一种无人机平稳升降智能控制方法技术

本发明专利技术涉及飞行器技术领域，提出了一种无人机平稳升降智能控制方法，包括：获取数据参数及若干采集组；获取当前采集组，根据当前采集组两个数据参数的数值与采集组数据参数的均值获取数据参数的相关性；根据数据参数的相关性和差异获取数据点为噪声的可能性；根据采集组的数据参数的数值构建出三条曲线，并根据曲线的相似度以及相关性获取数据点为噪声数据点的可能性；根据数据点为噪声数据点以及噪声的可能性获取数据点的噪声近似程度，根据噪声近似程度获取数据点的显著值得到数据点为噪声数据点的最终可能性，并获取去噪效果评价；根据去噪效果评价完成无人机调控。本发明专利技术根据各个参数相关性分析获取去噪效果，增强了无人机升降的平稳性。无人机升降的平稳性。无人机升降的平稳性。

【技术实现步骤摘要】
一种无人机平稳升降智能控制方法


[0001]本专利技术涉及飞行器
，具体涉及一种无人机平稳升降智能控制方法。

技术介绍

[0002]无人机本体的数学模型是理想模型，在仿真研究中简化了很多实际的干扰项。而实际的飞行控制过程中，难免会出现控制偏差，具体原因多种多样。最常见的是大包线任务下，由于飞行状态、外界环境改变引起的控制偏差。机载的空速传感器，气压传感器，姿态角传感器，这些传感器属于外接设备，不同厂家生产的具有不同的精度，在不同的气压、温度环境下，精度也会不同。另外，这些传感器普遍存在校准的问题，不同环境下，校准得到的零点也会不同。机载导航设备受到干扰，例如磁罗盘、GPS天线等，也会影响无人机的飞行控制，导致偏差的出现。磁罗盘容易受到外界磁场干扰，随着外界环境变化，航向零点会漂移，有时甚至能达到几十度。GPS天线容易被云层遮挡，当参与定位的卫星数量减小，位置精度就会降低，导致航迹偏差的出现。在使用传感器采集无人机数据时，需要处理噪声以让采集的数据更加准确，然而在不同的环境下，无人机对噪声的处理程度有强有弱，在不同的环境下去噪效果不同，为此本专利技术给出了一个能够在不同场景都适用的无人机数据去噪方法。

