CN115266016A - 基于模型参考和时间快进的环境风场快速估计方法及装置 - Google Patents

Abstract

本发明公开了基于模型参考和时间快进的环境风场快速估计方法及装置，该方法包括：建立多旋翼无人机的非线性飞行动力学模型；根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；针对参考模型，设计控制律，形成参考模型控制系统，以使得参考模型实时跟随姿态期望和垂向速度期望数据；将姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

Description

基于模型参考和时间快进的环境风场快速估计方法及装置

技术领域

本发明属于飞行力学仿真与智能计算领域，尤其涉及基于模型参考和时间快进的环境风场快速估计方法及装置。

背景技术

飞行环境风场对无人机的气动升力、阻力和飞行稳定性产生较大影响。固定翼无人机一般会在机头安装空速仪以实时监控相对气流速度，从而及时调整飞行策略，避开危险区域。而对于多旋翼无人机来说，由于机身四周存在旋翼尾流，会对空速仪的测量结果造成干扰，故现有的多旋翼无人机很少在机体安装空速仪，而目前常用的基于一阶或二阶卡尔曼滤波的风速估计算法均需要空速仪提供动压信息，否则无法估计当前风速。因此，目前大部分多旋翼无人机在高空飞行时，无法获取周围环境风场信息，只能依靠自身的抗扰控制律进行飞行轨迹修正，在大风条件下，易引发飞行事故，造成坠机。如果可以快速测量空中的风场，当风力接近无人机抗风临界值时及时避开危险区域，则可以极大提高飞行安全性，保障地面设施与人员安全。

发明内容

本申请实施例的目的在于针对现有技术的不足，提供基于模型参考和时间快进的环境风场快速估计方法及装置。

根据本申请实施例的第一方面，提供一种基于模型参考和时间快进的环境风场快速估计方法，包括：

建立多旋翼无人机的非线性飞行动力学模型，根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；

针对所述参考模型，设计控制律，形成参考模型控制系统，以使得所述参考模型实时跟随姿态期望和垂向速度期望数据；

获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

将所述姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；

将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

进一步地，所述多旋翼无人机为三个或以上数量旋翼的无人机。

进一步地，所述非线性飞行动力学模型包含如下控制量：拉力油门指令、滚转油门指令、俯仰油门指令、偏航油门指令；包含如下状态量：体轴系速度、角速度、姿态角。

进一步地，所述角速度限制在10°/s以内，所述加速度限制在9.8m/s²以内。

进一步地，将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值，包括：

通过无人机体轴系与坐标轴朝向为北东地的地轴系的坐标转换矩阵，将所述参考模型控制系统输出的速度转换为无人机在所述地轴系下的相对环境风速度与方向；

将所述地轴系下的相对环境风速度与方向减去无人机在地轴系下的飞行速度，即可得到环境风相对于地面的速度与方向。

根据本申请实施例的第二方面，提供一种基于模型参考和时间快进的环境风场快速估计装置，包括：

建模模块，用于建立多旋翼无人机的非线性飞行动力学模型，用于根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；

设计模块，用于针对所述参考模型，设计控制律，形成参考模型控制系统，以使得所述参考模型实时跟随姿态期望和垂向速度期望数据；

获取模块，用于获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

输入计算模块，用于将姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；

坐标转换模块，用于将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

根据本申请实施例的第三方面，提供一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。

根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如第一方面所述方法的步骤。

根据本申请实施例的第五方面，提供一种多旋翼无人机，包括飞控系统和参考模型控制系统，其中，通过建立多旋翼无人机的非线性飞行动力学模型，根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型，针对所述参考模型，设计控制律，形成参考模型控制系统；

所述飞控系统用于获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

所述参考模型控制系统用于接收经过低通滤波过滤高频噪声后的姿态期望与垂向速度期望数据，并以时间快进方法计算线性模型的速度响应，同时对角速度、加速度响应进行限幅；将得到的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

