CN117148854A - 基于动力调节的电动水翼载具俯仰姿态控制方法及系统 - Google Patents
基于动力调节的电动水翼载具俯仰姿态控制方法及系统 Download PDFInfo
- Publication number
- CN117148854A CN117148854A CN202311425390.2A CN202311425390A CN117148854A CN 117148854 A CN117148854 A CN 117148854A CN 202311425390 A CN202311425390 A CN 202311425390A CN 117148854 A CN117148854 A CN 117148854A
- Authority
- CN
- China
- Prior art keywords
- carrier
- electric hydrofoil
- data
- hydrofoil
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 78
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 230000001133 acceleration Effects 0.000 claims abstract description 29
- 230000004927 fusion Effects 0.000 claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 47
- 238000005259 measurement Methods 0.000 claims description 40
- 239000013598 vector Substances 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000009022 nonlinear effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 description 4
- 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 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005287 neuromuscular process controlling balance Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
本发明提供一种基于动力调节的电动水翼载具俯仰姿态控制方法及系统，涉及姿态控制技术，包括：获取陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合数据融合模型对第一传感数据和第二传感数据进行数据融合，得到电动水翼载具的估计姿态；获取水面传感器采集的位置数据和水面数据，结合权重分配算法为位置数据分配第一权重参数和为水面数据分配第二权重参数，确定综合环境信息；将估计姿态和综合环境信息作为电动水翼载具当前状态信息，根据期望状态信息计算状态误差，确定第一控制输出，将第一控制输出作为电动水翼载具的第二控制模块的输入，确定第二控制模块对应的目标函数最小化时第二控制模块的第二控制输出。
Description
技术领域
本发明涉及姿态控制技术，尤其涉及一种基于动力调节的电动水翼载具俯仰姿态控制方法及系统。
背景技术
水翼载具，比如水翼船、水翼艇、水翼载具等，水翼载具是一种通过水翼在水中产生的升力使载具主体脱离水面翼达到低水阻运行的水面载具，其控制涉及航空领域的专业技术。在水翼载具的飞行控制中，为了保证水翼载具平稳飞行，避免载具姿态角度过大导致升力失效，出现载具倾覆等危险情况水翼载具，需要操作人员具有丰富的经验和技巧，使水翼载具载具操作有较高要求，因此需要对电动水翼载具的飞行控制进行创新，降低水翼载具的操作难度，提高安全性，稳定性。
在相关技术中，CN112373629A，一种电动水翼冲浪板及控制方法公开了一种电动水翼冲浪板及控制方法。电动水翼冲浪板包括滑水板，设置有控制系统，控制系统包括控制器以及与所述控制器电连接的姿态传感器；所述控制器用于获取所述姿态传感器检测的所述滑水板的姿态数据；支杆，一端与所述滑水板连接，所述支杆上设置有角度调节电机，所述角度调节电机与所述控制器电连接，所述控制器用于基于所述姿态数据向所述角度调节电机发送第一控制指令，以使所述角度调节电机根据所述第一控制指令，调节所述滑水板的姿态；水翼板，与所述支杆的另一端连接。通过该方式，使得电动水翼冲浪板可以自身进行平衡的调节，而无需完全依靠用户自身的平衡能力，进而降低了控制难度，降低了用户入门门槛，提高了用户体验。
CN113302123A，用于操作水翼板的方法和系统公开了一种用于控制由马达驱动的推进器提供动力的水翼板的方法。马达由手动控制器控制，该手动控制器配置有使用者可选的操作预设，所述操作预设包括：第一操作预设，其中，将板加速至第一速度，该第一速度低于板实现水翼航行所需的速度；和第二操作预设，其中，将板加速至足以使板实现水翼航行的第二速度。替代地，操作预设可以限制马达功率。也公开了一种用于操作水翼板的系统，该系统包括：推进控制单元，其包括推进源；和手动控制器，其被配置成接收第一用户输入和第二用户输入，并将用户输入传送至推进控制单元。
