[发明专利]一种基于速度预测的无人机鲁棒性导航方法

说明书

本发明公开了一种基于速度预测的无人机鲁棒性导航方法，涉及无人机导航领域，该方法根据速度来确定自身的位置，主要是根据回声神经网络来预测导航中所需要的速度，通过无人机的自身参数去预测速度。相比于惯性导航预测速度而言，本发明所设计的速度预测器不会因时间的累积而使速度误差增大并且精度也比较高。这是因为，无人机的速度是由最近的输入序列决定的，速度估计误差会被逐渐遗忘。回声状态网路的遗忘特性正适合于学习这种特性，这也是本发明速度估计器能有效工作的物理基础。

技术领域

本发明涉及无人机导航领域，尤其涉及一种基于速度预测的无人机鲁棒性导航方法。

背景技术

无人机通常用GPS和惯导组合导航的方式去导航，但当飞机在城市建筑群或者偏远山区飞行时，GPS信号比较弱，此时可以用惯导去导航。惯导一般是由陀螺仪和加速度计组成，在得到位置信息时有累计误差，从而不能获得精确的位置。本发明主要应用于在山区或者城市建筑群这类弱GPS信号的地区，通过对无人机本身参数的辨识和传感器稳定测量从而去预测无人机飞行的速度，这种方式是一种新的思路，无人机本身的系统参数不会随着飞行的外界因素改变而改变，同时也不会有用传感器测量带来的误差，稳定性、精确性能得到保障。在无人机导航领域中能够得到广泛运用。

在无人机导航中，惯导是一种不受外部信号强弱影响的一种导航方式，因此它的应用很广，但是惯导中的速度信息是通过加速度积分获得。加速度数据主要是通过加速度计传感器测量。这样就会出现两个问题，第一，测量的误差通过积分后会放大；第二，积分的过程本身会带来误差。

发明内容

本发明的目的在于提出一种新的导航思路，导航需要的一个重要数据是速度，本发明提出了通过对系统本身参数的测量去预测速度信息，从而导航。解决了用加速度计测量时积分带来的误差问题，提高了精度。

为了解决测量误差积分放大以及积分过程算法误差这两个问题，本发明提出了利用无人机本身的系统参数，系统参数测量过程中不会出现上述两个问题，同时也不会受到外部环境的影响。将无人机的机体视为刚体，刚体运动学模型如式(1)所示，本发明中的无人机为四旋翼无人机：

其中v、ω分别为b系中的速度和角速度，F表示合力，J表示惯性矩阵，M表示合力矩，m表示物体的质量，表示速度的变化率，表示角速度的变化率。由上式可知，无人机的速度可以由系统所受合力、系统质量以及稳定测量角速度获得，精确度较高。

由式(1)可知，速度的变化率与角速度和所受合力以及质量相关，角速度的值可以通过陀螺仪测量，质量可以预先测量，合力主要由以下公式(2)计算可得：

其中g是重力加速度，为已知量，表示从b系到n系的坐标转换矩阵，其中b系表示载体坐标系，n系表示导航坐标系，如公式(3)(4)所示；F_z表示气动主动力，如公式(5)所示；

其中ω_x、ω_y、ω_z分别为角速度在b系中的投影分量，四元数q＝[q₀,q₁,q₂,q₃]^T中的q₀,q₁,q₂,q₃表示四元数预先定义的四个数，描述的基本依据是，对空间中的任意两个原点重合的笛卡尔坐标系，总存在一个过原点的轴使得一个坐标系绕轴旋转一定角度后与另一个坐标系重合；如式(3)所示，为四元数表示的旋转矩阵，与欧拉角表示的旋转矩阵可以相互转化；式(4)描述了四元数表示的姿态微分方程，该微分方程的元素不会因俯仰角等于90°而出现奇异；