CN116992700B - 一种物流无人机导航精度确定的方法及设备 - Google Patents
一种物流无人机导航精度确定的方法及设备 Download PDFInfo
- Publication number
- CN116992700B CN116992700B CN202311254096.XA CN202311254096A CN116992700B CN 116992700 B CN116992700 B CN 116992700B CN 202311254096 A CN202311254096 A CN 202311254096A CN 116992700 B CN116992700 B CN 116992700B
- Authority
- CN
- China
- Prior art keywords
- error
- unmanned aerial
- aerial vehicle
- model
- standard deviation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000005259 measurement Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 230000009897 systematic effect Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000012895 dilution Substances 0.000 description 4
- 238000010790 dilution Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本申请的目的是提供一种物流无人机导航精度确定的方法及设备,本申请通过根据无人机的飞行任务确定预期飞行轨迹;确定无人机的实际飞行轨迹,根据所述预期飞行轨迹和所述实际飞行轨迹计算无人机的飞行技术误差;建立全球导航卫星***误差模型,建立气压高度表误差模型;基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差;基于所述飞行技术误差和所述导航***误差确定总***误差,以确定无人机的导航精度;进行***的考虑影响导航精度的主要因素,完善了导航精度确定方法,使得导航精度更加精确。
Description
技术领域
本申请涉及无人机技术领域,尤其涉及一种物流无人机导航精度确定的方法及设备。
背景技术
随着无人机技术发展和社会公众认可度的提高,民用无人机在城市低空空域范围内开展客货运输将逐渐由试验验证走向大规模商业运营。城市低空空域环境复杂,超低飞行高度及大量人造建筑、障碍物限制了无人机可飞空间,为了与建筑物、障碍物、其它航空器保持安全的间隔,物流无人机需要满足一定的空域保持能力,才能够准确、安全、高效的按照预设的航线飞行。
物流无人机航线飞行可采用传统有人航空基于性能导航(Performance-basednavigation,PBN)的方法确航路空间,但由于运行环境与机型差异,物流无人机航线飞行的需要根据运行场景重新定义导航精度要求。
目前物流无人机导航精度确定方法尚不成熟,现有的方法并未***的考虑影响导航精度的主要因素,导航精度确定方法不完善。
例如,一种基于RNP的快递无人机运行实时保护模型的建立方法,RNP (RequiredNavigation Performance) 表示所需导航性能,该方法是一个快递无人机RNP评估框架,使用简单的推算方法计算航路定义误差、飞行技术误差及导航***误差;但并未提供各项误差组成与确定方法。
发明内容
本申请的一个目的是提供一种物流无人机导航精度确定的方法及设备,解决现有技术中未***的考虑影响导航精度的主要因素,导航精度确定方法不完善的问题。
根据本申请的一个方面,提供了一种物流无人机导航精度确定的方法,该方法包括:
根据无人机的飞行任务确定预期飞行轨迹;
确定无人机的实际飞行轨迹,根据所述预期飞行轨迹和所述实际飞行轨迹计算无人机的飞行技术误差;
建立全球导航卫星***误差模型,建立气压高度表误差模型;
基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差;
基于所述飞行技术误差和所述导航***误差确定总***误差,以确定无人机的导航精度。
可选地,确定无人机的实际飞行轨迹,包括:
建立城市风场模型,根据所述城市风场模型及所述预期飞行轨迹建立无人机的动力学模型;
根据所述无人机的动力学模型确定无人机的实际飞行轨迹。
可选地,建立城市风场模型,包括:
根据无人机所在环境的风场环境类型确定对应的风速函数,构建得到城市风场模型。
可选地,根据所述城市风场模型及所述预期飞行轨迹建立无人机的动力学模型,包括:
根据不同风场环境类型的风速函数得到的风速、所述预期飞行轨迹以及用于提供控制变量的控制器,建立无人机的动力学模型。
可选地,建立全球导航卫星***误差模型,包括:
根据全球导航卫星***确定卫星观测矩阵,根据所述卫星观测矩阵确定精度因子;
根据所述精度因子以及伪距离测量误差的标准差构建全球导航卫星***误差模型。
可选地,建立气压高度表误差模型,包括:
根据无人机的真实高度、所在真实高度时气压计受环境影响的常值误差以及气压计的量测噪声建立气压高度表误差模型。
可选地,基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差,包括:
根据所述全球导航卫星***误差模型确定所述无人机的导航***的水平误差;
