CN117075627A - 一种无人驾驶飞行器飞行控制系统 - Google Patents
一种无人驾驶飞行器飞行控制系统 Download PDFInfo
- Publication number
- CN117075627A CN117075627A CN202311268696.1A CN202311268696A CN117075627A CN 117075627 A CN117075627 A CN 117075627A CN 202311268696 A CN202311268696 A CN 202311268696A CN 117075627 A CN117075627 A CN 117075627A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- communication
- flight
- control
- information
- 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
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 title claims abstract description 55
- 238000004891 communication Methods 0.000 claims abstract description 108
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000012546 transfer Methods 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 206010048669 Terminal state Diseases 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000001419 dependent effect Effects 0.000 abstract 1
- 230000033001 locomotion Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种无人驾驶飞行器飞行控制系统，涉及无人驾驶飞行器技术领域，本发明将飞行器的决策和计算从完全依赖于地面控制站转移到飞行器自身，通过在飞行器上设置边缘计算单元，飞行器能够实时感知环境，进行路径规划和决策，不再对地面通信的实时性和稳定性有过高的依赖，可以在通信中断或延迟的情况下继续自主飞行和控制，同时采用5G+通信模块，采用网络切片和优化技术，确保飞行器的通信连接始终保持稳定，并能够适应通信环境的变化，从而降低通信延迟和波动，提高通信的可靠性和实时性。
Description
技术领域
本发明涉及无人驾驶飞行器技术领域，具体为一种无人驾驶飞行器飞行控制系统。
背景技术
飞行控制系统一般用于监控和操纵飞机、航天器，主要目标是确保飞行器的安全和稳定性，使其能够在各种飞行阶段和条件下进行控制和导航。
一般来说飞行控制系统包括飞行管理系统，通过全球定位系统GPS和惯性导航系统INS来提供准确的飞行数据和导航信息，飞行员可以通过FMS输入飞行计划，包括航路、高度和速度等信息，并且FMS能够自动控制飞行器遵循这些计划；飞行操纵系统，飞行操纵系统由各种操纵面和执行器组成，用于控制飞行器的姿态和运动；环境感知系统，环境感知系统使用传感器来监测周围环境的情况，有助于飞行员做出更明智的决策，以确保安全飞行。
然而针对无人驾驶飞行器，传统飞行控制系统依赖地面控制站来实时传输指令和接收飞行器的状态信息，这种依赖性导致飞行器在通信中断或延迟的情况下无法继续自主飞行，造成飞行任务中断和飞行安全风险，同时传统飞行控制系统采用的移动通信技术，由于可变的时间延迟、带宽和不可预测的连接性等特性，导致数据传输受到限制，比如GPRS在典型带宽40kb/s时数据传输有200ms的延迟，这就会导致到达时飞行器已经飞过5m-6m，在起飞或降落过程中这样的延迟将导致严重的飞行事故通用分组无线业务，而如果飞行器运动速度为100km/h，同时由于没有反馈信息，飞行器实际上无法实现超视距飞行，因此亟需一种可以实时感知环境并可以在通信中断或延迟的情况下继续自主飞行的无人驾驶飞行器飞行控制系统。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种无人驾驶飞行器飞行控制系统，解决现有技术中存在的依赖地面控制站来实时传输指令和接收飞行器的状态信息，同时可变的时间延迟、带宽和不可预测的连接性等特性，导致数据传输受到限制的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现，本发明提供了一种无人驾驶飞行器飞行控制系统，其特征在于，包括：
