CN105045286A - 一种基于自驾仪和遗传算法的监测无人机悬停范围的方法 - Google Patents

Abstract

一种基于自驾仪和遗传算法的监测无人机悬停范围的方法，在无人机设备发生故障或翻滚时，针对自驾仪生成的自动控制指令，通过将自驾仪与遗传算法结合起来进行无人机飞行悬停控制，当监测到无人机发生急剧的俯仰或翻滚并非来自任务的飞行指令时，自驾仪立即将此时刻的飞行姿态调整参数作为局部初始化种群值，遗传算法根据初始化值中适应度条件的要求，对适应值的调整量进行迭代优化，迭选出在无人机飞行姿态趋于稳定下的控制指令的调整解，进行实现无人机姿态的稳定控制，使其稳定在一定的空中区域范围内盘旋或降落。

Description

一种基于自驾仪和遗传算法的监测无人机悬停范围的方法

技术领域

本发明涉及到一种基于自驾仪和遗传算法的监测无人机悬停范围的方法，特别涉及到旋翼无人机飞行控制的技术领域。

背景技术

现代的旋翼无人机是一种利用自驾仪实现自主导航的飞行器，其中飞行控制是无人机飞行任务保障的重要组成部分，自动驾驶技术的发展使得旋翼无人机基本实现自主飞行，但是由于飞行环境的高度动态化、不确定性以及飞行任务的复杂性，在巡航时，旋翼无人机遇到突发事件时发生翻滚是不可避免的，因此，在规划航线时需尽可能规避各威胁环境因素，并考虑无人机飞行性能限制，提高无人机的生存能力。

目前，在旋翼无人机的某一硬件设备发生故障或受到突然的风力、飞鸟、气流的影响时，会造成飞行监控参数的突然性变化，同时无人机自驾仪的飞控***会自动进行飞行控制变化的修正，进而控制无人机设备，但是一旦出现在限制范围的飞行翻滚时，需要旋翼无人机在限定的空中区域内进行姿态调整，这时对无人机的修正量需要进行最大限度的小幅控制，以求在合理的空间内达到稳定控制的姿态，避免由于调整时间过长或碰触到周围物体时，造成迫降或损毁。

遗传算法作为一种全局最优解搜索算法，在某一特定限定条件下，通过将自驾仪与遗传算法结合起来进行无人机飞行悬停控制，经过初始化编码、群体生成、适应度函数的构造、交叉及变异遗传，实现无人机翻滚控制的指令的生成，当监测到无人机发生急剧的俯仰或翻滚并非来自任务的飞行指令时，自驾仪立即将此时刻的飞行姿态调整参数作为局部初始化种群值，遗传算法根据初始化值中适应度条件的要求，对适应值的调整量进行迭代优化，迭选出在无人机飞行姿态趋于稳定下的控制指令的调整解，实现无人机姿态的稳定控制，使其稳定在一定的空中区域范围内盘旋或降落，等待作业人员检查可否继续飞行。

发明内容

本发明采用的技术方法在于提出一种基于自驾仪和遗传算法的监测无人机悬停范围的方法，在无人机发生急剧的俯仰或翻滚时，针对自驾仪生成的自动控制指令，结合遗传算法对控制指令进行最优解的迭代，实现了在限定的空间条件下对无人机的悬停范围的飞行控制。

为达到此目的，提出以下解决方案：

在旋翼的动力学方程中，旋翼无人机拥有6个自由度，旋翼的飞行姿态由三个欧拉角描述横滚角(-π/2＜φ＜π/2)、俯仰角(-π/2＜θ＜π/2)、偏航角(-π＜ψ＜π)，方法的前提条件为

1、旋翼无人机设备动力为电力，设备为均匀对称的刚体；

2、控制的指令的输入和输出设备为无人机自动驾驶仪；

3、机体坐标系和旋翼无人机的中心质心位于同一位置；

4、旋翼无人机的所受阻力和重力不受飞行高度等因素影响；

步骤1：飞行环境突变确定

无人机在飞行状态时。当遇到的某一方向作用力时，对所在前一阶段的稳定飞行姿态数据造成剧变，使得无人机发生大幅度的翻滚，在监测到自驾仪没有对这一变化发出控制指令时，判定此次飞行姿态突变为受到外部环境因素影响。

