多旋翼飛行器的控制方法、裝置及多旋翼飛行器的制造方法
【專利摘要】本發(fā)明公開了一種多旋翼飛行器的控制方法，根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理，確定所述飛行器的姿態(tài)角度；根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣；根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各個(gè)螺旋槳的轉(zhuǎn)速。本發(fā)明還公開了一種多旋翼飛行器的控制裝置及多旋翼飛行器。本發(fā)明實(shí)現(xiàn)了提高多旋翼飛行器飛行時(shí)的穩(wěn)定性。
【專利說明】
多旋翼飛行器的控制方法、裝置及多旋翼飛行器
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及飛行器控制技術(shù)領(lǐng)域，尤其涉及多旋翼飛行器的控制方法、裝置及多 旋翼飛行器。
【背景技術(shù)】
[0002] 目前，多旋翼飛行器在攝影、救災(zāi)、測繪等領(lǐng)域得到了越來越廣泛的應(yīng)用。多旋翼 飛行器根據(jù)旋翼的數(shù)量分為四旋翼飛行器、六旋翼飛行器等，在飛行過程中依靠各個(gè)螺旋 槳提供動(dòng)力，可以在由X軸、Y軸、Z軸建立的空間坐標(biāo)系中進(jìn)行前后、左右、上下六個(gè)方向的 飛行。當(dāng)多旋翼飛行器沿X軸方向旋轉(zhuǎn)時(shí)，稱為pitch，此時(shí)飛行器與X軸構(gòu)成的角度稱為俯 仰角度，當(dāng)多旋翼飛行器沿Z軸方向旋轉(zhuǎn)時(shí)，稱為roll，此時(shí)飛行器與Z軸構(gòu)成的角度稱為翻 滾角度。
[0003] 然而在飛行過程中，多旋翼飛行器容易受到外界干擾導(dǎo)致飛行不平穩(wěn)，當(dāng)多旋翼 飛行器飛行不平穩(wěn)時(shí)會(huì)導(dǎo)致拍攝效果不佳、測繪不準(zhǔn)確、降落時(shí)摔壞飛機(jī)等問題，因此提升 多旋翼飛行器飛行時(shí)的穩(wěn)定性是一個(gè)亟需解決的問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的主要目的在于提供一種多旋翼飛行器的控制方法、裝置及多旋翼飛行 器，旨在實(shí)現(xiàn)提高多旋翼飛行器飛行時(shí)的穩(wěn)定性的目的。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種多旋翼飛行器的控制方法包括以下步驟：
[0006] 根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理，確定所述飛行 器的姿態(tài)角度；
[0007] 根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣；
[0008] 根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各個(gè) 螺旋槳的轉(zhuǎn)速。
[0009] 優(yōu)選地，所述根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理， 確定所述飛行器的姿態(tài)角度包括：
[0010] 每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行器的飛行參數(shù)；
[0011] 利用所述姿態(tài)檢測算法對(duì)所述飛行參數(shù)進(jìn)行姿態(tài)角度計(jì)算，確定飛行器的一組姿 態(tài)角度，所述姿態(tài)角度包括俯仰角度和翻滾角度。
[0012] 優(yōu)選地，所述根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣包 括：
[0013] 將連續(xù)的N組姿態(tài)角度分別輸入預(yù)置的飛行狀態(tài)矩陣模型，得到N個(gè)飛行狀態(tài)矩 陣；
[0014] 所述飛行狀態(tài)矩陣為：
[0015]
[0016] 兵甲Xi芏xm，yi芏yn艿t貝墳但，撲艿側(cè)仰用度，卟艿翻滾用度，乜撲和卟為一組姿態(tài)角 度。
[0017] 優(yōu)選地，所述根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛 行器的各個(gè)螺旋槳的轉(zhuǎn)速包括：
[0018] 將所述N個(gè)飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型，得到所述飛行控制 模型輸出的對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值；
[0019] 根據(jù)所述預(yù)測值控制對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速。
[0020] 優(yōu)選地，所述方法還包括：
[0021] 構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)的輸入層為N個(gè)飛行狀態(tài)矩陣，輸出層為M 個(gè)代表對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測值，M為正整數(shù)且大于等于8,所述深度神經(jīng)網(wǎng)絡(luò)包含網(wǎng) 絡(luò)權(quán)重值；
[0022] 獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集；
[0023] 將所述訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn)練，得到優(yōu)化的網(wǎng)絡(luò)權(quán)重值， 確認(rèn)包含所述優(yōu)化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為所述飛行控制模型。
[0024]此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種多旋翼飛行器的控制裝置，所述裝置包 括：
[0025] 確定模塊，用于根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處 理，確定所述飛行器的姿態(tài)角度；
[0026] 運(yùn)算模塊，用于根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩 陣；
[0027] 控制模塊，用于根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述 飛行器的各個(gè)螺旋槳的轉(zhuǎn)速。
[0028]優(yōu)選地，所述確定模塊包括：
[0029] 獲取單元，用于每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行器的 飛行參數(shù)；
[0030] 確定單元，用于利用所述姿態(tài)檢測算法對(duì)所述飛行參數(shù)進(jìn)行姿態(tài)角度計(jì)算，確定 飛行器的一組姿態(tài)角度，所述姿態(tài)角度包括俯仰角度和翻滾角度。
[0031] 優(yōu)選地，所述運(yùn)算模塊具體用于，將連續(xù)的N組姿態(tài)角度分別輸入預(yù)置的飛行狀態(tài) 矩陣模型，得到N個(gè)飛行狀態(tài)矩陣；
[0032]則所述控制模塊包括：
[0033]運(yùn)算單元，用于將所述N個(gè)飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型，得到 所述飛行控制模型輸出的對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值；
[0034]控制單元，用于根據(jù)所述預(yù)測值控制對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速。
[0035] 優(yōu)選地，所述裝置還包括：
