[发明专利]一种无人机节能控制方法

摘要

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。

主权项

1.一种无人机节能控制方法，其特征在于：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个，输出层神经元个数为m个，网络的隐含层有l＝(m+n)1/2+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ωij，隐含层神经元j到到输出层神经元k之间的连接权值ωjk，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aj，隐含层到输出层的偏置为bk，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ωij和ωjk设置为较小的随机数；二、建立训练模型，隐含层输出Hj，以三层神经网络为例，其隐含层的输出格式为：xi为训练样本输出层的输出Ok：误差的计算，取误差公式为：其中Yk为期望输出值，如果我们记Yk‑Ok＝ek，则E可以表示为：以上式中，i＝1…n，j＝1…l，k＝1…m；三、将实验得到的样本数据送入一和二中建立的网络模型，训练所述模型，按照二所述模型计算系统的隐含层各个神经元输入和输出，其中连接权值的更新公式为：这是误差反向传播的过程，目标是使得误差函数达到最小值，即minE，我们使用梯度下降法：隐含层到输出层的权重更新为权重值减去误差对其的偏导数，误差对权重的偏导数推导如下：则可得权重更新公式为：ωjk＝ωjk+ηHjek输入层到隐含层的权重更新方式同理，误差对其偏导数如下推导：其中：可得权重的更新公式：偏置的更新公式为：隐含层到输出层的偏置更新公式：偏置的更新公式为：bk＝bk+ηek输入层到隐含层的偏置更新：其中所以得到偏置的更新公式为：利用二所得网络实际输出与期望输出，计算误差函数对输出层的各神经元的偏导数，以上述计算公式修正各神经元节点连接权值；四、判断算法迭代是否结束：我们判断误差是否足够小，以及迭代次数是否满足要求，即：E<ε&&N>Nx其中ε是设定的误差最小值，Nx是设定的最大迭代次数；若未满足迭代结束条件则返回步骤二继续训练，若满足迭代终止条件则继续进行五；五、继续将下一组训练样本送入神经网络，即使用下一组样本进入二，直至所有训练样本都得到训练且满足迭代终止条件，至此神经网络模型的训练过程结束，保存此时网络各个神经元的参数ωij、ωjk、aj、bk不变，即得到所需要的神经网络控制器，六、将神经网络控制器搭载于无人机飞控系统，输入为各个时刻无人机IMU单元送入的姿态角数据，经过神经网络控制器判断后输出Ok即可得到无人机此时所受风的方向信息；步骤三、通过风的方向信息以及三个轴向速度和加速度数据，通过模糊控制，得到风作用力度信息，按照实时风作用信息生成所述飞行策略，即根据经验设定阈值，当风作用力度信息小于阈值时，按照原有方式飞行，当风作用力度信息大于等于阈值时，给无人机施加垂直于风向的作用力，使无人机沿风作用方向垂直方向飞行，避开风的干扰。