CN109144081A - 基于卡尔曼滤波的无人机飞行姿态控制方法 - Google Patents
基于卡尔曼滤波的无人机飞行姿态控制方法 Download PDFInfo
- Publication number
- CN109144081A CN109144081A CN201710457690.7A CN201710457690A CN109144081A CN 109144081 A CN109144081 A CN 109144081A CN 201710457690 A CN201710457690 A CN 201710457690A CN 109144081 A CN109144081 A CN 109144081A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- during flying
- plane during
- moment
- kalman filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008901 benefit Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于卡尔曼滤波的无人机飞行姿态控制方法,所述方法包括:S1、确定无人机***模型,设定初始参数;S2、根据t‑1时刻状态预测t时刻无人机飞行姿态X1;S3、根据t‑1时刻的***预测误差估计t时刻的***预测误差P1;S4、计算卡尔曼增益Kg以及无人机姿态的最优估计值X2;S5、计算当前时刻的***预测误差P2本发明基于卡尔曼滤波的无人机飞行姿态控制方法无需获取无人机过去的全部状态,通过一定的迭代即可计算无人机的飞行姿态,减小了无人机飞行姿态的控制误差,大大提高了无人机的控制效率。
Description
技术领域
本发明属于无人机技术领域,特别是涉及一种基于卡尔曼滤波的无人机飞行姿态控制方法。
背景技术
无人驾驶飞机(Unmanned Aerial Vehicle,UAV)又简称无人机,与传统的有人驾驶飞行器不同,是一种利用无线电远程遥控及机载的程序控制器操纵的不载人飞机。其最早出现于20世纪20年代,当时仅被用于作为军事训练中的靶机,此后经过近百年的不断发展,逐渐转向于侦查、攻击等各种多用途领域。由于其相对于载人飞机来说具有成本低、生存能力强、无人员伤亡风险、使用方便等优点,所以不止能在军事上发挥重要作用,在民用领域也具有广阔的应用前景。
现有技术中的无人机的姿态控制需要较高的精度,现有的姿态解算仍存在比较大的误差,这对无人机的控制增加了难度。
因此,针对上述问题,有必要提出一种基于卡尔曼滤波的无人机飞行姿态控制方法。
发明内容
有鉴于此,本发明提供了一种基于卡尔曼滤波的无人机飞行姿态控制方法。
为了实现上述发明目的,本发明提供一种基于卡尔曼滤波的无人机飞行姿态控制方法,所述方法包括:
S1、确定无人机***模型,设定初始参数;
S2、根据t-1时刻状态预测t时刻无人机飞行姿态X1;
S3、根据t-1时刻的***预测误差估计t时刻的***预测误差P1;
S4、计算卡尔曼增益Kg以及无人机姿态的最优估计值X2;
S5、计算当前时刻的***预测误差P2。
作为本发明的进一步改进,所述步骤S1中初始参数包括t,初始时刻t=0。
作为本发明的进一步改进,所述方法还包括:
重复执行步骤步骤S2~S5。
作为本发明的进一步改进,所述步骤S5中当前时刻的***预测误差P2为:
P2=(1-KH)P1
其中,K为最优卡尔曼增益,H为观测矩阵,I为单位矩阵。
与现有技术相比,本发明的有益效果是:
本发明基于卡尔曼滤波的无人机飞行姿态控制方法无需获取无人机过去的全部状态,通过一定的迭代即可计算无人机的飞行姿态,减小了无人机飞行姿态的控制误差,大大提高了无人机的控制效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一具体实施方式中基于卡尔曼滤波的无人机飞行姿态控制方法的流程示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行详细的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参图1所示,本发明一具体实施方式中的基于卡尔曼滤波的无人机飞行姿态控制方法,该方法包括:
S1、确定无人机***模型,设定初始参数;
S2、根据t-1时刻状态预测t时刻无人机飞行姿态X1;
S3、根据t-1时刻的***预测误差估计t时刻的***预测误差P1;
S4、计算卡尔曼增益Kg以及无人机姿态的最优估计值X2;
S5、计算当前时刻的***预测误差P2。
其中,步骤S1中初始参数包括t,初始时刻t=0。
进一步地,本发明中的方法还包括:
重复执行步骤步骤S2~S5。
在本实施方式中,步骤S5中当前时刻的***预测误差P2为:
P2=(1-KH)P1
其中,K为最优卡尔曼增益,H为观测矩阵,I为单位矩阵。
本发明中采用卡尔曼滤波对数据进行滤波,卡尔曼滤波是利用递归自更新的方法来估算当前的状态,同时保证目标的真实状态与滤波估计出的状态的均方误差收敛值最小,目标t+1时刻的测量状态即卡尔曼滤波t时刻的估计结果。
由以上技术方案可以看出,本发明基于卡尔曼滤波的无人机飞行姿态控制方法无需获取无人机过去的全部状态,通过一定的迭代即可计算无人机的飞行姿态,减小了无人机飞行姿态的控制误差,大大提高了无人机的控制效率。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种基于卡尔曼滤波的无人机飞行姿态控制方法,其特征在于,所述方法包括:
S1、确定无人机***模型,设定初始参数;
S2、根据t-1时刻状态预测t时刻无人机飞行姿态X1;
S3、根据t-1时刻的***预测误差估计t时刻的***预测误差P1;
S4、计算卡尔曼增益Kg以及无人机姿态的最优估计值X2;
S5、计算当前时刻的***预测误差P2。
2.根据权利要求1所述的基于卡尔曼滤波的无人机飞行姿态控制方法,其特征在于,所述步骤S1中初始参数包括t,初始时刻t=0。
3.根据权利要求1所述的基于卡尔曼滤波的无人机飞行姿态控制方法,其特征在于,所述方法还包括:
重复执行步骤步骤S2~S5。
4.根据权利要求1所述的基于卡尔曼滤波的无人机飞行姿态控制方法,其特征在于,所述步骤S5中当前时刻的***预测误差P2为:
P2=(1-KH)P1
其中,K为最优卡尔曼增益,H为观测矩阵,I为单位矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710457690.7A CN109144081A (zh) | 2017-06-16 | 2017-06-16 | 基于卡尔曼滤波的无人机飞行姿态控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710457690.7A CN109144081A (zh) | 2017-06-16 | 2017-06-16 | 基于卡尔曼滤波的无人机飞行姿态控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109144081A true CN109144081A (zh) | 2019-01-04 |
Family