[0036]深度神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用于構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)的輸入層為N 個(gè)飛行狀態(tài)矩陣，輸出層為M個(gè)代表對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測值，M為正整數(shù)且大于等于 8,所述深度神經(jīng)網(wǎng)絡(luò)包含網(wǎng)絡(luò)權(quán)重值；
[0037] 訓(xùn)練集獲取模塊，用于獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集；
[0038] 訓(xùn)練模塊，用于將所述訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn)練，得到優(yōu)化 的網(wǎng)絡(luò)權(quán)重值，確認(rèn)包含所述優(yōu)化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為所述飛行控制模型。
[0039] 本發(fā)明還提供一種多旋翼飛行器，其特征在于，所述多旋翼飛行器包括上述所述 的一種多旋翼飛行器的控制裝置。
[0040] 本發(fā)明實(shí)施例根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理， 確定所述飛行器的姿態(tài)角度;根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài) 矩陣;根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各個(gè)螺旋 槳的轉(zhuǎn)速。通過利用代表飛行器飛行狀態(tài)的飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型 控制螺旋槳的轉(zhuǎn)速，控制精度更高，從而實(shí)現(xiàn)了提高多旋翼飛行器飛行時(shí)的穩(wěn)定性的目的， 同時(shí)，由于飛行狀態(tài)矩陣代表飛行器的飛行狀態(tài)，因此即使飛行器在丟失一個(gè)漿的情況下， 也能通過控制其他漿的轉(zhuǎn)速，使飛行器整體可以平穩(wěn)著落。
【附圖說明】
[0041] 圖1為本發(fā)明多旋翼飛行器的控制方法第一實(shí)施例的流程示意圖；
[0042] 圖2為本發(fā)明多旋翼飛行器的控制方法第二實(shí)施例的流程示意圖；
[0043]圖3為本發(fā)明多旋翼飛行器的控制方法第三實(shí)施例的流程示意圖；
[0044] 圖4為本發(fā)明多旋翼飛行器的控制裝置第一實(shí)施例的功能模塊結(jié)構(gòu)示意圖；
[0045] 圖5為本發(fā)明多旋翼飛行器的控制裝置第二實(shí)施例的功能模塊結(jié)構(gòu)示意圖；
[0046] 圖6為本發(fā)明多旋翼飛行器的控制裝置第三實(shí)施例的功能模塊結(jié)構(gòu)示意圖。
[0047] 本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。
【具體實(shí)施方式】
[0048]應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0049] 本發(fā)明提供一種多旋翼飛行器的控制方法。參照?qǐng)D1，在多旋翼飛行器的控制方法 第一實(shí)施例中，該方法包括：
[0050] 步驟S10,根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理，確定 所述飛行器的姿態(tài)角度；
[0051] 步驟S20,根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣；
[0052]步驟S30,根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行 器的各個(gè)螺旋槳的轉(zhuǎn)速。
[0053] 本發(fā)明提供的多旋翼飛行器的控制方法用于控制多旋翼飛行器飛行時(shí)的穩(wěn)定性， 主要是在pitch和roll方向的穩(wěn)定性。通常多旋翼飛行器的各個(gè)螺旋槳是設(shè)置于電機(jī)上，多 旋翼飛行器通過改變電機(jī)的轉(zhuǎn)速使得螺旋槳以一定轉(zhuǎn)速旋轉(zhuǎn)，從而調(diào)整多旋翼飛行器的飛 行姿態(tài)。以下將多旋翼飛行器簡稱為飛行器。
[0054] 本實(shí)施例中上述姿態(tài)檢測算法是用于檢測飛行器飛行姿態(tài)的算法，飛行姿態(tài)是指 飛行器的三軸(X軸、Y軸、Z軸)在空中相對(duì)于某條參考線或某個(gè)參考平面的狀態(tài)。具體的姿 態(tài)檢測算法可以根據(jù)需要進(jìn)行選擇，常用的姿態(tài)檢測算法有卡爾曼濾波、互補(bǔ)濾波等。上述 飛行器的飛行參數(shù)是指飛行器飛行時(shí)的角速度、加速度等值，當(dāng)使用姿態(tài)檢測算法時(shí)通常 需要結(jié)合傳感器檢測到的飛行參數(shù)來計(jì)算，從而得到飛行器的姿態(tài)角度。
[0055] 在獲取到姿態(tài)角度后，結(jié)合預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣，該飛行 狀態(tài)矩陣是該飛行器以該姿態(tài)角度飛行時(shí)的飛行狀態(tài)矩陣，所述飛行狀態(tài)矩陣模型是預(yù)置 的用于代表飛行器的飛行狀態(tài)的一個(gè)矩陣模型。
[0056] 然后根據(jù)飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各個(gè) 螺旋槳的轉(zhuǎn)速。上述飛行控制模型是基于深度學(xué)習(xí)的數(shù)學(xué)模型。深度學(xué)習(xí)是通過構(gòu)建具有 很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來學(xué)習(xí)更有用的特征，從而最終提升分類或 預(yù)測的準(zhǔn)確性。基于深度學(xué)習(xí)的飛行控制模型使得飛行器能夠通過大量的數(shù)據(jù)訓(xùn)練學(xué)習(xí)后 對(duì)飛行器的飛行進(jìn)行控制。
[0057] 本發(fā)明實(shí)施例通過根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行 處理，確定所述飛行器的姿態(tài)角度;根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛 行狀態(tài)矩陣;根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各 個(gè)螺旋槳的轉(zhuǎn)速。通過利用代表飛行器飛行狀態(tài)的飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控 制模型控制漿的轉(zhuǎn)速對(duì)飛行器的飛行進(jìn)行控制，控制精度更高，從而實(shí)現(xiàn)了提高多旋翼飛 行器飛行時(shí)的穩(wěn)定性，同時(shí)，由于飛行狀態(tài)矩陣代表飛行器的飛行狀態(tài)，因此即使飛行器在 丟失一個(gè)漿的情況下，也能通過控制其他漿的轉(zhuǎn)速，使飛行器整體可以平穩(wěn)著落。
[0058]參照?qǐng)D2,基于本發(fā)明多旋翼飛行器的控制方法的第一實(shí)施例，提出了本發(fā)明多旋 翼飛行器的控制方法第二實(shí)施例，本實(shí)施例中，本發(fā)明提出的多旋翼飛行器的控制方法包 括：
[0059] 步驟S110,每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行器的飛行 參數(shù)；
[0060] 步驟S120,利用所述姿態(tài)檢測算法對(duì)所述飛行參數(shù)進(jìn)行姿態(tài)角度計(jì)算，確定飛行 器的一組姿態(tài)角度，所述姿態(tài)角度包括俯仰角度和翻滾角度；
