CN117270574B - 基于虚拟目标的固定翼无人机飞行编队试验方法 - Google Patents

Abstract

本发明提供基于虚拟目标的固定翼无人机飞行编队试验方法，属于无人机飞行控制技术领域，解决了现有飞行编队试验风险高的问题；本发明中，通过设置单个或多个虚拟目标的飞行参数，建立虚拟目标运动模型，计算虚拟目标与真实无人机间距离等相关参数，来解算出真实无人机和虚拟无人机的编队状态指令和对应的控制指令，并将虚拟无人机的控制指令输入至虚拟目标的对应模型中，将真实无人机的控制指令发送至真实无人机的作动器，从而控制真实无人机在编队飞行过程中的速度、位置和姿态，实现其与虚拟目标间的距离保持等效果；本发明可有效降低飞行试验风险，节约固定翼无人机编队飞行试验成本，提高固定翼无人机编队飞行效率。

Description

基于虚拟目标的固定翼无人机飞行编队试验方法

技术领域

本发明属于无人机飞行控制技术领域，应用于无人机编队飞行中，具体为基于虚拟目标的固定翼无人机飞行编队试验方法。

背景技术

随着无人机技术的快速发展，无人机编队飞行逐渐成为了重点关注的方向，无人机编队飞行能够完成单无人机不能完成的飞行任务。

现有技术中，相较于旋翼无人机的编队飞行，固定翼无人机的编队飞行技术成熟度较低，编队飞行试验风险大，尤其是固定翼无人机进行近距离的编队飞行试验，风险将上升至极大水平，达到单固定翼无人机飞行试验风险的数倍甚至数十倍。

如何发展固定翼无人机的编队飞行技术，首要解决的问题便是降低固定翼无人机的编队飞行试验风险，从而节约飞行试验成本，获得技术的提升后，提高固定翼无人机编队飞行的效率。

发明内容

本发明的目的是降低固定翼无人机的编队飞行试验风险，因此提出了一种基于虚拟目标理念的固定翼无人机飞行编队试验方法；本发明的方法通过设置单个或多个虚拟目标，降低飞行试验风险，节约固定翼无人机编队飞行试验成本，提高固定翼无人机编队飞行效率。

本发明采用了以下技术方案来实现目的：

一种基于虚拟目标的固定翼无人机飞行编队试验方法，所述方法包括如下步骤：

S1、设置虚拟目标，初始化虚拟目标信息；

S2、建立虚拟目标的运动模型和动力学模型，将虚拟目标作为对应的虚拟无人机，解算出虚拟目标的运动状态信息；

S3、获取真实无人机的传感信息和虚拟无人机的运动状态信息，通过协同控制算法，解算出真实无人机和虚拟无人机的编队状态指令；

S4、依据真实无人机和虚拟无人机的编队状态指令，解算出对应的控制指令；将虚拟无人机的控制指令输入至虚拟目标的运动模型和动力学模型中，实时仿真解算虚拟目标在飞行编队中的运动状态信息；

S5、将真实无人机的控制指令发送至真实无人机中对应的作动器，控制真实无人机与虚拟无人机的编队飞行过程，得到试验结果。

具体的，步骤S1中，虚拟目标信息包括虚拟目标数量、虚拟目标位置、虚拟目标速度和虚拟目标姿态，在初始化过程中设置各类信息的初始状态。

具体的，步骤S2中，虚拟目标的运动状态信息为解算过程中实时更新的虚拟目标位置、虚拟目标速度和虚拟目标姿态。

具体的，步骤S3中，解算的编队状态指令包括速度指令和制导指令。

具体的，步骤S4中，依据真实无人机和虚拟无人机的速度指令和制导指令，解算出对应的控制指令；依据虚拟无人机对应的控制指令，实时仿真解算并更新虚拟无人机的位置、速度和姿态信息；步骤S5中，真实无人机的控制指令包括舵控制指令和油门指令。

综上所述，由于采用了本技术方案，本发明的有益效果如下：

本发明的方法，在固定翼无人机的飞行编队试验中，基于虚拟目标的理念，通过设置单个或多个虚拟目标的飞行参数，建立虚拟目标运动模型；再通过虚拟目标与固定翼无人机之间相关参数的计算，来控制无人机的速度，同时保持无人机与虚拟目标之间的距离。

