CN109541963B - 一种基于侧滑角信息的无人机测风建模方法 - Google Patents

一种基于侧滑角信息的无人机测风建模方法 Download PDF

Info

Publication number
CN109541963B
CN109541963B CN201811337127.7A CN201811337127A CN109541963B CN 109541963 B CN109541963 B CN 109541963B CN 201811337127 A CN201811337127 A CN 201811337127A CN 109541963 B CN109541963 B CN 109541963B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
sideslip angle
angle
wind
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.)
Active
Application number
CN201811337127.7A
Other languages
English (en)
Other versions
CN109541963A (zh
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute Of Applied Meteorology
Original Assignee
Beijing Institute Of Applied Meteorology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute Of Applied Meteorology filed Critical Beijing Institute Of Applied Meteorology
Priority to CN201811337127.7A priority Critical patent/CN109541963B/zh
Publication of CN109541963A publication Critical patent/CN109541963A/zh
Application granted granted Critical
Publication of CN109541963B publication Critical patent/CN109541963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明适用于大气科学领域，提供了一种基于侧滑角信息的无人机测风建模方法，包括：建立无人机横侧向开环控制模型；建立无人机横侧向闭环导航模型；建立实测量与侧滑角关系模型；利用风速、地速和空速矢量三角形关系建立风场估计模型。本发明提供的方法不需要安装侧滑角传感器，通过建立无人机侧滑角估算模型，完善了风场估计模型，提高了风场估计准确性，成本低、简单易行。另外，该方法测风范围大、频率高，可用于较大区域包括人类不易到达地区以及恶劣天气下实时连续风场信息的测量，具有较高的工程应用价值。