本申请的实施例提供的技术方案可以包括以下有益效果：

由上述实施例可知，本申请适用于任意多旋翼无人机，可以快速估计空中任意一点的环境风场，并排除旋翼尾流影响，且不需要额外加装风速仪硬件。此外，由于采用线性参考模型，结合适当的时间快进方法，对飞控芯片的算力要求较低，可适配市面上的大部分飞控硬件。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是根据一示例性实施例示出的一种基于模型参考和时间快进的环境风场快速估计方法的流程图。

图2是根据实施例1示出的样例多旋翼无人机的飞行环境风场快速估计仿真结果。

图3是根据实施例1示出的样例多旋翼无人机的飞行环境风场快速估计实测结果。

图4是根据一示例性实施例示出的一种基于模型参考和时间快进的环境风场快速估计装置的框图。

图5是根据一示例性实施例示出的一种电子设备的示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1是根据一示例性实施例示出的一种基于模型参考和时间快进的环境风场快速估计方法的流程图，如图1所示，该方法应用于多旋翼无人机中，可以包括以下步骤：

步骤S1：建立多旋翼无人机的非线性飞行动力学模型，根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；

步骤S2：针对所述参考模型，设计控制律，形成参考模型控制系统，以使得所述参考模型实时跟随姿态期望和垂向速度期望数据；

步骤S3：获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

步骤S4：将所述姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；

步骤S5：将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

由上述实施例可知，本申请适用于任意多旋翼无人机，可以快速估计空中任意一点的环境风场，并排除旋翼尾流影响，且不需要额外加装风速仪硬件。此外，由于采用线性参考模型，结合适当的时间快进方法，对飞控芯片的算力要求较低，可适配市面上的大部分飞控硬件。

在步骤S1的具体实施中，建立多旋翼无人机的非线性飞行动力学模型，根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；

具体地，高精度多旋翼无人机的非线性飞行动力学模型可以表示为如下形式：

其中，t表示时间；状态量x包含体轴系速度(u, v, w)、角速度(p, q, r)、姿态角 (phi, theta, psi)；u、v、w分别表示体轴系下的前向、侧向与垂向速度；p、q、r分别表示体 轴系下的滚转角速度、俯仰角速度与偏航角速度；phi、theta、psi分别表示滚转角、俯仰角 与偏航角。

表示状态量x对时间t求一阶导数。控制量u包括旋翼拉力油门指令dt、俯仰油 门指令de、滚转油门指令da、偏航油门指令dr。非线性飞行动力学模型在稳态飞行时的控制 量和状态量计算结果与所采用的多旋翼无人机实测误差小于5%。

以上飞行动力学模型的非线性程度较高，其中旋翼气动力、桨叶运动和旋翼诱导速度之间存在相互耦合、相互迭代的关系，这样的非线性微分方程在进行仿真时需要大量的计算资源，对飞控芯片算力要求过高。无人机的飞行运动可以分为基准运动和扰动运动，基准运动指按照飞行任务进行的规律运动；扰动运动指在基准运动的基础上，由于外来干扰而进行的增量运动。显然，在扰动运动中，无人机运动状态与控制变化与外加干扰直接相关。干扰越大，扰动运动越大。反之，干扰越小，扰动运动越小。这种与基准运动参数差别较小的扰动运动，称为“小扰动”运动。根据航空业界的大量调试经验，可以证明运用小扰动法分析多旋翼无人机的稳定性与操纵性，既可使研究的问题简化，又具有足够的准确度。因此，本申请以多旋翼无人机悬停状态为基准，利用小扰动线性化方法对非线性飞行动力学模型进行线性化处理，在保证理想飞行状态下有足够准确度的同时，满足实时响应的需求。