[0061] 步驟S130,將連續(xù)的N組姿態(tài)角度分別輸入預(yù)置的飛行狀態(tài)矩陣模型，得到N個(gè)飛 行狀態(tài)矩陣；
[0062]步驟S140,將所述N個(gè)飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型，得到所述 飛行控制模型輸出的對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值；
[0063]步驟S150，根據(jù)所述預(yù)測值控制對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速。
[0064] 上述步驟3110和步驟3120為步驟310的細(xì)化步驟，上述步驟3130為步驟320的細(xì)化 步驟，上述步驟S140和步驟S150為步驟S30的細(xì)化步驟。
[0065] 本實(shí)施例中上述預(yù)置的飛行檢測裝置為飛行器中預(yù)置的用于檢測飛行器狀態(tài)的 裝置，例如預(yù)置的陀螺儀、加速度傳感器、傾角傳感器等。其中陀螺儀用于檢測飛行器飛行 時(shí)的角速度，加速度傳感器用于檢測飛行器飛行時(shí)的加速度，傾角傳感器用于檢測相對(duì)于 水平面的傾角變化。上述飛行參數(shù)就是陀螺儀、加速度傳感器等裝置檢測到的飛行器飛行 時(shí)的角速度、加速度等參數(shù)。具體需要獲取哪些飛行參數(shù)根據(jù)姿態(tài)檢測算法需要哪些參數(shù) 而定。
[0066] 每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行器的飛行參數(shù)，其中 預(yù)置時(shí)間可以根據(jù)需要進(jìn)行設(shè)定，例如當(dāng)預(yù)置時(shí)間設(shè)置為60ms時(shí)，則每間隔60ms獲取一次 飛行器的飛行參數(shù)。由于飛行檢測裝置在飛行時(shí)是持續(xù)的進(jìn)行檢測，在這里只需要獲取特 定時(shí)間點(diǎn)時(shí)檢測到的飛行參數(shù)。
[0067] 當(dāng)獲取到飛行器的飛行參數(shù)后，利用姿態(tài)檢測算法對(duì)飛行參數(shù)進(jìn)行姿態(tài)角度計(jì) 算，確定飛行器的一組姿態(tài)角度，是指獲取到的飛行參數(shù)輸入姿態(tài)檢測算法中進(jìn)行運(yùn)算，從 而得到姿態(tài)角度。具體的，需要獲取的姿態(tài)角度為俯仰角度和翻滾角度。飛行器的俯仰角度 為飛行器饒X軸旋轉(zhuǎn)時(shí)與X軸之間的角度，飛行器的翻滾角度為飛行器饒Z軸旋轉(zhuǎn)時(shí)與Z軸之 間的角度。
[0068] 上述獲取連續(xù)的N組姿態(tài)角度是為了獲取飛行器飛行時(shí)連續(xù)的姿態(tài)。例如可以根 據(jù)時(shí)間來獲取最近獲取的N組姿態(tài)角度。在N組姿態(tài)角度輸入預(yù)置的飛行狀態(tài)矩陣模型后， 得到N個(gè)飛行狀態(tài)矩陣，則N個(gè)飛行狀態(tài)矩陣代表了飛行器在一段時(shí)間的狀態(tài)。具體的是獲 取最新的連續(xù)N組姿態(tài)角度，用于控制下一時(shí)刻漿的轉(zhuǎn)速。當(dāng)飛行器飛行時(shí)不同時(shí)刻有不同 的狀態(tài)，因此得到多個(gè)飛行狀態(tài)矩陣使飛行器的飛行狀態(tài)更精確。
[0069] 例如，獲取與當(dāng)前時(shí)間最近的7組姿態(tài)角度，將7組姿態(tài)角度分別輸入飛行狀態(tài)矩 陣模型，則通過計(jì)算可以得到7個(gè)飛行狀態(tài)矩陣，這7個(gè)飛行狀態(tài)矩陣代表了飛行器最新的 連續(xù)7個(gè)飛行狀態(tài)。
[0070] 可以理解的是，這里也可以獲取8組姿態(tài)角度，來得到8個(gè)飛行狀態(tài)矩陣，具體的獲 取幾組姿態(tài)角度來得到幾個(gè)飛行狀態(tài)矩陣可以根據(jù)需要進(jìn)行選擇，得到的飛行狀態(tài)矩陣 為：
[0071；
[0072]其中，Xi至xm，yi至yn為預(yù)設(shè)值，代表所述飛行器在X軸與y軸方向的坐標(biāo)；θρ為俯仰 角度，Qr為翻滾角度，且Θ[^ΡΘΚ為一組姿態(tài)角度?；弥?amp;1及71至7 11的具體值的獲取方式是，以 飛行器的中心為原點(diǎn)，根據(jù)矩陣的行數(shù)為η，列數(shù)為m，將飛行器在X軸方向分為η個(gè)坐標(biāo)點(diǎn)，Y 軸方向分為m個(gè)坐標(biāo)點(diǎn)，取X軸方向的坐標(biāo)點(diǎn)的值為^至^，取Y軸方向的坐標(biāo)點(diǎn)的值為 71至 yn，其中，11至心和71至7 11的具體數(shù)值根據(jù)111和11的取值以及飛行器的實(shí)際尺寸來決定。
[0073]例如，可以將矩陣設(shè)置為9*9的矩陣，則某一個(gè)時(shí)刻飛行器的狀態(tài)矩陣為：
[0074]
[0075] 其中，X1Sx9分別為以飛行器的中心為原點(diǎn)在X軸方向平均分配的9個(gè)坐標(biāo)點(diǎn)，71至 y 9分別為以飛行器的中心為原點(diǎn)在Y軸方向平均分配的9個(gè)坐標(biāo)點(diǎn)，ΘΡ此時(shí)刻的俯仰角度，0R 為此時(shí)刻的翻滾角度。
[0076]上述飛行控制模型是基于深度學(xué)習(xí)的模型，基于深度學(xué)習(xí)的模型通常有輸入層、 隱藏層和輸出層。在這里將N個(gè)飛行狀態(tài)矩陣輸入飛行控制模型，即將N個(gè)飛行狀態(tài)矩陣作 為飛行控制模型輸入層的數(shù)據(jù)輸入。
[0077]當(dāng)N個(gè)飛行狀態(tài)矩陣輸入飛行控制模型后，得到飛行控制模型輸出的對(duì)應(yīng)各個(gè)螺 旋槳的轉(zhuǎn)速的預(yù)測值。具體的，將當(dāng)飛行控制模型接收到N個(gè)飛行狀態(tài)矩陣后，會(huì)根據(jù)飛行 控制模型包含的網(wǎng)絡(luò)權(quán)重值尋找路徑得到對(duì)應(yīng)的各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值。飛行控制模 型包含的網(wǎng)絡(luò)權(quán)重值是根據(jù)訓(xùn)練得到的，隨著訓(xùn)練，網(wǎng)絡(luò)權(quán)重值可以不斷優(yōu)化更新，在飛行 控制模型的輸出層有預(yù)先定義的輸出節(jié)點(diǎn)，輸出節(jié)點(diǎn)包含的值代表各個(gè)螺旋槳的轉(zhuǎn)速的預(yù) 測值，根據(jù)網(wǎng)絡(luò)權(quán)重值找到對(duì)應(yīng)的輸出節(jié)點(diǎn)后，輸出該節(jié)點(diǎn)代表的螺旋槳的轉(zhuǎn)速的預(yù)測值。 [0078]例如，飛行控制模型的輸入層為7個(gè)飛行狀態(tài)矩陣時(shí)，獲取最新的7組姿態(tài)角度，然 后通過飛行狀態(tài)矩陣模型得到7個(gè)飛行狀態(tài)矩陣，將7個(gè)飛行狀態(tài)矩陣輸入預(yù)置的飛行控制 模型，根據(jù)輸入的7個(gè)飛行狀態(tài)矩陣和飛行控制模型包含的網(wǎng)絡(luò)權(quán)重值，自動(dòng)選擇路徑，輸 出對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值。
[0079]當(dāng)?shù)玫礁鱾€(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值以后，再根據(jù)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值控制 對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速。具體的，得到轉(zhuǎn)速的預(yù)測值后輸出指令，該指令代表對(duì)應(yīng)螺旋槳的轉(zhuǎn) 速的預(yù)測值。例如，將四旋翼飛行器的螺旋槳分別確認(rèn)為第一螺旋槳、第二螺旋槳、第三螺 旋槳和第四螺旋槳，若得到的轉(zhuǎn)速動(dòng)作為第一螺旋槳轉(zhuǎn)速增加，則輸出第一螺旋槳轉(zhuǎn)速增 加的指令，將該指令傳送給電子調(diào)速器，電子調(diào)速器根據(jù)接收到的指令控制漿的轉(zhuǎn)速在基 準(zhǔn)轉(zhuǎn)速的基礎(chǔ)上增加預(yù)置值。例如，預(yù)設(shè)的基準(zhǔn)轉(zhuǎn)速為l〇〇r/m，每次改變的預(yù)置值為5r/ min，當(dāng)接收到第一螺旋槳轉(zhuǎn)速增加的指令時(shí)，電子調(diào)速器根據(jù)接收到的指令控制第一螺旋 槳轉(zhuǎn)速變?yōu)閘〇5r/min。也可以取飛行器的螺旋槳的當(dāng)前轉(zhuǎn)速為基準(zhǔn)轉(zhuǎn)速，在此基礎(chǔ)上進(jìn)行 轉(zhuǎn)速的增減變化。具體的控制轉(zhuǎn)速如何增加可以根據(jù)需要進(jìn)行設(shè)定。