传感器模块，包括气压传感器、风速传感器、激光雷达传感器和视觉传感器，用于获取飞行器的姿态、位置、速度和周围环境信息，提供实时感知数据；
边缘计算单元，进行实时感知、决策和规划，实现飞行器的自主控制；
通信模块，与地面控制站进行数据通信，接收任务指令并反馈飞行状态；
飞行控制模块，根据边缘计算单元的决策结果和传感器数据，实施飞行器的动作控制；
分布式控制模块，将飞行器的控制任务分布在多个节点上，用于冗余控制和集体决策。
本发明进一步地设置为：所述传感器模块包括：
惯性测量单元IMU，用于测量飞行器的加速度和角速度，用于姿态估计和动态控制；
全球定位系统GPS，提供飞行器的位置和速度信息，用于定位和导航；
视觉传感器，采用激光雷达传感器，实时感知周围环境，用于避障和目标识别；
传感器模块中，获取的周围环境信息包括：
飞行器的姿态信息，包括飞行器的俯仰角、滚转角和偏航角；
飞行器的位置和速度信息，通过全球定位系统GPS获取飞行器当前的经纬度坐标和高度信息，以及其在水平和垂直方向的速度；
环境的三维结构信息，通过激光雷达传感器获取周围环境的三维结构信息，包括地面高度、障碍物的位置和高度；
障碍物检测信息，通过激光雷达检测周围环境中的障碍物，包括建筑物、树木、其他飞行器；
大气和风速信息，通过气压传感器和风速传感器获取大气条件和风速信息；
本发明进一步地设置为：所述边缘计算单元包括：
飞行状态估计器，根据IMU和GPS数据，估计飞行器的姿态、位置和速度；
环境感知器，利用视觉传感器，实时感知周围环境，检测障碍物和目标；
路径规划器，根据目标任务和环境信息，规划飞行器的最优飞行路径；
决策器，根据飞行状态和路径规划结果，做出实时决策；
本发明进一步地设置为：所述边缘计算单元中进行路径规划和决策的步骤具体包括：
通过传感器数据获取飞行器的姿态信息，包括俯仰角滚转角θ、偏航角ψ、位置和速度信息，状态估计表示为状态向量S，其中/>
基于飞行器的当前状态估计S、环境感知数据和目标任务，采用MPC算法进行路径规划，MPC优化目标表达公式为：
Sk+1＝f(Sk，Uk)，k＝0，1，...，N-1；
Uk∈μ，k＝0，1...，N-1，
其中，Sk代表飞行器在k时刻的状态，Uk代表在时刻k的控制输入，N代表预测时域，L(Sk，Uk)是状态和控制输入的代价函数，M(Sn)是终端状态的代价函数，f(Sk，Uk)是飞行器的动力学模型，μ是控制输入的约束集；
根据MPC算法的优化结果，确定飞行器的下一步动作，决策结果表示为决策向量D，其中 Δθ，Δψ分别代表飞行器在三个姿态角上的变化量，Δvx，Δvy，Δvz分别代表飞行器在三个速度分量上的变化量；
本发明进一步地设置为：所述通信模块包括：
5G+通信模块，与地面控制站建立通信连接；
数据加密与安全模块，保障通信数据的安全性，防止数据被非法获取、篡改；
通信模块确定飞行器的通信需求，包括带宽、延迟、可靠性；
根据通信需求，将通信网络划分为不同的虚拟切片；
实时监测通信网络中的资源利用情况和通信需求，根据实际情况动态调整切片资源和优先级；
根据飞行器的通信需求和网络资源状态，为每个切片分配合适的带宽和优先级；
为每个切片制定通信策略，包括带宽分配、优先级设定、传输队列调度；
制定通信策略中切片分配公式：
设飞行器的通信需求为Dreq，通信网络中可用带宽为Bavail，切片i的优先级为Pi，则切片i被分配的带宽：
其中Bi为i被分配带宽，N为总切片数；
根据通信环境的变化，传输速率Rtrans根据信号强度Ssignal和丢包率Ploss进行自适应调整：
Rtrans＝f(Ssignal，Ploss)；
其中，函数f(·)为自适应传输机制的算法，选用自适应调度算法和自适应路由算法；
本发明进一步地设置为：所述飞行控制模块包括：
姿态控制器，根据飞行状态估计器提供的姿态信息，控制飞行器的姿态稳定；
位置控制器，根据全球定位系统所采集的GPS数据，控制飞行器的位置和速度；
推进器控制器，控制飞行器的电动推进器，提供推力控制；
飞行控制模块根据预设的飞行路径和任务进行飞行，具体飞行路线规划为：
根据飞行器的应用场景和任务要求，预先设定飞行任务；
使用路径规划算法，根据飞行器当前位置和目标任务，预先规划一条合适的飞行路径，并将预设的飞行路径划分为多个子任务；
本发明进一步地设置为：所述飞行控制模块中的自主飞行控制具体包括：
选用PID控制算法和路径跟踪控制算法，使飞行器能够根据预设的飞行路径和子任务，在边缘计算单元的控制下，自主地进行飞行；
实时监测飞行器的状态信息，包括位置、速度、姿态；