小扰动运动方程的推导过程如下，设某非线性运动方程为

式中变量

为运动状态量或其导数，且可表示成基准运动状态 量

和小扰动偏离量

之和，因此：

，而不管什么运动，如下两式总是满足 的

由于

是小扰动量（又称增量），故可将上式进行泰勒展开，然后忽略其二阶及二 阶以上导数，则得到

由于上式中第一项为零，故可得如下线性化小扰动方程

式中的系数

，都是某一基准运动确定点的偏导数，均 是已知常数。

运用上述方法，对非线性方程进行线性化处理，可建立多旋翼无人机的小扰动线性化全面运动方程。将无人机的姿态变化量作为被控量。则多旋翼无人机线性状态方程为

其中

表示悬停状态基准下的状态增量，

为悬停状态基准下的控制增量，

为状态增量的一阶导数。

为状态量导数矩阵，

为控制量导数矩阵。

线性化的参考模型具有如下特征：1. 始终处于理想飞行状态，不受外界干扰影响（环境风、紊流、载荷突变等）；2. 实时响应，可作为传递函数中的一环；3. 在悬停状态附近具有良好的精确性。

在步骤S2的具体实施中，针对所述参考模型，设计控制律，形成参考模型控制系统，以使得所述参考模型实时跟随姿态期望和垂向速度期望数据；

具体地，控制律没有限定，可任意选择，只要和多旋翼无人机实测的姿态与垂向速度控制跟踪效果保持一致即可，如现有较为成熟的串级PID控制律、H∞控制律、滑膜控制、模型预测控制等，均可以和参考模型组成参考模型控制系统，并取得很好的快速跟踪效果。

在步骤S3的具体实施中，获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

具体地，通过遥控器或者地面站，将多旋翼无人机保持定点悬停于待估计的环境风场中，通过飞控系统实时获取多旋翼无人机的姿态期望与垂向速度期望数据。需要说明的是，该数据原本就被计算并存在于常规的飞行控制硬件中，只需传递至参考模型控制系统即可，且对数据的采样周期没有严格限定，一般50HZ或以上即可满足要求。

在步骤S4的具体实施中，将所述姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；

具体地，如图1所示，由于风场以外的各种因素（如传感器测量噪声、机体结构震动噪声等）会导致姿态期望与垂向速度期望数据产生高频噪声，因此需要经过低通滤波过滤高频噪声，然后再作为参考模型控制系统的期望输入。其中低通滤波可选择常规二阶低通滤波器，其截止频率一般根据传感器测量噪声与机体结构震动噪声频率的最小值确定。

具体地，本申请建立的参考模型控制系统，会跟踪（由机载飞控计算机得到的）姿 态期望与垂向速度期望，并计算得到相应的（悬停状态基准下的）控制增量

。以多旋翼无 人机悬停状态为基准，根据该控制量变化对多旋翼无人机的线性模型进行积分，即可求得 参考模型的飞行速度变化过程。

为了方便理解，假设无人机当前遭遇的环境风大小与方向均为常值，则由机载飞控计算机得到的姿态期望与垂向速度期望也为常值，故由参考模型控制系统输出的飞行速度会逐渐稳定为常值向量（V _xs, V _ys, V _zs），该速度向量即可等效为无人机在机体轴系下遭遇的环境风速度与方向，最后经过坐标转换为地轴系下的环境风。

同理，当无人机当前遭遇的环境风大小与方向随时间变化，则由机载飞控计算机得到的姿态期望与垂向速度期望也会变化，由参考模型控制系统输出的飞行速度（V _xs,V _ys, V _zs）也会随时间变化。

虽然参考模型控制系统可以实时的跟踪姿态期望与垂向速度期望，但由于多旋翼无人机参考模型的姿态角变化首先引起加速度变化，等加速度积分后才得到速度变化，因此参考模型控制系统输出的飞行速度需要一定时间才会逐渐稳定为（V _xs, V _ys, V _zs）。例如常规积分的时间步长一般为一个控制周期（例如0.05s），在4级风下，一般需要积分10秒（即上百个周期）后才能得到接近真实环境风速度和方向的（V _xs, V _ys, V _zs），无法做到环境风场的快速估计。因此，本申请提出了时间快进方法快速估算环境风场：

