准数学模型后输出的数据的集合,第一对照输出集合是将第一输入集合输入对照数学模型后输出的数据的集合,将第一校准输出集合与第一对照输出集合进行对比,两集合一致则两个数学模型相同。
作为一种可选的实施方式,基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型的步骤,包括:
判断所述第一校准输出集合和所述第一对照输出集合对应元素的差值是否大于预设阈值;
若是,则调整所述待校准数学模型,并将所述第一输入集合输入调整后的所述待校准数学模型,直至所述差值小于等于所述预设阈值,获得所述第一校准数学模型;
在具体实施过程中,需要对比第一校准输出集合和第一对照输出集合进行第一步的校准,对比方式可以为作差、作商等。
根据输出的物理量类型设置阈值,如果是气动系数等本身数值就很小的数据,阈值一般取小数点后4位,即0.0001,如果是位置速度等数值比较大的数据,阈值一般取小数点后2位,即0.01,如果是角度角速率等数据,一般会取小数点3位或者4位,即0.001或0.0001。
具体的,对第一校准输出集合和第一对照输出集合的对应物理量的数值作差,如果差值小于等于预设阈值,则可认为两个模型在与该物理量相关的模型内部模块的设置上是相等的,如果差值大于预设阈值,则可以通过该物理量定位到需要校对的模块部分,并调整其参数设置,再将第一输入集合输入刚刚调整的待校准数学模型和对照数学模型,对比该物理量的输出数据,重复上述操作,直至待校准数学模型和对照数学模型在相同物理量的输出值差值小于等于设定的阈值,获得第一校准数学模型。
步骤S40,将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合;并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;
在具体实施过程中,第二输入集合是指第二步校对中数学模型的输入信号的集合。在本实施例中,第二步校对插值表矩阵中一维部分,如矩阵的一列,进行进一步的校对,第二输入集合包含多个子集,每个子集中的一个元素为随时间连续变化的波形值,其余元素为常值。
第二校准输出集合是将第二输入集合输入第一校准数学模型后输出的数据的集合,第二对照输出集合是将第二输入集合输入对照数学模型后输出的数据的集合,将第二校准输出集合与第二对照输出集合进行对比,两集合一致则两个数学模型相同。将两集合进行对比,并对第一校准数学模型进行校准得到第二校准数学模型的步骤与上一步相同,在此不做赘述。
具体的,随时间连续变化的波形可以为正弦波、斜波、方波等,该波形的曲线幅值覆盖输入集合中各个物理量的有效范围,运行时间最少取1倍最长周期波形的周期。
作为一种可选的实施方式,所述第二输入集合包括n个第二输入子集,n大于等于2,其中,第一个第二输入子集中第一个元素为随时间连续变化的波形值,其余元素为常值,第二个第二输入子集中第二个元素为随时间连续变化的波形值,其余元素为常值,…,第n个第二输入子集中第n个元素为随时间连续变化的波形值,其余元素为常值;
所述第二校准输出集合包括n个校准输出子集;
所述第二对照输出集合包括n个对照输出子集;
将n个所述第二输入子集分别输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的n个所述校准输出子集以及所述对照数学模型输出的n个所述对照输出子集;
在具体实施过程中,第二输入子集是指第二步校对中数学模型的多组输入信号。在本实施例中,第二步校对插值表矩阵中一维部分,如矩阵的一列,进行进一步的校对,每个第二输入子集中的一个元素为随时间连续变化的波形值,其余元素为常值。校准输出子集是将第二输入子集输入第一校准数学模型后输出的数据,对照输出子集是将第二输入子集输入对照数学模型后输出的数据,将校准输出子集与对照输出子集进行对比,两子集一致则子集中随时间连续变化的波形值对应的元素物理量在两个数学模型中是相同的。将两子集进行对比,并对第一校准数学模型进行校准得到第二校准数学模型的步骤与上一步相同,在此不做赘述。
步骤S60,将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合;并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。
在具体实施过程中,第三输入集合是指第三步校对中数学模型的输入信号的集合。在本实施例中,第三步校对整个n维插值表矩阵,进行最精细的校对,将第三输入集合内元素取值设置为随时间连续变化的波形值。
第三校准输出集合是将第三输入集合输入第二校准数学模型后输出的数据的集合,第三对照输出集合是将第三输入集合输入对照数学模型后输出的数据的集合,将第三校准输出集合与第三对照输出集合进行对比,两集合一致则两个数学模型相同。将两集合进行对比,并对第二校准数学模型进行校准得到已校准数学模型的步骤与前两步相同,在此不做赘述。
步骤S70,根据所述已校准数学模型,进行无人机控制律设计
在具体实施过程中,控制律是指飞行控制系统形成控制指令的算法,描述了受控状态变量与系统输入信号之间的函数关系。对飞行控制系统,控制律与系统的工作模态有关,一种工作模态对应一个控制律。
通过上述描述不难发现,本实施例是通过用三个步骤进行校准,通过设置三个校准步骤的输入集合分别为全常值、单波形值、全波形值,判断校准输出集合与对照输出集合的差值是否大于预设阈值,并对大于预设阈值的输出物理量的相关模型参数进行调整的方式,对待校准数学模型进行循序渐进的校准,减少了建模技术人员的找出建模错误的难度和工作量,解决了因数学模型体量大,正确性和准确性难以保证,从而导致无人机的设计精度低的问题,实现了建模精准度的提高,为后续无人机控制律设计环节打下基础。