SE2150582A1，用于控制水翼船运动的方法和控制器单元。包括计算单元、用于预测前方波浪的传感器、水翼攻角AoA、第一约束条件，即水翼和水面的区间、第二约束条件，即由最大AoA和预测波浪加速度的出的加速度大小。由计算单元通过第一约束条件、第二约束条件得最小总价速度以调整水翼AoA,实现一种较平稳的目标路径AoA策略。
综上，现有技术虽然能够实现对电动水翼载具的控制，但是，是通过手动调节动力或通过调整水翼攻角来调整飞行姿态，无法根据现实环境自动调节动力输出调整水翼载具姿态，同时保持水翼载具的平稳飞行。
发明内容
本发明实施例提供一种基于动力调节的电动水翼载具俯仰姿态控制方法及系统，用于根据环境信息和电动水翼载具当前姿态，智能调节电动水翼载具动力输出，保证电动水翼载具的使用姿态。
本发明实施例的第一方面，提供一种基于动力调节的电动水翼载具俯仰姿态控制方法，包括：
获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态；
获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息；
将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出，将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出。
在一种可选的实施方式中，
获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态包括：
获取陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，根据所述第一传感数据和第二传感数据定义状态函数，根据所述状态函数确定状态向量和状态转移函数；
根据预先构建的观测模块，将电动水翼载具的当前状态信息映射到陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据上，得到初始测量向量；
根据所述初始测量向量，在每个时间步中，根据所述状态函数进行状态预测，通过所述状态转移函数并结合过程噪声，确定第一预测协方差；
根据所述初始测量向量和所述第一预测协方差，结合观测模块，确定所述电动水翼载具对应的估计姿态。
在一种可选的实施方式中，
根据所述初始测量向量和所述第一预测协方差，结合观测模块，确定所述电动水翼载具对应的估计姿态如下公式所示：
；
；
其中，K（k）表示在当前时间步k的卡尔曼增益，H表示观测矩阵，HT表示观测矩阵的转置，表示状态协方差矩阵，R(k)表示测量噪声协方差矩阵，x(k+1)表示在k+1时间步的估计姿态，/>表示在k+1时间步预测的估计姿态，z表示初始测量向量。
在一种可选的实施方式中，
得到所述电动水翼载具对应的估计姿态之后，所述方法还包括更新所述估计姿态：
根据所述估计姿态，选择与所述估计姿态对应的均值点附近的分散点，记为第一修正点；
基于所述估计姿态的协方差矩阵和所述均值点，确定所述第一修正点的位置；
根据所述第一修正点的位置，通过预设的非线性状态转移算法，将所述第一修正点映射至下一时间步的状态空间中，生成第二修正点；
将所述第二修正点通过观测模块映射至测量空间，得到预测测量值；
通过权重分配算法为所述第二修正点分配权重，得到预测权重系数；
基于所述预测权重系数对所述预测测量值进行加权平均，确定更新后的估计姿态。
在一种可选的实施方式中，
获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息包括：
通过GPS模块获取当前位置数据，根据所述当前位置数据查询潮汐站点，根据所述潮汐站点，确定潮汐数据；
根据水面传感器，结合所述潮汐数据，获取水面数据；
基于所述位置数据和所述水面数据，通过预设的权重分配算法确定位置数据对应的第一权重参数和水面数据对应的第二权重参数；
基于所述位置数据和水面数据，结合所述第一权重参数和第二权重参数，得到综合环境信息。
在一种可选的实施方式中，
将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出包括：
获取所述估计姿态和所述综合环境信息，将所述估计姿态和综合环境信息记为当前状态信息；
将所述当前状态信息作为所述第一控制模块的输入，记为第一控制输入；
根据所述第一控制输入，结合电动水翼载具的期望状态信息，对于所述第一控制输入中的每个状态信息，计算与所述电动水翼载具的期望状态信息之间的差值；
对所述差值进行单位转换或缩放，得到统一格式的差值数据；
根据所述统一格式的差值数据，将所述电动水翼载具的当前状态信息与所述电动水翼载具的期望状态信息间的误差组合成一个状态误差向量，记为状态误差；
根据所述状态误差生成滑动面，将所述状态误差映射至滑动面上，生成第一控制规则，将所述状态误差引导至所述滑动面上，使所述电动水翼载具保持期望状态，结合所述第一控制模块，得到第一控制输出。
在一种可选的实施方式中，
将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出包括：
将所述第一控制输出和所述电动水翼载具的当前状态信息作为所述第二控制模块的输入，结合预设的优化算法确定最优控制输入；
