System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于运动状态追踪的无人机激光充电方法及系统技术方案_技高网

一种基于运动状态追踪的无人机激光充电方法及系统技术方案

技术编号:41279109 阅读:46 留言:0更新日期:2024-05-11 09:30
本发明专利技术公开了一种基于运动状态追踪的无人机激光充电方法及系统,包括:获取无人机的位置、速度和姿态信息,创建无人机运动模型;根据无人机的姿态信息,通过调整电机和舵机的输出,实现无人机的姿态调整;实时监测无人机的位置和速度,根据其运动状态进行动态定位,实时更新无人机的位置信息;根据无人机的位置误差和姿态调整需求,调整激光发射的输出,实现对动态无人机的精准充电。本发明专利技术实现对无人机位置和姿态的精确定位,从而准确地锁定目标设备并进行充电通过感知无人机的运动状态和目标设备的位置,实时调整激光发射模块的光束方向和强度,避免能量的浪费,提高充电效率和节能。

【技术实现步骤摘要】

本专利技术涉及无人机激光充电,尤其涉及一种基于运动状态追踪的无人机激光充电方法及系统


技术介绍

1、随着智能设备的普及和无线通信技术的不断发展,人们对电池寿命和充电方式的要求也越来越高,然而,传统的有线充电方式存在着使用不便、充电速度慢、充电线缆易损等问题,限制了设备的移动性和用户体验,现有的运动状态追踪通过图像处理或其他目标识别技术,无人机可以识别出需要充电的目标设备,这可以通过识别设备的特征、形状或其他标识来实现,一旦目标设备被识别并锁定,无人机将根据其位置和运动状态进行调整,然而图像处理的目标追踪往往会存在运动状态更新不及时的问题。


技术实现思路

1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。

2、鉴于上述现有存在的问题,提出了本专利技术。

3、因此,本专利技术提供了一种基于运动状态追踪的无人机激光充电方法及系统解决现有无人机激光充电方法无法及时适应目标设备的快速移动或突然改变方向的情况,从而影响到精准对接的操作的问题。

4、为解决上述技术问题,本专利技术提供如下技术方案:

5、第一方面,本专利技术提供了一种基于运动状态追踪的无人机激光充电方法,包括:

6、获取无人机的位置、速度和姿态信息,创建无人机运动模型;

<p>7、根据无人机的姿态信息,通过调整电机和舵机的输出,实现无人机的姿态调整;

8、实时监测无人机的位置和速度,根据无人机运动状态进行动态定位,实时更新无人机的位置信息,

9、将无人机与光束控制进行反馈控制,根据无人机的位置误差和姿态调整需求,调整激光发射的输出,实现对动态无人机的精准充电。

10、作为本专利技术所述的基于运动状态追踪的无人机激光充电方法的一种优选方案,其中:

11、所述无人机运动模型,包括以下步骤:

12、全球定位系统提供的位置信息为(x,y,z),通过3σ原则检测是否存在异常值;

13、惯性导航系统数据去除异常:当惯性导航系统提供的状态预测值为(x,y,z′vx,vy,vz),则通过箱线图检测是否存在异常值;

14、所述全球定位系统提供的位置信息为(x,y,z),通过3σ原则检测是否存在异常值,包括以下步骤:

15、计算位置信息的均值u和标准差σ;

16、对于每个位置信息(xi,yi,zi),如果其与均值的差值超过3倍标准差,则认为其为异常值,并进行去除或修正;

17、坐标系转换,将全球定位系统提供的位置信息(x,y,z)转换为惯性导航系统预测的状态向量(x′,y′,z′,vx,vy,vz),需要进行欧拉角转换;

18、所述欧拉角转换,包括以下步骤:

19、将全球定位系统提供的经度、纬度、高度转换为大地坐标系下的坐标(x;y,z),将大地坐标系下的坐标转换为地心惯性坐标系下的坐标(xe,ye,ze),将地心惯性坐标系下的坐标(xe,ye,ze)转换为车体坐标系下的坐标(xb,yb,zb),将车体坐标系下的坐标(xb,yb,zb)转换为状态向量(x′,y′,z′,vx,vy,vz);

20、其中,(xe,ye,ze)表示地心惯性坐标系下的坐标,(xb,yb,zb)表示车体坐标系下的坐标欧拉角的计算公式如下:

21、rz(ψ)[cos(ψ) -sin(ψ) 0;sin(ψ) cos(ψ) 0;0 0 1]

22、ry(θ)=[cos(θ) 0 sin(θ):0 1 0;-sin(θ) 0 cos(θ)]

23、

24、式中,ψ表示绕z轴旋转的角度,θ表示绕y轴旋转的角度,表示绕x轴旋转的角度。

25、作为本专利技术所述的基于运动状态追踪的无人机激光充电方法的一种优选方案,其中:

26、所述惯性导航系统数据去除异常:当惯性导航系统提供的状态预测值为(x,y,z′vx,vy,vz),则通过箱线图检测是否存在异常值,包括以下步骤:

27、对于每个状态向量(xi,yi,zi,vxi,vyi,vzi),计算其四分位距q3和q1,以及上限和下限;

28、对于每个状态向量(xi,yi,zi,vxi,vyi,vzi),落在上限和下限之外,则认为其为异常值,并进行去除。

29、作为本专利技术所述的基于运动状态追踪的无人机激光充电方法的一种优选方案,其中:

