基于联合决策的数据驱动无人机系统频域辨识方法及系统技术方案

本发明专利技术提供基于联合决策的数据驱动无人机系统频域辨识方法及系统，方法包括：通过设计合适的激励信号对解耦后的四旋翼无人机进行激励分别采集各通道的时间历程数据，对采集的输入输出时间历程数据进行数据预处理；用Welch谱分析法求频率响应估计值，并用AFD算法和K

【技术实现步骤摘要】
基于联合决策的数据驱动无人机系统频域辨识方法及系统


[0001]本专利技术涉及无人机系统频域辨识领域，具体涉及基于联合决策的数据驱动无人机系统频域辨识方法及系统。

技术介绍

[0002]无人机的建模方法主要是机理建模与系统辨识。机理建模是基于物理原理的建模方法，其数学模型物理意义明确，能够充分反应内在运动机理，例如公布号为CN109933869A的现有专利技术专利申请文献《一种改进MIT
‑
MRAI的四旋翼无人机参数辨识方法》，包括如下步骤：步骤一、基于机理建模法建立四旋翼无人机的空间运动方程；步骤二、根据建立的模型选择需要辨识的相关参数；步骤三、利用悬线法求解无人机绕三轴的转动惯量；步骤四、利用改进MIT
‑
MRAI的参数辨识方法对旋翼的升力系数和阻力系数进行辨识。但前述现有技术的建模过程复杂且费时，需要估计或者测量很多飞机部件的气动力、惯性特性以及结构特性。而小型无人机往往设计独特，种类较多，采用机理建模法会花费大量时间，故机理建模法并不适用于小型无人机。
[0003]系统辨识可以分为时域辨识和频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于联合决策的数据驱动无人机系统频域辨识方法，其特征在于，所述方法包括：S1、确定控制目标，选择控制策略，以根据待辨识四旋翼无人机系统的响应数据，持续调整控制器参数，得到适用控制器参数，以基于PID控制技术，设计自稳器；S2、将预置频段的指数扫频信号施加在系统上，在所述指数扫频信号中，加入带限白噪声信号以得到丰富谱信息，以激励所述待辨识四旋翼无人机系统的系统模态；S3、采集实验数据；S4、根据所述实验数据，对所述待辨识四旋翼无人机系统进行不少于5次实验，以获取相干性数据，据以挑选并拼接处理不少于5段的适用数据，得到拼接适用数据，对所述拼接适用数据，进行剔除野值、去除直流分量和趋势项以及数字滤波操作，得到输入数据；S5、采用Welch法进行谱分析，得到所述输入数据以及输出数据的自功率谱密度、互功率谱密度；S6、根据所述自功率谱密度、所述互功率谱密度，进行频率响应辨识，以得到频率响应估计值；S7、将所述频率响应估计值和极点个数N代入自适应傅里叶算法AFD中，按照预设次数进行计算，以得到部分能量和、初始极点；S8、利用K
‑
Means聚类算法处理得到聚类中心，从所述初始极点中，取M个适用偏差极点作为待辨识系统极点，根据所述待辨识系统极点之间的距离，对所述聚类中心进行极点调整，利用遗传算法处理所述待辨识系统极点和分子系数，据以辨识得到适用传递函数；S9、利用熵值法EW与TOPSIS组合的决策方法，确定所述遗传算法中误差指标权重，据以获取适用方案，其中，所述误差指标包括：幅值差值、相位差值、实部差值以及虚部差值；S10、根据所述误差指标获取最优解，据以根据所述适用传递函数，计算代价函数和时域的均方误差，据以评估有限频域等价模型的准确性。2.根据权利要求1所述的基于联合决策的数据驱动无人机系统频域辨识方法，其特征在于，所述步骤S2包括：S21、确定扫频频率范围；确定所述指数扫频信号的最小频率ω
min
和最大频率ω
nax
；S22、利用下述逻辑，确定扫频时间长度T
rec
：T
rec
≥(4～5)T
max
#(25)式中，T
max
为关注的动态响应的最长周期；S23、根据所述最小频率ω
min
、所述最大频率ω
max
，以下述逻辑设计扫频函数：δ
sweep
＝A(t)sin[θ(t)]#(26)ω＝ω
min
+K
c
(ω
max
‑
ω
min
)#(28)式中，A(t)是扫频幅值，C1，C2可以调整扫频频率的增加速度，δ
sweep