根据所述最优控制输入，结合目标函数，确定使目标函数最小化时所述第二控制模块的第二控制输出；
将所述第二控制输出输出至所述电动水翼载具的控制器中。
在一种可选的实施方式中，
根据所述状态误差生成滑动面，将所述状态误差映射至滑动面上，生成第一控制规则，将所述状态误差引导至所述滑动面上，使所述电动水翼载具保持期望状态，结合所述第一控制模块，得到第一控制输出，如下公式所示
；
其中，u表示第一控制输出，k1表示位置误差项对应的比例增益函数，k2表示速度误差项对应的比例增益函数，k3表示加速度误差项对应的比例增益函数，a表示状态误差项，sign(s1（a）)表示位置误差项,sign(s2(a))表示速度误差项，sign(s3(a))表示加速度误差项，tanf(v)表示不同输入项组合对系统产生的非线性影响值，v表示与系统非线性效应相关的项。
本发明实施例的第二方面，提供一种基于动力调节的电动水翼载具俯仰姿态控制系统，包括：
第一单元，用于获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态；
第二单元，用于获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息；
第三单元，用于将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出，将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出。
本发明实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。
本发明实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。
本发明实施例的有益效果可以参考具体实施方式中技术特征对应的效果，在此不再赘述。
附图说明
图1为本发明实施例一种基于动力调节的电动水翼载具俯仰姿态控制方法的流程示意图；
图2为本发明实施例一种基于动力调节的电动水翼载具俯仰姿态控制系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述，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。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例一种基于动力调节的电动水翼载具俯仰姿态控制方法的流程示意图，如图1所示，所述方法包括：
S1.获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态；
陀螺仪是一种测量和检测旋转运动或方向变化的传感器或仪器，通过测量物体绕轴旋转的角速度来确定物体的旋转方向和旋转角速度。
所述第一传感数据包括角速度，角度，角加速度和陀螺仪自身状态；
所述第二传感数据包括线性加速度，振动信息和冲击检测信息；
在带有控制系统的电动水翼载具飞行控制中，一般通过升降舵控制电动水翼载具调节飞行俯仰角，但是需要在水翼载具上安装舵面，驱动器，传动系统等部件，但安装的同时对系统的防水性能要求又有较大提升，也增加了水翼载具结构的复杂程度和产品重量。
所述数据融合，具体是指将来自不同传感器的数据融合在一起，以克服不同传感器可能存在的误差，噪声和不确定性。
所述数据融合模型使用融合后的数据来估计电动水翼载具的姿态，位置，速度，加速度等信息，并预测可能的未来状态。数据融合的目标是提供更精确、可靠的信息，以帮助系统更好地理解其环境和状态，对于实时控制非常重要。
在一种可选的实施方式中，
获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态包括：
获取陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，根据所述第一传感数据和第二传感数据定义状态函数，根据所述状态函数确定状态向量和状态转移函数；
获取所述陀螺仪采集的第一传感数据，包括角速度及角度和角加速度等信息；
获取加速度传感器采集的第二传感数据，包括线性加速度和其他相关数据；
基于采集到的数据，定义一个状态函数，将所述第一传感数据和所述第二传感数据映射到状态空间；
定义一个状态向量，包括所述电动水翼载具的各种状态变量，这个向量包括水翼载具的姿态角度，位置，速度和加速度等；
定义状态转移函数，描述状态向量随时间的变化；
使用状态转移函数和传感数据，进行状态估计。
根据预先构建的观测模块，将电动水翼载具的当前状态信息映射到陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据上，得到初始测量向量；
观测模块是一个数学模型，用于将当前状态信息映射到陀螺仪和加速度传感器数据的测量向量，具体形式取决于系统的特性和传感器的性质。
获取所述电动水翼载具的当前状态信息，如姿态、位置和速度等；
使用定义好的观测模块，将电动水翼载具的当前状态信息映射到陀螺仪和加速度传感器数据的测量向量上，具体为将状态向量的不同部分与传感器测量值关联起来。
根据观测模块的映射，生成初始测量向量，反映了电动水翼载具的当前状态信息。
根据所述初始测量向量，在每个时间步中，根据所述状态函数进行状态预测，通过所述状态转移函数并结合过程噪声，确定第一预测协方差；
