CN114114897A - 无人机抗风控制方法、装置、电子设备、存储介质 - Google Patents
无人机抗风控制方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114114897A CN114114897A CN202111426609.1A CN202111426609A CN114114897A CN 114114897 A CN114114897 A CN 114114897A CN 202111426609 A CN202111426609 A CN 202111426609A CN 114114897 A CN114114897 A CN 114114897A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- gust
- aerial vehicle
- attitude angle
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004088 simulation Methods 0.000 claims abstract description 59
- 238000004590 computer program Methods 0.000 claims abstract description 30
- 238000013178 mathematical model Methods 0.000 claims description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100001160 nonlethal Toxicity 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请涉及一种无人机抗风控制方法、装置、电子设备、存储介质和计算机程序产品。所述方法包括:采集无人机的当前姿态角;将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;基于所述当前阵风强度,确定姿态角波动范围;根据所述姿态角波动范围调整所述无人机的姿态角。采用本方法能够避免出现强阵风吹袭后无人机难以维持飞行或出现坠机的情况,可以减小强阵风对无人机的干扰。
Description
技术领域
本申请涉及无人机技术领域,特别是涉及一种无人机抗风控制方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
无人机是无人航空器的简称,是一种不载操作人员、用空气动力产生运载工具升力、能够自主或遥控飞行、能够一次使用或回收并且载有杀伤或非杀伤有效载荷的有动力的航空器。
随着无人机技术的大力发展,无人机通常用来执行各种各样的任务,如航拍、工业检测、农业、快递运输等任务。然而当无人机在海拔3500米以上的地区执行任务时,由于其中的微气象地区很容易产生大风,在传统的对无人机的控制方法中,无人机很容易遭遇强阵风干扰,无法顺利工作及返航,且情况严重时可能会损坏丢失。
因此,传统技术中,存在着无人机容易受到风力干扰的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够减小无人机受到的风力干扰的无人机抗风控制方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种无人机抗风控制方法。所述方法包括:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
在其中一个实施例中,所述方法还包括:
获取所述无人机的参数数据,并基于所述参数数据构建所述无人机的非线性数学模型;
获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台。
在其中一个实施例中,所述获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台的步骤之后,所述方法还包括:
根据所述历史风场数据,确定风力范围;
基于所述风力范围,利用所述无人机仿真平台仿真连续阵风环境;所述连续阵风环境中任一阵风的强度与方向均随机;
确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线。
在其中一个实施例中,所述确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线,包括:
确定所述无人机的非线性数学模型在不同阵风强度下的姿态角;
生成所述姿态角与所述阵风强度的函数关系式;
根据所述函数关系式确定所述阵风配平姿态曲线。
在其中一个实施例中,所述基于所述当前阵风强度,确定姿态角波动范围,包括:
基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围。
在其中一个实施例中,所述基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围,包括:
将所述当前阵风强度发送至串级控制模块;所述串级控制模块包括外环PID控制器和内环PID控制器;所述外环PID控制器用于基于目标阵风强度与所述当前阵风强度的差值,输出目标姿态角;所述内环PID控制器用于基于所述目标姿态角与所述当前姿态角的差值,输出所述姿态角波动范围;所述姿态角波动范围用于供控制阀将所述无人机的当前姿态角调整为所述目标姿态角。
第二方面,本申请还提供了一种无人机抗风控制装置。所述装置包括:
姿态角采集模块,用于采集无人机的当前姿态角;
阵风强度确定模块,用于将所述当前姿态角至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
姿态角波动范围确定模块,用于基于所述当前阵风强度,确定姿态角波动范围;
调整模块,用于根据所述姿态角波动范围调整所述无人机的姿态角。
第三方面,本申请还提供了一种电子设备。所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
上述无人机抗风控制方法、装置、电子设备、存储介质和计算机程序产品,通过采集无人机的当前姿态角;然后,将当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,阵风配平姿态曲线为针对无人机通过无人机仿真平台内模拟并计算得到的;无人机仿真平台为基于历史风场数据搭建得到的;然后,基于当前阵风强度,确定姿态角波动范围;最后,根据姿态角波动范围调整无人机的姿态角;如此,当无人机在微气象地区执行任务时若遭遇强阵风干扰,可以将无人机的当前姿态角输入至阵风配平姿态曲线确定当前的阵风强度,并根据当前的阵风强度确定无人机的姿态角波动范围;从而可以基于无人机的姿态角波动范围对无人机进行姿态调整,使得无人机可以稳定飞行,避免出现强阵风吹袭后无人机难以维持飞行或出现坠机的情况;进而可以减小强阵风对无人机的干扰。
附图说明
图1为一个实施例中一种无人机抗风控制方法的流程示意图;
图2为一个实施例中一种无人机抗风控制装置的结构框图;
图3为一个实施例中电子设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处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。
在一个实施例中,如图1所示,提供了一种无人机抗风控制方法,本实施例以该方法应用于无人机的微处理器控制芯片进行举例说明。本实施例中,该方法包括以下步骤:
步骤S110,采集无人机的当前姿态角。
具体实现中,实际飞行任务中,控制器将不断采集无人机导航系统所获取到的姿态角测量值,从而可以得到无人机的当前姿态角。并且为了能够在海拔3500米以上的微气象地区较好的工作,无人机一般会选用多旋翼无人机,通过各旋翼的姿态角变动来保证无人机的飞行平稳和抗风。
步骤S120,将当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度。
其中,阵风配平姿态曲线为针对无人机通过无人机仿真平台内模拟并计算得到的。
其中,无人机仿真平台为基于历史风场数据搭建得到的。
具体实现中,当无人机遭遇到阵风后,无人机的姿态必然会发生变化,进而导致姿态角发生变化,因此,通过需要将当前姿态角输入至预设的阵风配平姿态曲线中,而预设的阵风配平姿态曲线反应了无人机的姿态角与遭遇的阵风强度的对应关系,可以确定无人机是否遭遇到阵风,且能够根据具体的当前姿态角测量值来确定当前的阵风强度。其中,阵风配平姿态曲线为针对无人机通过无人机仿真平台内模拟并计算得到的;无人机仿真平台为基于微气象地区的历史风场数据搭建得到的。
步骤S130,基于当前阵风强度,确定姿态角波动范围。
其中,基于双闭环PID控制算法对当前阵风强度进行运算,得到所述姿态角波动范围。
步骤S140,根据姿态角波动范围调整无人机的姿态角。
其中,将当前阵风强度发送至串级控制模块;串级控制模块包括外环PID控制器和内环PID控制器;外环PID控制器用于基于目标阵风强度与当前阵风强度的差值,输出目标姿态角;内环PID控制器用于基于目标姿态角与当前姿态角的差值,输出姿态角波动范围;姿态角波动范围用于供控制阀将无人机的当前姿态角调整为目标姿态角。
具体实现中,为了改善对无人机的控制质量,将采用双闭环PID(ProportionIntegral Differential,比例积分微分)控制算法,通过串级控制模块来进行控制。即采用两个控制器串联工作——外环PID控制器和内环PID控制器。控制器将当前阵风强度信息发送至串级控制模块,串级控制模块将预设存储的目标阵风强度与当前阵风强度的差值输入至外环PID控制器,外环PID控制器对上述差值进行运算,可以得到目标姿态角;然后将目标姿态角与当前姿态角的差值作为内环PID控制器的输入,内环PID控制器经过运算可以得到无人机达到目标姿态角所需的姿态角波动范围;然后,基于内环PID控制器输出的姿态角波动范围去操纵控制阀,从而使控制阀可以对无人机的姿态角进行调整,将无人机的当前姿态角调整至目标姿态角。
上述人机抗风控制方法中,通过采集无人机的当前姿态角;然后,将当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,阵风配平姿态曲线为针对无人机通过无人机仿真平台内模拟并计算得到的;无人机仿真平台为基于历史风场数据搭建得到的;然后,基于当前阵风强度,确定姿态角波动范围;最后,根据姿态角波动范围调整无人机的姿态角;如此,当无人机在微气象地区执行任务时若遭遇强阵风干扰,可以将无人机的当前姿态角输入至阵风配平姿态曲线确定当前的阵风强度,并根据当前的阵风强度确定无人机的姿态角波动范围;从而可以基于无人机的姿态角波动范围对无人机进行姿态调整,使得无人机可以稳定飞行,避免出现强阵风吹袭后无人机难以维持飞行或出现坠机的情况;进而可以减小强阵风对无人机的干扰。