根据预设的飞行路径和子任务，判断飞行器是否完成当前的子任务，进而决定是否转移到下一个子任务；
自主飞行控制策略具体为，当通信中断、延迟发生时，飞行器根据当前状态信息和飞行路径规划，继续执行当前子任务；
自主飞行控制还包括：
飞行器配备边缘计算单元，使其能够实时感知环境，执行自主飞行算法；
在飞行器上进行自主飞行控制算法和策略；
在自主飞行控制中，控制指令Control根据飞行器的状态信息State和预设的飞行路径Path确定：
Control＝h(State，Path)；
其中，函数h(·)为所选自主分型算法。
(三)有益效果
本发明提供了一种无人驾驶飞行器飞行控制系统。具备以下有益效果：
将飞行器的决策和计算从完全依赖于地面控制站转移到飞行器自身，通过在飞行器上设置边缘计算单元，飞行器能够实时感知环境，进行路径规划和决策，不再对地面通信的实时性和稳定性有过高的依赖，可以在通信中断或延迟的情况下继续自主飞行和控制，同时采用5G+通信模块，采用网络切片和优化技术，确保飞行器的通信连接始终保持稳定，并能够适应通信环境的变化，从而降低通信延迟和波动，提高通信的可靠性和实时性。
在飞行模式上，通过飞行控制模块，使飞行器能够在通信中断或延迟的情况下继续自主飞行，飞行器在边缘计算单元的控制下，根据预设的飞行路径和任务进行飞行，不再依赖地面控制站的实时指令，从而保持飞行器的稳定飞行，避免因通信问题导致的失控或事故。
控制系统上采用分布式控制，将飞行器的控制任务分布在多个节点上，每个节点都配备边缘计算单元和通信模块，能够独立进行飞行控制和数据交互，即使部分节点之间出现通信问题，其他节点仍然可以继续控制飞行器，保障飞行器的稳定飞行和任务完成。
综上，本发明所提供的无人驾驶飞行器飞行控制系统能够更好地应对通信延迟和不可预测的连接性问题，边缘计算使得飞行器具备更强的自主决策和控制能力，无线通信网络优化提供了更稳定和高效的通信服务，自主飞行模式保障飞行器在通信中断时能够继续飞行，分布式控制系统增强了系统的鲁棒性和可靠性。
解决了现有技术中心存在的依赖地面控制站来实时传输指令和接收飞行器的状态信息，同时可变的时间延迟、带宽和不可预测的连接性等特性，导致数据传输受到限制的问题。
附图说明
图1为本发明的无人驾驶飞行器飞行控制系统框架图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
请参阅图1，本发明提供一种无人驾驶飞行器飞行控制系统，包括：
传感器模块，包括气压传感器、风速传感器、激光雷达传感器和视觉传感器，用于获取飞行器的姿态、位置、速度和周围环境信息，提供实时感知数据；
惯性测量单元IMU，用于测量飞行器的加速度和角速度，用于姿态估计和动态控制；
全球定位系统GPS，提供飞行器的位置和速度信息，用于定位和导航；
视觉传感器，采用激光雷达传感器，实时感知周围环境，用于避障和目标识别；
传感器模块中，获取的周围环境信息包括：
飞行器的姿态信息，包括飞行器的俯仰角、滚转角和偏航角；
飞行器的位置和速度信息，通过全球定位系统GPS获取飞行器当前的经纬度坐标和高度信息，以及其在水平和垂直方向的速度；
环境的三维结构信息，通过激光雷达传感器获取周围环境的三维结构信息，包括地面高度、障碍物的位置和高度；
障碍物检测信息，通过激光雷达检测周围环境中的障碍物，包括建筑物、树木、其他飞行器；
大气和风速信息，通过气压传感器和风速传感器获取大气条件和风速信息；
边缘计算单元，进行实时感知、决策和规划，实现飞行器的自主控制；
飞行状态估计器，根据IMU和GPS数据，估计飞行器的姿态、位置和速度；
环境感知器，利用视觉传感器，实时感知周围环境，检测障碍物和目标；
路径规划器，根据目标任务和环境信息，规划飞行器的最优飞行路径；
决策器，根据飞行状态和路径规划结果，做出实时决策；
边缘计算单元中进行路径规划和决策的步骤具体包括：
通过传感器数据获取飞行器的姿态信息，包括俯仰角滚转角θ、偏航角ψ、位置和速度信息，状态估计表示为一个状态向量S，其中/>
基于飞行器的当前状态估计S、环境感知数据和目标任务，采用MPC算法(MPC是一种优化控制算法，通过优化飞行器在有限时间内的运动轨迹来求解最优路径，MPC算法在每个时刻都会预测未来若干个时刻的状态，并通过优化目标和约束来生成最优控制策略)进行路径规划，MPC优化目标表达公式为：
Sk+1＝f(Sk，Uk)，k＝0，1，...，N-1；
Uk∈μ，k＝0，1...，N-1，
其中，Sk代表飞行器在k时刻的状态，Uk代表在时刻k的控制输入，N代表预测时域，L(Sk，Uk)是状态和控制输入的代价函数，M(Sn)是终端状态的代价函数，f(Sk，Uk)是飞行器的动力学模型，μ是控制输入的约束集；