根据无人机使用的全球导航卫星***设备的状态信息从所述全球导航卫星***误差模型及气压高度表误差模型中进行估计,得到导航***的垂直误差。
可选地,所述无人机的导航***的水平误差包括导航***的水平误差均值和标准差,根据所述全球导航卫星***误差模型确定所述无人机的导航***的水平误差,包括:
根据所述全球导航卫星***误差模型得到全球导航卫星***水平误差、水平误差标准差及估计时间误差;
根据所述全球导航卫星***水平误差得到无人机的侧向导航***的水平误差均值等于0;
根据所述全球导航卫星***的水平误差标准差、无人机位置矢量的速度矢量及估计时间误差确定侧向导航***的水平误差标准差。
可选地,根据无人机使用的全球导航卫星***设备的状态信息从所述全球导航卫星***误差模型及气压高度表误差模型中进行估计,得到导航***的垂直误差,包括:
根据所述全球导航卫星***误差模型得到全球导航卫星***的伪距离测量误差的标准差、垂直高度分量方差;
根据所述气压高度表误差模型得到气压高度的标准差、气压计受环境影响的常值误差;
确定所述伪距离测量误差的标准差、所述垂直高度分量方差及所述气压高度的标准差中的最小值,根据无人机使用的全球导航卫星***设备的状态信息将最小值作为垂直高度误差标准差;
根据所述气压高度的标准差、气压计受环境影响的常值误差确定正态分布随机序列,根据无人机使用的全球导航卫星***设备的状态信息将所述正态分布随机序列作为垂直高度误差。
可选地,总***误差包括侧向总***误差均值及标准差、垂直方向的总***误差均值及标准差,基于所述飞行技术误差和所述导航***误差确定总***误差,包括:
;
;
;
;
其中,表示侧向总***误差均值,/>表示侧向总***误差标准差,表示垂直方向的总***误差均值,/>表示垂直方向的总***误差标准差,、/>分别为侧向飞行技术误差均值、标准差,/>、/>分别为垂直方向飞行技术误差均值、标准差,/>、/>分别为侧向导航***误差均值、标准差,/>、/>分别为垂直方向导航***误差均值、标准差。
根据本申请又一个方面,还提供了一种物流无人机导航精度确定的设备,该设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如前述所述方法的操作。
根据本申请再一个方面,还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如前述所述的方法。
与现有技术相比,本申请通过根据无人机的飞行任务确定预期飞行轨迹;确定无人机的实际飞行轨迹,根据所述预期飞行轨迹和所述实际飞行轨迹计算无人机的飞行技术误差;建立全球导航卫星***误差模型,建立气压高度表误差模型;基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差;基于所述飞行技术误差和所述导航***误差确定总***误差,以确定无人机的导航精度;进行***的考虑影响导航精度的主要因素,完善了导航精度确定方法,使得导航精度更加精确。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出根据本申请的一个方面提供的一种物流无人机导航精度确定的方法流程示意图;
图2示出本申请一实施例中误差定义的示意图;
图3示出根据本申请一实施例中***总误差的计算流程框图;
图4示出本申请一具体实施例中旋翼机控制***框架图;
图5示出本申请一实施例中飞行技术误差的计算示意图;
图6示出本申请一实施例中UEE的典型值的示意图;
图7示出本申请一实施例中URE的典型值的示意图;
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器 (例如中央处理器(Central Processing Unit,CPU))、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RandomAccess Memory,RAM) 和/或非易失性内存等形式,如只读存储器 (Read Only Memory,ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (Phase-Change RAM,PRAM)、静态随机存取存储器 (Static Random Access Memory,SRAM)、动态随机存取存储器 (DynamicRandom Access Memory,DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (Electrically Erasable Programmable Read-Only Memory,EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (Compact Disc Read-OnlyMemory,CD-ROM)、数字多功能光盘 (Digital Versatile Disk,DVD) 或其他光学存储、 磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
图1示出根据本申请的一个方面提供的一种物流无人机导航精度确定的方法流程示意图,该方法包括:步骤S11~步骤S15,其中,
步骤S11,根据无人机的飞行任务确定预期飞行轨迹;在此,根据无人机实际的飞行任务可以进行仿真模拟出在该飞行任务时所执行的预期飞行轨迹,进而利用得到的预期飞行轨迹进行后续的模型建立以及无人机的相关误差计算。