Description

一种基于侧滑角信息的无人机测风建模方法
技术领域
本发明属于大气科学领域，涉及一种基于侧滑角信息的无人机测风建模方法。
背景技术
风的探测对了解大气运动情况、提高天气预报准确率具有重要意义，同时也是研究全球气候变化的重要手段。目前风测量和估计的方法有风速仪测风、气球法测风、雷达测风和无人机测风。其中，风速仪测风通常用于地面的风测量，因此只能得到近地面风场信息；气球法测风能获取从地面到高空不同高度层风场信息，探测精度和探测高度高，但探测成本也高且探测区域小，若要获取大范围风场信息就需要大量气球，经济性低；雷达测风适用于研究特定区域特定高度的风场信息，探测精度较高，但易受天气影响且造价昂贵。随着无人机技术的发展，加之无人机具有探测区域大、续航时间长、连续性好、成本相对较低、环境适应性高、使用灵活方便等优点，无人机测风已日益得到广泛应用。
无人机测风方法从测量原理上可分为水平空速归零法、解析测风法、航位推算法及皮托-静压管测风法。文献“无人机测风技术研究”(传感器世界，2014)以及名称为“一种基于飞行参数计算风速及风向的方法”的发明申请(专利申请号为201711064897.4、申请日为2017.11.02)，对机载测风手段和现有相关测量风速风向的背景技术进行了分析。与该发明申请及所提到的其他相关技术相比，无人机测风算法通常会忽略侧滑角的影响，但侧滑角在飞机飞行过程中一直存在，是飞机控制和导航中的重要信息，忽略侧滑角信息将会影响各部分控制的准确性。目前侧滑角的测量主要是通过安装在飞机上的风标式传感器、压差管式传感器和零压差式传感器来实现，这类传感器受到结冰及飞行状态有关的局部环流影响，几乎不可避免受到很大的零点偏差。此外，飞机上的侧滑角传感器对气流存在干扰，使得在飞机上不同位置处的气流场与理想流场间存在区别，产生局部侧滑角。因此，即使存在侧滑角传感器，要做到精确测量也十分困难。为了改进无人机测风精度，在测风算法中加入侧滑角信息十分必要，而考虑到侧滑角难以精确测量的特点，建立侧滑角估计模型就具有非常重要的现实意义。在此基础上，建立基于侧滑角信息的风场估计模型，最终达到改进测风算法的目的。
发明内容
为了实现无人机测风对准确的侧滑角信息的迫切需求，本发明的目的是，提出一种基于侧滑角信息的无人机测风建模方法，旨在通过建立侧滑角估计模型并应用到无人机测风估计模型中，进而采用矢量三角形算法求得风场信息。
为达到上述目的，本发明采用的技术方案如下：一种基于侧滑角信息的无人机测风建模方法，包括如下步骤：
步骤一，建立无人机横侧向开环控制模型，具体为：
横侧向开环控制模型用状态空间方程可表示为如下形式
Figure GSB0000193371730000011
式中，
Figure GSB0000193371730000012
为状态量，
Figure GSB0000193371730000013
为状态矩阵，
Figure GSB0000193371730000014
为输入矩阵，
Figure GSB0000193371730000021
为输入量；β为侧滑角，p为滚转角速率，r为偏航角速率，φ为滚转角；Yb、Yp、Yr、Yph、Lb、Lp、Lx、Nb、Np、Nr、Yda、Ydr、Lda、Ldr、Nda、Ndr为无人机横侧向参数，可根据无人机给定的气动参数及控制参数解算；δa、δr为方向舵和副翼的舵偏角；
由(1)式得到无人机横侧向开环控制模型方程为
Figure GSB0000193371730000022
步骤二，建立无人机横侧向闭环导航模型，具体为：
给定无人机航向ψg时，则可给出飞行控制律为
Figure GSB0000193371730000023
式中，ψ为航向角，kp、kφ、kψ、kr、kφr分别为与p、φ、ψ、r相关的系数；
将(3)代入(2)，得到
Figure GSB0000193371730000024
同理有
Figure GSB0000193371730000025
Figure GSB0000193371730000026
Figure GSB0000193371730000027
Figure GSB0000193371730000028
由此得到无人机横侧向闭环导航方程为
Figure GSB0000193371730000031
如果无人机没有侧滑角传感器，方程(9)包含的侧滑角可通过测量滚转角信息来间接得到，同时通过Kalman滤波器对所测侧滑角信息进行滤波，此方法可实现对侧滑角的无偏估计，理论精度较高；
步骤三，建立实测量与侧滑角关系模型，具体为：
机体坐标系下的空速分量为
Figure GSB0000193371730000032
式中，Va为空速，α为迎角，Vxb、Vyb、Vzb为机体系下的空速分量；
惯性坐标系下的空速分量为
Figure GSB0000193371730000033
式中，Vx、Vy、Vz为惯性坐标系下x、y、z轴上的空速分量，
Figure GSB0000193371730000034
为机体坐标系到惯性坐标系的转换坐标；
Figure GSB0000193371730000035
式中，θ为俯仰角，
Figure GSB0000193371730000036
为航迹方位角；
将公式(12)展开可得到
Figure GSB0000193371730000037
步骤四，利用风速、地速和空速三者之间的矢量三角形关系建立风场估计模型，即将侧滑角数据作为风场估计中的一个变量，与GPS测得的地速、陀螺仪测得的姿态角及空速管测得的空速一起，通过矢量三角形求得风场信息；
