一种无人机速度控制回路模型的辨识方法及装置制造方法及图纸

本申请属于无人机控制技术领域，公开了一种无人机速度控制回路模型的辨识方法及装置，该方法包括：对无人机速度控制的原始数据进行预处理，得到辨识数据；基于辨识数据，通过MATLAB辨识工具箱辨识得到第一辨识模型，并通过CIFER辨识工具箱辨识得到第二辨识模型；对第一辨识模型和第二辨识模型进行互补融合，得到第三辨识模型；整合第一辨识模型、第二辨识模型及第三辨识模型，得到无人机的速度控制回路模型。本申请可以达到得到更准确的无人机速度控制回路模型的效果。度控制回路模型的效果。度控制回路模型的效果。

【技术实现步骤摘要】
一种无人机速度控制回路模型的辨识方法及装置


[0001]本申请涉及无人机控制
，尤其涉及一种无人机速度控制回路模型的辨识方法及装置。

技术介绍

[0002]随着机电一体化、计算机和通信技术的快速发展，旋翼无人机的应用场景越来越广泛，比如执行区域内的航拍与巡航任务，复杂的编队表演等。航点跟踪和定点悬停是典型的外环位置控制问题，高精度、高鲁棒的位置控制算法往往需要借助于基于模型的设计方法(Model
‑
based design，MBD)。近年来，很多商用旋翼小无人机被高等院校或科研院所进行改造或二次开发，以服务于单无人机或多无人机集群领域新概念与新算法的飞行验证。然而，大多数旋翼无人机的速度控制回路都是黑箱模式，即二次开发者不知道具体的速度控制算法，因此需要通过辨识方法获得简化的近似速度控制回路模型。借助于辨识得到的近似模型，设计者可了解与分析速度控制回路的时间尺度和速度控制算法的特性，以便基于模型开展无人机位置控制器的设计与参数优化。
[0003]然而，由于不确定因素较多且复杂，根据无人机的陀螺效应、空气动力学、控制效率、动力单元、控制分配等传递函数模型以及模型中的参数难以构建出比较精准的底层控制回路模型；而当无人机的速度指令处于不同的频段时，借助于目前两款主流的系统辨识工具箱Matlab和CIFER辨识工具箱辨识得到的两个辨识模型拟合效果不同，并且当速度指令处于低频和高频交界处时，两个辨识模型与无人机原实际系统的输出信号之间的相关系数、决定系数与均方误差均小于拟合标准，即两个辨识模型都无法准确地模拟无人机的实际速度控制回路模型。可见，现有技术存在辨识得到的无人机速度控制回路模型准确性差的问题。