根据MPC算法的优化结果，确定飞行器的下一步动作，决策结果表示为决策向量D，其中 Δθ，Δψ分别代表飞行器在三个姿态角上的变化量，Δvx，Δvy，Δvz分别代表飞行器在三个速度分量上的变化量，结合飞行状态估计器的环境感知信息，在边缘计算单元中实时进行路径规划和决策制定，使飞行器能够在不断变化的环境中做出最优决策，并沿着最优路径进行飞行，基于MPC算法的路径规划和决策制定，为无人驾驶飞行器提供了更高级、更智能的飞行控制能力；
通信模块，与地面控制站进行数据通信，接收任务指令并反馈飞行状态；
5G+通信模块，提供高带宽和低延迟的通信服务，与地面控制站建立通信连接；
数据传输协议，确保数据准确传输和通信稳定性；
数据加密与安全模块，保障通信数据的安全性，防止数据被非法获取、篡改；
通信模块确定飞行器的通信需求，包括带宽、延迟、可靠性；
根据通信需求，将通信网络划分为不同的虚拟切片；
实时监测通信网络中的资源利用情况和通信需求，根据实际情况动态调整切片资源和优先级；
根据飞行器的通信需求和网络资源状态，为每个切片分配合适的带宽和优先级；
为每个切片制定通信策略，包括带宽分配、优先级设定、传输队列调度；
制定通信策略中切片分配公式：
设飞行器的通信需求为Dreq，通信网络中可用带宽为Bavail，切片i的优先级为Pi，则切片i被分配的带宽：
其中Bi为i被分配带宽，N为总切片数；
根据通信环境的变化，传输速率Rtrans根据信号强度Ssignal和丢包率Ploss进行自适应调整：
Rtrans＝f(Ssignal，Ploss)，
其中，函数f(·)为自适应传输机制的算法，选用自适应调度算法和自适应路由算法；
通过为每个切片制定通信策略，针对飞行器通信需求的定制化服务，确保通信连接的稳定性和可靠性，并根据飞行器的实际通信需求和环境变化，动态调整通信资源和策略，为飞行器提供高效、稳定的通信支持；
数据传输协议实施具体步骤包括：
数据分包，将要传输的数据分割成较小的数据包；
接收方在接收到数据包后，发送确认信号给发送方，如果发送方未收到确认信号，则进行数据包的重传；
添加差错检测和纠正码，在数据传输过程中检测和纠正错误；提高数据传输的可靠性；
数据加密与安全模块实施具体步骤包括：
采用AES高级加密标准法对传输的数据进行加密；
使用数字签名确保数据的完整性和来源认证；
采用Diffie-Hellman密钥交换协议确保通信双方在传输密钥过程中不被窃听、篡改
飞行控制模块，根据边缘计算单元的决策结果和传感器数据，实施飞行器的动作控制；
姿态控制器，根据飞行状态估计器提供的姿态信息，控制飞行器的姿态稳定；
位置控制器，根据全球定位系统所采集的GPS数据，控制飞行器的位置和速度；
推进器控制器，控制飞行器的电动推进器，提供推力控制；
飞行控制模块根据预设的飞行路径和任务进行飞行，具体飞行路线规划为：
根据飞行器的应用场景和任务要求，预先设定飞行任务；
使用路径规划算法，根据飞行器当前位置和目标任务，预先规划一条合适的飞行路径；
将预设的飞行路径划分为多个子任务；
自主飞行控制具体包括：
选用PID控制算法和路径跟踪控制算法，使飞行器能够根据预设的飞行路径和子任务，在边缘计算单元的控制下，自主地进行飞行；
实时监测飞行器的状态信息，包括位置、速度、姿态；
根据预设的飞行路径和子任务，判断飞行器是否完成当前的子任务，进而决定是否转移到下一个子任务；
自主飞行控制策略具体为，当通信中断、延迟发生时，飞行器根据当前状态信息和飞行路径规划，继续执行当前子任务；
自主飞行控制包括：
飞行器配备边缘计算单元，使其能够实时感知环境，执行自主飞行算法；
在飞行器上进行自主飞行控制算法和策略；
在自主飞行控制中，控制指令Control根据飞行器的状态信息State和预设的飞行路径Path确定：
Control＝h(State，Path)，
其中，函数h(·)为所选自主分型算法；
自主飞行模式可以使飞行器在通信中断、延迟的情况下继续自主飞行，根据预设的飞行路径和任务进行飞行，不再依赖地面控制站的实时指令，通过边缘计算单元的控制，飞行器能够实现自主飞行和任务执行，增强了其在复杂环境中的自主性和鲁棒性；
分布式控制模块，将飞行器的控制任务分布在多个节点上，用于冗余控制和集体决策；
多控制节点，将飞行器的控制任务分配给多个节点；确保系统冗余
集体决策器，将多个节点进行集体决策；保障系统的一致性和稳定性；
分布式控制模块包括分布式控制系统，将飞行器的控制任务分布在多个节点上，每个节点配备边缘计算单元和通信模块；
分布式控制系统具体构建步骤：
根据飞行器的控制任务和通信范围，确定分布式控制系统中节点的数量和位置；
将飞行器的控制任务划分为多个子任务，并将这些子任务分配给不同的节点；
设计节点之间的通信拓扑结构。
综合以上内容，在本申请中：
本发明所提供的无人驾驶飞行器飞行控制系统避免系统中的延迟和不可预测的连接性问题，具体的：
