本发明专利技术公开了基于GPS的微小型四旋翼无人机速度状态预测方法，包括如下步骤：数据分析，得到GPS数据的延迟时间Td；使用MATLAB的ident工具拟合得到微小型四旋翼无人机的速度模型；对速度模型进行离散化处理，得到速度的离散化模型；利用t时刻的GPS数据对t-Td时刻的速度状态进行组合滤波，得到t-Td时刻的速度状态估计值；利用卡尔曼多步预测方法得到t时刻的速度状态预测值；速度控制器使用所得到的t时刻的速度状态预测值进行控制量的计算。本发明专利技术提高了GPS数据的质量，预测得到的数据准确，对微小型四旋翼无人机飞行控制性能的提升具有积极的作用，具有十分重要的实用价值。
【技术实现步骤摘要】
本专利技术涉及微小型四旋翼无人机建模及飞行控制、数据处理、观测时滞和信息预测等
技术介绍
小型四旋翼无人机是一种可以实现垂直起降、悬停等动作的飞行器。四旋翼飞行器通过调节四个旋翼转速，实现升力的变化，从而控制飞行器的姿态和位置。微型四旋翼无人机具有好的应用前景:在军事领域能够执行低空的侦察、监视等任务；在民用领域能够在地震、有辐射的环境中执行搜索任务等。在巨大的应用前景的驱动下，随着微机械制造技术的成熟、微控制器处理能力的增强以及其他相关技术的发展，微小型四旋翼无人机逐渐发展成为一个国内外的研究热点。作为可垂直起降旋翼无人机的一员，微小型四旋翼无人机具有旋翼式无人机的特点，能够出色地完成高灵活性飞行。此外，它还具有单旋翼无人机所不具备的优点: (I)由于其旋翼转轴固定于机体，所以避免了单旋翼无人机复杂的机械结构；(2)微小型四旋翼无人机具有更多的驱动器。相比于同等尺寸的单旋翼无人机，能够产生更大的升力，因而飞行速度更快；(3)微小型四旋翼无人机由于其自身机体结构的特点，与微小型单旋翼无人机相比，其机动性更强，更适合于在建筑物内部飞行，而且其旋翼尺寸更小，更安全。GPS是测量微小型四旋翼无人机的位置信息和速度信息的传感器，该传感器的测量数据存在一个I秒左右的延迟。该延迟时间可采用实验方法辨识得到。控制系统中不可避免地存在着时滞现象，传感器信号的采集和传输、控制器的计算、作动器的作动过程等，都会导致时滞的产生。以往人们为了理论分析和控制设计上的方便，总是忽略时滞，但即使是较小的时滞量也会导致控制效率的下降或控制系统失稳。众所周知，一个自动控制系统中的纯滞后会使系统控制质量明显下降，甚至导致系统不稳定或系统无法工作。基于状态估计可将时滞系统分为两类:第一类是状态方程中带时滞的情况;第二类是观测结果中带有时滞的情况。这两类情况的主要区别是，第一类情况的时滞现象可能是由系统固有时滞特性引起的，而第二类情况的时滞一般则是因为观测传感器本身的特性或者信号在传输过程中的时延引起的。在微小型四旋翼无人机的飞行控制系统设计中，GPS数据的延迟是一种观测时滞。由于GPS的数据延迟时间远远大于控制周期，因此该数据延迟对飞行控制系统设计有着比较严重的影响。
技术实现思路
专利技术目的:为了克服GPS数据延迟(观测时滞)对微小型四旋翼无人机飞行控制性能的不良影响，本专利技术提供了一种卡尔曼预测方法以改善该不良影响。技术方案:一种基于GPS的微小型四旋翼无人机速度状态预测方法，包括顺次相接的如下步骤:1)对微小型四旋翼无人机飞行得到的数据进行分析，得到GPS数据的延迟时间Td;2)使用MATLAB的ident工具拟合得到微小型四旋翼无人机的速度模型；3)依据采样周期，对得到的速度模型进行离散化处理，得到速度的离散化模型；4) t时刻的GPS数据所反映的速度状态的真实时间为t-Td时刻，将信息融合时刻统一到t - Td时刻，即利用t时刻的GPS数据对t - Td时刻的速度状态进行组合滤波，得到t - Td时刻的速度状态估计值；5)在t - Td时刻的速度状态估计值的基础上，利用卡尔曼多步预测方法得到t时刻的速度状态预测值；速度控制器使用所得到的t时刻的速度状态预测值进行控制量的计为计算方便，步骤I)为对微小型四旋翼无人机飞行得到的机载加速度计的数据与机载GPS数据进行比对，得到GPS数据的延迟时间Td。为了提高预测的准确性，在步骤2)中根据灰箱原理使用MATLAB的ident工具拟合得到速度模型。为了预测的简化，同时确保预测的准确性，在步骤2)线性化处理，得到沿y轴方向速度的动力学方程为:权利要求1.