基于四元数和神经网络的无人机空中姿态识别和控制方法技术

一种基于四元数和神经网络的无人机空中姿态识别和控制方法，包括以下步骤：(1)无人机上电，准备飞行；(2)无人机接受飞行指令开始飞行；(3)判定无人机飞行是否稳定，如果稳定进行步骤(4)，否则进行步骤(3)；(4)无人机上的陀螺仪等传感器采集无人机姿态信息；(5)使用基于梯度下降的四元数算法得到更新的四元数；(6)四元数作为神经网络的四个输入，经过三层神经网络计算得到修正的输出值，实现无人机姿态的控制；(7)无人机接收降落指令，开始降落；无人机降落。

Unmanned aerial vehicle air posture recognition and control method based on four dimensional number and neural network

A UAV flight attitude identification and control method of four elements and based on neural network, which comprises the following steps: (1) UAV, ready to fly; (2) the UAV flight command to accept flight; (3) to determine whether the UAV flight stability, if stable steps (4), or step (3); (4) UAV on gyro sensor UAV attitude information; (5) the use of the number of four yuan based on the gradient descent algorithm to get the number of update four yuan; (6) four yuan number as four inputs of the neural network, the neural network with three layers is calculated by modified the output value, to achieve control of UAV attitude; (7) the UAV landing instructions received, began landing of UAV landing.

