无人机模型构建方法及计算机设备技术

本发明专利技术公开一种无人机模型构建方法，包括：根据实体无人机的物理参数构建无人机模型；根据灰狼算法计算最优控制参数；获取实体无人机的实体飞行数据；根据实体飞行数据和最优控制参数控制无人机模型进行仿真以得到模型飞行数据；以及根据实体飞行数据和模型飞行数据对无人机模型进行校正以得到目标模型。本发明专利技术公开的无人机模型构建方法能够解决无人机仿真时实体与模型之间无法虚实交互、实时响应的问题。此外，本发明专利技术还公开一种计算机设备。本发明专利技术还公开一种计算机设备。本发明专利技术还公开一种计算机设备。

【技术实现步骤摘要】
无人机模型构建方法及计算机设备


[0001]本专利技术涉及无人机仿真
，特别涉及一种无人机模型构建方法及计算机设备。

技术介绍

[0002]近年来，无人机被广泛应用于工业、军事、民用等多个领域。垂直起降无人机不仅可以像固定翼无人机一样进行远距离快速飞行，也可以像旋翼机一样垂直起降。在对垂直起降无人机开发的过程中，常需对飞机性能和品质进行全面测试。
[0003]然而，用实机进行测试很容易发生事故从而提高开发成本。因此，国内外对垂直起降无人机的仿真模拟技术进行了大量研究，但目前大部分的仿真技术仍不具有实体与模型虚实交互、实时响应的特点，导致仿真结果的可信性不高。