具体地，在参考模型控制系统内，采用时间步进积分法，在一个飞控采样时间内时间步进积分3~7次，如果是3次，计算出来的速度响应相对较慢（即7秒内估计当前环境风速与方向），但对芯片的算力要求会降低；如果是7次，计算出来的速度响应会更快（即3秒内估计当前环境风速与方向），但对芯片的算力要求会升高；以市面上的主流PIXHAWK 4飞控芯片为例，7次基本达到算力上限。在具体实施中，在一个飞控采样时间内时间步进积分5次，即可在5秒内准确估计当前环境风速与方向，因此下面以在一个飞控采样时间内时间步进积分5次为例进行说明，具体而言，即在一个控制周期（例如0.05s）以内，循环积分5次，每次的时间步长均为一个控制周期（0.05s）。这样既可以保证参考模型控制系统输出的飞行速度精度，又可以快速计算（V _xs, V _ys, V _zs），且由于采用线性参考模型，该时间快进方法仍可以保证较低的飞控芯片算力。另外，不设计为在一个控制周期（例如0.05s）以内，以5倍的时间步长进行积分（如0.05*5=0.25s）的原因是时间步长过大，会降低参考模型控制系统输出的飞行速度精度，因此本申请采用在一个控制周期以内，循环积分n次，每次的时间步长均为一个控制周期的方法。

此外，由于时间快进方法会导致参考模型瞬间角速度、加速度过大，因此优选地，本申请还对参考模型的角速度、加速度进行限幅，一般角速度限制在10°/s以内，加速度限制在9.8m/s²以内。如果遇到恶劣的环境风场，可能会引起姿态期望与垂向速度期望变化剧烈，从而导致由时间快进方法计算得到的瞬间角速度、加速度过大，引起参考模型控制系统超调、发散的问题。因此，对参考模型的角速度、加速度进行限幅。角速度限制在10°/s以内，加速度限制在9.8m/s²以内，可以保证在任意风场中，参考模型控制系统都有强鲁棒性以及跟踪性能。

在步骤S5的具体实施中，将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值；

具体地，由参考模型控制系统输出的飞行速度会逐渐稳定为常值向量（V _xs, V _ys,V _zs），该速度向量即可等效为无人机在体轴系下遭遇的环境风速度与方向。然后，通过无人机体轴系与地轴系（坐标轴朝向为北东地）的坐标转换矩阵，可以把（V _xs, V _ys, V _zs）转换为无人机在地轴系下的相对环境风速度与方向（V _xa, V _ya, V _za），再减去无人机在地轴系下的飞行速度（V _xe, V _ye, V _ze），即可得到环境风相对于地面的速度与方向，其中无人机在地轴系下的飞行速度（V _xe, V _ye, V _ze）一般通过无人机的GPS模块即可获得。

实施例1

本发明以八轴十六桨多旋翼无人机为例进行算法验证，整机基本参数见表1。

表 1载人多旋翼eVTOL样机基本参数

由于样机上下旋翼桨叶尺寸较大，其挥舞运动的动力学特性更接近共轴刚性旋翼，因此采用等效挥舞铰偏置量与等效挥舞扭簧结合的方法构建桨叶挥舞运动模型，并建立桨盘轨迹平面二阶动力学方程。旋翼气动力和气动力矩采用叶素理论进行计算，并根据单机臂共轴双旋翼的地面测试数据考虑地面效应。诱导速度计算基于Pitt-Peters一阶谐波动态入流模型，当上下旋翼之间距离足够近时，可以假设上旋翼的尾迹尚未向内径收缩，并忽略下旋翼诱导速度对上旋翼的影响，据此建立共轴双旋翼气动模型。机身气动力及气动力矩通过吹风试验数据插值获得。假设机体刚性，将旋翼与机身气动力带入刚体动力学方程，并结合旋翼桨盘轨迹平面动力学方程与运动学方程得到飞行动力学模型，可表示为：