在一个实施例中,方法还包括:获取无人机的参数数据,并基于参数数据构建无人机的非线性数学模型;获取历史风场数据,并基于历史风场数据与非线性数学模型,搭建无人机仿真平台。
其中,历史风场数据可以是高海拔微气象地区的历史风场数据。
其中,无人机的参数数据可以但不限于是无人机的重量、外形、速率、功率、角度、加速度、体积、高度等参数。
具体实现中,通过获取无人机的参数数据,能够确定无人机的重量、外形、速率、功率、角度、加速度、体积、高度等相关参数数据,从而能够基于这些参数数据构建出无人机非线性数学模型,即以模型数据的方式来表征出实际的无人机状况。并且,每一台无人机一般有其执行任务的固定活动范围,针对该固定活动范围内的高海拔微气象地区,能够在通过数据库等方式调取获得其中的历史风场数据。如此,通过将无人机非线性数学模型与历史风场数据结合,可以搭建得到无人机仿真平台,即可以通过历史风场数据来确认该微气象地区的风力范围,并模拟出不同的风力以对无人机非线性数学模型进行实际环境的模拟、计算和样本数据训练。
本实施例的技术方案,通过获取无人机的参数数据,并基于参数数据构建无人机的非线性数学模型;获取历史风场数据,并基于历史风场数据与非线性数学模型,搭建无人机仿真平台;如此,可以基于无人机仿真平台对无人机在阵风环境中的飞行姿态进行模拟,从而可以确定无人机的姿态角与阵风强度的对应关系,进而可以在实际任务当中,基于无人机的当前姿态角确定当前阵风强度。
在一个实施例中,获取历史风场数据,并基于历史风场数据与非线性数学模型,搭建无人机仿真平台的步骤之后,方法还包括:根据历史风场数据,确定风力范围;基于风力范围,利用无人机仿真平台仿真连续阵风环境;确定无人机的非线性数学模型在连续阵风环境中的阵风配平姿态曲线,得到预设的阵风配平姿态曲线。
其中,连续阵风环境中任一阵风的强度与方向均随机。
其中,确定无人机的非线性数学模型在连续阵风环境中的阵风配平姿态曲线,得到预设的阵风配平姿态曲线,包括:确定无人机的非线性数学模型在不同阵风强度下的姿态角;生成姿态角与阵风强度的函数关系式;根据函数关系式确定阵风配平姿态曲线。
具体实现中,可以通过历史风场数据来确定该微气象地区的风力范围,并基于上述风力范围,利用无人机仿真平台仿真连续阵风环境。在实际环境中,阵风是连续且变化的,故为了保证最终得到的阵风配平姿态曲线的准确性,需要在无人机仿真平台内模拟出连续阵风环境,即连续生成阵风,且每一次生成的阵风的强度与方位都是随机的,并测试无人机的非线性数学模型在不同阵风强度下的姿态角,从而将多种阵风强度与无人机的非线性数学模型的多个姿态角一一对应起来,得到无人机的非线性数学模型的姿态角与阵风强度的对应关系,并生成上述姿态角与上述阵风强度的函数关系式,从而可以根据上述函数关系式得到无人机非线性数学模型在连续阵风环境中的阵风配平姿态曲线,并作为预设的阵风配平姿态曲线,存储至无人机的微处理器控制芯片中。
本实施例的技术方案,通过根据历史风场数据,确定风力范围;基于风力范围,利用无人机仿真平台仿真连续阵风环境;确定无人机的非线性数学模型在连续阵风环境中的阵风配平姿态曲线,得到预设的阵风配平姿态曲线;如此,在实际飞行任务的飞行过程中,无人机在遭遇到阵风后,便能够基于阵风配平姿态曲线来对遭遇阵风的强度进行识别判断,并基于阵风强度确定无人机的姿态角波动范围,从而可以基于姿态角波动范围来调整无人机的姿态角,减小无人机受到风力的干扰,保证无人机的平稳飞行和抗风能力。
在另一个实施例中,提供了一种无人机抗风控制方法,以该方法应用于无人机的微处理器控制芯片为例进行说明,包括以下步骤:获取无人机的参数数据,并基于所述参数数据构建所述无人机的非线性数学模型。获取历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台。根据所述历史风场数据,确定风力范围。基于所述风力范围,利用所述无人机仿真平台仿真连续阵风环境;所述连续阵风环境中任一阵风的强度与方向均随机。确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到预设的阵风配平姿态曲线。采集无人机的当前姿态角。将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度。基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围。根据所述姿态角波动范围调整所述无人机的姿态角。
需要说明的是,上述步骤的具体限定可以参见上文对一种无人机抗风控制方法的具体限定。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的无人机抗风控制方法的无人机抗风控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个无人机抗风控制装置实施例中的具体限定可以参见上文中对于无人机抗风控制方法的限定,在此不再赘述。
