[发明专利]一种无人机节能控制方法

说明书

本发明涉及无人机领域，尤其涉及一种无人机节能控制方法。一种无人机节能控制方法,当无人机在飞行过程中，实时获取无人机IMU数据；所述数据经由算法处理后得到无人机受到风作用的方向；根据无人机受到风的作用方向以及所述数据判断风的作用大小，基于所述风的作用方向和作用大小本生成飞行控制策略，所述飞行策略可控制无人机以最低能耗的方式应对风的干扰；按照所述飞行控制策略控制无人机飞行。本发明能够解决无人机在遇到风干扰时能耗大，续航时间大幅降低的问题。

技术领域

本发明涉及无人机领域，尤其涉及一种无人机节能控制方法。

技术背景

无人机全称无人驾驶飞机，是利用无线电遥控设备和自备的自动驾驶仪操纵，或者由外部计算机完全地或间歇地自主地操作的不载人飞机。

无人机按照应用领域可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、野生动物观察、传染病监控、测绘、新闻报道、电力巡检、救灾、影视拍摄等领域应用广泛。

目前无人机大多通过无线遥控设备进行人工远程控制，当无人机遇到不可预知自然因素干扰，如大风干扰，无人机需要耗费大量电能来抵消干扰，导致无人机续航时间大幅下降。

发明内容

本发明所要解决的技术问题是：如何提供一种无人机节能控制方法，能够在外界存在风干扰的情况下以最低能耗方式飞行，解决无人机在存在风干扰时续航时间大幅下降的问题。

本发明所采用的技术方案是：一种无人机节能控制方法，按照如下的步骤进行

步骤一、无人机在飞行过程中，实时获取机载惯性测量单元IMU数据，获得实时的俯仰角数据、横滚角数据、偏航角数据、三个轴向速度和加速度数据；

步骤二、将无人机的俯仰角数据、横滚角数据、偏航角数据送入神经网络模型中，经神经网络模型处理后输出风的作用方向信息，神经网络模型处理过程按照如下步骤进行

一、随机建立初始神经网络模型，假设输入层节点的个数是n＝3个，输出层神经元个数为m＝4 个，网络的隐含层有l＝(m+n)1/2+a＝3.5+a个节点，其中a为1—10之间的调节常数，

输入层神经元i到隐含层神经元j之间的连接权值ω_ij，隐含层神经元j到到输出层神经元k 之间的连接权值ω_jk，隐含层和输出层节点的输入是前一层节点的输出的加权和，输入层到隐含层的偏置为a_j，隐含层到输出层的偏置为b_k，每个节点的激励程度由它的激发函数来决定，设学习速率为η，激励函数为g(x),一般选取激励函数为sigmoid函数，其形式为：

初始化模型，将所有权值ω_ij和ω_jk设置为较小的随机数；

二、建立训练模型，隐含层输出H_j，以三层神经网络为例，其隐含层的输出格式为：x_i为训练样本

输出层的输出O_k：

误差的计算，取误差公式为：

其中Y_k为期望输出值，如果我们记Y_k-O_k＝e_k，则E可以表示为：

以上式中，i＝1···n，j＝1···l，k＝1···m；