步骤S12,确定无人机的实际飞行轨迹,根据所述预期飞行轨迹和所述实际飞行轨迹计算无人机的飞行技术误差;在此,飞行技术误差(Flight Technical Error,FTE)反映了无人机的控制状态及运行环境导致偏离期望路径的误差情况,以自动飞行模式为主的物流无人机飞行技术误差主要取决于导致偏差的外部因素的类型,例如阵风。通过仿真确定出该无人机的实际飞行轨迹,在实际飞行轨迹上获取实际位置,在预期飞行轨迹上获取期望位置,从而利用飞行任务确定的预期飞行轨迹及实际飞行轨迹计算出无人机的飞行技术误差。
步骤S13,建立全球导航卫星***误差模型,建立气压高度表误差模型;在此,导航***误差(Navigation System Error,NSE)取决于无人机可用的导航设备,城市场景物流无人机主要以轻型、小型、中型为主,导航设备包括全球导航卫星***(GNSS)、惯性导航***(INS)、气压高度计,其中,位置导航以GNSS为主,气压高度计辅助高度估计。GNSS在人口稠密的城市低高度定位干扰严重,无人机高动态运行、建筑物遮挡信号、多径误差、大气折射等导致定位精度的大幅降低;气压高度计器误差与运行环境直接相关。因此需要建立全球导航卫星***误差模型以及气压高度表误差模型,得到精确度更高的误差模型。
步骤S14,基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差;在此,导航***误差(NSE)反映了航空器实际位置和估计位置之间的差异性,主要由导航***计算误差、接收机误差、显示***误差以及地面站误差等几个部分构成。本申请是利用全球导航卫星***与气压高度计误差类型,建立误差模型,得到无人机的导航***误差。
步骤S15,基于所述飞行技术误差和所述导航***误差确定总***误差,以确定无人机的导航精度。在此,位置误差是垂直于所需路径的位移,由导航***误差(NSE)、飞行技术误差(FTE)和路径定义误差(Path Definition Error,PDE)组成,误差总和为总***误差(Total System Error,TSE),在对航径和航路点进行定义时参考的坐标相同,PDE可以忽略不计。在垂直方向,城市物流无人机的操控模式不同、飞行高度有限,需要更加细化精确的模型来计算导航精度要求。纵向总***误差主要与飞机航线方向跟踪能力及对飞行时间的控制能力相关,主要由NSE和PDE两部分构成,大部分情况下用NSE直接指代纵向误差。因此,本申请导航精度确定主要是计算侧向及垂直方向的总***误差,其中,纵向是指地面坐标系中航迹在水平面投影某个位置沿其切线的方向,侧向是地面坐标系中航迹在水平面投影某个位置垂直其侧向的方向,垂直方向为地面坐标系中垂直于水平面的方向。
在本申请一实施例中,总***误差包括侧向总***误差均值及标准差、垂直方向的总***误差均值及标准差,在步骤S15中,满足以下条件:
;
;
;
;
其中,表示侧向总***误差均值,/>表示侧向总***误差标准差,表示垂直方向的总***误差均值,/>表示垂直方向的总***误差标准差,、/>分别为侧向飞行技术误差均值、标准差,/>、/>分别为垂直方向飞行技术误差均值、标准差,/>、/>分别为侧向导航***误差均值、标准差,/>、/>分别为垂直方向导航***误差均值、标准差。
在此,无人机总***误差可分别由飞行技术误差与导航误差进行计算,水平面内TSE组成如图2所示,图2中预期航迹是预设航线,估计航迹是由导航***估计的航迹,实际航迹是实际飞行航迹,以航点为例,侧向、垂直TSE由飞行技术误差与导航误差不同分量进行计算。其中,总***误差包括总***误差序列均值和标准差:
;
;
式中总***误差均值分为侧向总***误差均值/>及垂直总***误差均值组成/>,总***误差标准差/>分为侧向总***误差标准差/>及垂直总***误差标准差组成/>。
根据下式计算不同分量:
;
;
;
;
式中、/>分别为侧向飞行技术误差均值、标准差,/>、分别为垂直方向飞行技术误差均值、标准差,/>、/>分别为侧向导航***均值、标准差,/>、/>分别为垂直方向导航***均值、标准差。
图3示出本申请一实施例中计算总***误差的示意图,针对城市物流无人机,建立旋翼物流无人机简化动力学模型,建立城市典型风场模型,从而根据建立的模型输出实际飞行轨迹,计算出飞行技术误差;建立GNSS误差模型和建立气压高度表误差模型,从而计算导航***误差;利用得到的飞行技术误差和导航***误差计算侧向、垂直方向***总误差,进而得到无人机的导航精度。
在本申请一实施例中,在步骤S12中,建立城市风场模型,根据所述城市风场模型及所述预期飞行轨迹建立无人机的动力学模型;根据所述无人机的动力学模型确定无人机的实际飞行轨迹。在此,不同型号的无人机自动驾驶***差距较大,制造商根据实际需求设计成一个封闭***,但若进入空域运行,应满足相应的导航性能要求,需明确其飞行技术误差与导航误差并进行验证。自动飞行模式飞行技术误差的取决于导致偏差的外部因素的类型,例如阵风。因此,为了确定飞行技术误差大小,需要建立无人机的动力学模型及城市风场建模;考虑到无人机型号繁多、控制***技术差异较大,本申请提出简化旋翼及固定翼无人机轨迹模型,基于有限参数模拟无人机在城市风场中的性能,评估无人机飞行技术误差极限,确定风扰动的可控包络线范围。先建立城市风场模型,将城市风险模型输出的风速作为动力学模型的输入量,并输入预期飞行轨迹,构建出动力学模型。
具体地,建立城市风场模型时,是根据无人机所在环境的风场环境类型确定对应的风速函数,构建得到城市风场模型。在此,受地表高层建筑影响,城市低空空域风场环境更加复杂,紊流现象频繁,降低到一定高度的局部区域容易出现涡流、穿堂风场和角区气流等,对无人机飞行技术误差影响较大。为了更好模拟城市风场环境,本申请分别建立平均风、渐变风、紊流、风切变、突风、低空风切变五种类型风场模型,综合输出城市风场扰动。