为扫频函数，θ(t)为频率变化公式，t为时间，T
rec
为上述的记录的扫频时间长度；S24、利用下述逻辑，在所述指数扫频频信号中，加入所述带限白噪声信号：
δ
excitation
＝δ
sweep
+δ
whitenoise
#(30)δ
whitenoise
:σ＝0.1A#(31)式中，δ
excitation
为加入带限白噪声后的扫频信号，δ
whitenoise
为白噪声，A为扫频信号幅值。3.根据权利要求1所述的基于联合决策的数据驱动无人机系统频域辨识方法，其特征在于，所述步骤S4包括：S41、根据拉依达准则，利用下述逻辑，对所述拼接适用数据进行所述剔除野值的操作，以得到无野值数据：以得到无野值数据：式中，x
i
是一组数据序列，i＝1,2
…
,n
data
，n
data
为数据序列个数，是该序列的均值，σ是序列的标准偏差；S42、将所述无野值数据减去均值，以去除直流分量；S43、利用最小二乘拟合出曲线的趋势线，减去所述趋势线，以去除趋势项，以得到待滤波数据；S44、根据实验对象要求，设计滤波器对所述待滤波数据进行滤波，其中，所述滤波器包括：低通滤波器以及带通滤波器。4.根据权利要求1所述的基于联合决策的数据驱动无人机系统频域辨识方法，其特征在于，所述步骤S5中的所述Welch法包括：S51、利用下述逻辑，多所述输入数据及所述输出数据，进行数据分段和加窗平滑：x
i
(n1)＝x(iD+n1)ω(n1)#(38)式中，0≤n1≤L
‑
1，0≤i≤K
‑
1，ω(n1)是一个长度为L的窗函数，k为数据序列个数；x(n1)(0≤n1≤n
data
)是数据记录，K表示分段个数，D是偏移量，i是代表第i段周期图，x(iD+n1)就是代表第i段内的数据；S52、利用下述逻辑，各级所述数据记录求取分段周期图：式中，S
x,i
(ω)为第i段的周期图，L为窗函数的长度，x
i
表示对第i段数据做离散傅里叶变化后得到的该数据的频域表示，e
jω
是频率w的指数形式，表示频域上的基本频率成分；S53、根据所述分段周期图，对每一段谱密度求平均，以得到谱估计S53、根据所述分段周期图，对每一段谱密度求平均，以得到谱估计式中，上标PA表示周期图平均；
利用下述逻辑确定平均周期图的采样值：式中，ω
k
＝2πk/N
FFT
，X
i
(k)＝DFT{x
i
(n1)}，k＝0,1,
…
,N
FFT
‑
1，ω
k
表示频域中的离散频率点的数值，X
i
(k)表示对数据进行离散傅里叶变换DFT或快速傅里叶变换FFT的结果；S54、利用下述逻辑，计算所述互功率谱密度：。5.根据权利要求1所述的基于联合决策的数据驱动无人机系统频域辨识方法，其特征在于，所述步骤S6包括：S61、计算频率响应估计值采用步骤5中根据所述自功率谱密度、所述互功率谱密度，利用下述逻辑，计算所述频率响应估计值H1(f)：S62、利用下述逻辑，处理得到相干函数γ
xy2
(f)：。6.根据权利要求1所述的基于联合决策的数据驱动无人机系统频域辨识方法，其特征在于，所述步骤S7包括：S71、根据先验知识，选择需要拟合的所述传递函数的阶数n，以所述频率响应估计值，作为算法初始值f＝H1；S72根据极大选择原理，利用下述逻辑计算出系数a
j
，j＝1,2,
…
n：n：n：n：a
n
＝argmax{|<g
n
,e
{a}
>|2:a∈D}#(51)其中，B
n
(z)是一种有利正交系统Blaschke乘积，e
{a}
是算法定义的字典中的元素，<f,g>表示函数f和函数g做内积运算，g
n
表示每层分解的数据，D表示单位圆盘；每次通过所述极大选择原理选择此次分解的极点a后，更新已有的所述极点a和f
n
以及中间变量，利用下述逻辑表示原数据：
式中，θ
k
表示待估计的参数，B
k
是上述有理正交系统在第k层分解对应的Blaschke乘积，z是离散时间域的复数变量，在这里表示z域中的复频率，f
k
...

【专利技术属性】
技术研发人员：许璟，钱诗雨，马磊，牛玉刚，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：