技术实现思路

[0004]本专利技术的主要目的是提出一种无人机模型构建方法及计算机设备，旨在解决无人机仿真时实体与模型之间无法虚实交互、实时响应的问题。
[0005]为实现上述目的，本专利技术提出一种无人机模型构建方法，所述无人机模型构建方法包括：
[0006]根据实体无人机的物理参数构建无人机模型；
[0007]根据灰狼算法计算最优控制参数；
[0008]获取所述实体无人机的实体飞行数据；
[0009]根据所述实体飞行数据和所述最优控制参数控制所述无人机模型进行仿真以得到模型飞行数据；以及
[0010]根据所述实体飞行数据和所述模型飞行数据对所述无人机模型进行校正以得到目标模型。
[0011]优选地，根据所述实体飞行数据和所述模型飞行数据对所述无人机模型进行校正以得到目标模型包括：
[0012]根据所述实体飞行数据和所述模型飞行数据之间的偏差计算修正系数；以及
[0013]根据所述修正系数对所述无人机模型进行校正以得到所述目标模型。
[0014]优选地，根据灰狼算法计算最优控制参数包括：
[0015]初始化灰狼种群，所述灰狼种群包括若干灰狼；
[0016]根据每一所述灰狼的位置分别生成一组初始控制参数；
[0017]根据预设适应度函数和所述初始控制参数更新所述灰狼种群中所有灰狼的位置；
[0018]判断所述灰狼种群的更新次数是否达到预设次数；
[0019]当所述灰狼种群的更新次数达到所述预设次数时，根据所述灰狼的位置和所述预设适应度函数计算所述最优控制参数；以及
[0020]当所述灰狼种群的更新次数未达到所述预设次数时，根据预设适应度函数再次更
新所述灰狼种群中所有灰狼的位置。
[0021]优选地，根据预设适应度函数和所述初始控制参数更新所述灰狼种群中所有灰狼的位置包括：
[0022]根据预设适应度函数和所述初始控制参数计算每一所述灰狼的适应度值；
[0023]根据所述适应度值将所述灰狼种群中的灰狼划分为α狼、β狼、γ狼以及ω狼；以及
[0024]根据α狼、β狼和γ狼更新所有所述灰狼的位置。
[0025]优选地，根据所述灰狼的位置和所述预设适应度函数计算所述最优控制参数包括：
[0026]根据所述灰狼的位置和所述适应度函数计算更新后的所述灰狼的适应度值；
[0027]根据更新后的适应度值从所述灰狼种群中选取新的α狼；以及
[0028]根据所述新的α狼计算所述最优控制参数。
[0029]优选地，根据实体无人机的物理参数构建无人机模型包括：
[0030]根据所述实体无人机的物理参数构建数字孪生模型和初始动力学模型；以及
[0031]根据重力、推力和空气动力将所述初始动力学模型转换为刚体动力学模型。
[0032]优选地，根据重力、推力和空气动力将所述初始动力学模型转换为刚体动力学模型包括：
[0033]将地心坐标系的重力加速度投影到机体坐标系；
[0034]根据所述推力计算推力力矩；
[0035]根据所述空气动力计算空气动力力矩；以及
[0036]将所述机体坐标系的重力加速度、推力力矩以及空气动力力矩带入所述初始动力学模型可得到所述刚体动力学模型。
[0037]优选地，根据所述推力计算推力力矩包括：
[0038]根据所述推力分别计算在所述推力作用下所述数字孪生模型的推力滚转力矩、推力俯仰力矩和推力偏航力矩。
[0039]优选地，根据所述空气动力计算空气动力力矩包括：
[0040]根据所述空气动力分别计算在所述空气动力作用下所述数字孪生模型的空气动力滚转力矩、空气动力俯仰力矩和空气动力偏航力矩。
[0041]本专利技术进一步提出一种计算机设备，所述计算机设备包括：
[0042]存储器，用于存储程序指令；以及
[0043]处理器，用于执行所述程序指令以实现如上所述的无人机模型构建方法。
[0044]本专利技术技术方案的有益效果在于：根据数字孪生技术在仿真平台构建与实体无人机相对应的无人机模型，根据灰狼算法计算得到最优控制参数后，根据最优控制参数控制无人机模型进行仿真，并对无人机模型进行飞行状态下的仿真修正，使得无人机模型具有高保真、高可靠、高精度的优点。后续可在仿真平台对无人机在起飞、悬停等飞行模式进行数字化训练和测试，不需要物理测试的成本和麻烦，也不依赖于现有的风况。由于数字孪生技术具有虚拟现实映射和实时同步的特点，因此，将数字孪生技术应用于无人机仿真，能够实现实体与模型之间的虚实交互、实时响应和双向映射，使得在对无人机模型进行开发测试的时候，测试结果能够准确、迅速地展示在可视化界面中，节约成本的同时提高了效率。
附图说明
[0045]图1为本专利技术实施例提供的无人机模型构建方法的流程图。
[0046]图2为本专利技术实施例提供的无人机模型构建方法的第一子流程图。
[0047]图3为本专利技术实施例提供的无人机模型构建方法的第二子流程图。
[0048]图4为本专利技术实施例提供的无人机模型构建方法的第三子流程图。
[0049]图5为本专利技术实施例提供的无人机模型构建方法的第四子流程图。
[0050]图6为本专利技术实施例提供的无人机模型构建方法的第五子流程图。
[0051]图7为本专利技术实施例提供的无人机模型构建方法的第六子流程图。
[0052]图8为本专利技术实施例提供的无人机模型构建方法的应用场景示意图。
[0053]图9为本专利技术实施例提供的无人机模型构建方法的通信协议示意图。
[0054]图10为本专利技术实施例提供的无人机模型构建方法的子流程结构图。
[0055]图11为本专利技术实施例提供的无人机模型构建方法的数字孪生模型示意图。
[0056]图12为本专利技术实施例提供的无人机模型构建方法的子流程示意图。
[0057]图13为本专利技术实施例提供的计算机设备的结构示意图。
[0058]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0059]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的方案进行清楚完整的描述，显然，所描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机模型构建方法，其特征在于，所述无人机模型构建方法包括：根据实体无人机的物理参数构建无人机模型；根据灰狼算法计算最优控制参数；获取所述实体无人机的实体飞行数据；根据所述实体飞行数据和所述最优控制参数控制所述无人机模型进行仿真以得到模型飞行数据；以及根据所述实体飞行数据和所述模型飞行数据对所述无人机模型进行校正以得到目标模型。2.根据权利要求1所述的无人机模型构建方法，其特征在于，根据所述实体飞行数据和所述模型飞行数据对所述无人机模型进行校正以得到目标模型包括：根据所述实体飞行数据和所述模型飞行数据之间的偏差计算修正系数；以及根据所述修正系数对所述无人机模型进行校正以得到所述目标模型。3.根据权利要求1所述的无人机模型构建方法，其特征在于，根据灰狼算法计算最优控制参数包括：初始化灰狼种群，所述灰狼种群包括若干灰狼；根据每一所述灰狼的位置分别生成一组初始控制参数；根据预设适应度函数和所述初始控制参数更新所述灰狼种群中所有灰狼的位置；判断所述灰狼种群的更新次数是否达到预设次数；当所述灰狼种群的更新次数达到所述预设次数时，根据所述灰狼的位置和所述预设适应度函数计算所述最优控制参数；以及当所述灰狼种群的更新次数未达到所述预设次数时，根据预设适应度函数再次更新所述灰狼种群中所有灰狼的位置。4.根据权利要求3所述的无人机模型构建方法，其特征在于，根据预设适应度函数和所述初始控制参数更新所述灰狼种群中所有灰狼的位置包括：根据预设适应度函数和所述初始控制参数计算每一所述灰狼的适应度值；根据所述适应度值将所述灰狼种群中的灰狼划分为α狼、β狼、γ狼以及ω狼；以及根据α狼、β狼和γ狼更新所有所述灰狼的位置。5.根...

【专利技术属性】
技术研发人员：肖冬明，邹文锐，郭帅平，李学军，王阳荣，方宇靖，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：