[0080] 本發(fā)明實(shí)施例通過每隔預(yù)置時(shí)間獲取飛行監(jiān)測裝置檢測到的飛行器的飛行參數(shù)， 然后將飛行參數(shù)利用姿態(tài)檢測算法進(jìn)行計(jì)算，確定飛行器的一組姿態(tài)角度，從而得到多個(gè) 時(shí)間點(diǎn)的飛行姿態(tài)角度。通過獲取連續(xù)的N組姿態(tài)角度，將N組姿態(tài)角度分別輸入飛行狀態(tài) 矩陣模型，從而得到N個(gè)飛行狀態(tài)矩陣，N個(gè)飛行狀態(tài)矩陣代表了飛行器飛行時(shí)連續(xù)的飛行 狀態(tài)，將N個(gè)代表飛行器飛行狀態(tài)的飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型，得到 對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值，通過根據(jù)預(yù)測值控制飛行器螺旋槳的轉(zhuǎn)速，從而控制飛 行器飛行時(shí)的穩(wěn)定性，使得即使飛行器在丟失一個(gè)漿的情況下，也能通過控制其他漿的轉(zhuǎn) 速，使飛行器整體可以平穩(wěn)著落。
[0081] 參照?qǐng)D3,基于本發(fā)明多旋翼飛行器的控制方法的第一實(shí)施例，提出了本發(fā)明多旋 翼飛行器的控制方法第三實(shí)施例，本實(shí)施例中，本發(fā)明提出的多旋翼飛行器的控制方法還 包括：
[0082]步驟S40,構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)的輸入層為N個(gè)飛行狀態(tài)矩陣，輸 出層為M個(gè)對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測值，M為正整數(shù)且大于等于8,所述深度神經(jīng)網(wǎng)絡(luò)包含 網(wǎng)絡(luò)權(quán)重值；
[0083] 步驟S50,獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集；
[0084] 步驟S60,將所述訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn)練，得到優(yōu)化的網(wǎng)絡(luò) 權(quán)重值，確認(rèn)包含所述優(yōu)化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為所述飛行控制模型。
[0085] 本實(shí)施例介紹了通過深度學(xué)習(xí)創(chuàng)建飛行控制模型的過程，該過程可以包含在步驟 SlO之前，也可以在步驟S30以后再次優(yōu)化飛行控制模型，即：每執(zhí)行一次操作，即是對(duì)深度 神經(jīng)網(wǎng)絡(luò)的一次訓(xùn)練，圖3所示為在步驟SlO之前創(chuàng)建飛行控制模型的示例圖，由于訓(xùn)練過 程在飛行時(shí)是連續(xù)的，因此其實(shí)也可以看成是上一個(gè)訓(xùn)練的結(jié)尾承接下一個(gè)訓(xùn)練的開始， 即步驟S40-S60為上一個(gè)訓(xùn)練的步驟，S10-S30為本次訓(xùn)練的步驟。
[0086] 本實(shí)施例中構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks，DNN)用于通過訓(xùn)練得 到網(wǎng)絡(luò)權(quán)重值，使得輸入不同狀態(tài)序列的飛行狀態(tài)矩陣時(shí)，根據(jù)網(wǎng)絡(luò)權(quán)重值得到對(duì)應(yīng)的預(yù) 測值，從而根據(jù)輸出節(jié)點(diǎn)代表的預(yù)測動(dòng)作控制飛行器的螺旋槳的轉(zhuǎn)速。上述深度神經(jīng)網(wǎng)絡(luò) 包含輸入層、隱藏層、輸出層。
[0087] 具體地，輸入層為N個(gè)飛行狀態(tài)矩陣，該飛行狀態(tài)矩陣也是通過前述飛行狀態(tài)矩陣 模型得到的，代表飛行器在飛行時(shí)的狀態(tài)。輸出層為M個(gè)代表對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測 值，M為正整數(shù)且大于等于8,一般的，M為偶數(shù)，以四旋翼飛行器為例，四旋翼飛行器有4個(gè)螺 旋槳，每個(gè)螺旋槳的轉(zhuǎn)速都對(duì)應(yīng)兩種動(dòng)作，分別是轉(zhuǎn)速增加、轉(zhuǎn)速減小，構(gòu)建的網(wǎng)絡(luò)的輸出 層設(shè)置至少8個(gè)節(jié)點(diǎn)代表每個(gè)螺旋槳的一種轉(zhuǎn)速狀態(tài)，同時(shí)，還可以增加幾個(gè)預(yù)測值不預(yù)先 設(shè)置預(yù)測值，或者是預(yù)先設(shè)置預(yù)測值作為備用，具體可以根據(jù)需要進(jìn)行選擇。例如，定義輸 出層有10個(gè)預(yù)測值，其中8個(gè)預(yù)測值分別代表第一螺旋槳的轉(zhuǎn)速增加、第一螺旋槳的轉(zhuǎn)速減 小、第二螺旋槳的轉(zhuǎn)速增加、第二螺旋槳的轉(zhuǎn)速減小、第三螺旋槳的轉(zhuǎn)速增加、第四螺旋槳 的轉(zhuǎn)速減小，其他兩個(gè)預(yù)測值沒有任何預(yù)測值。
[0088] 同時(shí)，獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集，該訓(xùn)練集的數(shù)據(jù)可以 通過實(shí)驗(yàn)得到，可以通過現(xiàn)有的平臺(tái)隨機(jī)產(chǎn)生海量符合要求的數(shù)據(jù)等方式得到。該訓(xùn)練集 的數(shù)據(jù)用于輸入構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)。
[0089] 當(dāng)獲取到訓(xùn)練集以后，將訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn)練，例如DNN 算法，訓(xùn)練的目的是為了獲取深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重值。在實(shí)現(xiàn)時(shí)，以四旋翼飛行器為 例，可以定義兩個(gè)回報(bào)分?jǐn)?shù)函數(shù)，第一回報(bào)分?jǐn)?shù)函數(shù)包含飛行器在pitch方向的第一姿態(tài)角 度與第二姿態(tài)角度的差值，第二回報(bào)分?jǐn)?shù)函數(shù)包含飛行器在roll方向的第三姿態(tài)角度與第 四姿態(tài)角度的差值，當(dāng)?shù)诙藨B(tài)角度與第一姿態(tài)角度差值最小時(shí)，第一回報(bào)分?jǐn)?shù)函數(shù)值最 大，當(dāng)?shù)谒淖藨B(tài)角度與第三姿態(tài)角度最小時(shí)，第二回報(bào)分?jǐn)?shù)函數(shù)值最大。也可以設(shè)置一個(gè)回 報(bào)分?jǐn)?shù)函數(shù)，同時(shí)包括第第一姿態(tài)角度與第二姿態(tài)角度的差值，第三姿態(tài)角度的與第四姿 態(tài)角度的差值，當(dāng)?shù)诙藨B(tài)角度與第一姿態(tài)角度最小且第四姿態(tài)角度與第三姿態(tài)角度最小 時(shí)，回報(bào)分?jǐn)?shù)函數(shù)最大。