在第一个时间步开始获取初始测量向量和状态估计，初始化状态协方差矩阵，通常为系统状态的初始不确定性的估计；
在每个时间步上，使用状态转移函数进行状态预测，根据先前的状态估计和控制输入来估计下一个时间步的状态；
在考虑过程中加入过程噪声，表示系统和预测中的不确定性，并将所述过程噪声与所述状态预测结合；
利用状态转移矩阵和过程噪声协方差矩阵计算状态协方差的预测值，得到所述第一预测协方差；
根据所述初始测量向量和所述第一预测协方差，结合观测模块，确定所述电动水翼载具对应的估计姿态。
在一种可选的实施方式中，
根据所述初始测量向量和所述第一预测协方差，结合观测模块，确定所述电动水翼载具对应的估计姿态如下公式所示：
；
；
其中，K（k）表示在当前时间步k的卡尔曼增益，H表示观测矩阵，HT表示观测矩阵的转置，表示状态协方差矩阵，R(k)表示测量噪声协方差矩阵，x(k+1)表示在k+1时间步的估计姿态，/>表示在k+1时间步预测的估计姿态，z表示初始测量向量。
在本步骤中，使用该公式，通过公式中描述的卡尔曼滤波或扩展卡尔曼滤波算法得到的估计姿态将更加准确，且适应性强，有助于提高对系统状态的估计和控制的精度。
在一种可选的实施方式中，
得到所述电动水翼载具对应的估计姿态之后，所述方法还包括更新所述估计姿态：
根据所述估计姿态，选择与所述估计姿态对应的均值点附近的分散点，记为第一修正点；
从之前的步骤中获取电动水翼载具的估计姿态，即状态向量；
在状态空间中，通过引入随机扰动来模拟姿态估计的不确定性围绕估计姿态生成一组分散点；
根据具体需求调整分散点的数量和分布；
选择这组生成的分散点的均值点附近的一个分散点作为第一修正点；
基于所述估计姿态的协方差矩阵和所述均值点，确定所述第一修正点的位置；
从先前的步骤中获取电动水翼载具的估计姿态和对应的协方差矩阵；
对协方差矩阵进行分解，获得一个上三角矩阵；
生成一个均值为零、协方差为单位矩阵的标准正态分布，通过矩阵乘法变换为具有期望均值和指定协方差的多元正态分布的随机向量；
使用生成的随机向量与协方差矩阵的分解，通过线性组合得到一组扰动值；
将这组扰动值加到估计姿态均值点上，得到所述第一修正点的位置；
根据所述第一修正点的位置，通过预设的非线性状态转移算法，将所述第一修正点映射至下一时间步的状态空间中，生成第二修正点；
获取所述第一修正点的位置；
使用预设的根据电动水翼载具的动力学模型和运动方程来定义的非线性状态转移算法，将第一修正点的位置映射到下一时间步的状态空间，得到所述第二修正点；
所述状态空间是描述系统动态行为的抽象数学概念，是一个包含系统状态的向量的空间，这个向量包含了系统在某一时刻的所有重要信息。
将所述第二修正点通过观测模块映射至测量空间，得到预测测量值；
所述测量空间是描述系统测量结果的空间，包含了系统状态通过传感器测量得到的全部信息。
获取所述第二修正点的位置，使用观测模块，将第二修正点的位置映射到测量空间，得到预测测量值；
通过权重分配算法为所述预测测量值分配权重，得到预测权重系数；
使用卡尔曼滤波器中的卡尔曼增益确定权重计算方法；
将所述预测测量值和实际测量值进行比较，考虑测量测不确定性和系统模型的不确定性；
对所有测量计算的权重进行归一化，确保它们的总和为1，得到的归一化权重即为预测权重系数；
基于所述预测权重系数对所述预测测量值进行加权平均，确定更新后的估计姿态。
获取所述预测测量值和所述预测权重系数；
对每个预测测量值进行加权平均，将得到的加权平均值作为更新后的估计姿态。
本步骤中，陀螺仪可以更准确地估计电动水翼载具的姿态，包括倾斜角度和旋转速度，数据融合模型可以对不同传感器的特性进行整合，从而提高系统对于各种工作环境和挑战的适应性，通过结合多个传感器的数据，系统更有可能适应动态环境中的快速变化。
S2.获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息；
在电动水翼载具的实际应用过程中，会受到由潮汐引起的水面波浪和所在位置的水文环境的影响，因此需要根据不同的使用位置和水文信息，调节对应的控制策略。
GPS模块通常用于获取全球位置信息，包括经度、纬度和海拔高度等。这类数据对于确定电动水翼载具的具体位置以及运动轨迹非常重要。
水面传感器用于测量水面的特定参数，如水温、水质等。这类数据可能与电动水翼载具在水面上的运动和环境条件相关。
在一种可选的实施方式中，
获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息包括：
通过GPS模块获取当前位置数据，根据所述当前位置数据查询潮汐站点，根据所述潮汐站点，确定潮汐数据；
使用GPS模块获取当前电动水翼载具的位置数据，包括经度和纬度；
利用获取的经度和纬度信息，查询潮汐站点的数据库或在线服务，找到距离当前位置最近的潮汐站点；
通过选定的潮汐站点，获取与该站点相关的潮汐数据，包括潮汐的涨落时间和潮高等数据；
对获取的潮汐数据进行必要的处理，如转换时间和提取关键信息等，得到所述潮汐数据。
根据水面传感器，结合所述潮汐数据，获取水面数据；
获取水面传感器测量到的数据信息；
获取所述潮汐数据，将所述潮汐数据与水面传感器测量到的数据进行结合，如调整水位数据以考虑潮汐对水位的影响等操作；
对结合后的数据进行去杂和后处理，确定所述水面数据；
基于所述位置数据和所述水面数据，通过预设的权重分配算法确定位置数据对应的第一权重参数和水面数据对应的第二权重参数；