平均风通常是指水平风,是风速的基准值,特定时间内具备稳定的特性,主要用来评估测风对无人机飞行的影响,即:,/>,式中/>为常值,水平风速会随着高度按照对数变化,数据模型为:/>,式中:/>,/>=0.04572m,/>是距地面6.096米高度风速。
渐变风风力逐渐增大或减小的过程,可使用一个线性分段函数来表示:
;
式中为渐变风速的峰值;/>为开始时间;/>为某个位置的时间;/>为结束时间。
大气紊流是十分复杂的物理现象,紊流速度是时间与位置的随机函数,风速的生成是将预期的频谱函数进行因式分解,形成滤波器,将白噪声作为输入量,通过滤波器传递函数转化成有色信号,进而形成紊流风速。其中时间频谱函数为:
;
其中,、/>、/>分别表示三个轴向的紊流强度,/>、/>、/>分别表示三个轴向的紊流尺度,/>是无人机飞行速度。
将时间频谱函数分解简化为一阶滤波器,满足/>,滤波器的传递函数为:
;
将单位强度的白噪声序列作为G(s)滤波器输入,输出序列即为三个轴向的紊流风速。城市低空飞行紊流强度和紊流尺度可设置为:
;
式中是无人机的飞行高度,/>为6.096 m 的风速大小。
突风是指一种离散的或确定的风速变化。无人机受到不同方向的突风作用,飞行的速度、迎角、侧滑角以及有关的空气动力的力矩都发生变化,不仅会使飞行轨迹发生变化,还可能产生颠簸,导致无人机俯仰或滚转。
在实际仿真应用中,突风可以单独使用,也可以叠加到平均风或者紊流上,以表示强的大气扰动,主要使用半波长离散突风模型:
;
式中,是突风作用距离,/>是突风尺度,/>是突风强度,突风强度和尺度可与连续随机紊流模型中的强度和尺度一致。
风切变指的是空间任意两点间风向、风速的突然变化,它包括水平风的突然垂直切变、水平风的水平切变和垂直风的切变。在城市场景无人机物流应用中,低空风切变是一个重要危险因素。低空风切变一般指距离地面600米高度以下所发生的水平风的垂直切变和水平切变,以及垂直风的切变,由于自身时间短、尺度小、强度大的特点,给探测、预报、飞行等带来了挑战。基于这一因素,本申请采用地面边界层风切变模型:
;
式中是参考高度/>上的平均风速。指数m可通过地面粗糙度/>和温度梯度获得:
;
式中:,/>,/>,/>,/>。在城市区域,/>可在[1,4]范围内取值,m在范围在[0.2,0.4]之间。
在本申请一实施例中,在步骤S12中,根据不同风场环境类型的风速函数得到的风速、所述预期飞行轨迹以及用于提供控制变量的控制器,建立无人机的动力学模型。
为了提高方法的适用性,减少对不同型号具体参数的依赖,本申请建立简化的动力学模型主要使用的坐标系定义为:(1)地面坐标系,主要用来表示旋翼飞行器在空中飞行时,相对于地面的运动状态。以地面上某一点为原点,/>轴表示正北方向,/>轴根据右手定则确定,/>轴垂直于地平面向下。(2)机体坐标系/>:原点/>为无人机质心,/>轴沿机体纵轴指向机头,/>轴在对称平面内与/>轴垂直向机身下方,/>轴由右手法则确定。(3)气流坐标系/>:原点/>为无人机质心,/>轴沿空速/>方向,/>轴在对称平面内与/>轴垂直并指向机身下方,/>轴由右手法则确定。
无人机是一个复杂的动力学***,为简化推导过程,可做以下假设:(1)忽略无人机的弹性变形,将其视为刚体,且质量为常数;(2)忽略地球的旋转运动和地球曲率;(3)假设地面坐标系为惯性坐标系;(4)重力加速度不随飞行高度变化;(5)无人机关于机体坐标系平面对称。
动力学模型包括旋翼无人机运动学模型、姿态模型与控制器三部分,运动学模型用来计算速度与位置,姿态模型用来计算三个姿态角,控制器提供控制量。根据旋翼无人机受力分析,简化运动学模型与姿态模型。
具体地,建立旋翼无人机运动学模型时,通过以下方法建立:
飞行过程中无人机主要会受到旋翼飞行器的拉力、机身的重力/>,以及风场的阻力/>。利用牛顿定律以及大气动力学原理建立物流旋翼无人机运动学方程,并引入外界风场干扰因素,则有风场环境下的简化运行学方程:
;
式中P为地面坐标系中的无人机位置矢量,V是地面坐标系中无人机位置矢量的速度矢量,T是拉力矢量,为地面坐标系中重力加速度矢量,W为地面坐标系中的风场阻力矢量。
在地面坐标系内,无人机拉力的方向与无人机的姿态一致(用矢量/>表示),使滚转角、俯仰角、偏航角分别为φ、θ、ψ,使用姿态角来描述/>,则有:
;
拉力。
由空气动力学可知无人机所受风场阻力为:
ρ/>;
;
式中为气流坐标系风速矢量,由上述风场模型模拟获得,ρ为空气密度,/>为风场阻力系数,/>为机身有效面积,风速模型将在下一节详细介绍。/>为气流坐标系到地面坐标系的转换矩阵,可通过地面坐标系与机体坐标系转换矩阵/>、气流坐标系与机体坐标系转换矩阵/>计算,即/>=/>。
相比于拉力矢量,风场阻力的计算更为复杂,需要同时考虑速度、姿态、阻力系数。对于物流旋翼无人机,可忽略空速与地速的差别,、/>取值为零, 基于无人机预计飞行的俯仰角θ和偏航角ψ可将地面坐标系中速度矢量简化为:
;
则风场阻力矢量可通过下式获得:
;
式中轴向(Z轴)和径向/>(X、Y轴)的阻力经验常数可以使用关系式:
;
其中+/>,可获得阻力常数的线性方程组:
;
带入具体机型典型性能参数即可计算获得阻力经验常数。
具体地,建立姿态模型时通过以下方法实现:
旋翼无人机在运动过程中,无人机旋转惯量积为0,无人机重心与质心重合并且飞行器机体形状不变,结构对称,在机体坐标系下,无人机的转动惯量为:
;
旋翼无人机飞行过程中所受力矩包括驱动器的旋转力矩、风场扰所产生的力矩/>及陀螺效应产生的力矩/>,则有姿态角运行方程:
;