由风速和飞行器的空速、地速的矢量三角形关系得到风速表达式为
Figure GSB0000193371730000038
式中，
Figure GSB0000193371730000039
为地速，
Figure GSB00001933717300000310
为空速，
Figure GSB00001933717300000311
为风速；
公式(14)具体可表示为
Figure GSB0000193371730000041
式中，VDx、VDy、VDz为风速在惯性坐标系下x、y、z轴上的分量，
Figure GSB0000193371730000042
为在惯性坐标系下x、y、z轴上的基于GPS位置测量值解算的地速分量。
本发明提供的一种基于侧滑角信息的无人机测风建模方法，具有以下有益效果：
(1)该方法不需要安装侧滑角传感器，通过建立无人机侧滑角估算模型，完善了风场估计模型，提高了风场估计准确性，成本低、简单易行；
(2)该方法测风范围大、频率高，可用于较大区域包括人类不易达到地区以及恶劣天气下实时连续风场信息的测量，具有较高的工程应用价值。
附图说明
以下结合附图和具体实施方式对本发明作进一步的说明。
图1为无人机航向保持模型方框图；
图2为速度坐标系与机体坐标系示意图；
图3为惯性坐标系与机体坐标系示意图；
图4为风场矢量三角形示意图。
具体实施方式
为了使本发明的技术方案更加清楚明白，以下结合附图及实施例，对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
以下结合附图对本发明实施例作进一步详细说明。
步骤一，建立无人机横侧向开环控制模型。图1为某型固定翼无人机航向保持模型方框图，其中点画线方框范围为无人机横侧向开环控制模型。用状态空间方程可表示为如下形式
Figure GSB0000193371730000043
式中，
Figure GSB0000193371730000044
为状态量，
Figure GSB0000193371730000045
为状态矩阵，
Figure GSB0000193371730000046
为输入矩阵，
Figure GSB0000193371730000047
为输入量；β为侧滑角，p为滚转角速率，r为偏航角速率，φ为滚转角；Yb、Yp、Yr、Yph、Lb、Lp、Lr、Nb、Np、Nr、Yda、Ydr、Lda、Ldr、Nda、Ndr为定义无人机横侧向参数，可根据无人机给定的气动参数及控制参数解算；δa、δr为方向舵和副翼的舵偏角；
由(1)式得到无人机横侧向开环控制模型方程为
Figure GSB0000193371730000051
步骤二，建立无人机横侧向闭环导航模型，具体为：
给定无人机航向角ψg时，则可给出飞行控制律为
Figure GSB0000193371730000052
式中，ψ为航向角，kp、kφ、kψ、kr、kφr分别为与p、φ、ψ、r相关的系数；
将(3)代入(2)，得到
Figure GSB0000193371730000053
同理有
Figure GSB0000193371730000054
Figure GSB0000193371730000055
Figure GSB0000193371730000056
Figure GSB0000193371730000057
由此得到无人机横侧向闭环导航方程为
Figure GSB0000193371730000058
如果无人机没有侧滑角传感器，方程(9)包含的侧滑角可通过测量滚转角信息来间接得到，同时通过Kalman滤波器对所测侧滑角信息进行滤波。此方法可实现对侧滑角的无偏估计，理论精度较高；
步骤三，建立实测量与侧滑角关系模型。图2为速度坐标系与机体坐标系示意图。根据图2，机体坐标系下空速分量可表示为
Figure GSB0000193371730000061
式中，Va为空速，α为迎角，Vxb、Vyb、Vzb为机体系下的空速分量；
图3为惯性坐标系与机体坐标系示意图。根据图3，惯性坐标系下的空速分量可表示为
Figure GSB0000193371730000062
式中，Vx、Vy、Vz为惯性坐标系下x、y、z轴上的空速分量，
Figure GSB0000193371730000063
为机体坐标系到惯性坐标系的转换坐标；
Figure GSB0000193371730000064
式中，θ为俯仰角，
Figure GSB0000193371730000065
为航迹方位角；
将公式(12)展开可得到
Figure GSB0000193371730000066
步骤四，利用风速、地速和空速三者之间的矢量三角形关系建立风场估计模型，即将侧滑角数据作为风场估计中的一个变量，与GPS测得的地速、陀螺仪测得的姿态角及空速管测得的空速一起，通过矢量三角形求得风场信息。图4为风速、地速和空速矢量三角形示意图。根据图4，风速可表示为
Figure GSB0000193371730000067
式中，
Figure GSB0000193371730000068
为地速，
Figure GSB0000193371730000069
为空速，
Figure GSB00001933717300000610
为风速；
公式(14)具体可表示为：
Figure GSB00001933717300000611
式中，VDx、VDy、VDz为风速在惯性坐标系下x、y、z轴上的分量，
Figure GSB00001933717300000612
为在惯性坐标系下x、y、z轴上的基于GPS位置测量值解算的地速分量。