获取所述位置数据和所述水面数据；
将所述位置数据和水面数据进行标准化操作，确保在权重分配过程中具有可比性；
通过权重分配算法，计算位置数据对应的第一权重参数和水面数据对应的第二权重参数；
基于所述位置数据和水面数据，结合所述第一权重参数和第二权重参数，得到综合环境信息。
所述综合环境信息具体指所述电动水翼载具的综合位置信息和综合水面信息以及权重分配信息，同时还可能包括其他可能对电动水翼载具实际应用产生影响的其他环境因素。
本步骤中，水面传感器提供了水面状况的信息，如波浪、涌浪等。这对于电动水翼载具来说是关键的，因为水面状况的变化会直接影响到板的稳定性和用户体验，通过综合位置和水面数据，系统可以更好地适应不同的水域环境，包括湖泊、河流、海洋等，增加了电动水翼载具在不同水域中的适用性。
综上，本步骤通过综合不同传感器的数据，使得电动水翼载具能够更智能、更适应不同的水域环境，从而提高了整个控制系统的性能和用户体验。
S3.将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出，将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出。
本方案中，将所述第一控制模块与所述第二控制模块相结合，将所述第一控制模块作为额外的控制层，确保对所述电动水翼载具的第二控制输出是在一定的约束条件下生成的，增加了系统的稳定性。
在一种可选的实施方式中，
将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出包括：
获取所述估计姿态和所述综合环境信息，将所述估计姿态和综合环境信息记为当前状态信息；
将所述当前状态信息作为所述第一控制模块的输入，记为第一控制输入；
根据所述第一控制输入，结合电动水翼载具的期望状态信息，对于所述第一控制输入中的每个状态信息，计算与所述电动水翼载具的期望状态信息之间的差值；
对所述差值进行单位转换或缩放，得到统一格式的差值数据；
根据所述统一格式的差值数据，将所述电动水翼载具的当前状态信息与所述电动水翼载具的期望状态信息间的误差组合成一个状态误差向量，记为状态误差；
根据所述状态误差生成滑动面，将所述状态误差映射至滑动面上，生成第一控制规则，将所述状态误差引导至所述滑动面上，使所述电动水翼载具保持期望状态，结合所述第一控制模块，得到第一控制输出。
根据所述状态误差，生成一个滑动面，该滑动面通常为一个超平面，方程形式为所述状态误差的线性组合；
将当前状态误差通过投影或非线性变换等手段，映射至所述滑动面上；
基于映射后的状态误差，设计第一控制规则；
利用所述第一控制规则，调整所述电动水翼载具的控制输入，引导系统状态朝向期望状态，生成所述第一控制输出；
在一种可选的实施方式中，
将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出包括：
将所述第一控制输出和所述电动水翼载具的当前状态信息作为所述第二控制模块的输入，结合预设的优化算法确定最优控制输入；
获取所述第一控制输出和电动水翼载具当前的状态信息，所述电动水翼载具当前的状态信息包括速度，位置，姿态等；
定义目标函数和约束条件，并将所述第一控制输出作为初始解，启动优化算法；
所述优化算法具体为基于梯度下降的非线性优化算法；
迭代运行优化算法，逐步调整控制输入以达到最小化目标函数的目标；
根据优化算法的收敛准则，判断是否找到了满足要求的最优解，如果满足条件则停止迭代，将这一解作为最优控制输入，若不满足，则继续迭代。
根据所述最优控制输入，结合目标函数，确定使目标函数最小化时所述第二控制模块的第二控制输出；
获取所述最优控制输入，将所述最优控制输入代入到目标函数中；
通过数学优化方法，调整最优控制输入，使目标函数达到最小值，并确定所述第二控制输出。
将所述第二控制输出输出至所述电动水翼载具的控制器中。
在一种可选的实施方式中，
根据所述状态误差生成滑动面，将所述状态误差映射至滑动面上，生成第一控制规则，将所述状态误差引导至所述滑动面上，使所述电动水翼载具保持期望状态，结合所述第一控制模块，得到第一控制输出，如下公式所示
；
其中，u表示第一控制输出，k1表示位置误差项对应的比例增益函数，k2表示速度误差项对应的比例增益函数，k3表示加速度误差项对应的比例增益函数，a表示状态误差项，sign(s1（a）)表示位置误差项,sign(s2(a))表示速度误差项，sign(s3(a))表示加速度误差项，tanf(v)表示不同输入项组合对系统产生的非线性影响值，v表示与系统非线性效应相关的项。
在本步骤中使用该公式，对于一些不确定性和非线性因素具有更好的可靠性，能够使系统在一些复杂的环境中保持期望状态。
本步骤将将估计姿态和综合环境信息结合作为当前状态信息，有助于提高对系统整体状况的认知，通过计算估计姿态与期望状态之间的误差，系统能够实时了解当前状态与目标状态之间的偏差。这有助于精准地调整控制输入，使得系统更好地满足期望，通过将控制任务分为两个阶段，系统的控制策略更加灵活。第一阶段专注于状态误差的实时调整，第二阶段通过全局优化进一步提升系统性能。能够使所述电动水翼载具在不同环境和工况下更可靠地工作。
图2为本发明实施例一种基于动力调节的电动水翼载具俯仰姿态控制系统的结构示意图，如图2所示，所述系统包括：
第一单元，用于获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态；
