一種基于自駕儀和遺傳算法的監(jiān)測無人機(jī)懸停范圍的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及到一種基于自駕儀和遺傳算法的監(jiān)測無人機(jī)懸停范圍的方法，特別涉 及到旋翼無人機(jī)飛行控制的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 現(xiàn)代的旋翼無人機(jī)是一種利用自駕儀實現(xiàn)自主導(dǎo)航的飛行器，其中飛行控制是無 人機(jī)飛行任務(wù)保障的重要組成部分，自動駕駛技術(shù)的發(fā)展使得旋翼無人機(jī)基本實現(xiàn)自主飛 行，但是由于飛行環(huán)境的高度動態(tài)化、不確定性以及飛行任務(wù)的復(fù)雜性，在巡航時，旋翼無 人機(jī)遇到突發(fā)事件時發(fā)生翻滾是不可避免的，因此，在規(guī)劃航線時需盡可能規(guī)避各威脅環(huán) 境因素，并考慮無人機(jī)飛行性能限制，提高無人機(jī)的生存能力。
[0003] 目前，在旋翼無人機(jī)的某一硬件設(shè)備發(fā)生故障或受到突然的風(fēng)力、飛鳥、氣流的影 響時，會造成飛行監(jiān)控參數(shù)的突然性變化，同時無人機(jī)自駕儀的飛控系統(tǒng)會自動進(jìn)行飛行 控制變化的修正，進(jìn)而控制無人機(jī)設(shè)備，但是一旦出現(xiàn)在限制范圍的飛行翻滾時，需要旋翼 無人機(jī)在限定的空中區(qū)域內(nèi)進(jìn)行姿態(tài)調(diào)整，這時對無人機(jī)的修正量需要進(jìn)行最大限度的小 幅控制，以求在合理的空間內(nèi)達(dá)到穩(wěn)定控制的姿態(tài)，避免由于調(diào)整時間過長或碰觸到周圍 物體時，造成迫降或損毀。
[0004] 遺傳算法作為一種全局最優(yōu)解搜索算法，在某一特定限定條件下，通過將自駕儀 與遺傳算法結(jié)合起來進(jìn)行無人機(jī)飛行懸?？刂疲?jīng)過初始化編碼、群體生成、適應(yīng)度函數(shù)的 構(gòu)造、交叉及變異遺傳，實現(xiàn)無人機(jī)翻滾控制的指令的生成，當(dāng)監(jiān)測到無人機(jī)發(fā)生急劇的俯 仰或翻滾并非來自任務(wù)的飛行指令時，自駕儀立即將此時刻的飛行姿態(tài)調(diào)整參數(shù)作為局部 初始化種群值，遺傳算法根據(jù)初始化值中適應(yīng)度條件的要求，對適應(yīng)值的調(diào)整量進(jìn)行迭代 優(yōu)化，迭選出在無人機(jī)飛行姿態(tài)趨于穩(wěn)定下的控制指令的調(diào)整解，實現(xiàn)無人機(jī)姿態(tài)的穩(wěn)定 控制，使其穩(wěn)定在一定的空中區(qū)域范圍內(nèi)盤旋或降落，等待作業(yè)人員檢查可否繼續(xù)飛行。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明采用的技術(shù)方法在于提出一種基于自駕儀和遺傳算法的監(jiān)測無人機(jī)懸停 范圍的方法，在無人機(jī)發(fā)生急劇的俯仰或翻滾時，針對自駕儀生成的自動控制指令，結(jié)合遺 傳算法對控制指令進(jìn)行最優(yōu)解的迭代，實現(xiàn)了在限定的空間條件下對無人機(jī)的懸停范圍的 飛行控制。
[0006] 為達(dá)到此目的，提出以下解決方案：
[0007] 在旋翼的動力學(xué)方程中，旋翼無人機(jī)擁有6個自由度，旋翼的飛行姿態(tài)由三個歐 拉角描述橫滾角（-3!/2<巾<31/2)、俯仰角（-31/2<0<31/2)、偏航角（-31<也 < 3〇,方法的前提條件為 1、 旋翼無人機(jī)設(shè)備動力為電力，設(shè)備為均勻?qū)ΨQ的剛體； 2、 控制的指令的輸入和輸出設(shè)備為無人機(jī)自動駕駛儀； 3、 機(jī)體坐標(biāo)系和旋翼無人機(jī)的中心質(zhì)心位于同一位置； 4、旋翼無人機(jī)的所受阻力和重力不受飛行高度等因素影響；
[0008] 步驟1 :飛行環(huán)境突變確定
[0009] 無人機(jī)在飛行狀態(tài)時。當(dāng)遇到的某一方向作用力時，對所在前一階段的穩(wěn)定飛行 姿態(tài)數(shù)據(jù)造成劇變，使得無人機(jī)發(fā)生大幅度的翻滾，在監(jiān)測到自駕儀沒有對這一變化發(fā)出 控制指令時，判定此次飛行姿態(tài)突變?yōu)槭艿酵獠凯h(huán)境因素影響。