技术实现思路

[0003]本专利技术提供一种无人机平稳升降智能控制方法，以解决无人机不同场景下去噪效果不同的问题，所采用的技术方案具体如下：本专利技术一个实施例提供一种无人机平稳升降智能控制方法，该方法包括以下步骤：获取无人机各项数据参数对应的数据，构成若干采集组；将获取的最后一个采集组记为当前采集组，根据当前采集组的任意两个数据参数的数值与所有采集组数据参数的均值获取当前采集组两个数据参数的相关性；根据两个数据参数的相关性和数据参数在采集组中的差异获取当前采集组内每个数据点为噪声的可能性；根据每个采集组的数据参数的数值构建出参数变化曲线、斜率时间曲线以及斜率变化曲线，并根据曲线的相似度以及参数之间的相关性获取数据点为噪声数据点的可能性；根据数据点为噪声数据点的可能性以及数据点为噪声的可能性获取数据点的噪声近似程度，根据噪声近似程度获取数据点的显著值，根据数据点的显著值、数据参数之间的相关性以及数据点为噪声数据点的可能性得到数据点为噪声数据点的最终可能性；根据数据点为噪声数据点的可能性获取去噪效果评价；根据去噪效果评价选择合适的变化阈值去噪，并根据去噪后的采集组训练网络完成无人机调控。
[0004]优选的，所述根据当前采集组的任意两个数据参数的数值与所有采集组数据参数的均值获取当前采集组两个数据参数的相关性的方法为：
式中，表示第i个采集组内数据参数A的数值，表示第i个采集组内数据参数B的数值，表示数据参数A在所有采集组内的数值均值，表示数据参数B在所有采集组内的数值均值，表示采集组的数量，表示以自然常数为底的指数函数，表示数据参数A和数据参数B之间的相关性。
[0005]优选的，所述根据两个数据参数的相关性和数据参数在采集组中的差异获取当前采集组内每个数据点为噪声的可能性的方法为：获取采集组内任意一个数据参数，将该数据参数记为第一数据参数，将除了第一数据参数外的数据参数记为第二数据参数，将当前采集组内第一数据参数与当前采集组内每个第二数据参数的数值差值的绝对值记为第一差值，将所有采集组内第一数据参数的数值的均值与所有采集组内每个第二数据参数的数值的均值差值的绝对值记为第二差值，将第一差值与每一个第二差值作差后取绝对值再与第一差值和第二差值对应的两个数据参数的相关性作差取绝对值得到第一绝对值，将第一数据参数与每个第二数据参数得到的第一绝对值累加得到当前采集组内第一数据参数对应的数据点为噪声的可能性。
[0006]优选的，所述将所有采集组内同一种数据参数提取出来构成参数变化曲线，并获取当前数据点和临近数据点的方法为：参数变化曲线的横坐标为时间，纵坐标为数据参数每次采集的数值；每种数据参数得到一条参数变化曲线，在参数变化曲线内最后一个数据点记为当前数据点，对于当前数据点在参数变化曲线内向前依次选取预设数量个数据点作为当前像素点的预设像素点。
[0007]优选的，所述根据当前数据点和临近数据点的数值差异获取累计差异和累计斜率差异的方法为：对于参数变化曲线，将当前数据点与其临近数据点的数值依次作差得到当前数据点与每个临近数据点的数值差异，将当前数据点与所有临近数据点的数值差异相加得到累计差异，将当前数据点与其最近的临近数据点的数值差异记为临近数值差异，在计算当前数据点的临近数值差异时，其临近数据点也存在临近数值差异，因此令当前数据点的临近数值差异与其每个临近数据点的临近数值差异作差得到斜率差异，将当前数据点与所有临近数据点的斜率差异累加得到累计斜率差异。
[0008]优选的，所述根据当前数据点和临近数据点的数值差异以及数值差异的差异获取斜率时间曲线和斜率变化曲线的方法为：对于每个数据参数，将每个数据参数的当前数据点与临近数据点的数值差异构成一条曲线记为斜率时间曲线，斜率时间曲线中的纵坐标为该数据点的临近数值差异，横坐标为时间点，将当前数据点与其最近的临近数据点的斜率差异记为临近斜率差异，根据临近斜率差异得到每个数据参数的斜率变化曲线，斜率变化曲线的横坐标为时间点，纵坐标为每个数据点的临近斜率差异，斜率时间曲线和斜率变化曲线中的数据点只存在当前数据点与其临近数据点。
[0009]优选的，所述根据两个参数之间的相关性和其对应斜率时间曲线和斜率变化曲线
的相似度获取当前数据点的噪声剥离程度的方法为：式中，表示数据参数A和数据参数之间的相关性, 表示数据参数A对应的斜率时间曲线与数据参数对应的斜率时间曲线的相似度，表示数据参数A对应的斜率变化曲线与数据参数对应的斜率变化曲线的相似度，表示数据参数A对应的删除当前数据点后的斜率时间曲线与数据参数对应的删除当前数据点后的斜率时间曲线的相似度，表示数据参数A对应的删除当前数据点后的斜率变化曲线与数据参数对应的删除当前数据点后的斜率变化曲线的相似度，表示所采集的数据参数的种类数量，表示数据参数A对应的当前数据点的噪声剥离程度。