[0090] 其中，第二姿態(tài)角度是第一姿態(tài)角度調(diào)整漿的轉(zhuǎn)速以后的姿態(tài)角度，當(dāng)?shù)诙藨B(tài) 角度與第一姿態(tài)角度最小時(shí)，表明姿態(tài)調(diào)整幅度不大，表明在pitch方向飛行器的變化不 大，即飛行在pitch方向保持穩(wěn)定;第四姿態(tài)角度是第三姿態(tài)角度調(diào)整漿的轉(zhuǎn)速以后的姿態(tài) 角度，當(dāng)?shù)谒淖藨B(tài)角度與第三姿態(tài)角度最小時(shí)，表明姿態(tài)調(diào)整幅度不大，表明在roll方向飛 行器的變化不大，即飛行在roll方向保持穩(wěn)定。在訓(xùn)練時(shí)通過執(zhí)行回報(bào)分?jǐn)?shù)函數(shù)最大的輸 出而不斷調(diào)整深度神經(jīng)網(wǎng)絡(luò)中的網(wǎng)絡(luò)權(quán)重值，最終得到的優(yōu)化的網(wǎng)絡(luò)權(quán)重值，確認(rèn)包含優(yōu) 化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為飛行控制模型。
[0091] 當(dāng)飛行器飛行時(shí)，通過向飛行控制模型輸入不同狀態(tài)的飛行狀態(tài)矩陣，然后根據(jù) 優(yōu)化的網(wǎng)絡(luò)權(quán)重值，得到輸出層對(duì)應(yīng)的預(yù)測值，即得到對(duì)應(yīng)漿的轉(zhuǎn)速的預(yù)測值。例如，若為 四旋翼飛行器，且飛行器的四個(gè)漿都在運(yùn)轉(zhuǎn)，則此時(shí)得到對(duì)應(yīng)于四個(gè)漿各自的轉(zhuǎn)速的預(yù)測 值。若為四旋翼飛行器，但此時(shí)丟失了一個(gè)漿只有三個(gè)漿在運(yùn)轉(zhuǎn)，根據(jù)輸入的飛行器的姿態(tài) 矩陣，得到對(duì)應(yīng)于三個(gè)正在運(yùn)轉(zhuǎn)的漿的各自的轉(zhuǎn)速的預(yù)測值。
[0092] 本實(shí)施例通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)、獲取用于在該深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練 集，然后將訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練得到優(yōu)化的網(wǎng)絡(luò)權(quán)重值，確認(rèn)包含優(yōu) 化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為飛行控制模型，使得在飛行器飛行時(shí)，可以根據(jù)輸入的 飛行狀態(tài)矩陣和該飛行控制模型得到對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測值，從而通過控制螺旋槳 的轉(zhuǎn)速保證飛行器飛行時(shí)的穩(wěn)定性。
[0093]本發(fā)明還提供一種多旋翼飛行器的控制裝置，參照?qǐng)D4,提供了本發(fā)明多旋翼飛行 器的控制裝置第一實(shí)施例，該實(shí)施例中，多旋翼飛行器的控制裝置包括：
[0094]確定模塊10,用于根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處 理，確定所述飛行器的姿態(tài)角度；
[0095]運(yùn)算模塊20,用于根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩 陣；
[0096]控制模塊30,用于根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所 述飛行器的各個(gè)螺旋槳的轉(zhuǎn)速。
[0097] 本發(fā)明提供的多旋翼飛行器的控制裝置用于控制多旋翼飛行器飛行時(shí)的穩(wěn)定性， 主要是在pitch和roll方向的穩(wěn)定性。通常多旋翼飛行器的多個(gè)螺旋槳是設(shè)置于電機(jī)上，多 旋翼飛行器通過改變電機(jī)的轉(zhuǎn)速使得螺旋槳以一定轉(zhuǎn)速旋轉(zhuǎn)，從而調(diào)整多旋翼飛行器的飛 行姿態(tài)。以下將多旋翼飛行器簡稱為飛行器。
[0098] 本實(shí)施例中上述姿態(tài)檢測算法是用于檢測飛行器飛行姿態(tài)的算法，飛行姿態(tài)是指 飛行器的三軸(X軸、Y軸、Z軸)在空中相對(duì)于某條參考線或某個(gè)參考平面的狀態(tài)。具體的姿 態(tài)檢測算法可以根據(jù)需要進(jìn)行選擇，常用的姿態(tài)檢測算法有卡爾曼濾波、互補(bǔ)濾波等。上述 飛行器的飛行參數(shù)是指飛行器飛行時(shí)的角速度、加速度等值，當(dāng)使用姿態(tài)檢測算法時(shí)通常 需要結(jié)合傳感器檢測到的飛行參數(shù)來計(jì)算，從而得到飛行器的姿態(tài)角度。
[0099] 在獲取到姿態(tài)角度后，運(yùn)算模塊20結(jié)合預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩 陣，該飛行狀態(tài)矩陣是該飛行器以該姿態(tài)角度飛行時(shí)的飛行狀態(tài)矩陣，所述飛行狀態(tài)矩陣 模型是預(yù)置的用于代表飛行器的飛行狀態(tài)的一個(gè)矩陣模型。
[0100] 控制模塊30根據(jù)飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器 的各個(gè)螺旋槳的轉(zhuǎn)速。上述飛行控制模型是基于深度學(xué)習(xí)的數(shù)學(xué)模型。深度學(xué)習(xí)通過構(gòu)建 具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來學(xué)習(xí)更有用的特征，從而最終提升分 類或預(yù)測的準(zhǔn)確性?；谏疃葘W(xué)習(xí)的飛行控制模型使得飛行器能夠通過大量的數(shù)據(jù)訓(xùn)練學(xué) 習(xí)后對(duì)飛行器的飛行進(jìn)行控制。
[0101] 本發(fā)明實(shí)施例通過根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行 處理，確定所述飛行器的姿態(tài)角度;根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛 行狀態(tài)矩陣;根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各 個(gè)螺旋槳的轉(zhuǎn)速。通過利用代表飛行器飛行狀態(tài)的飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控 制模型控制漿的轉(zhuǎn)速對(duì)飛行器的飛行進(jìn)行控制，控制精度更高，從而實(shí)現(xiàn)了提高多旋翼飛 行器飛行時(shí)的穩(wěn)定性，同時(shí)，由于飛行狀態(tài)矩陣代表飛行器的飛行狀態(tài)，因此即使飛行器在 丟失一個(gè)漿的情況下，也能通過控制其他漿的轉(zhuǎn)速，使飛行器整體可以平穩(wěn)著落。
[0102] 參照?qǐng)D5,基于本發(fā)明多旋翼飛行器的控制裝置的第二實(shí)施例，提出了本發(fā)明多旋 翼飛行器的控制裝置第二實(shí)施例。
[0103] 本實(shí)施例包括多旋翼飛行器的控制裝置的第一實(shí)施例中的確定模塊10、運(yùn)算模塊 20、控制模塊30,對(duì)于確定模塊10、運(yùn)算模塊20、控制模塊30已在多旋翼飛行器的控制裝置 的第一實(shí)施例進(jìn)行了描述，此處不再贅述。
[0104] 其中，確走板塊10包括：
[0105] 獲取單元110,用于每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行 器的飛行參數(shù)；
