[发明专利]一种无人机在线实时飞行状态辨识及调参方法

说明书

本发明公开了一种无人机在线实时飞行状态辨识及调参方法，基于物理原理建立了无人机的数学模型并进行模型线性化，然后采集无人机的姿态数据和动力数据，以实时的飞行状态数据为分析基础，通过人工神经网络系统辨识方法在线辨识出无人机的被控对象数学模型，并通过后续的飞行状态数据实时验证无人机被控对象数学模型的准确性，为飞行控制参数的调整提供了依据，解决了目前大多数无人机飞行控制PID参数调整的不直观性和盲目性。该方法能够实现在线实时飞行状态辨识与控制参数调整的目的，从而提高了无人机的飞行控制精度及效率。

技术领域

本发明涉及一种无人机在线实时飞行状态辨识及调参方法，属于无人机飞行控制技术领域。

背景技术

无人机的飞行控制是无人机研究领域主要问题之一。由于无人机在飞行过程中会受到各种干扰，如传感器的噪音与漂移、强风与乱气流、载重量变化及倾角过大引起的模型变动等等，这些都会严重影响飞行器的飞行品质，因此无人机的控制技术便显得尤为重要，对于改善无人机飞行性能、降低事故率有显著作用。

传统的无人机飞行控制方法主要集中于姿态和高度的控制，除此之外还有一些用来控制速度、位置、航向、3D轨迹跟踪控制。现阶段最广泛的控制算法是经典PID控制，根据现场的实际飞行试验出现的飞行现象来判断PID参数是否合适及需要调整，但无人机飞行过程中的气动环境相当复杂，是非线性和时变的，因而，传统的PID控制算法实时性较差，具有不直观性和一定的盲目性，亟待改进。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种无人机在线实时飞行状态辨识与调参方法，以提高无人机飞行的飞行效率及精度。

为了实现上述目标，本发明采用如下的技术方案：

一种无人机在线实时飞行状态辨识及调参方法，包括如下步骤：

S1、建立无人机的数学模型并进行模型线性化：

其中，为惯性坐标系下的无人机旋转角度，R为坐标旋转矩阵，为机体坐标系下的无人机旋转角速度，J为无人机转动惯量，为陀螺力矩，为无人机动力电机力矩；其中，和上加点均表示该变量对时间求微分；

S2、实时采集无人机的飞行状态数据；

S3、以步骤S2采集到的的飞行状态数据为分析基础，通过人工神经网络系统辨识方法在线辨识，拟合飞行状态数据，得到无人机精确的被控对象数学模型；其中，无人机的部分物理参数通过步骤S2测量采集得到，另一部分参数使用神经网络的train等函数在线实时辨识获得；

S4、基于无人机控制系统动态响应时域指标，通过最优化算法计算得到飞行控制PID参数；

S5、当最优化PID控制参数在设定参数范围内且大于阈值时，适时调整飞行控制PID参数；当不符合上述条件时，则返回初始重新开始循环，重复步骤S1~S5。在该步骤中，设定参数范围是根据控制理论，基于被控对象数学模型的可控性分析得到，调整阈值一般根据经验获得，或者按照设定参数范围进行等分设计来获得。

优选地，在步骤S1中，模型线性化过程是在增稳模式下进行的，具体是通过matlab软件的linmod函数进行线性化。其中，所述增稳模式是指：无人机以巡航速度附近的某一稳定飞行速度，巡航高度无要求，以小角度近似水平姿态飞行。

优选地，前述步骤S2中，飞行状态数据包括姿态数据和动力数据。其中，姿态数据包括无人机的俯仰、滚转及偏航角度、角速度以及线加速度，通过惯性测量单元和磁力计进行实时采集；所述动力数据包括无人机动力电机的电压、电流及转速反馈信息，通过电子调速器进行实时采集。

再优选地，前述步骤S4中，控制系统动态响应时域指标包括：调节时间(s)：、超调量(%)：及稳态误差(%)：。