第二单元，用于获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息；
第三单元，用于将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出，将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于动力调节的电动水翼载具俯仰姿态控制方法，其特征在于，包括：
获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态；
获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息；
将所述估计姿态和预先获取的综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出，将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出。
2.根据权利要求1所述的方法，其特征在于，获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态包括：
获取陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，根据所述第一传感数据和第二传感数据定义状态函数，根据所述状态函数确定状态向量和状态转移函数；
根据预先构建的观测模块，将电动水翼载具的当前状态信息映射到陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据上，得到初始测量向量；
根据所述初始测量向量，在每个时间步中，根据所述状态函数进行状态预测，通过所述状态转移函数并结合过程噪声，确定第一预测协方差；
根据所述初始测量向量和所述第一预测协方差，结合观测模块，确定所述电动水翼载具对应的估计姿态。
3.根据权利要求2所述的方法，其特征在于，根据所述初始测量向量和所述第一预测协方差，结合观测模块，确定所述电动水翼载具对应的估计姿态如下公式所示：
；
；
其中，K（k）表示在当前时间步k的卡尔曼增益，H表示观测矩阵，HT表示观测矩阵的转置，表示状态协方差矩阵，R(k)表示测量噪声协方差矩阵，x(k+1)表示在k+1时间步的估计姿态，/>表示在k+1时间步预测的估计姿态，z表示初始测量向量。
4.根据权利要求2所述的方法，其特征在于，得到所述电动水翼载具对应的估计姿态之后，所述方法还包括更新所述估计姿态：
根据所述估计姿态，选择与所述估计姿态对应的均值点附近的分散点，记为第一修正点；
基于所述估计姿态的协方差矩阵和所述均值点，确定所述第一修正点的位置；
根据所述第一修正点的位置，通过预设的非线性状态转移算法，将所述第一修正点映射至下一时间步的状态空间中，生成第二修正点；
将所述第二修正点通过观测模块映射至测量空间，得到预测测量值；
通过权重分配算法为所述预测测量值分配权重，得到预测权重系数；
基于所述预测权重系数对所述预测测量值进行加权平均，确定更新后的估计姿态。
5.根据权利要求1所述的方法，其特征在于，获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息包括：
通过GPS模块获取当前位置数据，根据所述当前位置数据查询潮汐站点，根据所述潮汐站点，确定潮汐数据；
根据水面传感器，结合所述潮汐数据，获取水面数据；
基于所述位置数据和所述水面数据，通过预设的权重分配算法确定位置数据对应的第一权重参数和水面数据对应的第二权重参数；
基于所述位置数据和水面数据，结合所述第一权重参数和第二权重参数，得到综合环境信息。
6.根据权利要求1所述的方法，其特征在于，将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出包括：
获取所述估计姿态和所述综合环境信息，将所述估计姿态和综合环境信息记为当前状态信息；
将所述当前状态信息作为所述第一控制模块的输入，记为第一控制输入；
根据所述第一控制输入，结合电动水翼载具的期望状态信息，对于所述第一控制输入中的每个状态信息，计算与所述电动水翼载具的期望状态信息之间的差值；
对所述差值进行单位转换或缩放，得到统一格式的差值数据；
根据所述统一格式的差值数据，将所述电动水翼载具的当前状态信息与所述电动水翼载具的期望状态信息间的误差组合成一个状态误差向量，记为状态误差；
根据所述状态误差生成滑动面，将所述状态误差映射至滑动面上，生成第一控制规则，将所述状态误差引导至所述滑动面上，使所述电动水翼载具保持期望状态，结合所述第一控制模块，得到第一控制输出。
7.根据权利要求1所述的方法，其特征在于，将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出包括：
将所述第一控制输出和所述电动水翼载具的当前状态信息作为所述第二控制模块的输入，结合预设的优化算法确定最优控制输入；
根据所述最优控制输入，结合目标函数，确定使目标函数最小化时所述第二控制模块的第二控制输出；
将所述第二控制输出输出至所述电动水翼载具的控制器中。
8.根据权利要求6所述的方法，其特征在于，根据所述状态误差生成滑动面，将所述状态误差映射至滑动面上，生成第一控制规则，将所述状态误差引导至所述滑动面上，使所述电动水翼载具保持期望状态，结合所述第一控制模块，得到第一控制输出，如下公式所示