[0106] 確定單元120,用于利用所述姿態(tài)檢測算法對(duì)所述飛行參數(shù)進(jìn)行姿態(tài)角度計(jì)算，確 定飛行器的一組姿態(tài)角度，所述姿態(tài)角度包括俯仰角度和翻滾角度；
[0107] 運(yùn)算模塊20具體用于:將連續(xù)的N組姿態(tài)角度分別輸入預(yù)置的飛行狀態(tài)矩陣模型， 得到N個(gè)飛行狀態(tài)矩陣；
[0108] 控制模塊30包括：
[0109] 運(yùn)算單元310,用于將所述N個(gè)飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型， 得到所述飛行控制模型輸出的對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值；
[0110] 控制單元320,用于根據(jù)預(yù)測值控制對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速。
[0111] 本實(shí)施例中上述預(yù)置的飛行檢測裝置為飛行器中預(yù)置的用于檢測飛行器狀態(tài)的 裝置，例如預(yù)置的陀螺儀、加速度傳感器、傾角傳感器等。其中陀螺儀用于檢測飛行器飛行 時(shí)的角速度，加速度傳感器用于檢測飛行器飛行時(shí)的加速度，傾角傳感器用于檢測相對(duì)于 水平面的傾角變化。上述飛行參數(shù)就是陀螺儀、加速度傳感器等裝置檢測到的飛行器飛行 時(shí)的角速度、加速度等參數(shù)。具體需要獲取哪些飛行參數(shù)根據(jù)姿態(tài)檢測算法需要哪些參數(shù) 而定。
[0112] 獲取單元110每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行器的飛 行參數(shù)，其中預(yù)置時(shí)間可以根據(jù)需要進(jìn)行設(shè)定，例如當(dāng)預(yù)置時(shí)間設(shè)置為60ms時(shí)，則每間隔 60ms獲取一次飛行器的飛行參數(shù)。由于飛行檢測裝置在飛行時(shí)是持續(xù)的進(jìn)行檢測，在這里 只需要獲取特定時(shí)間點(diǎn)時(shí)檢測到的飛行參數(shù)。
[0113] 當(dāng)獲取到飛行器的飛行參數(shù)后，確定單元120利用姿態(tài)檢測算法對(duì)飛行參數(shù)進(jìn)行 姿態(tài)角度計(jì)算，確定飛行器的一組姿態(tài)角度，是指獲取到的飛行參數(shù)輸入姿態(tài)檢測算法中 進(jìn)行運(yùn)算，從而得到姿態(tài)角度。具體的，需要獲取的姿態(tài)角度為俯仰角度和翻滾角度。飛行 器的俯仰角度為飛行器饒X軸旋轉(zhuǎn)時(shí)與X軸之間的角度，飛行器的翻滾角度為飛行器饒Z軸 旋轉(zhuǎn)時(shí)與Z軸之間的角度。
[0114] 上述獲取連續(xù)的N組姿態(tài)角是為了獲取飛行器飛行時(shí)連續(xù)的姿態(tài)。例如可以根據(jù) 時(shí)間來獲取最近獲取的N組姿態(tài)角度。運(yùn)算模塊20具體用于將N組姿態(tài)角度輸入預(yù)置的飛行 狀態(tài)矩陣模型進(jìn)行運(yùn)算，得到N個(gè)飛行狀態(tài)矩陣，則N個(gè)飛行狀態(tài)矩陣代表了飛行器在一段 時(shí)間的狀態(tài)。具體的是獲取最新的連續(xù)N組姿態(tài)角度，用于控制下一時(shí)刻漿的轉(zhuǎn)速。當(dāng)飛行 器飛行時(shí)不同時(shí)刻有不同的狀態(tài)，因此得到多個(gè)飛行狀態(tài)矩陣使飛行器的飛行狀態(tài)更精 確。
[0115] 例如，獲取與當(dāng)前時(shí)間最近的7組姿態(tài)角度，將7組姿態(tài)角度分別輸入飛行狀態(tài)矩 陣模型，則通過計(jì)算可以得到7個(gè)飛行狀態(tài)矩陣，這7個(gè)飛行狀態(tài)矩陣代表了飛行器最新的 連續(xù)7個(gè)飛行狀態(tài)。
[0116] 可以理解的是，這里也可以獲取8組姿態(tài)角度，來得到8個(gè)飛行狀態(tài)矩陣，具體的獲 取幾組姿態(tài)角度來得到幾個(gè)飛行狀態(tài)矩陣可以根據(jù)需要進(jìn)行選擇，得到的飛行狀態(tài)矩陣 為：
[0117]
[0118]其中，Xi至Xm，yi至yn為預(yù)設(shè)值，代表所述飛行器在X軸與y軸方向的坐標(biāo)；θρ為俯仰 角度，Qr為翻滾角度，且Θ[^ΡΘΚ為一組姿態(tài)角度?；弥?amp;1及71至7 11的具體值的獲取方式是，以 飛行器的中心為原點(diǎn)，根據(jù)矩陣的行數(shù)為η，列數(shù)為m，將飛行器在X軸方向分為η個(gè)坐標(biāo)點(diǎn)，Y 軸方向分為m個(gè)坐標(biāo)點(diǎn)，取X軸方向的坐標(biāo)點(diǎn)的值為^至^，取Y軸方向的坐標(biāo)點(diǎn)的值為 71至 yn，其中，11至心和71至7 11的具體數(shù)值根據(jù)111和11的取值以及飛行器的實(shí)際尺寸來決定。
[0119] 例如，可以將矩陣設(shè)置為9*9的矩陣，則某一個(gè)時(shí)刻飛行器的狀態(tài)矩陣為：
[0120]
[0121] 其中，^至19分別為以飛行器的中心為原點(diǎn)在X軸方向平均分配的9個(gè)坐標(biāo)點(diǎn)，71至 y 9分別為以飛行器的中心為原點(diǎn)在Y軸方向平均分配的9個(gè)坐標(biāo)點(diǎn)，ΘΡ此時(shí)刻的俯仰角度，0R 為此時(shí)刻的翻滾角度。
[0122] 上述飛行控制模型是基于深度學(xué)習(xí)的模型，基于深度學(xué)習(xí)的模型通常有輸入層、 隱藏層和輸出層。在這里將N個(gè)飛行狀態(tài)矩陣輸入飛行控制模型，即將N個(gè)飛行狀態(tài)矩陣作 為飛行控制模型輸入層的數(shù)據(jù)輸入。
[0123] 運(yùn)算單元310將N個(gè)飛行狀態(tài)矩陣輸入至飛行控制模型后進(jìn)行運(yùn)算，得到飛行控制 模型輸出的對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值。具體的，將當(dāng)飛行控制模型接收到N個(gè)飛行狀 態(tài)矩陣后，會(huì)根據(jù)飛行控制模型包含的網(wǎng)絡(luò)權(quán)重值尋找路徑得到對(duì)應(yīng)的各個(gè)螺旋槳的轉(zhuǎn)速 的預(yù)測值。飛行控制模型包含的網(wǎng)絡(luò)權(quán)重值是根據(jù)訓(xùn)練得到的，隨著訓(xùn)練，網(wǎng)絡(luò)權(quán)重值可以 不斷優(yōu)化更新，在飛行控制模型的輸出層有預(yù)先定義的輸出節(jié)點(diǎn)，輸出節(jié)點(diǎn)包含的值代表 各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值，根據(jù)網(wǎng)絡(luò)權(quán)重值找到對(duì)應(yīng)的輸出節(jié)點(diǎn)后，輸出該節(jié)點(diǎn)代表的 螺旋槳的轉(zhuǎn)速的預(yù)測值。
[0124] 例如，飛行控制模型的輸入層為7個(gè)飛行狀態(tài)矩陣時(shí)，獲取最新的7組姿態(tài)角度，然 后通過飛行狀態(tài)矩陣模型得到7個(gè)飛行狀態(tài)矩陣，將7個(gè)飛行狀態(tài)矩陣輸入預(yù)置的飛行控制 模型，根據(jù)輸入的7個(gè)飛行狀態(tài)矩陣和飛行控制模型包含的網(wǎng)絡(luò)權(quán)重值，自動(dòng)選擇路徑，輸 出對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值。