[0010]优选的，所述根据数据点的显著值、数据参数之间的相关性以及数据点为噪声数据点的可能性得到数据点为噪声数据点的最终可能性的方法为：式中，表示数据参数A的当前数据点的显著值，表示数据参数的当前数据点的显著值，表示数据参数A和数据参数之间的相关性，表示线性归一化函数，表示数据参数A的当前数据点为噪声数据点的最终可能性。
[0011]优选的，所述获取无人机各项数据参数对应的数据，构成若干采集组的方法为：使用传感器获取无人机的多项是数据参数，每个数据参数每次采集会获得一个数据，将每个数据参数所采集的数据按照采集时间排序得到一个采集组，每个数据参数对应一个采集组。
[0012]本专利技术的有益效果是：本专利技术通过结合采集数据对应历史数据参数进行分析，获取各个数据参数之间相关性，根据相关性进行分析，进而获取更精准的分析获取数据是否为噪声数据，从而使得可以更好的依据分析结果评价小波阈值去噪的去噪效果，进而可以获取更优选的去本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机平稳升降智能控制方法，其特征在于，该方法包括以下步骤：获取无人机各项数据参数对应的数据，构成若干采集组；将获取的最后一个采集组记为当前采集组，根据当前采集组的任意两个数据参数的数值与所有采集组数据参数的均值获取当前采集组两个数据参数的相关性；根据两个数据参数的相关性和数据参数在采集组中的差异获取当前采集组内每个数据点为噪声的可能性；根据每个采集组的数据参数的数值构建出参数变化曲线、斜率时间曲线以及斜率变化曲线，并根据曲线的相似度以及参数之间的相关性获取数据点为噪声数据点的可能性；根据数据点为噪声数据点的可能性以及数据点为噪声的可能性获取数据点的噪声近似程度，根据噪声近似程度获取数据点的显著值，根据数据点的显著值、数据参数之间的相关性以及数据点为噪声数据点的可能性得到数据点为噪声数据点的最终可能性；根据数据点为噪声数据点的可能性获取去噪效果评价；根据去噪效果评价选择合适的变化阈值去噪，并根据去噪后的采集组训练网络完成无人机调控。2.根据权利要求1所述的一种无人机平稳升降智能控制方法，其特征在于，所述根据当前采集组的任意两个数据参数的数值与所有采集组数据参数的均值获取当前采集组两个数据参数的相关性的方法为：式中，表示第i个采集组内数据参数A的数值，表示第i个采集组内数据参数B的数值，表示数据参数A在所有采集组内的数值均值，表示数据参数B在所有采集组内的数值均值，表示采集组的数量，表示以自然常数为底的指数函数，表示数据参数A和数据参数B之间的相关性。3.根据权利要求1所述的一种无人机平稳升降智能控制方法，其特征在于，所述根据两个数据参数的相关性和数据参数在采集组中的差异获取当前采集组内每个数据点为噪声的可能性的方法为：获取采集组内任意一个数据参数，将该数据参数记为第一数据参数，将除了第一数据参数外的数据参数记为第二数据参数，将当前采集组内第一数据参数与当前采集组内每个第二数据参数的数值差值的绝对值记为第一差值，将所有采集组内第一数据参数的数值的均值与所有采集组内每个第二数据参数的数值的均值差值的绝对值记为第二差值，将第一差值与每一个第二差值作差后取绝对值再与第一差值和第二差值对应的两个数据参数的相关性作差取绝对值得到第一绝对值，将第一数据参数与每个第二数据参数得到的第一绝对值累加得到当前采集组内第一数据参数对应的数据点为噪声的可能性。4.根据权利要求1所述的一种无人机平稳升降智能控制方法，其特征在于，所述根据每个采集组的数据参数的数值构建出参数变化曲线、斜率时间曲线以及斜率变化曲线，并根据曲线的相似度以及参数之间的相关性获取数据点为噪声数据点的可能性的方法为：将所有采集组内同一种数据参数提取出来构成参数变化曲线，并获取当前数据点和临近数据点；根据当前数据点和临近数据点的数值差异获取累计差异和累计斜率差异；根据
当前数据点和临近数据点的数值差异以及数值差异的差异获取斜率时间曲线和斜率变化曲线；根据余弦相似度求同一种曲线两个数据参数的相似度，根据两个参数之间的相关性和其对应斜率时间曲线和斜率变化曲线的相似度获取当前数据点的噪声剥离程度；根据累计差异和累计斜率差异的乘积与当前数据点的噪声剥离程度的比值作为当前数据点为噪声数据点的可能性。5.根据权利要求4所述的一种无人机平稳升降智能控制方法，其特征在于，所述将所有采集组...

【专利技术属性】
技术研发人员：谭炜，邵晓，
申请(专利权)人：青岛远度智能科技有限公司，
类型：发明
国别省市：