一种基于GPS的微小型四旋翼无人机速度状态预测方法，其特征在于，包括顺次相接的如下步骤: 1)对微小型四旋翼无人机的加速度计数据与GPS数据进行分析，得到GPS数据的延迟时间Td ； 2)使用MATLAB的ident工具拟合得到微小型四旋翼无人机的速度模型； 3)结合采样周期，对得到的速度模型进行离散化处理，得到速度的离散化模型； 4)t时刻的GPS数据所反映的速度状态的真实时间为t-Td时刻，将信息融合时刻统一到t-Td时刻，即利用t时刻的GPS速度数据对t-Td时刻的微小型四旋翼无人机速度状态进行卡尔曼滤波，推算出t-Td时刻的速度状态估计值； 5)在t-Td时刻的速度状态估计值的基础上，利用卡尔曼多步预测方法得到t时刻的速度状态预测值；控制器使用所得到的t时刻的速度状态预测值进行控制量的计算。2.根据权利要求1所述的方法，其特征在于:步骤I)中使微小型四旋翼无人机完成从静止状态变化为加速度恒定状态的运动过程，得到该运动过程中机载加速度计得到的加速度测量值与机载GPS得到的速度测量值，由于机载加速度计数据无延迟，将加速度测量值与速度测量值进行比对，即将速度测量值从零值变为非零值的时刻减去加速度测量值从零值变为非零值的时刻，得到GPS数据的延迟时间Td。3.根据权利要求1所述的方法，其特征在于:在步骤2)中根据灰箱原理使用MATLAB的ident工具拟合得到微小型四旋翼无人机的速度模型，微小型四旋翼无人机沿y轴方向速度的动力学方程为:4.根据权利要求3所述的方法，其特征在于:在步骤3)对采样方式和保持方式作如下约定:采样器的采样方式为以常数T为周期的等间隔采样；采样周期T的选取满足香农采样定理的条件；离散时间信号到连续时间信号的转换采用零阶保持方式；基于以上约定，结合微控制器处理能力，选取控制频率为50Hz，将第2)步中拟合得到的速度模型离散化，得到速度的离散化模型:x(k+l)=0.9932.χ (k) +0.0028.u(k)y(k) =x(k-50) 其中，状态量χ为微小型四旋翼无人机沿I轴方向的速度值，控制输入u为微小型四旋翼无人机的横滚角口，y表示GPS量测得到的微小型四旋翼无人机沿y轴方向的速度值。5.根据权利要求4所述的方法，其特征在于:在步骤4)中GPS量测得到的速度数据的延迟时间为Td，微小型四旋翼无人机的速度控制频率为50Hz，将y(k)作为状态χ (k-50)的观测值，基于状态χ (k - 51)的估计值进行状态一步预测，通过卡尔曼滤波得到状态χ (k -50)的估计值。6.根据权利要求5所述的方法，其特征在于:在步骤5)基于第4)步得到的状态χ(k -50)的估计值，通过速度的离散化模型递推得到状态x(k)的预测值χ (k)，控制器使用所得到的t时刻的状态 预测值χ (k)进行控制量的计算。全文摘要本专利技术公开了基于GPS的微小型四旋翼无人机速度状态预测方法，包括如下步骤数据分析，得到GPS数据的延迟时间Td；使用MATLAB的ident工具拟合得到微小型四旋翼无人机的速度模型；对速度模型进行离散化处理，得到速度的离散化模型；利用t时刻的GPS数据对t-Td时刻的速度状态进行组合滤波，得到t-Td时刻的速度状态估计值；利用卡尔曼多步预测方法得到t时刻的速度状态预测值；速度控制器使用所得到的t时刻的速度状态预测值进行控制量的计算。本专利技术提高了GPS数据的质量，预测得到的数据准确，对微小型四旋翼无人机飞行控制性能的提升具有积极的作用，具有十分重要的实用价值。文档编号G05B17/02GK1032本文档来自技高网...
【技术保护点】
一种基于GPS的微小型四旋翼无人机速度状态预测方法，其特征在于，包括顺次相接的如下步骤：?1）对微小型四旋翼无人机的加速度计数据与GPS数据进行分析，得到GPS数据的延迟时间Td；?2）使用MATLAB的ident工具拟合得到微小型四旋翼无人机的速度模型；?3)结合采样周期，对得到的速度模型进行离散化处理，得到速度的离散化模型；?4)t时刻的GPS数据所反映的速度状态的真实时间为t?Td时刻，将信息融合时刻统一到t?Td时刻，即利用t时刻的GPS速度数据对t?Td时刻的微小型四旋翼无人机速度状态进行卡尔曼滤波，推算出t?Td时刻的速度状态估计值；?5)在t?Td时刻的速度状态估计值的基础上，利用卡尔曼多步预测方法得到t时刻的速度状态预测值；控制器使用所得到的t时刻的速度状态预测值进行控制量的计算。
【技术特征摘要】
【专利技术属性】
技术研发人员：孙长银，王伟，贺俊旺，董大著，沈才云，徐洪菊，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。