基于遗传算法的无人机姿态估计方法、装置、设备和介质制造方法及图纸

本申请属于无人机技术领域，涉及基于遗传算法的无人机姿态估计方法、装置、设备和介质。方法包括：获取无人机的飞行数据，得到训练集和测试集；构造深度学习网络，所述深度学习网络包括：输入嵌入层、多头自注意力层、位置编码层以及解码器；基于所述深度学习网络，建立无人机姿态估计的初始模型；基于遗传算法，根据所述训练集，对所述初始模型中的输入序列长度、先验序列长度、预测序列长度、学习率、舍弃层舍弃概率、训练轮数以及批次大小进行优化，得到无人机姿态估计的优化模型；根据所述优化模型，对所述测试集进行估计，得到无人机姿态。采用本申请能够提升无人机姿态估计的精度。

【技术实现步骤摘要】

本申请涉及无人机，特别是涉及基于遗传算法的无人机姿态估计方法、装置、设备和介质。

技术介绍

1、获取无人机的正确姿态参数是其控制和导航定位的基础。尽管姿态航向参考系统（attitude and heading reference system，ahrs）能获取准确的姿态信息，但其昂贵的价格和较大的体积限制了其在所有无人机中的应用。

2、针对成本和能耗考虑，许多无人机通常会配备体积较小、价格相对较低的微机电系统（micro electro mechanical systems，mems）传感器。

3、然而，这些传感器（如陀螺仪和加速度计）在短时间内的测量数据存在明显的漂移，因此通过积分得到的姿态信息存在随时间增长的累积误差；同时，磁力计的测量数据易受周围磁场干扰，例如环境中金属结构、电源线、电动机以及地磁场局部变化等因素的干扰，这些干扰使得磁力计的测量结果偏离实际值，可能导致无人机的航向估计不准确以及无人机姿态的错误估计，从而影响其导航和定位能力；另外，磁力计本身的测量噪声以及由制造过程、电源噪声等因素引起的误差也可能影响其测量结果的本文档来自技高网...

【技术保护点】

1.基于遗传算法的无人机姿态估计方法，其特征在于，包括：

2.根据权利要求1所述的基于遗传算法的无人机姿态估计方法，其特征在于，获取无人机的飞行数据，得到训练集和测试集，包括：

3.根据权利要求2所述的基于遗传算法的无人机姿态估计方法，其特征在于，当所述姿态角数据是四元数数据时，将所述四元数数据转化为欧拉角数据，然后进行时间轴对齐。

4.根据权利要求3所述的基于遗传算法的无人机姿态估计方法，其特征在于，将所述四元数数据转化为欧拉角数据，包括：

5.根据权利要求1至4任一项所述的基于遗传算法的无人机姿态估计方法，其特征在于，基于遗传算法，根据...

【技术特征摘要】

1.基于遗传算法的无人机姿态估计方法，其特征在于，包括：

2.根据权利要求1所述的基于遗传算法的无人机姿态估计方法，其特征在于，获取无人机的飞行数据，得到训练集和测试集，包括：

3.根据权利要求2所述的基于遗传算法的无人机姿态估计方法，其特征在于，当所述姿态角数据是四元数数据时，将所述四元数数据转化为欧拉角数据，然后进行时间轴对齐。

4.根据权利要求3所述的基于遗传算法的无人机姿态估计方法，其特征在于，将所述四元数数据转化为欧拉角数据，包括：

5.根据权利要求1至4任一项所述的基于遗传算法的无人机姿态估计方法，其特征在于，基于遗传算法，根据所述训练集，对所述初始模型中的输入序列长度、先验序列长度、预测序列长度、学习率、舍弃层舍弃概率、...

【专利技术属性】
技术研发人员：周文，肖蘅，包乃源，穆震杰，张汇，杨亚婷，吕志强，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：