式中、/>、/>为机体轴向合力矩,合力矩大小取决于与旋翼结构及每个旋翼转速:/>,k=1,2,3;式中S为升力系数,/>为旋翼转速,j为旋翼序号。
具体地,设计控制器时,本申请提出了简化的动力学模型,该模型考虑了城市风场扰动。城市物流场景无人机机型多、迭代速度快,在导航精度计算中无法获得机型详细的控制***信息。本申请不针对具体机型解决控制***设计问题,而是在给定飞行条件和无人机特征参数情况下,辅助确定无人机预期航线飞行的可行性,选用PID控制器实现简化的动力学模型,其中:
;
如图4所示的旋翼机控制***框架图,本申请采用外环、内环两层控制器,外环系用于确定指令加速度、/>、/>,确定总拉力和指令姿态角/>、/>,内环***控制指令为三轴角加速度/>、/>、/>,进一步由/>推导出在风场环境下的期望力矩/>。
;
;
。
计算飞行技术误差(FET)时,FET表征了飞行器的控制状态及运行环境导致偏离期望路径的误差情况,可以通过计算仿真后的实际轨迹点和其期望路径之间的偏差统计值得到,如图5所示,其中A点和B点为期望路径上的任意两个点,点为实际轨迹点,C点为估计位置在期望路径上投影,C点的坐标可通过下式求得:
;
计算得到C点的位置坐标之后,可获得计算在地面坐标系中xy平面投影距离及垂直方向高度差/>,即:
;
;
式中,取值分别为-1、1,/>指向期望航线右侧取-1,左侧取1,分别计算各个航路点/>与/>;若取n个航迹点进行计算,则侧向与垂直方向FET均值/>、与方差/>、/>可通过下式获得:
;
;
=/>;
=/>。
在本申请一实施例中,在步骤S13中,根据全球导航卫星***确定卫星观测矩阵,根据所述卫星观测矩阵确定精度因子;根据所述精度因子以及伪距离测量误差的标准差构建全球导航卫星***误差模型。在此,影响全球导航卫星***定位的主要误差源是伪距和载波相位测量,主要分为以下几种:接收机相关误差,如时钟误差、噪声和分辨率;星历预测误差;时钟偏移和组延迟的卫星相关误差;电离层延迟、对流层延迟和多径等传播误差;用户运行特性导致的误差。
用户等效距离误差(UERE)标准差是由所有***误差的投影给出的沿用户卫星视线的误差组成:;
式中,是广播星历和时钟误差标准差,/>是大气误差(电离层和对流层)标准差,/>是多径干扰标准差,/>是接收机噪声标准差,各类误差均值为0。
UERE通常以米为单位进行测量,并以1-或者2-/>(95%)形式给出。根据误差类型可将UERE分为用户距离误差(URE)与用户设备误差(UEE),URE主要取决于卫星位置和星种,UEE取决于大气误差、多径干扰、接收机噪声等,其中UEE可通过同时使用多种卫星导航***来补偿电离层误差。同时,城市环境低空空域飞行的无人机飞行更容易受到严重的多径影响,而传统的航空多径模型无法考虑城市环境的特殊性,因此本申请给出了URE、UEE的典型值,如图6示出UEE的典型值的情况,具体为2-/>(95%)的UEE的典型值,如图7示出的URE的典型值的情况,仿真中可根据实际情况进行调整。
全球导航卫星***的精度不仅取决于用户等效距离误差,UERE决定了距离精度,还与估计精度有关,估计精度由卫星和用户的相对几何形状决定,并由精度(DOP)因子给出,可通过卫星观测矩阵B获得:
(k=1,2,3,4);
;
式中,其中/>是第i颗卫星目视矢量与第j颗卫星目视矢量夹角余弦值。DOP可分为:
垂直精度因子(VDOP, Vertical Dilution of Precision)
;
水平精度因子(HDOP, Horizontal Dilution of Precision)
;
位置精度因子(PDOP, Position Dilution of Precision)
;
时间精度因子(TDOP, Time Dilution of Precision)
;
其中、/>、/>是东、北、高分量方差,/>是接收机时钟偏置的标准偏差。DOP 对卫星导航误差影响较大,各种全球导航卫星***星座的设计,会保证在服务区域任何地方几乎总是有6-7颗卫星可见,从而可以根据DOP大小选择最优4颗卫星机型位置计算。本申请可以根据具体情况,选择固定精度DOP,或按照预计飞行区域的对已知卫星轨道和地形模型对特定的飞行剖面进行DOP预测。
综合以上UERE、DOP模型,GNSS接收器的估计位置误差(EPE)和估计时间误差(ETE)可以使用PDOP(3轴)、HDOP(水平)和TDOP来计算:
;
;
;
其中,是伪距离测量误差的标准差。
在本申请一实施例中,根据无人机的真实高度、所在真实高度时气压计受环境影响的常值误差以及气压计的量测噪声建立气压高度表误差模型。在此,气压高度计的工作原理利用了大气压强与飞行高度的关系,空气密度变化和温度变化都会影响测量高度的精度,正常情况下,高度每升高12 米,气压计里面的水银高度下降约1mm。高度的计算要采用标准大气压作为参考。
+/>+/>;
式中,为高度差,/>为标准大气压, P大气压,T为温度。在实际测量中,由于是在标准大气的条件下计算,但是真实的天气条件不一定符合这个理想条件,所以实际的测量数据一定会存在偏差,因此,其测量高度模型可以用下式表示:
;
式中无人机的真实高度,/>为气压计受环境影响的常值误差,/>为气压计的量测噪声,假设其服从均值为零、标准差为/>的平稳随机过程。
在本申请一实施例中,在步骤S14中,根据所述全球导航卫星***误差模型确定所述无人机的导航***的水平误差;根据无人机使用的全球导航卫星***设备的状态信息从所述全球导航卫星***误差模型及气压高度表误差模型中进行估计,得到导航***的垂直误差。在此,导航***误差(NSE)取决于无人机可用的导航设备,城市场景物流无人机主要以轻型、小型、中型为主,导航设备包括全球导航卫星***(GNSS)、惯性导航***(INS)、气压高度计,其中位置导航以GNSS为主,气压高度计辅助高度估计。GNSS在人口稠密的城市低高度定位干扰严重,无人机高动态运行、建筑物遮挡信号、多径误差、大气折射等导致定位精度的大幅降低,气压高度计器误差与运行环境直接相关。本申请详细分析GNSS与气压高度计误差类型,建立误差模型。