[0125] 當(dāng)?shù)玫礁鱾€(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值以后，控制單元320根據(jù)各個(gè)螺旋槳的轉(zhuǎn)速的 預(yù)測值控制對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速。具體的，得到轉(zhuǎn)速的預(yù)測值后輸出指令，該指令代表對(duì)應(yīng) 螺旋槳的轉(zhuǎn)速的預(yù)測值。例如，將四旋翼飛行器的螺旋槳分別確認(rèn)為第一螺旋槳、第二螺旋 槳、第三螺旋槳和第四螺旋槳，若得到的轉(zhuǎn)速動(dòng)作為第一螺旋槳轉(zhuǎn)速增加，則輸出第一螺旋 槳轉(zhuǎn)速增加的指令，將該指令傳送給電子調(diào)速器，電子調(diào)速器根據(jù)接收到的指令控制漿的 轉(zhuǎn)速在基準(zhǔn)轉(zhuǎn)速的基礎(chǔ)上增加預(yù)置值。例如，預(yù)設(shè)的基準(zhǔn)轉(zhuǎn)速為l〇〇r/m，每次改變的預(yù)置值 為5r/min，當(dāng)接收到第一螺旋槳轉(zhuǎn)速增加的指令時(shí)，電子調(diào)速器根據(jù)接收到的指令控制第 一螺旋槳轉(zhuǎn)速變?yōu)閘〇5r/min。也可以取飛行器的螺旋槳的當(dāng)前轉(zhuǎn)速為基準(zhǔn)轉(zhuǎn)速，在此基礎(chǔ) 上進(jìn)行轉(zhuǎn)速的增減變化。具體的控制轉(zhuǎn)速如何增加可以根據(jù)需要進(jìn)行設(shè)定。
[0126] 本發(fā)明實(shí)施例通過每隔預(yù)置時(shí)間獲取飛行監(jiān)測裝置檢測到的飛行器的飛行參數(shù)， 然后將飛行參數(shù)利用姿態(tài)檢測算法進(jìn)行計(jì)算，確定飛行器的一組姿態(tài)角度，從而得到多個(gè) 時(shí)間點(diǎn)的飛行姿態(tài)角度。通過獲取連續(xù)的N組姿態(tài)角度，將N組姿態(tài)角度分別輸入飛行狀態(tài) 矩陣模型，從而得到N個(gè)飛行狀態(tài)矩陣，N個(gè)飛行狀態(tài)矩陣代表了飛行器飛行時(shí)連續(xù)的飛行 狀態(tài)，將N個(gè)代表飛行器飛行狀態(tài)的飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型，得到 對(duì)應(yīng)各個(gè)螺旋槳的轉(zhuǎn)速的預(yù)測值，通過根據(jù)預(yù)測值控制飛行器螺旋槳的轉(zhuǎn)速，從而控制飛 行器飛行時(shí)的穩(wěn)定性，使得即使飛行器在丟失一個(gè)漿的情況下，也能通過控制其他漿的轉(zhuǎn) 速，使飛行器整體可以平穩(wěn)著落。
[0127] 參照?qǐng)D6,基于本發(fā)明多旋翼飛行器的控制裝置的第一實(shí)施例，提出了本發(fā)明多旋 翼飛行器的控制裝置第三實(shí)施例，本實(shí)施例中，本發(fā)明提出的多旋翼飛行器的控制裝置還 包括：
[0128] 深度神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊40,用于構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)的輸入層 為N個(gè)飛行狀態(tài)矩陣，輸出層為M個(gè)代表對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測值，M為正整數(shù)且大于等 于8,所述深度神經(jīng)網(wǎng)絡(luò)包含網(wǎng)絡(luò)權(quán)重值；
[0129] 訓(xùn)練集獲取模塊50,用于獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集；
[0130] 訓(xùn)練模塊60,用于將所述訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn)練，得到優(yōu) 化的網(wǎng)絡(luò)權(quán)重值，確認(rèn)包含所述優(yōu)化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為所述飛行控制模型。 [0131]本實(shí)施例中深度神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊40、訓(xùn)練集獲取模塊50、訓(xùn)練模塊60用于，基于 深度學(xué)習(xí)創(chuàng)建飛行控制模型。創(chuàng)建飛行控制模型可以在確定模塊10確定飛行器的姿態(tài)角度 之前，也可以在控制模塊30控制飛行器的各個(gè)螺旋槳的轉(zhuǎn)速之后，即：每執(zhí)行一次操作，即 是對(duì)深度神經(jīng)網(wǎng)絡(luò)的一次訓(xùn)練，由于訓(xùn)練過程在飛行時(shí)是連續(xù)的，因此其實(shí)也可以看成是 上一個(gè)訓(xùn)練的結(jié)尾承接下一個(gè)訓(xùn)練的開始。
[0132] 本實(shí)施例中深度神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊40構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)（Deep Neural NetW〇rkS，DNN)用于通過訓(xùn)練得到網(wǎng)絡(luò)權(quán)重值，使得輸入不同狀態(tài)序列的飛行狀態(tài)矩陣時(shí)， 根據(jù)網(wǎng)絡(luò)權(quán)重值得到對(duì)應(yīng)的預(yù)測值，從而根據(jù)輸出節(jié)點(diǎn)代表的預(yù)測動(dòng)作控制飛行器的螺旋 槳的轉(zhuǎn)速。上述深度神經(jīng)網(wǎng)絡(luò)包含輸入層、隱藏層、輸出層。
[0133] 具體地，輸入層為N個(gè)飛行狀態(tài)矩陣，該飛行狀態(tài)矩陣也是通過前述飛行狀態(tài)矩陣 模型得到的，代表飛行器在飛行時(shí)的狀態(tài)。輸出層為M個(gè)代表對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測 值，M為正整數(shù)且大于等于8,一般的，M為偶數(shù)，以四旋翼飛行器為例，四旋翼飛行器有4個(gè)螺 旋槳，每個(gè)螺旋槳的轉(zhuǎn)速都對(duì)應(yīng)兩種動(dòng)作，分別是轉(zhuǎn)速增加、轉(zhuǎn)速減小，構(gòu)建的網(wǎng)絡(luò)的輸出 層設(shè)置至少8個(gè)節(jié)點(diǎn)代表每個(gè)螺旋槳的一種轉(zhuǎn)速狀態(tài)，同時(shí)，還可以增加幾個(gè)預(yù)測值不預(yù)先 設(shè)置預(yù)測值，或者是預(yù)先設(shè)置預(yù)測值作為備用，具體可以根據(jù)需要進(jìn)行選擇。例如，定義輸 出層有10個(gè)預(yù)測值，其中8個(gè)預(yù)測值分別代表第一螺旋槳的轉(zhuǎn)速增加、第一螺旋槳的轉(zhuǎn)速減 小、第二螺旋槳的轉(zhuǎn)速增加、第二螺旋槳的轉(zhuǎn)速減小、第三螺旋槳的轉(zhuǎn)速增加、第四螺旋槳 的轉(zhuǎn)速減小，其他兩個(gè)預(yù)測值沒有任何預(yù)測值。
[0134] 同時(shí)，訓(xùn)練集獲取模塊50獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集，該 訓(xùn)練集的數(shù)據(jù)可以通過實(shí)驗(yàn)得到，可以通過現(xiàn)有的平臺(tái)隨機(jī)產(chǎn)生海量符合要求的數(shù)據(jù)等方 式得到。該訓(xùn)練集的數(shù)據(jù)用于輸入構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)。