；
其中，u表示第一控制输出，k1表示位置误差项对应的比例增益函数，k2表示速度误差项对应的比例增益函数，k3表示加速度误差项对应的比例增益函数，a表示状态误差项，sign(s1（a）)表示位置误差项,sign(s2(a))表示速度误差项，sign(s3(a))表示加速度误差项，tanf(v)表示不同输入项组合对系统产生的非线性影响值，v表示与系统非线性效应相关的项。
9.一种基于动力调节的电动水翼载具俯仰姿态控制系统，其特征在于，包括：
第一单元，用于获取设置于电动水翼载具上陀螺仪采集的第一传感数据和加速度传感器采集的第二传感数据，结合预设的数据融合模型对所述第一传感数据和所述第二传感数据进行数据融合，得到所述电动水翼载具对应的估计姿态；
第二单元，用于获取设置于电动水翼载具上水面传感器采集的位置数据和水面数据，结合预设的权重分配算法分别为所述位置数据分配第一权重参数和为所述水面数据分配第二权重参数，确定所述电动水翼载具对应的综合环境信息；
第三单元，用于将所述估计姿态和所述综合环境信息作为所述电动水翼载具的当前状态信息，根据所述当前状态信息和所述电动水翼载具的期望状态信息计算状态误差，基于所述状态误差以及所述电动水翼载具的第一控制模块，确定第一控制输出，将所述第一控制输出作为所述电动水翼载具的第二控制模块的输入，确定所述第二控制模块对应的目标函数最小化时所述第二控制模块的第二控制输出。
10.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至8中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311425390.2A CN117148854B (zh) | 2023-10-31 | 2023-10-31 | 基于动力调节的电动水翼载具俯仰姿态控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311425390.2A CN117148854B (zh) | 2023-10-31 | 2023-10-31 | 基于动力调节的电动水翼载具俯仰姿态控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117148854A true CN117148854A (zh) | 2023-12-01 |
| CN117148854B CN117148854B (zh) | 2024-02-09 |
Family
ID=88901184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311425390.2A Active CN117148854B (zh) | 2023-10-31 | 2023-10-31 | 基于动力调节的电动水翼载具俯仰姿态控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117148854B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105094138A (zh) * | 2015-07-15 | 2015-11-25 | 东北农业大学 | 一种用于旋翼无人机的低空自主导航系统 |
| CN109460052A (zh) * | 2019-01-09 | 2019-03-12 | 北京明学思机器人科技有限公司 | 一种可拼组飞行器的控制方法 |
| CN110989640A (zh) * | 2019-10-24 | 2020-04-10 | 深圳市道通智能航空技术有限公司 | 一种飞行控制方法、飞行器及飞行系统 |
| CN112180729A (zh) * | 2020-10-09 | 2021-01-05 | 电子科技大学中山学院 | 一种机械臂自适应轨迹跟踪控制方法 |
| CN112309172A (zh) * | 2020-10-27 | 2021-02-02 | 四川摩比斯新能源水翼船有限责任公司 | 一种监测并平衡水翼船运行状态的方法及装置 |
| CN112445231A (zh) * | 2019-08-30 | 2021-03-05 | 中移(苏州)软件技术有限公司 | 一种姿态控制方法、多旋翼飞行器及可读存储介质 |
| KR102294829B1 (ko) * | 2020-09-23 | 2021-08-27 | 세종대학교산학협력단 | 가변 하중을 가지는 무인비행체 비행제어 시스템 및 방법 |
| WO2022160618A1 (zh) * | 2021-01-29 | 2022-08-04 | 广东汇天航空航天科技有限公司 | 载人飞行器飞行姿态控制方法、系统及载人飞行器 |
-
2023
- 2023-10-31 CN CN202311425390.2A patent/CN117148854B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105094138A (zh) * | 2015-07-15 | 2015-11-25 | 东北农业大学 | 一种用于旋翼无人机的低空自主导航系统 |