具体地,所述无人机的导航***的水平误差包括导航***的水平误差均值和标准差,根据所述全球导航卫星***误差模型得到全球导航卫星***水平误差、水平误差标准差及估计时间误差;根据所述全球导航卫星***水平误差得到无人机的侧向导航***的水平误差均值等于0;根据所述全球导航卫星***的水平误差标准差、无人机位置矢量的速度矢量及估计时间误差确定侧向导航***的水平误差标准差。
导航***误差由水平误差与垂直方向组成,水平误差大小等于GNSS水平误差,其中纵向方向误差主要来源于航迹点位置估计后处理解决所需时间,则侧向导航***误差均值/>、标准差/>为:
;
;
式中是GNSS水平误差标准差,即/>,,/>是伪距离测量误差的标准差,TDOP由接收机时钟偏置的标准偏差确定。
继续接上述实施例,根据所述全球导航卫星***误差模型得到全球导航卫星***的伪距离测量误差的标准差、垂直高度分量方差;根据所述气压高度表误差模型得到气压高度的标准差、气压计受环境影响的常值误差;确定所述伪距离测量误差的标准差、所述垂直高度分量方差及所述气压高度的标准差中的最小值,根据无人机使用的全球导航卫星***设备的状态信息将最小值作为垂直高度误差标准差;根据所述气压高度的标准差、气压计受环境影响的常值误差确定正态分布随机序列,根据无人机使用的全球导航卫星***设备的状态信息将所述正态分布随机序列作为垂直高度误差。在此,物流无人机飞行过程中垂直高度主要使用GNSS与气压高度估计结果,根据使用的GNSS设备情况,垂直高度结果选择精度较高结果,垂直高度误差标准差选取最小值,从伪距离测量误差的标准差,垂直高度的高分量方差/>,以及气压高度的标准差/>中进行选择最小值,即:
。
如果使用传统单频接收机,GNSS高度方向估计误差大于气压高度估计误差,这种情况下物流无人机垂直高度则主要使用气压高度计值,垂直高度估计误差则为正态分布随机序列,其中,/>为气压计受环境影响的常值误差。
此外,本申请实施例还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现前述一种物流无人机导航精度确定的方法。
在本申请一实施例中,还提供了一种物流无人机导航精度确定的设备,所述设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如前述所述方法的操作。
例如,计算机可读指令在被执行时使所述一个或多个处理器:
根据无人机的飞行任务确定预期飞行轨迹;
确定无人机的实际飞行轨迹,根据所述预期飞行轨迹和所述实际飞行轨迹计算无人机的飞行技术误差;
建立全球导航卫星***误差模型,建立气压高度表误差模型;
基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差;
基于所述飞行技术误差和所述导航***误差确定总***误差,以确定无人机的导航精度。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请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申请。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,本申请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涵括在本申请内。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,显然“包括”一词不排除其他单元或步骤,单数不排除复数。
Claims (8)
1.一种物流无人机导航精度确定的方法,其特征在于,所述方法包括:
根据无人机的飞行任务确定预期飞行轨迹;
确定无人机的实际飞行轨迹,根据所述预期飞行轨迹和所述实际飞行轨迹计算无人机的飞行技术误差;
建立全球导航卫星***误差模型,建立气压高度表误差模型;
基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差;
基于所述飞行技术误差和所述导航***误差确定总***误差,以确定无人机的导航精度,其中,总***误差包括侧向总***误差均值及标准差、垂直方向的总***误差均值及标准差;
其中,基于所述全球导航卫星***误差模型及所述气压高度表误差模型计算无人机的导航***误差,包括:
根据所述全球导航卫星***误差模型得到全球导航卫星***水平误差、水平误差标准差及估计时间误差;
根据所述全球导航卫星***水平误差得到无人机的侧向导航***的水平误差均值等于0;
根据所述全球导航卫星***的水平误差标准差、无人机位置矢量的速度矢量及估计时间误差确定侧向导航***的水平误差标准差;
根据所述全球导航卫星***误差模型得到全球导航卫星***的伪距离测量误差的标准差、垂直高度分量方差;
根据所述气压高度表误差模型得到气压高度的标准差、气压计受环境影响的常值误差;
确定所述伪距离测量误差的标准差、所述垂直高度分量方差及所述气压高度的标准差中的最小值,根据无人机使用的全球导航卫星***设备的状态信息将最小值作为垂直高度误差标准差;
根据所述气压高度的标准差、气压计受环境影响的常值误差确定正态分布随机序列,根据无人机使用的全球导航卫星***设备的状态信息将所述正态分布随机序列作为垂直高度误差;