在应用本发明的方法后，固定翼无人机的飞行编队试验风险大幅下降；同时由飞行试验结果证明，本发明的方法节约了固定翼无人机编队飞行的试验成本，提高了固定翼无人机编队飞行的效率。

附图说明

图1为本发明方法的整体流程示意图；

图2为飞行试验中相对侧偏距的数据结果图；

图3为飞行试验中相对高度的数据结果图；

图4为飞行试验中相对速度的数据结果图；

图5为飞行试验中相对距离的数据结果图。

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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以按各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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

一种基于虚拟目标的固定翼无人机飞行编队试验方法，所述方法的流程示意图可同步参看图1，本实施例将按照步骤顺序对方法的内容进行详细说明，并对各步骤计算式内容进行讲解。

S1、设置虚拟目标，初始化虚拟目标信息；虚拟目标信息包括虚拟目标数量、虚拟目标位置、虚拟目标速度和虚拟目标姿态，在初始化过程中设置各类信息的初始状态。

依据最终编队飞行无人机总数量和此次编队飞行试验的真实无人机数量/>，设置虚拟目标数量/>；在多次试验的每一次试验过程中，真实无人机数量/>随着试验成熟度的增加而对应增加；虚拟目标信息的初始化依据编队飞行任务进行设置，当编队飞行任务在无人机飞行的平飞段执行时，则虚拟目标速度设为恒定不变的平飞速度/>，/>为速度指令，且速度倾角为0、速度偏角为平飞方向，虚拟目标位置则对应真实无人机平飞初始位置设置。

S2、建立虚拟目标的运动模型和动力学模型，将虚拟目标作为对应的虚拟无人机，解算出虚拟目标的运动状态信息；其中，虚拟目标的运动状态信息为解算过程中实时更新的虚拟目标位置、虚拟目标速度和虚拟目标姿态。

此步骤中，首先建立单个或多个虚拟目标的运动模型和动力学模型；本实施例在此处的编队飞行仅关注虚拟目标的位置信息，因此建立的运动模型为虚拟目标的三自由度运动学模型，如下式：

同时建立虚拟目标的动力学模型，如下式：

在上述两个模型中，将虚拟目标作为对应的虚拟无人机；其中，为第/>个虚拟无人机在地面坐标系中的位置变化率；/>表示第/>个虚拟无人机的速度，/>表示第/>个虚拟无人机的速度变化率，/>、/>分别表示第/>个虚拟无人机的速度倾角和速度偏航角，/>、/>分别表示第个虚拟无人机的速度倾角变化率和速度偏航角变化率；/>分别为第/>个虚拟无人机的轴向过载和法向过载，/>为第/>个虚拟无人机的滚转角；/>为重力系数；

补充说明：本实施例中所有计算式中上方带有导数标记点的参数字母为对应原参数字母的微分，表征变化率或增益，为本领域技术人员所熟知的公知常识；例如表示第/>个虚拟无人机的速度变化率，对应于/>表示第/>个虚拟无人机的速度。

在解算虚拟无人机的运动状态信息时，本实施例将和/>作为虚拟无人机的控制输入。

如果在无人机飞行编队试验过程中，不考虑相对姿态等关系，则可直接采用上述的三自由度运动学模型，将速度倾角和速度偏航角/>作为虚拟目标的控制输入即可；如果试验过程需考虑飞行姿态的影响，则虚拟目标还需建立完整的六自由度运动学及动力学模型，模型建立过程为本领域公知，在此不再赘述。

S3、获取真实无人机的传感信息和虚拟无人机的运动状态信息，通过协同控制算法，解算出真实无人机和虚拟无人机的编队状态指令，包括速度指令和制导指令。

本实施例中，真实无人机的空速、姿态、位置等信息，从传感器获得后，传送给无人机飞控系统；同时，在真实无人机上搭载实时仿真计算机，将真实无人机的传感信息也传送给实时仿真计算机，计算机将计算出的虚拟无人机位置与真实无人机位置转换到同一惯性坐标系中，并在该坐标系中计算二者的相对位置、相对速度和姿态等信息。

