[发明专利]基于卡尔曼滤波的无人机飞行姿态控制方法

说明书

本发明公开了一种基于卡尔曼滤波的无人机飞行姿态控制方法，所述方法包括：S1、确定无人机系统模型，设定初始参数；S2、根据t‑1时刻状态预测t时刻无人机飞行姿态X1；S3、根据t‑1时刻的系统预测误差估计t时刻的系统预测误差P1；S4、计算卡尔曼增益Kg以及无人机姿态的最优估计值X2；S5、计算当前时刻的系统预测误差P2本发明基于卡尔曼滤波的无人机飞行姿态控制方法无需获取无人机过去的全部状态，通过一定的迭代即可计算无人机的飞行姿态，减小了无人机飞行姿态的控制误差，大大提高了无人机的控制效率。

技术领域

本发明属于无人机技术领域，特别是涉及一种基于卡尔曼滤波的无人机飞行姿态控制方法。

背景技术

无人驾驶飞机(Unmanned Aerial Vehicle，UAV)又简称无人机，与传统的有人驾驶飞行器不同，是一种利用无线电远程遥控及机载的程序控制器操纵的不载人飞机。其最早出现于20世纪20年代，当时仅被用于作为军事训练中的靶机,此后经过近百年的不断发展，逐渐转向于侦查、攻击等各种多用途领域。由于其相对于载人飞机来说具有成本低、生存能力强、无人员伤亡风险、使用方便等优点，所以不止能在军事上发挥重要作用，在民用领域也具有广阔的应用前景。

现有技术中的无人机的姿态控制需要较高的精度，现有的姿态解算仍存在比较大的误差，这对无人机的控制增加了难度。

因此，针对上述问题，有必要提出一种基于卡尔曼滤波的无人机飞行姿态控制方法。

发明内容

有鉴于此，本发明提供了一种基于卡尔曼滤波的无人机飞行姿态控制方法。

为了实现上述发明目的，本发明提供一种基于卡尔曼滤波的无人机飞行姿态控制方法，所述方法包括：

S1、确定无人机系统模型，设定初始参数；

S2、根据t-1时刻状态预测t时刻无人机飞行姿态X1；

S3、根据t-1时刻的系统预测误差估计t时刻的系统预测误差P1；

S4、计算卡尔曼增益Kg以及无人机姿态的最优估计值X2；

S5、计算当前时刻的系统预测误差P2。

作为本发明的进一步改进，所述步骤S1中初始参数包括t，初始时刻t＝0。

作为本发明的进一步改进，所述方法还包括：

重复执行步骤步骤S2～S5。

作为本发明的进一步改进，所述步骤S5中当前时刻的系统预测误差P2为：

P2＝(1-KH)P1

其中，K为最优卡尔曼增益，H为观测矩阵，I为单位矩阵。

与现有技术相比，本发明的有益效果是：

本发明基于卡尔曼滤波的无人机飞行姿态控制方法无需获取无人机过去的全部状态，通过一定的迭代即可计算无人机的飞行姿态，减小了无人机飞行姿态的控制误差，大大提高了无人机的控制效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一具体实施方式中基于卡尔曼滤波的无人机飞行姿态控制方法的流程示意图。

具体实施方式