将飞行器的决策和计算从完全依赖于地面控制站转移到飞行器自身，通过在飞行器上设置边缘计算单元，飞行器能够实时感知环境，进行路径规划和决策，不再对地面通信的实时性和稳定性有过高的依赖，可以在通信中断或延迟的情况下继续自主飞行和控制，同时采用5G+通信模块，采用网络切片和优化技术，确保飞行器的通信连接始终保持稳定，并能够适应通信环境的变化，从而降低通信延迟和波动，提高通信的可靠性和实时性。
在飞行模式上，通过飞行控制模块，使飞行器能够在通信中断或延迟的情况下继续自主飞行，飞行器在边缘计算单元的控制下，根据预设的飞行路径和任务进行飞行，不再依赖地面控制站的实时指令，从而保持飞行器的稳定飞行，避免因通信问题导致的失控或事故。
控制系统上采用分布式控制，将飞行器的控制任务分布在多个节点上，每个节点都配备边缘计算单元和通信模块，能够独立进行飞行控制和数据交互，即使部分节点之间出现通信问题，其他节点仍然可以继续控制飞行器，保障飞行器的稳定飞行和任务完成。
综上，本发明所提供的无人驾驶飞行器飞行控制系统能够更好地应对通信延迟和不可预测的连接性问题，边缘计算使得飞行器具备更强的自主决策和控制能力，无线通信网络优化提供了更稳定和高效的通信服务，自主飞行模式保障飞行器在通信中断时能够继续飞行，分布式控制系统增强了系统的鲁棒性和可靠性。
在本发明的实施例的描述中，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种无人驾驶飞行器飞行控制系统，其特征在于，包括：
传感器模块，包括气压传感器、风速传感器、激光雷达传感器和视觉传感器，用于获取飞行器的姿态、位置、速度和周围环境信息，提供实时感知数据；
边缘计算单元，进行实时感知、决策和规划，实现飞行器的自主控制；
通信模块，与地面控制站进行数据通信，接收任务指令并反馈飞行状态；
飞行控制模块，根据边缘计算单元的决策结果和传感器数据，实施飞行器的动作控制；
分布式控制模块，将飞行器的控制任务分布在多个节点上，用于冗余控制和集体决策。
2.根据权利要求1所述的一种无人驾驶飞行器飞行控制系统，其特征在于，所述传感器模块包括：
惯性测量单元IMU，用于测量飞行器的加速度和角速度，用于姿态估计和动态控制；
全球定位系统GPS，提供飞行器的位置和速度信息，用于定位和导航；
视觉传感器，采用激光雷达传感器，实时感知周围环境，用于避障和目标识别；
传感器模块中，获取的周围环境信息包括：
飞行器的姿态信息，包括飞行器的俯仰角、滚转角和偏航角；
飞行器的位置和速度信息，通过全球定位系统GPS获取飞行器当前的经纬度坐标和高度信息，以及其在水平和垂直方向的速度；
环境的三维结构信息，通过激光雷达传感器获取周围环境的三维结构信息，包括地面高度、障碍物的位置和高度；
障碍物检测信息，通过激光雷达检测周围环境中的障碍物，包括建筑物、树木、其他飞行器；
大气和风速信息，通过气压传感器和风速传感器获取大气条件和风速信息。
3.根据权利要求1所述的一种无人驾驶飞行器飞行控制系统，其特征在于，所述边缘计算单元包括：
飞行状态估计器，根据IMU和GPS数据，估计飞行器的姿态、位置和速度；
环境感知器，利用视觉传感器，实时感知周围环境，检测障碍物和目标；
路径规划器，根据目标任务和环境信息，规划飞行器的最优飞行路径；
决策器，根据飞行状态和路径规划结果，做出实时决策。
4.根据权利要求1所述的一种无人驾驶飞行器飞行控制系统，其特征在于，所述边缘计算单元中进行路径规划和决策的步骤具体包括：
通过传感器数据获取飞行器的姿态信息，包括俯仰角滚转角θ、偏航角ψ、位置和速度信息，状态估计表示为状态向量S，其中/>
基于飞行器的当前状态估计S、环境感知数据和目标任务，采用MPC算法进行路径规划，MPC优化目标表达公式为：
Sk+1＝f(Sk，Uk)，k＝0,1，...，N-1；
Uk∈μ，k＝0,1...，N-1，
其中，Sk代表飞行器在k时刻的状态，Uk代表在时刻k的控制输入，N代表预测时域，L(Sk,Uk)是状态和控制输入的代价函数，M(Sn)是终端状态的代价函数，f(Sk，Uk)是飞行器的动力学模型，μ是控制输入的约束集；
根据MPC算法的优化结果，确定飞行器的下一步动作，决策结果表示为决策向量D，其中 Δθ，Δψ分别代表飞行器在三个姿态角上的变化量，Δvx，Δvy，Δvz分别代表飞行器在三个速度分量上的变化量。
5.根据权利要求1所述的一种无人驾驶飞行器飞行控制系统，其特征在于，所述通信模块包括：
5G+通信模块，与地面控制站建立通信连接；
数据加密与安全模块，保障通信数据的安全性，防止数据被非法获取、篡改；
通信模块确定飞行器的通信需求，包括带宽、延迟、可靠性；
根据通信需求，将通信网络划分为不同的虚拟切片；