若虚拟目标只需简单的解算位置和速度信息，无需姿态信息，则真实无人机的无人机飞控系统也可胜任解算过程，从而直接方便的获取真实无人机与虚拟无人机之间的相对位置和相对速度。

以下为步骤S3中的具体过程及计算式介绍。

无人机控制之间的相对关系是在平面惯性坐标系中处理的，本实施例采用了北东地坐标系作为参考系，其中/>指向北，/>指向东，/>竖直向下；令坐标原点/>为起飞点(起飞点处各参数为：经度/>、纬度/>和海拔高度/>)，需要将无人机在飞行编队试验过程中当前的地理坐标系经度/>、纬度/>和海拔高度/>转换到/>系下，转换矩阵如下：

其中：

转换矩阵中，、/>和/>分别表示当前点与参考点间的变化量，参考点即起飞点(经度/>、纬度/>和海拔高度/>)，具体如下：

式中，参数、/>、/>来源于地球模型，地球模型采用WGS-84椭球模型，其中的参数/>、/>、/>如下表1所列。

表1 地球WGS-84椭球模型参数表

因此，在上述基础计算式上，在北东地坐标系计算虚拟无人机与真实无人机集群之间的相对位置，可表示为：

式中，表示真实无人机与虚拟无人机组成编队的第/>、/>架无人机；其相对位置需要转换为：航线方向的相对距离、相对侧偏距和相对高度，设编队飞行的目标点与初始点之间的航向角为/>，则有：

式中，、/>和/>分别表示对于航线方向的相对距离、相对侧偏距和相对高度；即解算得到了虚拟目标和真实无人机之间的相对位置。

在北东地坐标系下，编队第架无人机的速度矢量为：

其中，、/>、/>，/>为北向速度，/>为东向速度，/>为天向速度；组合解释即为：/>是编队第/>架无人机的北向速度，/>是编队第/>架无人机的东向速度，/>是编队第/>架无人机的取反天向速度；由于天向速度标准方向为空间轨道指向地心，因此此处对于无人机的速度矢量需要取反，即/>；

第架无人机的相对速度为：

则有：

式中，、/>和/>即分别表示在航线方向上，第/>架无人机之间的相对速度、相对侧向速度和相对天向速度；/>、/>和/>即分别表示第/>架无人机之间的原本的相对北向速度、相对东向速度和相对天向速度；通过上式，即解算得到了虚拟目标和真实无人机之间的相对速度信息。

将解算得到的相对位置和速度信息作为输入，在协同控制算法下解算出真实无人机和虚拟无人机各自的速度指令和制导指令。

S4、依据真实无人机和虚拟无人机的速度指令和制导指令，解算出对应的控制指令；将虚拟无人机的控制指令输入至虚拟目标的运动模型和动力学模型中，实时仿真解算并更新虚拟无人机的位置、速度和姿态信息。

依据无人机编队之间的各类相对关系，得到编队中第架虚拟无人机的速度指令，再通过速度控制模型，得到轴向过载指令/>，如下式：

式中，为速度指令系数。

依据无人机编队之间的各类相对关系，得到编队中第架虚拟无人机的高度指令和侧偏距指令/>，计算出法向过载指令/>和滚转角指令/>，分别如下式：

式中，为编队飞行目标点与初始点之间的航向角，/>为高度控制的速度倾角反馈系数，/>为高度反馈系数，/>为速度偏航角反馈系数，/>为侧偏距反馈系数；/>为第/>架虚拟无人机的当前高度，/>为第/>架虚拟无人机的当前侧偏距。

将得到的轴向过载指令、法向过载指令/>和滚转角指令/>，输入至虚拟目标的运动模型和动力学模型中，仿真解算并实时更新虚拟目标在飞行编队中的运动状态信息，使得虚拟无人机的运动状态信息在试验过程中受控并实时更新。

S5、将真实无人机的控制指令发送至真实无人机中对应的作动器，控制真实无人机与虚拟无人机的编队飞行过程，得到试验结果；其中，真实无人机的控制指令包括舵控制指令和油门指令。

真实无人机的速度控制系统，一般是通过油门控制空速来达到控制速度的目的；设给定的地速指令为，则空速指令/>；若空速控制时不引入空速的微分信号，也不对空速的积分信号进行积分，则速度控制律采用如下简单形式：