技术实现思路

[0004]本申请提供了一种无人机速度控制回路模型的辨识方法及装置，能够得到更准确的无人机速度控制回路模型。
[0005]第一方面，本申请实施例提供了一种无人机速度控制回路模型的辨识方法，该方法包括：
[0006]对无人机速度控制的原始数据进行预处理，得到辨识数据；
[0007]基于辨识数据，通过MATLAB辨识工具箱辨识得到第一辨识模型，并通过CIFER辨识工具箱辨识得到第二辨识模型；
[0008]对第一辨识模型和第二辨识模型进行互补融合，得到第三辨识模型；
[0009]整合第一辨识模型、第二辨识模型及第三辨识模型，得到无人机的速度控制回路模型。
[0010]在其中一个实施例中，辨识数据包括输入数据和输出数据，输入数据包括速度指令数据，输出数据包括测量位置数据；
[0011]通过MATLAB辨识工具箱辨识得到第一辨识模型，包括：
[0012]将速度指令数据和测量位置数据导入MATLAB辨识工具箱；
[0013]对导入的测量位置数据进行滤波，并通过MATLAB辨识工具箱对速度指令数据和经过滤波的测量位置数据进行辨识，得到多个MATLAB辨识模型；
[0014]从多个MATLAB辨识模型中选取一个MATLAB辨识模型作为第一辨识模型，第一辨识模型的拟合程度大于第一阈值。
[0015]在其中一个实施例中，输出数据还包括测量速度数据；
[0016]通过CIFER辨识工具箱辨识得到第二辨识模型，包括：
[0017]将速度指令数据和测量速度数据导入CIFER辨识工具箱；
[0018]通过CIFER辨识工具箱对速度指令数据和测量速度数据进行辨识，得到多个CIFER辨识模型；
[0019]从多个CIFER辨识模型中选取一个CIFER辨识模型作为第二辨识模型，第二辨识模型的代价函数小于第二阈值。
[0020]在其中一个实施例中，对第一辨识模型和第二辨识模型进行互补融合，得到第三辨识模型，包括：
[0021]基于多个权重系数值对第一辨识模型和第二辨识模型进行融合计算，得到各权重系数值分别对应的融合模型；
[0022]从各融合模型中选取满足预设拟合条件的融合模型，得到多个可选融合模型；
[0023]其中，预设拟合条件为一融合模型在中频段的各拟合指标值均处于预设阈值范围内。
[0024]从多个可选融合模型中选取拟合效果最优的融合模型作为第三辨识模型。
[0025]在其中一个实施例中，基于多个权重系数值对第一辨识模型和第二辨识模型进行融合计算，包括：
[0026]基于多个权重系数值采用加权平均法和/或几何平均法对第一辨识模型和第二辨识模型进行融合计算。
[0027]在其中一个实施例中，整合第一辨识模型、第二辨识模型及第三辨识模型，得到无人机的速度控制回路模型，包括：
[0028]获取无人机的速度指令的低频率范围、中频率范围及高频率范围；
[0029]将第一辨识模型设为低频率范围对应的低频段模型，将第三辨识模型设为中频率范围对应的中频段模型，并将第二辨识模型设为高频率范围对应的高频段模型；
[0030]根据低频段模型、中频段模型及高频段模型，得到无人机的速度控制回路模型；速度控制回路模型为在低频段时采用低频段模型、在中频段时采用中频段模型且在高频段时采用高频段模型的全频段模型。
[0031]在其中一个实施例中，对无人机速度控制的原始数据进行预处理，包括：
[0032]通过野值的识别、剔除与修补，以及滤波对无人机速度控制的原始数据进行预处理。
[0033]第二方面，本申请实施例提供了一种无人机速度控制回路模型的辨识装置，该装置包括：
[0034]数据预处理模块，用于对无人机速度控制的原始数据进行预处理，得到辨识数据；
[0035]模型辨识模块，用于基于辨识数据，通过MATLAB辨识工具箱辨识得到第一辨识模型，并通过CIFER辨识工具箱辨识得到第二辨识模型；
[0036]模型融合模块，用于对第一辨识模型和第二辨识模型进行互补融合，得到第三辨识模型；
[0037]模型整合模块，用于整合第一辨识模型、第二辨识模型及第三辨识模型，得到无人机的速度控制回路模型。
[0038]第三方面，本申请实施例提供了一种计算机设备，包括存储器及处理器，存储器中储存有计算机程序，计算机程序被处理器执行时，使得处理器执行如上述任一实施例的无人机速度控制回路模型的辨识方法的步骤。
[0039]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例的无人机速度控制回路模型的辨识方法的步骤。
[0040]综上，与现有技术相比，本申请提供的技术方案带来的有益效果至少包括：
[0041]本申请提供的一种无人机速度控制回路模型的辨识方法，可以对无人机速度控制的原始数据进行预处理，得到辨识数据；基于辨识数据，通过MATLAB辨识工具箱辨识得到第一辨识模型，并通过CIFER辨识工具箱辨识得到第二辨识模型，其中，第一辨识模型适用于低频的速度指令，第二辨识模型适用于高频的速度指令；对第一辨识模型和第二辨识模型进行互补融本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机速度控制回路模型的辨识方法，其特征在于，所述方法包括：对无人机速度控制的原始数据进行预处理，得到辨识数据；基于所述辨识数据，通过MATLAB辨识工具箱辨识得到第一辨识模型，并通过CIFER辨识工具箱辨识得到第二辨识模型；对所述第一辨识模型和所述第二辨识模型进行互补融合，得到第三辨识模型；整合所述第一辨识模型、所述第二辨识模型及所述第三辨识模型，得到所述无人机的速度控制回路模型。2.根据权利要求1所述的方法，其特征在于，所述辨识数据包括输入数据和输出数据，所述输入数据包括速度指令数据，所述输出数据包括测量位置数据；所述通过MATLAB辨识工具箱辨识得到第一辨识模型，包括：将所述速度指令数据和所述测量位置数据导入MATLAB辨识工具箱；对导入的所述测量位置数据进行滤波，并通过所述MATLAB辨识工具箱对所述速度指令数据和经过滤波的所述测量位置数据进行辨识，得到多个MATLAB辨识模型；从所述多个MATLAB辨识模型中选取一个MATLAB辨识模型作为第一辨识模型，所述第一辨识模型的拟合程度大于第一阈值。3.根据权利要求2所述的方法，其特征在于，所述输出数据还包括测量速度数据；所述通过CIFER辨识工具箱辨识得到第二辨识模型，包括：将所述速度指令数据和所述测量速度数据导入CIFER辨识工具箱；通过所述CIFER辨识工具箱对所述速度指令数据和所述测量速度数据进行辨识，得到多个CIFER辨识模型；从所述多个CIFER辨识模型中选取一个CIFER辨识模型作为第二辨识模型，所述第二辨识模型的代价函数小于第二阈值。4.根据权利要求1所述的方法，其特征在于，所述对所述第一辨识模型和所述第二辨识模型进行互补融合，得到第三辨识模型，包括：基于多个权重系数值对所述第一辨识模型和所述第二辨识模型进行融合计算，得到各所述权重系数值分别对应的融合模型；从各所述融合模型中选取满足预设拟合条件的融合模型，得到多个可选融合模型；从所述多个可选融合模型中选取拟合效果最优的融合模型作为第三辨识模型。5.根据权利要求4所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：朱波，吴其臻，余蔚，
申请(专利权)人：中山大学，
类型：发明
国别省市：