在一个实施例中,如图2所示,提供了一种无人机抗风控制装置,包括:姿态角采集模块210、阵风强度确定模块220、姿态角波动范围确定模块230和调整模块240,其中:
姿态角采集模块210,用于采集无人机的当前姿态角。
阵风强度确定模块220,用于将所述当前姿态角至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的。
姿态角波动范围确定模块230,用于基于所述当前阵风强度,确定姿态角波动范围。
调整模块240,用于根据所述姿态角波动范围调整所述无人机的姿态角。
在一个实施例中,所述一种无人机抗风控制装置,还包括:模型构建模块,用于获取所述无人机的参数数据,并基于所述参数数据构建所述无人机的非线性数学模型;风场数据获取模块,用于获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台。
在一个实施例中,所述一种无人机抗风控制装置,还包括:风力范围确定模块,用于根据所述历史风场数据,确定风力范围;环境仿真模块,用于基于所述风力范围,利用所述无人机仿真平台仿真连续阵风环境;所述连续阵风环境中任一阵风的强度与方向均随机;姿态曲线确定模块,用于确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线。
在一个实施例中,所述姿态曲线确定模块,具体用于确定所述无人机的非线性数学模型在不同阵风强度下的姿态角;生成所述姿态角与所述阵风强度的函数关系式;根据所述函数关系式确定所述阵风配平姿态曲线。
在一个实施例中,所述姿态角波动范围确定模块230,具体用于基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围。
在一个实施例中,所述姿态角波动范围确定模块230,具体用于将所述当前阵风强度发送至串级控制模块;所述串级控制模块包括外环PID控制器和内环PID控制器;所述外环PID控制器用于基于目标阵风强度与所述当前阵风强度的差值,输出目标姿态角;所述内环PID控制器用于基于所述目标姿态角与所述当前姿态角的差值,输出所述姿态角波动范围;所述姿态角波动范围用于供控制阀将所述无人机的当前姿态角调整为所述目标姿态角。
上述无人机抗风控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中,也可以以软件形式存储于电子设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种电子设备,其内部结构图可以如图3所示。其示出了本申请实施例所涉及的一种电子设备的结构示意图,该电子设备可以用于实施图1所示实施例中的方法。如图3所示,电子设备300可以包括:至少一个中央处理器301,至少一个网络接口304,用户接口303,存储器305,至少一个通信总线302。
其中,通信总线302用于实现这些组件之间的连接通信。
其中,用户接口303可以包括显示屏(Display)、摄像头(Camera),可选用户接口303还可以包括标准的有线接口、无线接口。
其中,网络接口304可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,中央处理器301可以包括一个或者多个处理核心。中央处理器301利用各种接口和线路连接整个电子设备300内的各个部分,通过运行或执行存储在存储器305内的指令、程序、代码集或指令集,以及调用存储在存储器305内的数据,执行终端300的各种功能和处理数据。可选的,中央处理器301可以采用数字信号处理(Digital SignalProcessing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。中央处理器301可集成中央中央处理器(Central Processing Unit,CPU)、图像中央处理器(GraphicsProcessing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到中央处理器301中,单独通过一块芯片进行实现。
其中,存储器305可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器305包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器305可选的还可以是至少一个位于远离前述中央处理器301的存储装置。如图3所示,作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。
在图3所示的电子设备300中,用户接口303主要用于为用户提供输入的接口,获取用户输入的数据;而中央处理器301可以用于调用存储器305中存储的微气象地区的无人机抗风控制应用程序,并具体执行以下操作:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
在一个实施例中,中央处理器301执行应用程序时还实现以下步骤:
获取所述无人机的参数数据,并基于所述参数数据构建所述无人机的非线性数学模型;
获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台。