通过飞行试验可知：飞行动力学模型在稳态飞行时的控制量和状态量计算结果与样例多旋翼无人机实测误差小于5%，说明其精度较高，这里不再赘述。利用小扰动线性化方法对飞行动力学模型进行线性化处理，建立多旋翼无人机的线性化参考模型。然后，基于参考模型设计控制律（本算例采用串级PID控制律），形成参考模型控制系统，使参考模型能够快速跟随姿态期望与垂向速度期望，即和多旋翼无人机实测的控制跟踪效果保持一致。由于风场以外的各种因素（如传感器测量噪声、机体结构震动噪声等）会导致姿态期望与垂向速度期望数据产生高频噪声，因此姿态期望与垂向速度期望在进入参考模型控制系统后需要先经过低通滤波处理，过滤高频噪声。本算例选择常规二阶低通滤波器，其截止频率一般根据传感器测量噪声与机体结构震动噪声频率的最小值确定，这里截止频率选择为30HZ。

参考模型控制系统的采样频率为20HZ，即飞控采样时间为0.05秒。在参考模型控 制系统内，采用时间步进积分法，以5倍的飞控采样时间（一个采样时间内时间步进积分5 次）计算参考模型的速度响应，从而快速估计周围风场。由于时间快进方法会导致参考模型 瞬间角速度、加速度过大，故对参考模型的角速度

与加速度

进行限幅：

最后将参考模型控制系统输出的速度通过坐标转换得到北东地（NED）坐标系速度，从而获取多旋翼无人机所处空间点周围的风场估计值。

为了验证本发明提出算法的可行性，下面分别进行仿真计算分析和实测计算分析。

1. 样机的仿真算例。利用Matlab软件的Simulink仿真平台搭建飞行动力学模型和参考模型控制系统，并对样机在环境风场的风速估计进行仿真。其中仿真内容为：悬停10m，偏航角45°，30s后遭遇风速4m/s的东北风并伴随紊流（-1~1m/s），其中紊流通过Dryden湍流模型模拟，惯性测量单元(IMU)的数据噪声和机体结构震动噪声采用限带白噪声模型模拟。如图2所示为仿真结果，可以看出，采用基于模型参考时间快进的多旋翼无人机飞行环境风场快速估计算法可以快速估算出风场的变化，其方向和风力大小与设定的风场数值基本一致。

2. 样机的实测算例。首先将样机定点悬停于杭州余杭区南湖公园上方，高度为20m，此时地面基本不受样机旋翼尾流的影响。然后，在样机正下方地面通过手持风速仪测量当前地面实时环境风，其数值为：主东风4级（5.5-7.9m/s），阵风5级（8.0-10.7m/s），虽然地面风速仪测量点与样机所处空间点高度相差20m，但在该距离下仍可假设这两个点的环境风场较为接近，故这里将风速仪测量的环境风与样机估算的环境风作比较。如图3所示，样机估计的结果为：北风1~3m/s，东风6~10m/s，与风速仪测量结果较为接近。

通过图2的样机仿真结果，以及图3的样机实测数据，可以说明本发明提供的算法可以快速、准确的估计多旋翼无人机的飞行环境风场。

与前述的基于模型参考和时间快进的环境风场快速估计方法的实施例相对应，本申请还提供了基于模型参考和时间快进的环境风场快速估计装置的实施例。

图4是根据一示例性实施例示出的一种基于模型参考和时间快进的环境风场快速估计装置框图。参照图4，该装置可以包括：

建模模块21，用于建立多旋翼无人机的非线性飞行动力学模型；

线性化模块22，用于根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；

设计模块23，用于针对所述参考模型，设计控制律，形成参考模型控制系统，以使得所述参考模型实时跟随姿态期望和垂向速度期望数据；

输入计算模块24，用于将姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；

坐标转换模块25，用于将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

相应地，本申请还提供一种多旋翼无人机，包括飞控系统和参考模型控制系统，其中，通过建立多旋翼无人机的非线性飞行动力学模型，根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型，基于所述参考模型和设计控制律形成参考模型控制系统；所述飞控系统用于获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；所述参考模型控制系统用于接收经过低通滤波过滤高频噪声后的姿态期望与垂向速度期望数据，并以时间快进方法计算线性模型的速度响应，同时对角速度、加速度响应进行限幅；将得到的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