Claims (1)

1.一种基于侧滑角信息的无人机测风建模方法，其特征在于，包括如下步骤：
步骤一，建立无人机横侧向开环控制模型，具体为：
横侧向开环控制模型用状态空间方程可表示为如下形式
Figure FSB0000193371720000011
式中，
Figure FSB0000193371720000012
为状态量，
Figure FSB0000193371720000013
为状态矩阵，
Figure FSB0000193371720000014
为输入矩阵，
Figure FSB0000193371720000015
为输入量；β为侧滑角，p为滚转角速率，r为偏航角速率，φ为滚转角；Yb、Yp、Yr、Yph、Lb、Lp、Lr、Nb、Np、Nr、Yda、Ydr、Lda、Ldr、Nda、Ndr为无人机横侧向参数，可根据无人机给定的气动参数及控制参数解算；δa、δr为方向舵和副翼的舵偏角；
由(1)式得到无人机横侧向开环控制模型方程为
Figure FSB0000193371720000016
步骤二，建立无人机横侧向闭环导航模型，具体为：
给定无人机航向ψg时，则可给出飞行控制律为
Figure FSB0000193371720000017
式中，ψ为航向角，kp、kφ、kψ、kr、kφr分别为与p、φ、ψ、r相关的系数；
将(3)代入(2)，得到
Figure FSB0000193371720000018
同理有
Figure FSB0000193371720000019
Figure FSB0000193371720000021
Figure FSB0000193371720000022
Figure FSB0000193371720000023
由此得到无人机横侧向闭环导航方程为
Figure FSB0000193371720000024
如果无人机没有侧滑角传感器，方程(9)包含的侧滑角可通过测量滚转角信息来间接得到，同时通过Kalman滤波器对所测侧滑角信息进行滤波，此方法可实现对侧滑角的无偏估计，理论精度较高；
步骤三，建立实测量与侧滑角关系模型，具体为：
机体坐标系下的空速分量为
Figure FSB0000193371720000025
式中，Va为空速，α为迎角，Vxb、Vyb、Vzb为机体坐标 系下的空速分量；
惯性坐标系下的空速分量为
Figure FSB0000193371720000026
式中，Vx、Vy、Vz为惯性坐标系下x、y、z轴上的空速分量，
Figure FSB0000193371720000027
为机体坐标系到惯性坐标系的转换坐标；
Figure FSB0000193371720000028
式中，θ为俯仰角，
Figure FSB0000193371720000029
为航迹方位角；
将公式(12)展开可得到
Figure FSB00001933717200000210
步骤四，利用风速、地速和空速三者之间的矢量三角形关系建立风场估计模型，即将侧滑角数据作为风场估计中的一个变量，与GPS测得的地速、陀螺仪测得的姿态角及空速管测得的空速一起，通过矢量三角形求得风场信息；
由风速和飞行器的空速、地速的矢量三角形关系得到风速表达式为
Figure FSB0000193371720000031
式中，
Figure FSB0000193371720000032
为地速，
Figure FSB0000193371720000033
为空速，
Figure FSB0000193371720000034
为风速；
公式(14)具体可表示为
Figure FSB0000193371720000035
式中，VDx、VDy、VDz为风速在惯性坐标系下x、y、z轴上的分量，
Figure FSB0000193371720000036
为在惯性坐标系下x、y、z轴上的基于GPS位置测量值解算的地速分量。
CN201811337127.7A 2018-11-12 2018-11-12 一种基于侧滑角信息的无人机测风建模方法 Active CN109541963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811337127.7A CN109541963B (zh) 2018-11-12 2018-11-12 一种基于侧滑角信息的无人机测风建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811337127.7A CN109541963B (zh) 2018-11-12 2018-11-12 一种基于侧滑角信息的无人机测风建模方法

Publications (2)

Publication Number Publication Date
CN109541963A CN109541963A (zh) 2019-03-29
CN109541963B true CN109541963B (zh) 2021-06-25

Family

ID=65846954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811337127.7A Active CN109541963B (zh) 2018-11-12 2018-11-12 一种基于侧滑角信息的无人机测风建模方法

Country Status (1)