式中，表示油门开度，/>为油门控制空速反馈增益，/>为真实无人机当前空速，/>为油门控制时间常数，一般取3到10之间；/>为拉氏变换中的微分算子，此处/>整体代表对油门控制时间常数进行的拉氏变换；/>代表当前真实无人机的实测空速与实测地速的比值。

对于制导相关作动器的舵控制指令，采用如下方式实现：

通过协同控制算法，计算出真实无人机的高度指令后，依据真实无人机的当前飞行高度、升降率、俯仰角和俯仰角速率，计算出升降舵偏转增量/>，如下式：

式中，、/>、/>和/>分别表示升降舵控制的俯仰角、俯仰角速率、高度、和下沉率反馈增益。/>和/>分别表示俯仰角和俯仰角速率增量。/>为高度变化率即下沉率。

通过协同控制算法，依据真实无人机当前的经纬度，计算出直角惯性坐标系的侧偏距指令和侧偏距/>，并在其它传感器测量信息的基础上，计算出副翼舵偏指令/>和方向舵偏指令/>，分别如下式：

式中，、/>、/>和/>分别表示副翼舵偏控制的滚转角、偏航角速率、偏航角和侧偏距反馈增益。/>和/>分别表示方向舵控制的偏航角和偏航角速率的反馈增益；/>表示真实无人机的当前滚转角，对应的/>表示真实无人机当前滚转角的变化率；/>表示真实无人机的当前偏航角，对应的/>表示真实无人机当前偏航角的变化率。

以下为针对上述方法的全过程内容所进行的具体飞行验证结果。

对于基于虚拟目标的固定翼飞机编队飞行试验，令实际试验中设定的虚拟无人机数量为1，真实无人机数量也为1，共2架组成编队进行飞行试验；本次飞行试验仅考虑直线任务段的编队飞行；当真实无人机转入到直线任务段时，协同控制的虚拟无人机与真实无人机之间保持预设的100米距离编队飞行。图2至图5示出了试验过程中的相关数据记录，图2中，二者的相对侧偏距在完成编队后保持同向稳定状态；图3中，二者的相对高度在编队完成并处于同一高度后稳定波动；图4中，二者的相对速度在编队完成后也逐渐稳定为0；图5中，二者在进行编队前快速稳定的靠拢并最终实现预设的100米相对距离编队飞行。

上述飞行验证说明了本实施例的方法对于固定翼无人机飞行编队试验带来的低风险，高效率过程，能在更为安全的环境下预先积累大量数据经验，为无人机编队飞行的技术发展提供更有力的支撑。

Claims (6)

1.一种基于虚拟目标的固定翼无人机飞行编队试验方法，其特征在于：所述方法包括如下步骤：

S1、设置虚拟目标，初始化虚拟目标信息；

S2、建立虚拟目标的运动模型和动力学模型，将虚拟目标作为对应的虚拟无人机，解算出虚拟目标的运动状态信息；

S3、获取真实无人机的传感信息和虚拟无人机的运动状态信息，通过协同控制算法，解算出真实无人机和虚拟无人机的编队状态指令；

S4、依据真实无人机和虚拟无人机的编队状态指令，解算出对应的控制指令；将虚拟无人机的控制指令输入至虚拟目标的运动模型和动力学模型中，实时仿真解算虚拟目标在飞行编队中的运动状态信息；

S5、将真实无人机的控制指令发送至真实无人机中对应的作动器，控制真实无人机与虚拟无人机的编队飞行过程，得到试验结果；

步骤S1中，虚拟目标信息包括虚拟目标数量、虚拟目标位置、虚拟目标速度和虚拟目标姿态，在初始化过程中设置各类信息的初始状态；

步骤S2中，虚拟目标的运动状态信息为解算过程中实时更新的虚拟目标位置、虚拟目标速度和虚拟目标姿态；

步骤S1的具体内容为：依据最终编队飞行无人机总数量和此次编队飞行试验的真实无人机数量/>，设置虚拟目标数量/>；在多次试验的每一次试验过程中，真实无人机数量/>随着试验成熟度的增加而对应增加；虚拟目标信息的初始化依据编队飞行任务进行设置，当编队飞行任务在无人机飞行的平飞段执行时，则虚拟目标速度设为恒定不变的平飞速度/>，/>为速度指令，且速度倾角为0、速度偏角为平飞方向，虚拟目标位置则对应真实无人机平飞初始位置设置；