在一个实施例中,中央处理器301执行应用程序时还实现以下步骤:
根据所述历史风场数据,确定风力范围;
基于所述风力范围,利用所述无人机仿真平台仿真连续阵风环境;所述连续阵风环境中任一阵风的强度与方向均随机;
确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线。
在一个实施例中,中央处理器301执行应用程序时还实现以下步骤:
确定所述无人机的非线性数学模型在不同阵风强度下的姿态角;
生成所述姿态角与所述阵风强度的函数关系式;
根据所述函数关系式确定所述阵风配平姿态曲线。
在一个实施例中,中央处理器301执行应用程序时还实现以下步骤:
基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围。
在一个实施例中,中央处理器301执行应用程序时还实现以下步骤:
将所述当前阵风强度发送至串级控制模块;所述串级控制模块包括外环PID控制器和内环PID控制器;所述外环PID控制器用于基于目标阵风强度与所述当前阵风强度的差值,输出目标姿态角;所述内环PID控制器用于基于所述目标姿态角与所述当前姿态角的差值,输出所述姿态角波动范围;所述姿态角波动范围用于供控制阀将所述无人机的当前姿态角调整为所述目标姿态角。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取所述无人机的参数数据,并基于所述参数数据构建所述无人机的非线性数学模型;
获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据所述历史风场数据,确定风力范围;
基于所述风力范围,利用所述无人机仿真平台仿真连续阵风环境;所述连续阵风环境中任一阵风的强度与方向均随机;
确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定所述无人机的非线性数学模型在不同阵风强度下的姿态角;
生成所述姿态角与所述阵风强度的函数关系式;
根据所述函数关系式确定所述阵风配平姿态曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将所述当前阵风强度发送至串级控制模块;所述串级控制模块包括外环PID控制器和内环PID控制器;所述外环PID控制器用于基于目标阵风强度与所述当前阵风强度的差值,输出目标姿态角;所述内环PID控制器用于基于所述目标姿态角与所述当前姿态角的差值,输出所述姿态角波动范围;所述姿态角波动范围用于供控制阀将所述无人机的当前姿态角调整为所述目标姿态角。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取所述无人机的参数数据,并基于所述参数数据构建所述无人机的非线性数学模型;
获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据所述历史风场数据,确定风力范围;
基于所述风力范围,利用所述无人机仿真平台仿真连续阵风环境;所述连续阵风环境中任一阵风的强度与方向均随机;
确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定所述无人机的非线性数学模型在不同阵风强度下的姿态角;
生成所述姿态角与所述阵风强度的函数关系式;
根据所述函数关系式确定所述阵风配平姿态曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将所述当前阵风强度发送至串级控制模块;所述串级控制模块包括外环PID控制器和内环PID控制器;所述外环PID控制器用于基于目标阵风强度与所述当前阵风强度的差值,输出目标姿态角;所述内环PID控制器用于基于所述目标姿态角与所述当前姿态角的差值,输出所述姿态角波动范围;所述姿态角波动范围用于供控制阀将所述无人机的当前姿态角调整为所述目标姿态角。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种无人机抗风控制方法,其特征在于,所述方法包括:
采集无人机的当前姿态角;
将所述当前姿态角输入至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
基于所述当前阵风强度,确定姿态角波动范围;
根据所述姿态角波动范围调整所述无人机的姿态角。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述无人机的参数数据,并基于所述参数数据构建所述无人机的非线性数学模型;
获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台。
3.根据权利要求2所述的方法,其特征在于,所述获取所述历史风场数据,并基于所述历史风场数据与所述非线性数学模型,搭建所述无人机仿真平台的步骤之后,所述方法还包括:
根据所述历史风场数据,确定风力范围;
基于所述风力范围,利用所述无人机仿真平台仿真连续阵风环境;所述连续阵风环境中任一阵风的强度与方向均随机;
确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线。