| CN109460052A (zh) * | 2019-01-09 | 2019-03-12 | 北京明学思机器人科技有限公司 | 一种可拼组飞行器的控制方法 |
| CN112445231A (zh) * | 2019-08-30 | 2021-03-05 | 中移(苏州)软件技术有限公司 | 一种姿态控制方法、多旋翼飞行器及可读存储介质 |
| CN110989640A (zh) * | 2019-10-24 | 2020-04-10 | 深圳市道通智能航空技术有限公司 | 一种飞行控制方法、飞行器及飞行系统 |
| KR102294829B1 (ko) * | 2020-09-23 | 2021-08-27 | 세종대학교산학협력단 | 가변 하중을 가지는 무인비행체 비행제어 시스템 및 방법 |
| CN112180729A (zh) * | 2020-10-09 | 2021-01-05 | 电子科技大学中山学院 | 一种机械臂自适应轨迹跟踪控制方法 |
| CN112309172A (zh) * | 2020-10-27 | 2021-02-02 | 四川摩比斯新能源水翼船有限责任公司 | 一种监测并平衡水翼船运行状态的方法及装置 |
| WO2022160618A1 (zh) * | 2021-01-29 | 2022-08-04 | 广东汇天航空航天科技有限公司 | 载人飞行器飞行姿态控制方法、系统及载人飞行器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117148854B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105785999B (zh) | 无人艇航向运动控制方法 | |
| CN110597069B (zh) | 一种基于rbf神经网络的水下机器人自适应区域动力定位控制方法 | |
| Bird et al. | Closing the loop in dynamic soaring | |
| CN107957727A (zh) | 水下机器人控制系统及动力定位方法 | |
| Song et al. | Long-term inertial navigation aided by dynamics of flow field features | |
| CN112432644B (zh) | 基于鲁棒自适应无迹卡尔曼滤波的无人艇组合导航方法 | |
| CN115016496A (zh) | 基于深度强化学习的水面无人艇路径跟踪方法 | |
| CN112987061B (zh) | 一种基于gps和激光雷达模糊融合定位方法 | |
| KR100868849B1 (ko) | 선박의 속력 시운전 최적코스 선정 방법 | |
| CN105867417B (zh) | 一种dvl测速失效时的uuv反步滑模动力定位控制方法 | |
| CN108226887B (zh) | 一种观测量短暂丢失情况下的水面目标救援状态估计方法 | |
| Fossen et al. | Exogenous kalman filter (xkf) for visualization and motion prediction of ships using live automatic identification systems (ais) data | |
| CN106527454B (zh) | 一种无稳态误差的远程水下航行器定深控制方法 | |
| CN115265532A (zh) | 一种用于船用组合导航中的辅助滤波方法 | |
| CN117148854B (zh) | 基于动力调节的电动水翼载具俯仰姿态控制方法及系统 | |
| CN109062198B (zh) | 一种船舶的航行控制方法、装置、设备及介质 | |
| CN112836448A (zh) | 一种船舶水动力系数的实船试验方法 | |
| CN105783909B (zh) | 一种基于ukf和pso-svm的hov混合水下导航定位方法 | |
| CN114879703B (zh) | 水下机器人路径跟踪控制方法 | |
| CN110388917B (zh) | 飞行器单目视觉尺度估计方法和装置、飞行器导航系统及飞行器 | |
| CN114194347B (zh) | 半潜式海洋平台的动力定位方法、装置、设备及介质 | |
| CN115421483A (zh) | 一种无人船操纵运动预报方法 | |
| Bremnes et al. | Hybrid observer concept for sensor fusion of sporadic measurements for underwater navigation | |
| WO2020249287A1 (en) | Method for computer-implemented determination of a drag coefficient of a wind turbine | |
| Bremnes et al. | Sensor-based hybrid translational observer for underwater navigation |
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 |