其中,基于所述飞行技术误差和所述导航***误差确定总***误差,包括:
;
;
;
;
其中,表示侧向总***误差均值,/>表示侧向总***误差标准差,表示垂直方向的总***误差均值,/>表示垂直方向的总***误差标准差,、/>分别为侧向飞行技术误差均值、标准差,/>、/>分别为垂直方向飞行技术误差均值、标准差,/>、/>分别为侧向导航***误差均值、标准差,/>、/>分别为垂直方向导航***误差均值、标准差。
2.根据权利要求1所述的方法,其特征在于,确定无人机的实际飞行轨迹,包括:
建立城市风场模型,根据所述城市风场模型及所述预期飞行轨迹建立无人机的动力学模型;
根据所述无人机的动力学模型确定无人机的实际飞行轨迹。
3.根据权利要求2所述的方法,其特征在于,建立城市风场模型,包括:
根据无人机所在环境的风场环境类型确定对应的风速函数,构建得到城市风场模型。
4.根据权利要求3所述的方法,其特征在于,根据所述城市风场模型及所述预期飞行轨迹建立无人机的动力学模型,包括:
根据不同风场环境类型的风速函数得到的风速、所述预期飞行轨迹以及用于提供控制变量的控制器,建立无人机的动力学模型。
5.根据权利要求1所述的方法,其特征在于,建立全球导航卫星***误差模型,包括:
根据全球导航卫星***确定卫星观测矩阵,根据所述卫星观测矩阵确定精度因子;
根据所述精度因子以及伪距离测量误差的标准差构建全球导航卫星***误差模型。
6.根据权利要求1所述的方法,其特征在于,建立气压高度表误差模型,包括:
根据无人机的真实高度、所在真实高度时气压计受环境影响的常值误差以及气压计的量测噪声建立气压高度表误差模型。
7.一种物流无人机导航精度确定的设备,其特征在于,所述设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如权利要求1至6中任一项所述方法的操作。
8.一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311254096.XA CN116992700B (zh) | 2023-09-27 | 2023-09-27 | 一种物流无人机导航精度确定的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311254096.XA CN116992700B (zh) | 2023-09-27 | 2023-09-27 | 一种物流无人机导航精度确定的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116992700A CN116992700A (zh) | 2023-11-03 |
CN116992700B true CN116992700B (zh) | 2024-01-23 |
Family
ID=88532561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311254096.XA Active CN116992700B (zh) | 2023-09-27 | 2023-09-27 | 一种物流无人机导航精度确定的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992700B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117268405B (zh) * | 2023-11-23 | 2024-01-23 | 中国民航科学技术研究院 | 基于导航数据库航径的机载垂直导航偏差监控的计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894235A (zh) * | 2017-12-12 | 2018-04-10 | 中国人民解放军国防科技大学 | 一种超高速飞行器自主导航***的模型误差补偿方法 |
CN110737280A (zh) * | 2019-10-11 | 2020-01-31 | 南京航空航天大学 | 一种基于rnp的快递无人机运行实时保护模型的建立方法 |
CN111142143A (zh) * | 2019-12-23 | 2020-05-12 | 西北工业大学 | 一种基于多源信息融合的进场段飞行技术误差估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11119222B2 (en) * | 2017-12-18 | 2021-09-14 | Korea Advanced Institute Of Science And Technology (Kaist) | Method and system for local-area differential GNSS for UAV navigation, and for generating optimal protection level and geometry screening therefor |
-
2023
- 2023-09-27 CN CN202311254096.XA patent/CN116992700B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894235A (zh) * | 2017-12-12 | 2018-04-10 | 中国人民解放军国防科技大学 | 一种超高速飞行器自主导航***的模型误差补偿方法 |
CN110737280A (zh) * | 2019-10-11 | 2020-01-31 | 南京航空航天大学 | 一种基于rnp的快递无人机运行实时保护模型的建立方法 |