步骤S2的具体内容如下：

建立虚拟目标的三自由度运动学模型，如下式：

建立虚拟目标的动力学模型，如下式：

在上述两个模型中，将虚拟目标作为对应的虚拟无人机；其中为第/>个虚拟无人机在地面坐标系中的位置，/>为第/>个虚拟无人机在地面坐标系中的位置变化率；/>表示第/>个虚拟无人机的速度，/>表示第/>个虚拟无人机的速度变化率，/>、/>分别表示第/>个虚拟无人机的速度倾角和速度偏航角，/>、/>分别表示第个虚拟无人机的速度倾角变化率和速度偏航角变化率；/>分别为第/>个虚拟无人机的轴向过载和法向过载，/>为第/>个虚拟无人机的滚转角；/>为重力系数；

在解算虚拟无人机的运动状态信息时，将和/>作为虚拟无人机的控制输入。

2.根据权利要求1所述的基于虚拟目标的固定翼无人机飞行编队试验方法，其特征在于：步骤S3中，解算出的编队状态指令包括速度指令和制导指令。

3.根据权利要求2所述的基于虚拟目标的固定翼无人机飞行编队试验方法，其特征在于：步骤S4中，依据真实无人机和虚拟无人机的速度指令和制导指令，解算出对应的控制指令；依据虚拟无人机对应的控制指令，实时仿真解算并更新虚拟无人机的位置、速度和姿态信息；步骤S5中，真实无人机的控制指令包括舵控制指令和油门指令。

4.根据权利要求1所述的基于虚拟目标的固定翼无人机飞行编队试验方法，其特征在于，步骤S3中：真实无人机的传感信息被传输至机上搭载的实时仿真计算机，实时仿真计算机将计算出的虚拟无人机位置与真实无人机位置转换到同一惯性坐标系中，在同一惯性坐标系中计算虚拟无人机与真实无人机的相对位置、相对速度和相对姿态；随后，将相对位置、相对速度和相对姿态作为输入，在协同控制算法下解算出真实无人机和虚拟无人机各自的速度指令和制导指令。

5.根据权利要求4所述的基于虚拟目标的固定翼无人机飞行编队试验方法，其特征在于，步骤S4的具体内容如下：

依据无人机编队之间的各类相对关系，得到编队中第架虚拟无人机的速度指令/>，再通过速度控制模型，得到轴向过载指令/>，如下式：

式中，为速度指令系数；

依据无人机编队之间的各类相对关系，得到编队中第架虚拟无人机的高度指令/>和侧偏距指令/>，计算出法向过载指令/>和滚转角指令/>，分别如下式：

式中，为编队飞行目标点与初始点之间的航向角，/>为高度控制的速度倾角反馈系数，/>为高度反馈系数，/>为速度偏航角反馈系数，/>为侧偏距反馈系数；/>为第/>架虚拟无人机的当前高度，/>为第/>架虚拟无人机的当前侧偏距；

将得到的轴向过载指令、法向过载指令/>和滚转角指令/>，输入至虚拟目标的运动模型和动力学模型中，仿真解算并实时更新虚拟目标在飞行编队中的运动状态信息，使得虚拟无人机的运动状态信息在试验过程中受控并实时更新。

6.根据权利要求5所述的基于虚拟目标的固定翼无人机飞行编队试验方法，其特征在于，步骤S5中：真实无人机的速度指令是通过油门控制空速的方式实现，即速度指令为油门指令；而对于制导相关作动器的舵控制指令，采用如下方式实现：

通过协同控制算法，计算出真实无人机的高度指令后，依据真实无人机的当前飞行高度、升降率、俯仰角和俯仰角速率，计算出升降舵偏转增量/>；

通过协同控制算法，依据真实无人机的位置，计算出侧偏距指令和侧偏距/>，并在传感器测量信息的基础上，计算出副翼舵偏指令/>和方向舵偏指令/>。