4.根据权利要求3所述的方法,其特征在于,所述确定所述无人机的非线性数学模型在所述连续阵风环境中的阵风配平姿态曲线,得到所述预设的阵风配平姿态曲线,包括:
确定所述无人机的非线性数学模型在不同阵风强度下的姿态角;
生成所述姿态角与所述阵风强度的函数关系式;
根据所述函数关系式确定所述阵风配平姿态曲线。
5.根据权利要求1所述的方法,其特征在于,所述基于所述当前阵风强度,确定姿态角波动范围,包括:
基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围。
6.根据权利要求5所述的方法,其特征在于,所述基于双闭环PID控制算法对所述当前阵风强度进行运算,得到所述姿态角波动范围,包括:
将所述当前阵风强度发送至串级控制模块;所述串级控制模块包括外环PID控制器和内环PID控制器;所述外环PID控制器用于基于目标阵风强度与所述当前阵风强度的差值,输出目标姿态角;所述内环PID控制器用于基于所述目标姿态角与所述当前姿态角的差值,输出所述姿态角波动范围;所述姿态角波动范围用于供控制阀将所述无人机的当前姿态角调整为所述目标姿态角。
7.一种无人机抗风控制装置,其特征在于,所述装置包括:
姿态角采集模块,用于采集无人机的当前姿态角;
阵风强度确定模块,用于将所述当前姿态角至预设的阵风配平姿态曲线,确定得到当前阵风强度;其中,所述阵风配平姿态曲线为针对所述无人机通过无人机仿真平台内模拟并计算得到的;所述无人机仿真平台为基于历史风场数据搭建得到的;
姿态角波动范围确定模块,用于基于所述当前阵风强度,确定姿态角波动范围;
调整模块,用于根据所述姿态角波动范围调整所述无人机的姿态角。
8.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111426609.1A CN114114897A (zh) | 2021-11-27 | 2021-11-27 | 无人机抗风控制方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111426609.1A CN114114897A (zh) | 2021-11-27 | 2021-11-27 | 无人机抗风控制方法、装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114114897A true CN114114897A (zh) | 2022-03-01 |
Family
ID=80370476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111426609.1A Pending CN114114897A (zh) | 2021-11-27 | 2021-11-27 | 无人机抗风控制方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114897A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105182989A (zh) * | 2015-09-25 | 2015-12-23 | 北京航空航天大学 | 一种风场影响下的飞机姿态控制方法 |
CN105278536A (zh) * | 2015-11-05 | 2016-01-27 | 北京航天科颐技术有限公司 | 一种无人机姿态保持系统 |
CN106249745A (zh) * | 2016-07-07 | 2016-12-21 | 苏州大学 | 四轴无人机的控制方法 |
US20190051195A1 (en) * | 2018-06-27 | 2019-02-14 | Rafael De La Guardia Gonzalez | Drone obstacle avoidance using real-time wind estimation |
CN111552305A (zh) * | 2020-04-01 | 2020-08-18 | 中南大学 | 一种无人机姿态控制方法、装置及设备 |
US20210247419A1 (en) * | 2019-08-24 | 2021-08-12 | Dalian University Of Technology | Ship Real Wind Measuring Device Calibration Method |
CN113504786A (zh) * | 2021-07-08 | 2021-10-15 | 中国南方电网有限责任公司超高压输电公司大理局 | 一种基于风向的无人机飞行调整方法及装置 |
-
2021
- 2021-11-27 CN CN202111426609.1A patent/CN114114897A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105182989A (zh) * | 2015-09-25 | 2015-12-23 | 北京航空航天大学 | 一种风场影响下的飞机姿态控制方法 |
CN105278536A (zh) * | 2015-11-05 | 2016-01-27 | 北京航天科颐技术有限公司 | 一种无人机姿态保持系统 |
CN106249745A (zh) * | 2016-07-07 | 2016-12-21 | 苏州大学 | 四轴无人机的控制方法 |