步骤2：初始化飞行姿态数值

此时自驾仪利用平衡悬停控制机制，即对当前的飞行姿态控制进行重新平衡的控制量计算，针对此时的无人机飞行姿态，自驾仪基于对此前无人机平衡飞行的参考基准，实时的生成当前无人机的姿态量，即初始化无人机姿态的表现指数：横滚角俯仰角偏航角

步骤3：基于飞行姿态控制量的种群规模的构建

由于无人机在飞行过程中受到空气阻力、重力等多种因素的影响，所以只将飞行所涉及的最终表现的控制量横滚角φ、俯仰角θ、偏航角ψ进行编码，自驾仪在对比前后翻滚的角度差后进行多种修正量的自动输出，初步判断可能的下一个航迹点，并将可能的航迹点数据存入种群数据库。

步骤4：种群适应度评价

根据姿态控制量的数据计算上述各组航迹点数据的适应度；选择适应度最大的航迹点数据作为新种群数据存入种群数据库中进行迭代计算，重复上述的过程，或者选择适应度最小的一组路线数据作为输出结果。

适应度评价计算函数为：

式中，L为三个方向上的航路飞行的地面坐标系的分距离；t为横滚角φ，俯仰角θ，偏航角ψ调整对应的最短时间；为无人机的当前姿态角；u、v、w为三个机体方向上的分速度；k为三个机体方向上的调整控制强度系数。

步骤5：基因重组(交叉)与基因突变

针对更新了控制量概率分布的种群数据，依次进行横滚角φ，俯仰角θ和偏航角ψ的交叉遗传计算和变异计算，交叉遗传计算的交叉遗传概率为n，变异计算的变异概率为m，遗传代数为N，无人机的悬停控制本身是一个趋于稳定的过程，利用变异减少局部最优的出现，降低了进化过程的稳定性，计算应用时，可根据问题的规模和涉及的因素进行对具体参数设置进行调整，以获取最优的航路。

步骤6：航迹点悬停控制

根据迭代趋于稳定的控制结果φ、θ、ψ，自驾仪控制无人机飞行到下一个点，根据无人机到达的下一个航迹点的分速度的数据，重复上述步骤2～5的过程，直到无人机在有限制的空间范围内进行悬停为止，或者自驾仪所带GPS监测到无人机已经触地，则停止控制指令发送。

采用上述技术方案所产生的有益效果在于：

对目前的无人机的悬停控制范围进行了量化的处理，监测范围可以作为无人机性能的一种重要参数，为户外环境的小范围的悬停控制提供判断依据，通过把约束条件结合到搜索算法中去，有效地减小了搜索空间，缩短了搜索时间；

搜索到的航迹更逼近实际的无人机最优航迹，经转化，航迹规划问题从代价最小化问题变成遗传进化中的航迹适应度最大化的问题，经过世代进化，得到适应度最大、完成任务代价最小的航迹线路。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的一种基于自驾仪和遗传算法的控制旋翼无人机悬停方法的流程图。

具体实施方式

以下结合附图作对本发明的具体实施方式做进一步的详细说明：

如图1所示，本发明作为一种基于自驾仪和遗传算法的监测无人机悬停范围的方法，实现了在限定的条件下对无人机的悬停范围的飞行控制，下面结合具体的实施用例进行说明。

步骤1：飞行环境突变确定

旋翼无人机在三维空间里执行任务，作业空间大小为300×300×300(km)。无人机在飞行中受到强对流云的影响，造成无人机姿态的突变，自驾仪在监测到对这一变化没有发出控制指令时，判定此次飞行姿态突变为受到外部环境因素影响；如果检测到有飞控指令，则停止计算，流程结束。

步骤2：初始化飞行姿态数值

自驾仪针对此时的无人机飞行姿态，即初始化无人机姿态的表现欧拉角：横滚角φ、俯仰角θ、偏航角ψ，自驾仪基于对此前无人机平衡飞行的参考基准，实时的生成当前无人机的姿态控制调整量。

步骤3：种群规模的构建

由于无人机在飞行过程中受到空气阻力、重力等多种因素的影响，只将飞行所涉及的最后表现的控制量横滚角φ、俯仰角θ、偏航角ψ进行编码，自驾仪在对比前后翻滚的角度差后进行多种修正量的自动输出，初步判断可能的下一个航迹点，基于飞行姿态控制量建立初始种群，并将可能的航迹点数据存入种群数据库。

步骤4：种群适应度评价

根据姿态控制量的数据计算上述各组航迹点数据的适应度；选择适应度最大的航迹点数据作为新种群数据存入种群数据库中进行迭代计算，重复上述的过程，或者选择适应度最小的一组路线数据作为输出结果。