ID=64830576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710457690.7A Withdrawn CN109144081A (zh) | 2017-06-16 | 2017-06-16 | 基于卡尔曼滤波的无人机飞行姿态控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109144081A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002014890A2 (en) * | 2000-08-11 | 2002-02-21 | The Regents Of The University Of California | Attitude determination using a global positioning system |
US8229163B2 (en) * | 2007-08-22 | 2012-07-24 | American Gnc Corporation | 4D GIS based virtual reality for moving target prediction |
CN105136145A (zh) * | 2015-08-11 | 2015-12-09 | 哈尔滨工业大学 | 一种基于卡尔曼滤波的四旋翼无人机姿态数据融合的方法 |
CN106597017A (zh) * | 2016-12-16 | 2017-04-26 | 上海拓攻机器人有限公司 | 一种基于扩展卡尔曼滤波的无人机角加速度估计方法及装置 |
-
2017
- 2017-06-16 CN CN201710457690.7A patent/CN109144081A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002014890A2 (en) * | 2000-08-11 | 2002-02-21 | The Regents Of The University Of California | Attitude determination using a global positioning system |
US8229163B2 (en) * | 2007-08-22 | 2012-07-24 | American Gnc Corporation | 4D GIS based virtual reality for moving target prediction |
CN105136145A (zh) * | 2015-08-11 | 2015-12-09 | 哈尔滨工业大学 | 一种基于卡尔曼滤波的四旋翼无人机姿态数据融合的方法 |
CN106597017A (zh) * | 2016-12-16 | 2017-04-26 | 上海拓攻机器人有限公司 | 一种基于扩展卡尔曼滤波的无人机角加速度估计方法及装置 |
Non-Patent Citations (1)
Title |
---|
袁亮,等: "基于卡尔曼滤波的无人机姿态测量研究", 《组合机床与自动化加工技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103760905B (zh) | 基于模糊前馈单旋翼无人直升机姿态非线性鲁棒控制方法 | |
Cai et al. | A survey of small-scale unmanned aerial vehicles: Recent advances and future development trends | |
CN108196563B (zh) | 一种多旋翼无人机自抗扰补偿控制方法及*** | |
Cichella et al. | Geometric 3D path-following control for a fixed-wing UAV on SO (3) | |
CN105022401A (zh) | 基于视觉的多四旋翼无人机协同slam的方法 | |
WO2008018857A3 (en) | Modular articulated-wing aircraft | |
CN110794857B (zh) | 考虑外部风干扰的固定翼无人机鲁棒离散分数阶控制方法 | |
CN108469823A (zh) | 一种基于单应性的移动机器人编队跟随方法 | |
Yeh | Attitude controller design of mini-unmanned aerial vehicles using fuzzy sliding-mode control degraded by white noise interference | |
Free et al. | Bioinspired pursuit with a swimming robot using feedback control of an internal rotor | |
CN114138010A (zh) | 一种基于加权偏差的多智能体高阶滑模编队控制方法 | |
Chirarattananon | A direct optic flow-based strategy for inverse flight altitude estimation with monocular vision and IMU measurements | |
Kim et al. | Dynamic modeling and control techniques for multi-rotor flying robots | |
CN116300988A (zh) | 一种基于分数阶滑模的先进布局无人机抗干扰控制策略 | |
Ding et al. | The application of extended Kalman filtering to autonomous formation flight of small UAV system | |
Lu et al. | Trajectory generation and tracking control for aggressive tail-sitter flights | |
CN109144081A (zh) | 基于卡尔曼滤波的无人机飞行姿态控制方法 | |
CN109144082A (zh) | 一种四轴无人机控制方法 | |
CN115857544A (zh) | 一种无人机集群编队飞行控制方法、装置及设备 | |
CN114564044B (zh) | 一种输入限幅事件触发的无人机有限时间编队控制方法 | |
CN115454130A (zh) | 一种基于机载视角相对定位的室内无人机编队控制方法 | |
Dantsker et al. | Development and Initial Testing of the Aero Testbed: A Large-Scale Unmanned Electric Aerobatic Aircraft for Aerodynamics Research | |
CN109085748A (zh) | 基于故障自适应学习的无人机控制*** | |
CN113206951A (zh) | 一种基于扑翼飞行***的实时电子稳像方法 | |
CN107272717A (zh) | 基于滑动平均滤波的四轴无人机控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190104 |