在一个可选的实施例中,在整个校正过程中,在数学模型包括多个模块的情况下,可以将数学模型作整体进行校准,也可以分模块进行校准。
第一种情况,将数学模型作为整体进行校对。其校正的过程如前述实施例,这里不再赘述。作为一种实施方式,本实施例中的数学模型的输入变量包括无人机马赫数ma、无人机高度、无人机攻角α、无人机侧滑角β、无人机副翼舵δa、无人机升降舵δe、无人机方向舵δr、无人机油门δp、无人机起落架收放状态δg、无人机质量mass,因此,相应的,输入集合包括这些变量的取值,具体可以表示为[ma α β δa δe δr δp δgmass]。
实施例中的数学模型的输出变量包括无人机在X轴位置X、无人机在Y轴位置Y、无人机在Z轴位置Z、无人机滚转角无人机俯仰角θ、无人机航向角ψ、无人机攻角α、无人机侧滑角β、无人机指示空速vias、无人机真空速vtas、无人机滚转角速率p、无人机俯仰角速率q、无人机偏航角速率r,因此,相应的,输出集合包括这些变量的取值,具体可以表示为
本示例将数学模型作为整体进行校对,通过对比校准输出集合和对照输出集合的差值与预设阈值大小关系,判断出数学模型中设置出错的某一个或某几个模块,再根据该出错模块的相关数据与对照数学模型的相关数据以及输入集合的数据对该模块相关参数进行调整,重复上述步骤直至校准输出集合和对照输出集合的差值小于等于设定的阈值,至此两个模型校对完毕。
第二种情况,将数学模型内部的各个功能模块分别进行校对,作为一种可选的实施方式,所述待校准数学模型包括n个待校准功能模块,所述对照数学模型均包括与所述n个待校准功能模块对应的n个对照功能模块,n大于等于2;
所述第一输入集合包括n个第一功能模块输入集合;
所述第一校准输出集合包括n个第一校准功能模块输出集合;
所述第一对照输出集合包括n个第一对照功能模块输出集合;
所述第二输入集合包括n个第二功能模块输入集合;
所述第二校准输出集合包括n个第二校准功能模块输出集合;
所述第二对照输出集合包括n个第二对照功能模块输出集合;
所述第三输入集合包括n个第三功能模块输入集合;
所述第三校准输出集合包括n个第三校准功能模块输出集合;
所述第三对照输出集合包括n个第三对照功能模块输出集合;
所述将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型的步骤,包括:
将n个所述第一功能模块输入集合分别输入对应的n个待校准功能模块和n个对照功能模块,得到n个所述第一校准功能模块输出集合以及n个所述第一对照功能模块输出集合;并基于n个所述第一校准功能模块输出集合以及n个所述第一对照功能模块输出集合,获得n个第一校准功能模块;
所述将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合;并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型的步骤包括:
将n个所述第二功能模块输入集合分别输入对应的n个所述第一校准功能模块和所述对照功能模块,得到n个所述第二校准功能模块输出集合以及n个所述第二对照功能模块输出集合;并基于n个所述第二校准功能模块输出集合以及n个所述第二对照功能模块输出集合,获得n个第二校准功能模块;
所述将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合;并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型的步骤,包括:
将n个所述第三功能模块输入集合分别输入对应的n个所述第二校准功能模块和所述对照功能模块,得到n个所述第三校准功能模块输出集合以及n个所述第三对照功能模块输出集合;并基于n个所述第三校准功能模块输出集合以及n个所述第三对照功能模块输出集合,获得n个所述已校准功能模块;
具体的,在一种实施方式中,n个待校准功能模块包括气动模块、发动机模块、力和力矩模块、六自由度方程模块和传感器模块。其中,由于六自由度方程模块为Simulink自带模块,不做校对处理,传感器模块为通用自建模块,待校准数学模型可直接利用对照数学模型的传感器模块,不做校对处理。气动模块输入变量包括无人机马赫数ma、无人机高度h、无人机攻角α、无人机侧滑角β、无人机副翼舵δa、无人机升降舵δe、无人机方向舵δr、无人机起落架收放状态δg,因此,相应的,气动模块输入集合包括这些变量的取值,具体可以表示为[ma h α β δa δe δr δg];发动机模块输入变量包括无人机马赫数ma、无人机高度h、无人机油门δp,因此,相应的,发动机模块输入集合包括这些变量的取值,具体可以表示为[ma hδp];力和力矩模块输入变量包括无人机合升力系数CL、无人机合阻力系数CD、无人机合侧力系数CC、无人机合滚转力矩系数Cl、无人机合俯仰力矩系数Cm、无人机合偏航力矩系数Cn、发动机推力T、发动机耗油率SFC、无人机攻角α、无人机侧滑角β、三维数组pqr,分别为无人机滚转角速率、俯仰角速率、偏航角速率、无人机马赫数ma、无人机高度h、当前高度的空气密度ρ、飞机机体坐标系至地面坐标系的转换矩阵DCM,因此,相应的,力和力矩模块输入集合包括这些变量的取值,具体可以表示为[CL CD CC Cl Cm Cn T SFC α β pqr ma h ρDCM]。