实时监测通信网络中的资源利用情况和通信需求，根据实际情况动态调整切片资源和优先级；
根据飞行器的通信需求和网络资源状态，为每个切片分配合适的带宽和优先级；
为每个切片制定通信策略，包括带宽分配、优先级设定、传输队列调度；
制定通信策略中切片分配公式：
设飞行器的通信需求为Dreq，通信网络中可用带宽为Bavail，切片i的优先级为Pi，则切片i被分配的带宽：
其中Bi为i被分配带宽，N为总切片数；
根据通信环境的变化，传输速率Rtrans根据信号强度Ssignal和丢包率Ploss进行自适应调整：
Rtrans＝f(Ssignal，Ploss)，
其中，函数f(·)为自适应传输机制的算法，选用自适应调度算法和自适应路由算法。
6.根据权利要求1所述的一种无人驾驶飞行器飞行控制系统，其特征在于，所述飞行控制模块包括：
姿态控制器，根据飞行状态估计器提供的姿态信息，控制飞行器的姿态稳定；
位置控制器，根据全球定位系统所采集的GPS数据，控制飞行器的位置和速度；
推进器控制器，控制飞行器的电动推进器，提供推力控制；
飞行控制模块根据预设的飞行路径和任务进行飞行，具体飞行路线规划为：
根据飞行器的应用场景和任务要求，预先设定飞行任务；
使用路径规划算法，根据飞行器当前位置和目标任务，预先规划一条合适的飞行路径，并将预设的飞行路径划分为多个子任务。
7.根据权利要求6所述的一种无人驾驶飞行器飞行控制系统，其特征在于，所述飞行控制模块中的自主飞行控制具体包括：
选用PID控制算法和路径跟踪控制算法，使飞行器能够根据预设的飞行路径和子任务，在边缘计算单元的控制下，自主地进行飞行；
实时监测飞行器的状态信息，包括位置、速度、姿态；
根据预设的飞行路径和子任务，判断飞行器是否完成当前的子任务，进而决定是否转移到下一个子任务；
自主飞行控制策略具体为，当通信中断、延迟发生时，飞行器根据当前状态信息和飞行路径规划，继续执行当前子任务；
自主飞行控制还包括：
飞行器配备边缘计算单元，使其能够实时感知环境，执行自主飞行算法；
在飞行器上进行自主飞行控制算法和策略；
在自主飞行控制中，控制指令Control根据飞行器的状态信息State和预设的飞行路径Path确定：Control＝h(State，Path)，
其中，函数h(·)为所选自主分型算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311268696.1A CN117075627A (zh) | 2023-09-28 | 2023-09-28 | 一种无人驾驶飞行器飞行控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311268696.1A CN117075627A (zh) | 2023-09-28 | 2023-09-28 | 一种无人驾驶飞行器飞行控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117075627A true CN117075627A (zh) | 2023-11-17 |
Family
ID=88708282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311268696.1A Pending CN117075627A (zh) | 2023-09-28 | 2023-09-28 | 一种无人驾驶飞行器飞行控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117075627A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117452859A (zh) * | 2023-11-21 | 2024-01-26 | 南开大学 | 一种自主飞行的航空器的控制系统及其方法 |
-
2023
- 2023-09-28 CN CN202311268696.1A patent/CN117075627A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117452859A (zh) * | 2023-11-21 | 2024-01-26 | 南开大学 | 一种自主飞行的航空器的控制系统及其方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Coordinated flight control of miniature fixed-wing UAV swarms: methods and experiments | |
