一种用于油气巡检的无人机导航定位系统及方法技术方案

本发明专利技术公开了一种用于油气巡检的无人机导航定位系统及方法：通过扩展卡尔曼滤波算法，利用无人机的IMU模块的数据计算先验状态估计和先验误差协方差；利用无人机GPS模块的数据以及先验状态估计和先验误差协方差计算最佳卡尔曼增益、后验状态估计和后验误差协方差；根据所述最佳卡尔曼增益、后验状态估计和后验误差协方差得到无人机的估计位置；利用所述估计位置确定无人机的巡检管线点位置；无人机的机载飞控模块控制无人机按照所述巡检管线点位置飞行，利用所述估计位置和巡检管线点位置更新后验误差协方差；重复上述过程，直至巡检任务结束。本发明专利技术可以为无人机以及地面站提供准确的定位数据，在一定程度上避免无人机因定位不准产生的问题。因定位不准产生的问题。因定位不准产生的问题。

【技术实现步骤摘要】
一种用于油气巡检的无人机导航定位系统及方法


[0001]本专利技术属于无人机领域，特别涉及一种用于油气巡检的无人机导航定位系统及方法。

技术介绍

[0002]无人机又称无人驾驶飞行器，利用无线电遥控设备、地面站程序控制装置操纵的不载人飞机，是一个集空气动力学、材料力学、自动控制技术、软件技术为一体的高科技产品。随着社会的不断发展，燃气这种绿色环保的清洁能源，在人类生活中变得越来越重要，由于突发天然气泄露引发的恶性事故频频发生，造成重大人员伤亡和财产损失，使生态环境受到严重破坏，逐渐无人机在油气巡检领域开始崭露头角，其安全、高效以及数据多样的特点逐渐成为普遍选择的方法。
[0003]在日常巡检过程中，环境偏远恶劣，单纯依靠GPS定位不能保证巡检路径不产生偏差，从而导致摄像头无法拍摄到完整管线，使得巡检结果有遗漏区域。此外在巡检地形复杂的山地区域时由于信号丢失，容易发生无人机撞山事故。