Country Link
CN (1) CN109541963B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111693999B (zh) * 2020-05-27 2023-05-05 哈尔滨工程大学 基于雷达测风组合策略的多传感器融合风速风向估计方法
CN112762960A (zh) * 2020-12-29 2021-05-07 中国航空工业集团公司西安飞机设计研究所 一种飞行器所处风场的在线计算方法
CN116776043B (zh) * 2023-08-17 2023-11-07 四川腾盾科技有限公司 一种大型无人机空投伞降吊舱运动轨迹预测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101273273A (zh) * 2005-09-27 2008-09-24 空中客车法国公司 监测飞行器的风速、气压和倾斜测定参数的***
CN101321667A (zh) * 2005-12-06 2008-12-10 空中客车德国有限公司 用于重构飞行器、尤其是客机上的阵风和结构载荷的方法
CN102073755A (zh) * 2010-11-10 2011-05-25 南京航空航天大学 近空间高超声速飞行器运动控制仿真方法
CN103353623A (zh) * 2013-06-18 2013-10-16 沈阳创达技术交易市场有限公司 气象无人机测风仪
CN106680896A (zh) * 2016-12-14 2017-05-17 梁淑明 一种无人机高空气象探测***
CN206569263U (zh) * 2016-12-21 2017-10-20 南京信息工程大学 一种测风向风速专用无人机
CN107918128A (zh) * 2017-10-31 2018-04-17 中国科学院国家空间科学中心 一种高精度的临近空间实时原位测风的装置及其方法
CN107942720A (zh) * 2017-09-30 2018-04-20 成都飞机工业（集团）有限责任公司 一种便携式地面在线飞行仿真***
CN108152529A (zh) * 2017-11-02 2018-06-12 成都飞机工业（集团）有限责任公司 一种基于飞行参数计算风速及风向的方法
CN207894441U (zh) * 2018-02-27 2018-09-21 成都凯天电子股份有限公司 大气数据***地面传感器测试设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101273273A (zh) * 2005-09-27 2008-09-24 空中客车法国公司 监测飞行器的风速、气压和倾斜测定参数的***
CN101321667A (zh) * 2005-12-06 2008-12-10 空中客车德国有限公司 用于重构飞行器、尤其是客机上的阵风和结构载荷的方法
CN102073755A (zh) * 2010-11-10 2011-05-25 南京航空航天大学 近空间高超声速飞行器运动控制仿真方法
CN103353623A (zh) * 2013-06-18 2013-10-16 沈阳创达技术交易市场有限公司 气象无人机测风仪
CN106680896A (zh) * 2016-12-14 2017-05-17 梁淑明 一种无人机高空气象探测***
CN206569263U (zh) * 2016-12-21 2017-10-20 南京信息工程大学 一种测风向风速专用无人机
CN107942720A (zh) * 2017-09-30 2018-04-20 成都飞机工业（集团）有限责任公司 一种便携式地面在线飞行仿真***
CN107918128A (zh) * 2017-10-31 2018-04-17 中国科学院国家空间科学中心 一种高精度的临近空间实时原位测风的装置及其方法
CN108152529A (zh) * 2017-11-02 2018-06-12 成都飞机工业（集团）有限责任公司 一种基于飞行参数计算风速及风向的方法
CN207894441U (zh) * 2018-02-27 2018-09-21 成都凯天电子股份有限公司 大气数据***地面传感器测试设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Enhancing Model-Free Wind Estimation for Fixed-Wing UAV;Georg Balmer等;《2018 International Conference on Unmanned Aircraft Systems》;20180903;第1242-1247页 *
基于转动状态的气象无人机测风方法;王彦杰等;《气象科学》;20111031;第31卷(第5期);第576-581段 *
飞机测风技术方法探讨;魏强等;《第26届中国气象学会年会第三届气象综合探测技术研讨会分会场论文集》;20091014;第1-8页 *

Also Published As

Publication number Publication date
CN109541963A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN106643737B (zh) 风力干扰环境下四旋翼飞行器姿态解算方法
Abichandani et al. Wind measurement and simulation techniques in multi-rotor small unmanned aerial vehicles
CN102520726B (zh) 大攻角飞行状态下的大气攻角及侧滑角估计方法
CN108152529A (zh) 一种基于飞行参数计算风速及风向的方法
CN102809377B (zh) 飞行器惯性/气动模型组合导航方法
CN109541963B (zh) 一种基于侧滑角信息的无人机测风建模方法
CN106527491B (zh) 一种固定翼无人机控制***及横侧向飞行轨迹控制方法
CN102608596B (zh) 一种用于机载惯性/多普勒雷达组合导航***的信息融合方法
CN104061899B (zh) 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法
CN113819914A (zh) 一种地图构建方法及装置
CN105094138A (zh) 一种用于旋翼无人机的低空自主导航***
CN103994748B (zh) 一种采用飞行和风洞试验数据估计无人机配平迎角的方法
Thomas et al. Measurement of turbulent water vapor fluxes using a lightweight unmanned aerial vehicle system
CN106403940B (zh) 一种抗大气参数漂移的无人机飞行导航***高度信息融合方法
CN106885918B (zh) 一种面向多旋翼飞行器的多信息融合实时风速估计方法
CN102607639A (zh) 基于bp神经网络的大攻角飞行状态下大气数据测量方法
CN202939489U (zh) 一种多旋翼自动平衡飞行控制器
CN102175882B (zh) 基于自然地标的无人直升机视觉测速方法
CN104459193A (zh) 一种基于无人机侧航法估算侧风信息的方法
CN103837151A (zh) 一种四旋翼飞行器的气动模型辅助导航方法
CN108592911B (zh) 一种四旋翼飞行器动力学模型/机载传感器组合导航方法
Larrabee et al. Wind field estimation in UAV formation flight
CN103453907B (zh) 基于分层大气模型的行星进入段导航滤波方法
CN103033197B (zh) 一种mems陀螺零位漂移的校正方法
CN104808673A (zh) 一种基于卡尔曼滤波的四旋翼飞行器高度估计方法

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
GR01 Patent grant
GR01 Patent grant