气动模块输出无人机合升力系数CL、无人机合阻力系数CD、无人机合侧力系数CC、无人机合滚转力矩系数Cl、无人机合俯仰力矩系数Cm、无人机合偏航力矩系数Cn,因此,相应的,气动模块输出集合包括这些变量的取值,具体可以表示为[CL CD CC Cl Cm Cn];发动机模块输出变量包括发动机推力T、发动机耗油率SFC,因此,相应的,发动机模块输出集合包括这些变量的取值,具体可以表示为[T SFC];力和力矩模块输出变量包括发动机三轴力Fxyz、无人机三轴力矩Mxyz、无人机质量变化率dm/dt、无人机当前质量m、无人机转动惯量变化率dI/dt、无人机转动惯量Ixyz,因此,相应的,力和力矩模块输出集合包括这些变量的取值,具体可以表示为[Fxyz Mxyz dm/dt m dI/dt Ixyz]。
本示例将数学模型内部的功能模块作为校准单位进行校对,通过对比校准输出集合和对照输出集合的差值与预设阈值大小关系,找到差值大于预设阈值对应的输出数据物理量,对待校准功能模块中涉及到该物理量的参数与对照功能模块的相关数据进行对比调整,重复上述步骤直至校准输出集合和对照输出集合的差值小于等于设定的阈值,至此该功能模块校对完毕,并依照上述步骤校对其他功能模块。
不难发现,上述本发明实施例揭示的方法对技术人员的建模校对经验依赖较少,通过设置三个校准步骤的输入集合分别为全常值、单波形值、全波形值,判断校准输出集合与对照输出集合的差值是否大于预设阈值,并对大于预设阈值的输出物理量的相关模型参数进行调整的方式,对待校准数学模型进行循序渐进的校准,这样,相比于以往使用数组存储或者手动编程的方法进行校准,可减少技术人员的工作量,提高模型校准的效率以及精准度。
参照图3,基于相同的发明思路,本申请的实施例还提供一种无人机数学模型校对装置,包括:
全常值校准模块,将所述第一输入集合输入所述待校准数学模型和所述对照数学模型,得到所述待校准数学模型输出的所述第一校准输出集合以及所述对照数学模型输出的所述第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得所述第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;
单波形值校准模块,将所述第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的所述第二校准输出集合以及所述对照数学模型输出的所述第二对照输出集合,并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;
全波形值校准模块,将所述第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的所述第三校准输出集合以及所述对照数学模型输出的所述第三对照输出集合,并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得所述已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。
需要说明的是,本实施例中无人机数学模型校对装置中各模块是与前述实施例中无人机数学模型校对方法中的各步骤一一对应,因此,本实施例的具体实施方式可参照前述无人机数学模型校对方法的实施方式,这里不再赘述。
此外,在一种实施例中,本申请的实施例还提供一种生产设备,所述设备包括处理器,存储器以及存储在所述存储器中的计算机程序,所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
此外,在一种实施例中,本申请的实施例还提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台多媒体终端设备(可以是手机,计算机,电视接收机,或者网络设备等)执行本申请各个实施例所述的方法
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种无人机数学模型校对方法,其特征在于,包括以下步骤:
将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合;并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;
将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合;并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;
将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合;并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。
2.如权利要求1所述的一种无人机数学模型校对方法,其特征在于,所述基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得所述第一校准数学模型的步骤包括:
判断所述第一校准输出集合和所述第一对照输出集合对应元素的差值是否大于预设阈值;
若是,则调整所述待校准数学模型,并将所述第一输入集合输入调整后的所述待校准数学模型,直至所述差值小于等于所述预设阈值,获得所述第一校准数学模型。
3.如权利要求1所述的一种无人机数学模型校对方法,其特征在于,所述第二输入集合包括n个第二输入子集,n大于等于2,其中,第一个第二输入子集中第一个元素为随时间连续变化的波形值,其余元素为常值,第二个第二输入子集中第二个元素为随时间连续变化的波形值,其余元素为常值,…,第n个第二输入子集中第n个元素为随时间连续变化的波形值,其余元素为常值;