[0010] 步驟2 :初始化飛行姿態(tài)數(shù)值
[0011] 此時自駕儀利用平衡懸停控制機(jī)制，即對當(dāng)前的飛行姿態(tài)控制進(jìn)行重新平衡的控 制量計算，針對此時的無人機(jī)飛行姿態(tài)，自駕儀基于對此前無人機(jī)平衡飛行的參考基準(zhǔn)，實 時的生成當(dāng)前無人機(jī)的姿態(tài)量，即初始化無人機(jī)姿態(tài)的表現(xiàn)指數(shù)：橫滾角歹、俯仰角f、偏 航角歹。
[0012] 步驟3 :基于飛行姿態(tài)控制量的種群規(guī)模的構(gòu)建
[0013] 由于無人機(jī)在飛行過程中受到空氣阻力、重力等多種因素的影響，所以只將飛行 所涉及的最終表現(xiàn)的控制量橫滾角Φ、俯仰角Θ、偏航角Φ進(jìn)行編碼，自駕儀在對比前后 翻滾的角度差后進(jìn)行多種修正量的自動輸出，初步判斷可能的下一個航跡點，并將可能的 航跡點數(shù)據(jù)存入種群數(shù)據(jù)庫。
[0014] 步驟4 :種群適應(yīng)度評價
[0015] 根據(jù)姿態(tài)控制量的數(shù)據(jù)計算上述各組航跡點數(shù)據(jù)的適應(yīng)度；選擇適應(yīng)度最大的航 跡點數(shù)據(jù)作為新種群數(shù)據(jù)存入種群數(shù)據(jù)庫中進(jìn)行迭代計算，重復(fù)上述的過程，或者選擇適 應(yīng)度最小的一組路線數(shù)據(jù)作為輸出結(jié)果。 「00161 話府庶評價i+笪函教為，
[0017] 式中，L為三個方向上的航路飛行的地面坐標(biāo)系的分距離；t為橫滾角Φ，俯仰角 Θ，偏航角Φ調(diào)整對應(yīng)的最短時間；歹、f、尹為無人機(jī)的當(dāng)前姿態(tài)角；U、v、W為三個機(jī)體 方向上的分速度；k為三個機(jī)體方向上的調(diào)整控制強(qiáng)度系數(shù)。
[0017] 步驟5 :基因重組（交叉）與基因突變
[0018] 針對更新了控制量概率分布的種群數(shù)據(jù)，依次進(jìn)行橫滾角Φ，俯仰角Θ和偏航角 Φ的交叉遺傳計算和變異計算，交叉遺傳計算的交叉遺傳概率為n，變異計算的變異概率 為m，遺傳代數(shù)為N，無人機(jī)的懸?？刂票旧硎且粋€趨于穩(wěn)定的過程，利用變異減少局部最 優(yōu)的出現(xiàn)，降低了進(jìn)化過程的穩(wěn)定性，計算應(yīng)用時，可根據(jù)問題的規(guī)模和涉及的因素進(jìn)行對 具體參數(shù)設(shè)置進(jìn)行調(diào)整，以獲取最優(yōu)的航路。
[0019] 步驟6 :航跡點懸?？刂?br>[0020] 根據(jù)迭代趨于穩(wěn)定的控制結(jié)果Φ、Θ、φ，自駕儀控制無人機(jī)飛行到下一個點，根 據(jù)無人機(jī)到達(dá)的下一個航跡點的分速度的數(shù)據(jù)，重復(fù)上述步驟2~5的過程，直到無人機(jī)在 有限制的空間范圍內(nèi)進(jìn)行懸停為止，或者自駕儀所帶GPS監(jiān)測到無人機(jī)已經(jīng)觸地，則停止 控制指令發(fā)送。
[0021] 采用上述技術(shù)方案所產(chǎn)生的有益效果在于：
[0022] 對目前的無人機(jī)的懸?？刂品秶M(jìn)行了量化的處理，監(jiān)測范圍可以作為無人機(jī)性 能的一種重要參數(shù)，為戶外環(huán)境的小范圍的懸?？刂铺峁┡袛嘁罁?jù)，通過把約束條件結(jié)合 到搜索算法中去，有效地減小了搜索空間，縮短了搜索時間；
[0023] 搜索到的航跡更逼近實際的無人機(jī)最優(yōu)航跡，經(jīng)轉(zhuǎn)化，航跡規(guī)劃問題從代價最小 化問題變成遺傳進(jìn)化中的航跡適應(yīng)度最大化的問題，經(jīng)過世代進(jìn)化，得到適應(yīng)度最大、完成 任務(wù)代價最小的航跡線路。
【附圖說明】
[0024] 下面結(jié)合附圖和實施例對本發(fā)明進(jìn)一步說明。
[0025] 圖1是本發(fā)明的一種基于自駕儀和遺傳算法的控制旋翼無人機(jī)懸停方法的流程 圖。
【具體實施方式】
[0026] 以下結(jié)合附圖作對本發(fā)明的【具體實施方式】做進(jìn)一步的詳細(xì)說明：
[0027] 如圖1所示，本發(fā)明作為一種基于自駕儀和遺傳算法的監(jiān)測無人機(jī)懸停范圍的方 法，實現(xiàn)了在限定的條件下對無人機(jī)的懸停范圍的飛行控制，下面結(jié)合具體的實施用例進(jìn) 行說明。