【技术实现步骤摘要】
基于四元数和神经网络的无人机空中姿态识别和控制方法
本专利技术涉及无人驾驶飞机领域，具体涉及一种无人机空中姿态识别和控制方法。
技术介绍
无人驾驶飞机(UnmannedAerialVehicle，UAV)，简称无人机，是一种以无线电遥控或由自身程序控制为主的不载人飞机或飞行器。无人机最早出现是在20世纪20年代，研制成功后运用于战场，50年代开始得到了巨大的发展，揭开了以远距离攻击性、智能化、信息化武器为主导的“非接触型战争”的新时代。无人机飞行不存在人员伤亡的风险，而且造价低、体积小、生存能力强、机动性好、使用方便，所以在战场侦察、目标监视、通信中继和电子战等军事领域发挥着重要作用；除了在军事上备受青睐，无人机在经济和科学技术研究如大地测量、海洋研究、气象观测、森林火灾勘察、资源探测和核生化物取样等领域中也有着广泛的应用和广阔的发展前景。四元数是由WilliamRowanHamilton提出的数学概念，是由标量和矢量构成的超复数。四元数具有实数和复数的双重性质，综合了实数和负数的运算功能。作为定位参数也作为变换算子，四元数能够解决位姿的计算和变换问题。由于具有线性程度高，计算时间省，计算误差小，表达形式多样等优点，所以四元数在陀螺实用理论、捷联式惯性导航、机器与机构、机器人技术、多体系统力学、人造卫星姿态控制等领域中的应用越来越广。半个世纪来人工神经网络(ArtificialNeuralNetworks，ANN)研究取得了突飞猛进的进展。人工神经网络是以神经元为节点，采用某种网络拓扑结构来描述几乎任意非线性系统。由于人工神经网络具备学习能力、记忆能力、计算能力和智能处理能力，ANN为解决复杂的非线性问题提供了新方法。无人机技术发展迅猛，并且越来越多的前沿科技、控制理论和新算法被应用到无人机控制领域中来。本专利技术使用四元数算法和人工神经网络理论来增强无人机控制姿态的控制能力。
技术实现思路
本专利技术旨在设计一种抗干扰能力强、鲁棒性好的控制方法，这种控制方法能够结合四元数和人工神经网络控制方法来进行无人机在空中的姿态识别和控制。本专利技术的技术方案如下：一种基于四元数和神经网络的无人机空中姿态识别和控制方法，其特征在于包括以下步骤：步骤1：无人机上电，准备飞行；步骤2：无人机接受飞行指令开始飞行；步骤3：判定无人机飞行是否稳定，如果稳定进行步骤4，否则进行步骤3；步骤4：无人机上的陀螺仪等传感器采集无入机姿态信息；步骤5：使用基于梯度下降的四元数算法得到更新的四元数；步骤6：四元数作为神经网络的四个输入，经过三层神经网络计算得到修正的输出值，实现无人机姿态的控制；步骤7：无人机接收降落指令，开始降落；步骤8：无人机降落。本专利技术产生的有益效果包括两个方面：控制精度高。本方法采用了基于梯度下降的四元数算法的数据融合方法，充分利用了传感器信息、四元数的特点、人工神经网络的优点，输出无人机空中姿态修正结果，从而提高了测量精度。抗干扰能力强，鲁棒性好。经过四元数算法和人工神经网络的迭代算法，各级输出结果以及各级权值稳定，增强了抗干扰能力。具体实施方式本专利技术的技术方案是提供一种基于四元数和人工神经网络的无人机空中姿态的识别和控制方法。包括如下步骤：步骤1：无人机上电，准备飞行；步骤2：无人机接受飞行指令开始飞行；步骤3：判定无人机飞行是否稳定，如果稳定进行步骤4，否则进行步骤3；步骤4：无人机上的陀螺仪等传感器采集无人机姿态信息；步骤5：使用基于梯度下降的四元数算法得到更新的四元数方程；步骤6：四元数方程作为神经网络的输入，经过三层神经网络计算得到修正的输出值，实现无人机姿态的控制；步骤7：无人机接收降落指令，开始降落；步骤8：无人机降落。其中步骤5所述的基于梯度下降的四元数算法是：设传感器在刚体坐标系下的测量值为设在大地坐标系下的实际值为设刚体坐标系对大地坐标系的旋转四元数为则求解使误差最小。函数的负梯度搜索的单位向量为其中为函数的雅克比矩阵的转置矩阵，为通过推导得出基于梯度下降的四元数方程为：其中为更新的四元数，μ为步长，ω为传感器测得角速度，为四元数乘法，为更新前的四元数。步骤6中所述神经网络是4×3×1的网络结构，有四个输入神经元，分别输入四元数方程的四个值作为输入信号；三个隐层神经元分别是比例神经元、积分神经元和微分神经元；一个输出层神经元，输出计算结果。每个神经元都包括了输入x，输出y以及响应函数f.为了区分方便，输入层神经元的输入、输出和响应函数分别为x，y，f；隐层神经元输入、输出和响应函数分别为x′，y′，f′；输出层神经元的输入、输出和响应函数分别为x″，y″，f″；输入层神经元至隐层神经元的权值为w；隐层神经元至输出层神经元的权值为w′.输入层由4个神经元构成，分别输入四元数方程的值，在任意时刻有：其中为当前时刻四元数的值，n为任意采样时刻，i＝1，2，3，4。响应函数为fi(n)＝xi(n)，输入层神经元的输出为隐层由三个神经元组成，且三个输入是一样的，有其中j＝1，2，3，wij为输入层神经元到隐层神经元的权值。三个隐层神经元的响应函数分别为隐层神经元的输出为输出层神经元的输出为神经网络的输出结果，其输入为响应函数为其中wj′为隐层神经元到输出层神经元的权值。则输出为其中各层权值经过神经网络反传算法修正，经过迭代得到稳定的且能使理想输出值和实际输出值的偏差平均值最小的各层权值。本文档来自技高网...

【技术保护点】
一种基于四元数和神经网络的无人机空中姿态识别和控制方法，其特征在于包括以下步骤：步骤1：无人机上电，准备飞行；步骤2：无人机接受飞行指令开始飞行；步骤3：判定无人机飞行是否稳定，如果稳定进行步骤4，否则进行步骤3；步骤4：无人机上的陀螺仪等传感器采集无人机姿态信息；步骤5：使用基于梯度下降的四元数算法得到更新的四元数；步骤6：四元数作为神经网络的四个输入，经过三层神经网络计算得到修正的输出值，实现无人机姿态的控制；步骤7：无人机接收降落指令，开始降落；步骤8：无人机降落。

【技术特征摘要】
1.一种基于四元数和神经网络的无人机空中姿态识别和控制方法，其特征在于包括以下步骤：步骤1：无人机上电，准备飞行；步骤2：无人机接受飞行指令开始飞行；步骤3：判定无人机飞行是否稳定，如果稳定进行步骤4，否则进行步骤3；步骤4：无人机上的陀螺...

【专利技术属性】
技术研发人员：高昊飞，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：北京,11