所述第二校准输出集合包括n个校准输出子集;
所述第二对照输出集合包括n个对照输出子集;
所述将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合的步骤,包括:
将n个所述第二输入子集分别输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的n个所述校准输出子集以及所述对照数学模型输出的n个所述对照输出子集。
4.如权利要求1所述的一种无人机数学模型校对方法,其特征在于,所述待校准数学模型和所述对照数学模型均包括多个输入变量和多个输出变量:
所述多个输入变量包括无人机马赫数、无人机高度、无人机攻角、无人机侧滑角、无人机副翼舵、无人机升降舵、无人机方向舵、无人机油门、无人机起落架收放状态和无人机质量;
所述多个输出变量包括无人机在X轴位置、无人机在Y轴位置、无人机在Z轴位置、无人机滚转角、无人机俯仰角、无人机航向角、无人机攻角、无人机侧滑角、无人机指示空速、无人机真空速、无人机滚转角速率、无人机俯仰角速率和无人机偏航角速率。
5.如权利要求1所述的一种无人机数学模型校对方法,其特征在于,所述待校准数学模型包括n个待校准功能模块,所述对照数学模型均包括与所述n个待校准功能模块对应的n个对照功能模块,n大于等于2;
所述第一输入集合包括n个第一功能模块输入集合;
所述第一校准输出集合包括n个第一校准功能模块输出集合;
所述第一对照输出集合包括n个第一对照功能模块输出集合;
所述第二输入集合包括n个第二功能模块输入集合;
所述第二校准输出集合包括n个第二校准功能模块输出集合;
所述第二对照输出集合包括n个第二对照功能模块输出集合;
所述第三输入集合包括n个第三功能模块输入集合;
所述第三校准输出集合包括n个第三校准功能模块输出集合;
所述第三对照输出集合包括n个第三对照功能模块输出集合;
所述将第一输入集合输入待校准数学模型和对照数学模型,得到所述待校准数学模型输出的第一校准输出集合以及所述对照数学模型输出的第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得第一校准数学模型的步骤,包括:
将n个所述第一功能模块输入集合分别输入对应的n个待校准功能模块和n个对照功能模块,得到n个所述第一校准功能模块输出集合以及n个所述第一对照功能模块输出集合;并基于n个所述第一校准功能模块输出集合以及n个所述第一对照功能模块输出集合,获得n个第一校准功能模块;
所述将第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的第二校准输出集合以及所述对照数学模型输出的第二对照输出集合;并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型的步骤包括:
将n个所述第二功能模块输入集合分别输入对应的n个所述第一校准功能模块和所述对照功能模块,得到n个所述第二校准功能模块输出集合以及n个所述第二对照功能模块输出集合;并基于n个所述第二校准功能模块输出集合以及n个所述第二对照功能模块输出集合,获得n个第二校准功能模块;
所述将第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的第三校准输出集合以及所述对照数学模型输出的第三对照输出集合;并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得已校准数学模型的步骤,包括:
将n个所述第三功能模块输入集合分别输入对应的n个所述第二校准功能模块和所述对照功能模块,得到n个所述第三校准功能模块输出集合以及n个所述第三对照功能模块输出集合;并基于n个所述第三校准功能模块输出集合以及n个所述第三对照功能模块输出集合,获得n个所述已校准功能模块。
6.如权利要求5所述的一种无人机数学模型校对方法,其特征在于,所述待校准功能模块包括气动模块、发动机模块以及力和力矩模块;
所述气动模块的输入变量包括无人机马赫数、无人机高度、无人机攻角、无人机侧滑角、无人机副翼舵、无人机升降舵、无人机方向舵和无人机起落架收放状态;
所述气动模块的输出变量包括无人机合升力系数、无人机合阻力系数、无人机合侧力系数、无人机合滚转力矩系数、无人机合俯仰力矩系数和无人机合偏航力矩系数;
所述发动机模块的输入变量包括无人机马赫数、无人机高度和无人机油门;
所述发动机模块的输出变量包括发动机推力和发动机耗油率;
所述力和力矩模块的输入变量包括无人机合升力系数、无人机合阻力系数、无人机合侧力系数、无人机合滚转力矩系数、无人机合俯仰力矩系数、无人机合偏航力矩系数、发动机推力、发动机耗油率、无人机攻角、无人机侧滑角、无人机滚转角速率、俯仰角速率、偏航角速率、无人机马赫数、无人机高度、当前高度的空气密度和飞机机体坐标系至地面坐标系的转换矩阵;
所述力和力矩模块的输出变量包括发动机三轴力、无人机三轴力矩、无人机质量变化率、无人机当前质量、无人机转动惯量变化率、无人机转动惯量。
7.如权利要求1所述的一种无人机数学模型校对方法,其特征在于,在所述基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得所述已校准数学模型的步骤之后,所述方法还包括:
根据所述已校准数学模型,进行无人机控制律设计。
8.一种无人机数学模型校对装置,其特征在于,包括:
全常值校准模块,将所述第一输入集合输入所述待校准数学模型和所述对照数学模型,得到所述待校准数学模型输出的所述第一校准输出集合以及所述对照数学模型输出的所述第一对照输出集合,并基于所述第一校准输出集合和所述第一对照输出集合,对所述待校准数学模型进行校对,获得所述第一校准数学模型;其中,所述第一输入集合中的元素全部为常值;
单波形值校准模块,将所述第二输入集合输入所述第一校准数学模型和所述对照数学模型,得到所述第一校准数学模型输出的所述第二校准输出集合以及所述对照数学模型输出的所述第二对照输出集合,并基于所述第二校准输出集合和所述第二对照输出集合,对所述第一校准数学模型进行校对,获得第二校准数学模型;其中,所述第二输入集合包括一个元素为随时间连续变化的波形值,其余元素为常值;
全波形值校准模块,将所述第三输入集合输入所述第二校准数学模型和所述对照数学模型,得到所述第二校准数学模型输出的所述第三校准输出集合以及所述对照数学模型输出的所述第三对照输出集合,并基于所述第三校准输出集合和所述第三对照输出集合,对所述第二校准数学模型进行校对,获得所述已校准数学模型;其中,所述第三输入集合中的元素全部为随时间连续变化的波形值。
9.一种生产设备,其特征在于,该生产设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538114.8A CN114036649A (zh) | 2021-12-15 | 2021-12-15 | 一种无人机数学模型校对方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538114.8A CN114036649A (zh) | 2021-12-15 | 2021-12-15 | 一种无人机数学模型校对方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114036649A true CN114036649A (zh) | 2022-02-11 |
Family
ID=80146854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111538114.8A Pending CN114036649A (zh) | 2021-12-15 | 2021-12-15 | 一种无人机数学模型校对方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036649A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140321985A1 (en) * | 2013-04-29 | 2014-10-30 | Rolls-Royce Plc | Rotor tip clearance |
US20180002017A1 (en) * | 2016-03-28 | 2018-01-04 | Zipline International Inc. | Vision Based Calibration System For Unmanned Aerial Vehicles |
CN110262531A (zh) * | 2019-06-20 | 2019-09-20 | 南京航空航天大学 | 一种基于FlexRay总线的在线模型自适应校正方法 |
CN111339686A (zh) * | 2020-03-26 | 2020-06-26 | 西北工业大学 | 一种基于试验数据的涡轴发动机逆向建模方法 |
FR3096031A1 (fr) * | 2019-05-13 | 2020-11-20 | Safran Aircraft Engines | Recalage de modèle par segment ou plan dans une turbomachine |
CN112136135A (zh) * | 2018-04-06 | 2020-12-25 | 朗姆研究公司 | 使用关键尺寸扫描型电子显微镜的工艺仿真模型校正 |
CN113761671A (zh) * | 2021-11-11 | 2021-12-07 | 西安羚控电子科技有限公司 | 一种固定翼无人机动力学仿真模型校准方法及系统 |
-
2021
- 2021-12-15 CN CN202111538114.8A patent/CN114036649A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140321985A1 (en) * | 2013-04-29 | 2014-10-30 | Rolls-Royce Plc | Rotor tip clearance |
US20180002017A1 (en) * | 2016-03-28 | 2018-01-04 | Zipline International Inc. | Vision Based Calibration System For Unmanned Aerial Vehicles |
CN112136135A (zh) * | 2018-04-06 | 2020-12-25 | 朗姆研究公司 | 使用关键尺寸扫描型电子显微镜的工艺仿真模型校正 |
FR3096031A1 (fr) * | 2019-05-13 | 2020-11-20 | Safran Aircraft Engines | Recalage de modèle par segment ou plan dans une turbomachine |