CN111142143A (zh) * | 2019-12-23 | 2020-05-12 | 西北工业大学 | 一种基于多源信息融合的进场段飞行技术误差估计方法 |
Non-Patent Citations (4)
Title |
---|
RNP运行中的实际导航性能评估技术研究;郭婧;薛广月;王嫣然;;民航学报(03);全文 * |
基于DME/VOR的区域导航性能预测算法;阮先丽;孙康宁;苟思羽;;现代导航(第01期);全文 * |
气象无人机风速解算新模型的设计及仿真研究;李阳;孔毅;赵现斌;;气象科技进展(第01期);全文 * |
阮先丽 ; 孙康宁 ; 苟思羽 ; .基于DME/VOR的区域导航性能预测算法.现代导航.2014,(第01期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116992700A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cho et al. | Wind estimation and airspeed calibration using a UAV with a single-antenna GPS receiver and pitot tube | |
Johansen et al. | On estimation of wind velocity, angle-of-attack and sideslip angle of small UAVs using standard sensors | |
Van den Kroonenberg et al. | Measuring the wind vector using the autonomous mini aerial vehicle M2AV | |
Rönnbäck | Developement of a INS/GPS navigation loop for an UAV | |
CN103913181B (zh) | 一种基于参数辨识的机载分布式pos传递对准方法 | |
CN103487822A (zh) | 北斗/多普勒雷达/惯性自主式组合导航***及其方法 | |
Tian et al. | Wind sensing and estimation using small fixed-wing unmanned aerial vehicles: A survey | |
KR20150043392A (ko) | 바람 벡터 추산 | |
CN101858748A (zh) | 高空长航无人机的多传感器容错自主导航方法 | |
CN116992700B (zh) | 一种物流无人机导航精度确定的方法及设备 | |
CN103837151A (zh) | 一种四旋翼飞行器的气动模型辅助导航方法 | |
CN111983936A (zh) | 一种无人机半物理仿真***及测评方法 | |
CN104568652A (zh) | 一种高精度测量临近空间大气密度的方法及测量装置 | |
Youn et al. | Aerodynamic model-aided estimation of attitude, 3-D wind, airspeed, AOA, and SSA for high-altitude long-endurance UAV | |
CN201004180Y (zh) | 无人机姿态控制*** | |
CN110007318B (zh) | 风场干扰下基于卡尔曼滤波的单无人机判断gps欺骗的方法 | |
CN105973237B (zh) | 基于实际飞行数据插值的仿真动态轨迹解析生成方法 | |
Thorpe et al. | Measurement of unsteady gusts in an urban wind field using a uav-based anemometer | |
Condomines | Nonlinear Kalman Filter for Multi-Sensor Navigation of Unmanned Aerial Vehicles: Application to Guidance and Navigation of Unmanned Aerial Vehicles Flying in a Complex Environment | |
Rhudy et al. | Stochastic wind modeling and estimation for unmanned aircraft systems | |
CN115542363B (zh) | 一种适用于垂直下视航空吊舱的姿态测量方法 | |
US11948467B2 (en) | System, device and method for measuring atmospheric conditions | |
Siu et al. | Flight test results of an angle of attack and angle of sideslip calibration method using Output-Error optimization | |
CN104792336A (zh) | 一种飞行状态测量方法及装置 | |
CN111780750A (zh) | 基于多传感器的民航客机高精度定位方法、设备、介质 |
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 |