相应地，本申请还提供一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的基于模型参考和时间快进的环境风场快速估计方法。如图5所示，为本发明实施例提供的一种基于模型参考和时间快进的环境风场快速估计方法所在任意具备数据处理能力的设备的一种硬件结构图，除了图5所示的处理器、内存、以及网络接口之外，实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。

相应地，本申请还提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述的基于模型参考和时间快进的环境风场快速估计方法。所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡（Smart Media Card，SMC）、SD卡、闪存卡（Flash Card）等。进一步的，所述计算机可读存储介还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。

本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。

Claims (9)

1.一种基于模型参考和时间快进的环境风场快速估计方法，其特征在于，包括：

建立多旋翼无人机的非线性飞行动力学模型，根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；

针对所述参考模型，设计控制律，形成参考模型控制系统，以使得所述参考模型实时跟随姿态期望和垂向速度期望数据；

获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

将所述姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；

将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

2.根据权利要求1所述的方法，其特征在于，所述多旋翼无人机为三个或以上数量旋翼的无人机。

3.根据权利要求1所述的方法，其特征在于，所述非线性飞行动力学模型包含如下控制量：拉力油门指令、滚转油门指令、俯仰油门指令、偏航油门指令；包含如下状态量：体轴系速度、角速度、姿态角。

4.根据权利要求1所述的方法，其特征在于，所述角速度限制在10°/s以内，所述加速度限制在9.8m/s²以内。

5.根据权利要求1所述的方法，其特征在于，将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值，包括：

通过无人机体轴系与坐标轴朝向为北东地的地轴系的坐标转换矩阵，将所述参考模型控制系统输出的速度转换为无人机在所述地轴系下的相对环境风速度与方向；

将所述地轴系下的相对环境风速度与方向减去无人机在地轴系下的飞行速度，即可得到环境风相对于地面的速度与方向。

6.一种基于模型参考和时间快进的环境风场快速估计装置，其特征在于，包括：

建模模块，用于建立多旋翼无人机的非线性飞行动力学模型，用于根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型；

设计模块，用于针对所述参考模型，设计控制律，形成参考模型控制系统，以使得所述参考模型实时跟随姿态期望和垂向速度期望数据；

获取模块，用于获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

输入计算模块，用于将姿态期望与垂向速度期望数据经过低通滤波过滤高频噪声，输入所述参考模型控制系统，并以时间快进方法计算参考模型的速度响应，同时对角速度、加速度响应进行限幅；

坐标转换模块，用于将所述参考模型控制系统输出的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

7.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-5中任一项所述方法的步骤。

9.一种多旋翼无人机，其特征在于，包括飞控系统和参考模型控制系统，其中，通过建立多旋翼无人机的非线性飞行动力学模型，根据所述非线性飞行动力学模型，利用小扰动线性化方法得到线性模型，作为参考模型，针对所述参考模型，设计控制律，形成参考模型控制系统；

所述飞控系统用于获取所述多旋翼无人机实时的姿态期望和垂向速度期望数据；

所述参考模型控制系统用于接收经过低通滤波过滤高频噪声后的姿态期望与垂向速度期望数据，并以时间快进方法计算线性模型的速度响应，同时对角速度、加速度响应进行限幅；将得到的速度通过坐标转换得到北东地坐标系速度，从而获取多旋翼无人机所处空间点的环境风场估计值。

Images