US20190051195A1 (en) * | 2018-06-27 | 2019-02-14 | Rafael De La Guardia Gonzalez | Drone obstacle avoidance using real-time wind estimation |
US20210247419A1 (en) * | 2019-08-24 | 2021-08-12 | Dalian University Of Technology | Ship Real Wind Measuring Device Calibration Method |
CN111552305A (zh) * | 2020-04-01 | 2020-08-18 | 中南大学 | 一种无人机姿态控制方法、装置及设备 |
CN113504786A (zh) * | 2021-07-08 | 2021-10-15 | 中国南方电网有限责任公司超高压输电公司大理局 | 一种基于风向的无人机飞行调整方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muliadi et al. | Neural network control system of UAV altitude dynamics and its comparison with the PID control system | |
US11150655B2 (en) | Method and system for training unmanned aerial vehicle control model based on artificial intelligence | |
CN107145161B (zh) | 无人机访问多目标点的航迹规划方法及装置 | |
CN107103164B (zh) | 无人机执行多任务的分配方法及装置 | |
WO2017091629A1 (en) | Reinforcement learning using confidence scores | |
CN107238388A (zh) | 多无人机任务分配与航迹规划联合优化方法及装置 | |
CN104182575B (zh) | 一种机载红外稳瞄系统全链路全过程仿真系统及方法 | |
KR102096262B1 (ko) | 무인 항공기의 비행 시뮬레이션 장치 및 이를 이용한 무인 항공기 비행 시뮬레이션 시스템 | |
CN110134165B (zh) | 一种用于环境监测与控制的强化学习方法及系统 | |
Pérez-Alcocer et al. | A robust approach for trajectory tracking control of a quadrotor with experimental validation | |
KR102655865B1 (ko) | 건설 현장의 3차원 모델링 공간에서 위험도를 나타내는 방법 및 컴퓨터 프로그램 제품 | |
CN109947126A (zh) | 四旋翼无人机的控制方法、装置、设备及可读介质 | |
CN107807521A (zh) | 面向固定时间的编队飞行器协同控制方法及系统 | |
Bingöl et al. | Neuro sliding mode control of quadrotor UAVs carrying suspended payload | |
CN108427430A (zh) | 基于网络控制的四旋翼飞行器控制方法 | |
CN111767612A (zh) | 模型构建方法、船舶控制方法、装置及电子设备 | |
US10909875B2 (en) | Method and system for determining a recirculation effect from an obstacle on a main rotor induced velocity of a simulated rotorcraft | |
CN114114897A (zh) | 无人机抗风控制方法、装置、电子设备、存储介质 | |
CN116414153A (zh) | 基于人工智能的无人机起降校正方法 | |
CN115963858A (zh) | 无人机飞行控制方法、装置、设备及存储介质 | |
CN115291630A (zh) | 电力巡检控制方法、装置、处理单元和无人机系统 | |
US11562174B2 (en) | Multi-fidelity simulated data for machine learning | |
TWI824198B (zh) | 預測無人機的耗電量的方法及使用所述方法的無人機 | |
WO2021035691A1 (zh) | 无人机的仿真方法、仿真装置和计算机可读存储介质 | |
Barker et al. | A low-cost Hardware-in-the-Loop agent-based simulation testbed for autonomous vehicles |
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 |