适应度评价计算函数为：

式中，L为三个方向上的航路飞行的地面坐标系的分距离；t为横滚角φ，俯仰角θ，偏航角ψ调整对应的最短时间；为无人机的当前姿态角；u、v、w为三个机体方向上的分速度；k为三个机体方向上的调整控制强度系数。

步骤5：基因重组(交叉)与基因突变

针对更新了控制量概率分布的种群数据，依次进行横滚角φ，俯仰角θ和偏航角ψ的交叉遗传计算和变异计算，交叉遗传计算的交叉遗传概率为0.4，变异计算的变异概率为0.01，遗传代数为1000，无人机的悬停控制本身是一个趋于稳定的过程，利用变异减少局部最优的出现，降低了进化过程的稳定性，计算应用时，可根据问题的规模和涉及的因素进行对具体参数设置进行调整，以获取最优的航路。

步骤6：航迹点悬停最优解组

根据种群迭代趋于稳定的控制结果φ、θ、ψ，自驾仪控制无人机飞行到下一个点，根据无人机到达的下一个航迹点的分速度的数据，重复上述步骤2～5的过程，直到无人机在有限制的空间范围内进行悬停为止，或者自驾仪所带GPS监测到无人机已经触地，则停止控制指令发送。

需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明保护范围包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (2)

1.一种基于自驾仪和遗传算法的监测无人机悬停范围的方法，实现在限定的条件下对无人机的悬停范围的飞行控制，其特征在于，旋翼无人机拥有6个自由度，旋翼的飞行姿态由三个欧拉角描述横滚角俯仰角(-π/2＜θ＜π/2)、偏航角(-π＜ψ＜π)，前提条件为：

1)、旋翼无人机设备动力为电力，设备为均匀对称的刚体；

2)、控制的指令的输入和输出设备为无人机自动驾驶仪；

3)、机体坐标系和旋翼无人机的中心质心位于同一位置；

4)、旋翼无人机的所受阻力和重力不受飞行高度等因素影响。

2.根据权利要求1所述的一种基于自驾仪和遗传算法的监测无人机悬停范围的方法，其特征在于，包括以下步骤：

步骤1：飞行环境突变确定：无人机在三维空间里执行任务，自驾仪在检测到对飞行姿态的变化没有发出控制指令时，判定此次飞行姿态突变为受到外部环境因素影响；如果检测到有飞控指令，则停止计算，流程结束；

步骤2：初始化飞行姿态数值：初始化此时的无人机飞行姿态，即初始化无人机姿态的表现姿态：横滚角俯仰角偏航角自驾仪基于无人机平衡飞行的参考基准，利用平衡悬停控制机制，实时的生成当前无人机的姿态控制调整量；

步骤3：种群规模的构建：将飞行的控制量横滚角φ、俯仰角θ、偏航角ψ进行编码，自驾仪在对比前后翻滚的角度差后进行多种修正量的自动输出，初步判断可能的下一个航迹点，基于飞行姿态控制量建立初始种群，并将可能的航迹点数据存入种群数据库；

步骤4：种群适应度评价：根据姿态控制量的数据计算上述各组航迹点数据的适应度；选择适应度最大的航迹点数据作为新种群数据存入种群数据库中进行迭代计算，重复上述的过程，或者选择适应度最小的一组路线数据作为输出结果；

适应度评价计算函数为：

式中，L为三个方向上的航路飞行的地面坐标系的分距离；t为横滚角φ，俯仰角θ，偏航角ψ调整对应的最短时间；为无人机的当前姿态角；u、v、w为三个机体方向上的分速度；k为三个机体方向上的调整控制强度系数；

步骤5：基因重组(交叉)与基因突变：对更新了控制量概率分布的种群数据，依次进行横滚角φ，俯仰角θ和偏航角ψ的交叉遗传计算和变异计算，交叉遗传计算的交叉遗传概率为0.4，变异计算的变异概率为0.01，遗传代数为1000：

步骤6：航迹点悬停最优解组：根据种群迭代趋于稳定的控制结果φ、θ、ψ，自驾仪控制无人机飞行到下一个点，根据无人机到达的下一个航迹点的分速度的数据，重复上述步骤2～5的过程，直到无人机在有限制的空间范围内进行悬停为止，或者自驾仪所带GPS监测到无人机已经触地，则停止控制指令发送。