| EP3453617B1 (en) | Autonomous package delivery system | |
| EP2823258B1 (en) | Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles | |
| US8788121B2 (en) | Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles | |
| US11984034B2 (en) | Unmanned vehicle positioning, positioning-based methods and devices therefor | |
| Liu et al. | Mission-oriented miniature fixed-wing UAV swarms: A multilayered and distributed architecture | |
| EP2051151B1 (en) | Method and apparatus for generating at least one voted flight trajectory of a vehicle | |
| Sujit et al. | Cooperative forest fire monitoring using multiple UAVs | |
| US20180233054A1 (en) | Method and apparatus for controlling agent movement in an operating space | |
| EP3128386B1 (en) | Method and device for tracking a moving target from an air vehicle | |
| US20220044578A1 (en) | Decentralized collision avoidance for uavs | |
| EP3816757B1 (en) | Aerial vehicle navigation system | |
| CN117075627A (zh) | 一种无人驾驶飞行器飞行控制系统 | |
| EP3816649A1 (en) | Systems and methods for supplemental navigation using distributed avionics processing | |
| EP3816970A1 (en) | Systems and methods for distributed avionics processing | |
| Liu et al. | An autonomous quadrotor avoiding a helicopter in low-altitude flights | |
| US20220020277A1 (en) | Assurance module | |
| AU2015201728B2 (en) | Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles | |
| AU2016216683A1 (en) | Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles | |
| Pham et al. | Cooperative Path-Following Control of Fixed-Wing UAV Swarm under Communication Delay | |
| Yuan et al. | Trajectory prediction for fighter aircraft ground collision avoidance based on the model predictive control technique | |
| CN117826833A (zh) | 一种无人机多机控制系统 | |
| de Zarzà i Cubero et al. | Drone-Based Decentralized Truck Platooning with UWB Sensing and Control | |
| WO2022029158A1 (en) | A method for controlling a plurality of uavs | |
| CN117215322A (zh) | 一种基于目标位置的无人机动态调整控制方法及系统 |
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 |