30、所述获取无人机位置、速度和姿态信息,包括估计预测误差,利用全球定位系统数据对状态预测进行校正,根据全球定位系统测量结果和预测误差计算卡尔曼增益,使用卡尔曼增益将观测更新后的信息融合到状态预测中,得到最优的无人机位置和姿态估计值,具体预测公式表示为:

31、xk=fk-1xk-1+bk-1uk-1

32、

33、其中,xk为状态向量的估计值,pk为协方差矩阵的估计值,fk-1k-1为状态转移矩阵bk-1为输入矩阵,uk-1为输入向量,qk-1为过程噪声的协方差矩阵,状态更新的具体公式表示为:

34、

35、xk=xk-+kk(zk-hkxk-)

36、pk=(i-kkhk)pk-

37、其中,kk表示卡尔曼增益矩阵,表示预测值与测量值之间的误差和噪声协方差之间的折中权重,pk表示状态估计协方差矩阵,表示状态估计值与真实值之间的误差协方差,xk-为状态预测值,表示上一时刻的状态估计值,xk为状态估计值,表示当前时刻的状态估计值,zk为测量值,表示当前时刻的测量值,hk为状态转移矩阵,表示状态向量与测量向量之间的关系,r为测量噪声协方差矩阵,表示测量值与真实值之间的误差协方差,i表示单位矩阵。

38、作为本专利技术所述的基于运动状态追踪的无人机激光充电方法的一种优选方案,其中:

39、所述根据无人机的姿态信息,通过调整电机和舵机的输出,实现无人机的姿态调整,包括通过传感器获取无人机当前的姿态信息,包括滚转角、俯仰角和偏航角,确定目标姿态;

40、所述滚转角、俯仰角以及偏航角的具体计算步骤如下:

41、当无人机的坐标系为惯性坐标系时,滚转角根据角速度传感器提供的绕x轴的角速度,滚转角通过积分得到:roll=roll0+p*dt其中,roll0为初始滚转角,dt为时间间隔;

42、俯仰角根据角速度传感器提供的绕y轴的角速度,俯仰角通过积分得到:pitch=pitch0+w*dt其中,pitch0为初始俯仰角,dt为时间间隔;

43、偏航角根据角速度传感器提供的绕z轴的角速度,偏航角通过积分得到:yaw=yaw0+r*dt,其中,yaw0为初始偏航角,dt为时间间隔;

44、依据得到的滚转角、俯仰角以及偏本文档来自技高网...

【技术保护点】

1.一种基于运动状态追踪的无人机激光充电方法,其特征在于,包括:

2.如权利要求1所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述无人机运动模型,包括以下步骤:

3.如权利要求1或2所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述惯性导航系统数据去除异常,当惯性导航系统提供的状态预测值为(x,y,z′,vx,vy,vz),则通过箱线图检测是否存在异常值,包括以下步骤:

4.如权利要求3所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述获取无人机位置、速度和姿态信息,包括估计预测误差,利用全球定位系统数据对状态预测进行校正,根据全球定位系统测量结果和预测误差计算卡尔曼增益,使用卡尔曼增益将观测更新后的信息融合到状态预测中,得到最优的无人机位置和姿态估计值,具体预测公式表示为:

5.如权利要求4所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述根据无人机的姿态信息,通过调整电机和舵机的输出,实现无人机的姿态调整,包括通过传感器获取无人机当前的姿态信息,包括滚转角、俯仰角和偏航角,确定目标姿态;

6.如权利要求5所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述实时监测无人机的位置和速度,根据无人机运动状态进行动态定位,实时更新无人机的位置信息,包括全球定位系统提供全局位置信息,惯性导航系统提供局部姿态和加速度信息,通过融合两者的信息进行动态定位,具体的计算公式表示为:

7.如权利要求6所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述将无人机与光束控制进行反馈控制,根据无人机的位置误差和姿态调整需求,调整激光发射的输出,实现对动态无人机的精准充电,包括依据获取到的无人机的位置、速度和姿态信息,将无人机当前位置与目标位置进行比较,计算出位置误差以及姿态调整需求,具体计算公式如下:

8.一种基于权利要求1所述的基于运动状态追踪的无人机激光充电系统,其特征在于:

9.一种电子设备,其特征在于,包括:

10.一种计算机可读存储介质,其存储有程序,其特征在于,所述程序被处理器执行时,实现如权利要求1-7任一项所述的基于运动状态追踪的无人机激光充电方法的步骤。

...

【技术特征摘要】

1.一种基于运动状态追踪的无人机激光充电方法,其特征在于,包括:

2.如权利要求1所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述无人机运动模型,包括以下步骤:

3.如权利要求1或2所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述惯性导航系统数据去除异常,当惯性导航系统提供的状态预测值为(x,y,z′,vx,vy,vz),则通过箱线图检测是否存在异常值,包括以下步骤:

4.如权利要求3所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述获取无人机位置、速度和姿态信息,包括估计预测误差,利用全球定位系统数据对状态预测进行校正,根据全球定位系统测量结果和预测误差计算卡尔曼增益,使用卡尔曼增益将观测更新后的信息融合到状态预测中,得到最优的无人机位置和姿态估计值,具体预测公式表示为:

5.如权利要求4所述的基于运动状态追踪的无人机激光充电方法,其特征在于:所述根据无人机的姿态信息,通过调整电机和舵机的输出,实现无人机的姿态调整,包括通过传感器获取无人机当前的姿态信息,包括滚转角、俯仰角和偏...

【专利技术属性】
技术研发人员:顾泽张宗钰严尔梅何成艳申溥婷邓凯锋陈科羽吉宝贤陆丽娟万如一
申请(专利权)人:贵州电网有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1