CN110262531A (zh) * | 2019-06-20 | 2019-09-20 | 南京航空航天大学 | 一种基于FlexRay总线的在线模型自适应校正方法 |
CN111339686A (zh) * | 2020-03-26 | 2020-06-26 | 西北工业大学 | 一种基于试验数据的涡轴发动机逆向建模方法 |
CN113761671A (zh) * | 2021-11-11 | 2021-12-07 | 西安羚控电子科技有限公司 | 一种固定翼无人机动力学仿真模型校准方法及系统 |
Non-Patent Citations (3)
Title |
---|
史爱芬;吴祈宗;武智晖;郑恒;: "复杂系统仿真模型和软件的校核方法", 计算机仿真, vol. 23, no. 10, 28 October 2006 (2006-10-28), pages 57 - 60 * |
梁炳成: "防空导弹制导控制系统混合计算机实时仿真", 战术导弹技术, no. 01, 20 February 1991 (1991-02-20), pages 14 - 21 * |
王庆琥;金波;: "某改型无人机多回路全包线校正网络优化设计", 飞机设计, vol. 40, no. 05, 15 October 2020 (2020-10-15), pages 8 - 11 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garza et al. | A collection of nonlinear aircraft simulations in matlab | |
CN109270947A (zh) | 倾转旋翼无人机飞行控制系统 | |
Tewari et al. | Aeroservoelasticity | |
CN106707790A (zh) | 一种无人机非线性数学模型建立方法 | |
CN111695193B (zh) | 一种全局相关三维气动力数学模型的建模方法及系统 | |
Wei et al. | Frequency-domain system identification and simulation of a quadrotor controller | |
CN113392599B (zh) | 一种弹性飞行器动响应的确定方法 | |
CN113537319B (zh) | 一种针对类型化模型的风洞天平终身学习校准方法及系统 | |
CN113987794A (zh) | 一种飞机的非线性刚性气动数据修正方法、装置、设备及存储介质 | |
Mou et al. | More detailed disturbance measurement and active disturbance rejection altitude control for a flapping wing robot under internal and external disturbances | |
CN114036649A (zh) | 一种无人机数学模型校对方法、装置、设备及存储介质 | |
Zhao et al. | Robust $ H_ {\infty} $/S-plane Controller of Longitudinal Control for UAVs | |
Sato | Robust gain-scheduled flight controller using inexact scheduling parameters | |
CN117763713A (zh) | 一种飞行器飞行动力学的模拟仿真方法及应用 | |
Gardecki et al. | An adequate mathematical model of four-rotor flying robot in the context of control simulations | |
CN114491808A (zh) | 飞机气动焦点调整方法、装置、设备、存储介质及产品 | |
Tanner | Modeling, identification, and control of autonomous helicopters | |
Imam et al. | Quadrotor comprehensive identification from frequency responses | |
Hogge | B-737 linear autoland simulink model | |
Sobron | Design and Testing of a Flight Control System for Unstable Subscale Aircraft | |
Lu et al. | Switching robust control for a nanosatellite launch vehicle | |
Roos | Generation of flexible aircraft LFT models for robustness analysis | |
CN112180728B (zh) | 一种舰载机着舰纵向运动线性模型的构建方法 | |
CN112182889B (zh) | 一种考虑风干扰的舰载机着舰纵向运动线性模型的构建方法 | |
Schulze et al. | High fidelity aeroservoelastic model reduction methods |
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 |