技术实现思路

[0004]为解决上述问题，本专利技术针对无人机导航定位提供了一种用于油气巡检的无人机导航定位系统及方法，本专利技术可以为无人机以及地面站提供准确的定位数据，在一定程度上避免无人机因定位不准产生的巡检效果下降、撞山等问题。
[0005]为解决上述技术问题，本专利技术采用以下技术方案：
[0006]一种用于油气巡检的无人机导航定位方法，在无人机巡航过程中，通过如下步骤进行飞行定位：
[0007]S1，通过扩展卡尔曼滤波算法，利用无人机的IMU模块中的无人机加速度以及无人机增量角度计算先验状态估计和先验误差协方差；
[0008]S2，通过扩展卡尔曼滤波算法，利用无人机GPS模块的无人机速度以及无人机增量角度以及所述先验状态估计和先验误差协方差计算最佳卡尔曼增益、后验状态估计和后验误差协方差；
[0009]S3，根据所述最佳卡尔曼增益、后验状态估计和后验误差协方差得到无人机的估计位置；
[0010]S4，利用所述估计位置确定无人机的巡检管线点位置；
[0011]S5，无人机的机载飞控模块控制无人机按照所述巡检管线点位置飞行，利用所述估计位置和巡检管线点位置更新后验误差协方差；
[0012]S6，重复S1
‑
S5，直至巡检任务结束。
[0013]优选的，所述先验状态估计如下：
[0014][0015]所述先验误差协方差P
k|k
‑1如下：
[0016][0017]其中，k为循环次数序号，为第k
‑
1次循环的后验估计值，和和u
k
‑1为第k次循环的控制矩阵，ω
k
‑1为ι
×
1维的系统噪声向量，ι为状态参数维数，为先验估计的非线性函数，F
k
‑1为第k
‑
1次循环的状态转换矩阵，P
k
‑
1|k
‑1为第k
‑
1次循环的后验估计协方差，G
k
‑1为第k
‑
1次循环的控制输入矩阵，Q
k
‑1为第k
‑
1次循环的协方差矩阵，假定其为多元零均值正态分布，为第k
‑
1次循环的控制输入矩阵的转置矩阵。
[0018]优选的，所述最佳卡尔曼增益K
k
如下：
[0019][0020]所述后验状态估计如下：
[0021][0022]所述后验误差协方差P
k|k
如下：
[0023]P
k|k
＝(I
n
‑
K
k
H
k
)P
k|k
‑1[0024]其中，k为循环次数序号，P
k|k
‑1为第k
‑
1次循环的先验误差协方差，为第k次循环的测量矩阵，H
k
为第k次循环的观测矩阵，R
′
k
为第k次循环的零均值高斯协方差的观测噪声，为第k
‑
1次循环的先验状态估计，和z
′
k
为当前轮次循环的状态测量值，z
′
k|k
‑1为第k
‑
1次循环的状态测量值，I
n
为n维单位矩阵。
[0025]优选的，状态量q为姿态四元数；V
NED
为北东地坐标系下无人机机体速度；P
NED
北东地坐标系下无人机机体位置；Δθ
b
为机体坐标系增量角度偏差；ΔV
b
为机体坐标系的增量速度偏差。
[0026]优选的，S4中，利用所述估计位置确定无人机的巡检管线点位置时，将估计位置投影至最近距离的巡检管线点位置处，该巡检管线点位置作为下一时刻的估计位置；
[0027]S5中，无人机的机载飞控模块控制无人机按照所述巡检管线点位置飞行时，将S4得到的巡检管线点位置作用于机载飞控模块内外环算法中，通过与获取的地图匹配位置进行结合，实现对无人机位置的连续系统位置估计。
[0028]优选的，将估计位置投影至最近距离的巡检管线点位置处时，以估计位置x1为圆心、R值为半径，再循环内逐步增大R值，当圆形包括的巡检坐标点数≥10个点数时，分别将这些点x
0i
与估计位置x1做平方差并求和，求解出与估计位置x1最近的距离点x2，并计算x1和x2之间的距离d；
[0029]将距离d用以计算新的后验误差协方差，得到更新后的后验误差协方差；
[0030]将x2作为下一时刻系统位置估计，进行新一轮位置计算；
[0031]其中，i＝0、1、2、......9。
[0032]本专利技术还提供了一种用于油气巡检的无人机导航定位系统，包括：
[0033]IMU模块：用于获取无人机实时状态数据，实时状态数据包括无人机加速度以及无人机增量角度；
[0034]GPS模块：用于提供无人机的实时位置数据，实时位置数据包括无人机速度以及无人机增量角度；
[0035]机载飞控模块：用于通过扩展卡尔曼滤波算法，利用无人机的IMU模块中的无人机加速度以及无人机增量角度计算先验状态估计和先验误差协方差；利用无人机GPS模块的无人机速度以及无人机增量角度以及所述先验状态估计和先验误差协方差计算最佳卡尔曼增益、后验状态估计和后验误差协方差；根据所述最佳卡尔曼增益、后验状态估计和后验误差协方差得到无人机的估计位置；利用所述估计位置确定无人机的巡检管线点位置；控制无人机按照所述巡检管线点位置飞行，利用所述估计位置和巡检管线点位置更新后验误差协方差；重复上述过程，直至巡检任务结束。
[0036]本专利技术具有如下有益效果：
[0037]本专利技术在用无人机的IMU模块和GPS模块数据的支撑下，通过扩展卡尔曼滤波算法融合得到精确的定位数据，同时与巡检数据点集进行配合，为巡检飞行的飞行方向点提供更快本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于油气巡检的无人机导航定位方法，其特征在于，在无人机巡航过程中，通过如下步骤进行飞行定位：S1，通过扩展卡尔曼滤波算法，利用无人机的IMU模块中的无人机加速度以及无人机增量角度计算先验状态估计和先验误差协方差；S2，通过扩展卡尔曼滤波算法，利用无人机GPS模块的无人机速度以及无人机增量角度以及所述先验状态估计和先验误差协方差计算最佳卡尔曼增益、后验状态估计和后验误差协方差；S3，根据所述最佳卡尔曼增益、后验状态估计和后验误差协方差得到无人机的估计位置；S4，利用所述估计位置确定无人机的巡检管线点位置；S5，无人机的机载飞控模块控制无人机按照所述巡检管线点位置飞行，利用所述估计位置和巡检管线点位置更新后验误差协方差；S6，重复S1
‑
S5，直至巡检任务结束。2.根据权利要求1所述的一种用于油气巡检的无人机导航定位方法，其特征在于，所述先验状态估计如下：所述先验误差协方差P
k∣k
‑1如下：其中，k为循环次数序号，为第k
‑
1次循环的后验估计值，和∈状态量x，u
k
‑1为第k次循环的控制矩阵，ω
k
‑1为ι
×
1维的系统噪声向量，ι为状态参数维数，为先验估计的非线性函数，F
k
‑1为第k
‑
1次循环的状态转换矩阵，P
k
‑
1∣k
‑1为第k
‑
1次循环的后验估计协方差，G
k
‑1为第k
‑
1次循环的控制输入矩阵，Q
k
‑1为第k
‑
1次循环的协方差矩阵，假定其为多元零均值正态分布，为第k
‑
1次循环的控制输入矩阵的转置矩阵。3.根据权利要求1所述的一种用于油气巡检的无人机导航定位方法，其特征在于，所述最佳卡尔曼增益K
k
如下：所述后验状态估计如下：所述后验误差协方差P
k∣k
如下：P
k|k
＝(I
n
‑
K
k
H
k
)P
k|k
‑1其中，k为循环次数序号，P
k∣k
‑1为第k
‑
1次循环的先验误差协方差，为第k次循环的测量矩阵，H
k
为第k次循环的观测矩阵，R
′
k
为第k次循环的零均值高斯协方差的观测噪声，为第k...

【专利技术属性】
技术研发人员：高杰，沈楷清，陈露露，院金彪，
申请(专利权)人：西安万飞控制科技有限公司，
类型：发明
国别省市：