[0135] 當(dāng)獲取到訓(xùn)練集以后，訓(xùn)練模塊60將訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn) 練，例如DNN算法，訓(xùn)練的目的是為了獲取深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重值。在實(shí)現(xiàn)時(shí)，以四旋翼 飛行器為例，可以定義兩個(gè)回報(bào)分?jǐn)?shù)函數(shù)，第一回報(bào)分?jǐn)?shù)函數(shù)包含飛行器在pitch方向的第 一姿態(tài)角度與第二姿態(tài)角度的差值，第二回報(bào)分?jǐn)?shù)函數(shù)飛行器在roll方向的第三姿態(tài)角度 與第四姿態(tài)角度的差值，當(dāng)?shù)诙藨B(tài)角度與第一姿態(tài)角度差值最小時(shí)，第一回報(bào)分?jǐn)?shù)函數(shù) 值最大，當(dāng)?shù)谒淖藨B(tài)角度與第三姿態(tài)角度最小時(shí)，第二回報(bào)分?jǐn)?shù)函數(shù)值最大。也可以設(shè)置一 個(gè)回報(bào)分?jǐn)?shù)函數(shù)，同時(shí)包括第第一姿態(tài)角度與第二姿態(tài)角度的差值，第三姿態(tài)角度的與第 四姿態(tài)角度的差值，當(dāng)?shù)诙藨B(tài)角度與第一姿態(tài)角度最小且第四姿態(tài)角度與第三姿態(tài)角度 最小時(shí)，回報(bào)分?jǐn)?shù)函數(shù)最大。
[0136] 其中，第二姿態(tài)角度是第一姿態(tài)角度調(diào)整漿的轉(zhuǎn)速以后的姿態(tài)角度，當(dāng)?shù)诙藨B(tài) 角度與第一姿態(tài)角度最小時(shí)，表明姿態(tài)調(diào)整幅度不大，表明在pitch方向飛行器的變化不 大，即飛行在pitch方向保持穩(wěn)定;第四姿態(tài)角度是第三姿態(tài)角度調(diào)整漿的轉(zhuǎn)速以后的姿態(tài) 角度，當(dāng)?shù)谒淖藨B(tài)角度與第三姿態(tài)角度最小時(shí)，表明姿態(tài)調(diào)整幅度不大，表明在roll方向飛 行器的變化不大，即飛行在roll方向保持穩(wěn)定。在訓(xùn)練時(shí)通過執(zhí)行回報(bào)分?jǐn)?shù)函數(shù)最大的輸 出而不斷調(diào)整深度神經(jīng)網(wǎng)絡(luò)中的網(wǎng)絡(luò)權(quán)重值，最終得到的優(yōu)化的網(wǎng)絡(luò)權(quán)重值，確認(rèn)包含優(yōu) 化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為飛行控制模型。
[0137] 當(dāng)飛行器飛行時(shí)，通過向飛行控制模型輸入不同狀態(tài)的飛行狀態(tài)矩陣，然后根據(jù) 優(yōu)化的網(wǎng)絡(luò)權(quán)重值，得到輸出層對(duì)應(yīng)的預(yù)測值，即得到對(duì)應(yīng)漿的轉(zhuǎn)速的預(yù)測值。例如，若為 四旋翼飛行器，且飛行器的四個(gè)漿都在運(yùn)轉(zhuǎn)，則此時(shí)得到對(duì)應(yīng)于四個(gè)漿各自的轉(zhuǎn)速的預(yù)測 值。若為四旋翼飛行器，但此時(shí)丟失了一個(gè)漿只有三個(gè)漿在運(yùn)轉(zhuǎn)，根據(jù)輸入的飛行器的姿態(tài) 矩陣，得到對(duì)應(yīng)于三個(gè)正在運(yùn)轉(zhuǎn)的漿的各自的轉(zhuǎn)速的預(yù)測值。
[0138] 本實(shí)施例通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)、獲取用于在該深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練 集，然后將訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練得到優(yōu)化的網(wǎng)絡(luò)權(quán)重值，確認(rèn)包含優(yōu) 化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為飛行控制模型，使得在飛行器飛行時(shí)，可以根據(jù)輸入的 飛行狀態(tài)矩陣和該飛行控制模型得到對(duì)應(yīng)的螺旋槳的轉(zhuǎn)速的預(yù)測值，從而通過控制螺旋槳 的轉(zhuǎn)速保證飛行器飛行時(shí)的穩(wěn)定性。
[0139] 以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā) 明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技 術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種多旋翼飛行器的控制方法，其特征在于，所述方法包括W下步驟： 根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理，確定所述飛行器的 姿態(tài)角度； 根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣； 根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各個(gè)螺旋 獎(jiǎng)的轉(zhuǎn)速。2. 如權(quán)利要求1所述的多旋翼飛行器的控制方法，其特征在于，所述根據(jù)預(yù)置的姿態(tài)檢 測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理，確定所述飛行器的姿態(tài)角度包括： 每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行器的飛行參數(shù)； 利用所述姿態(tài)檢測算法對(duì)所述飛行參數(shù)進(jìn)行姿態(tài)角度計(jì)算，確定飛行器的一組姿態(tài)角 度，所述姿態(tài)角度包括俯仰角度和翻滾角度。3. 如權(quán)利要求2所述的多旋翼飛行器的控制方法，其特征在于，所述根據(jù)所述姿態(tài)角度 和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣包括： 將連續(xù)的N組姿態(tài)角度分別輸入預(yù)置的飛行狀態(tài)矩陣模型，得到N個(gè)飛行狀態(tài)矩陣； 所述飛行狀態(tài)矩陣為：其中XI至xm，y適yn為預(yù)設(shè)值，θρ為俯仰角度，0R為翻滾角度，且θρ和0R為一組姿態(tài)角度。4. 如權(quán)利要求3所述的多旋翼飛行器的控制方法，其特征在于，所述根據(jù)所述飛行狀態(tài) 矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行器的各個(gè)螺旋獎(jiǎng)的轉(zhuǎn)速包括： 將所述Ν個(gè)飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型，得到所述飛行控制模型 輸出的對(duì)應(yīng)各個(gè)螺旋獎(jiǎng)的轉(zhuǎn)速的預(yù)測值； 根據(jù)所述預(yù)測值控制對(duì)應(yīng)的螺旋獎(jiǎng)的轉(zhuǎn)速。5. 如權(quán)利要求1至4任一項(xiàng)所述的多旋翼飛行器的控制方法，其特征在于，所述方法還 包括： 構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)的輸入層為Ν個(gè)飛行狀態(tài)矩陣，輸出層為Μ個(gè)代 表對(duì)應(yīng)的螺旋獎(jiǎng)的轉(zhuǎn)速的預(yù)測值，Μ為正整數(shù)且大于等于8,所述深度神經(jīng)網(wǎng)絡(luò)包含網(wǎng)絡(luò)權(quán) 重值； 獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集； 將所述訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn)練，得到優(yōu)化的網(wǎng)絡(luò)權(quán)重值，確認(rèn) 包含所述優(yōu)化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為所述飛行控制模型。6. -種多旋翼飛行器的控制裝置，其特征在于，所述裝置包括： 確定模塊，用于根據(jù)預(yù)置的姿態(tài)檢測算法對(duì)獲取到的飛行器的飛行參數(shù)進(jìn)行處理，確 定所述飛行器的姿態(tài)角度； 運(yùn)算模塊，用于根據(jù)所述姿態(tài)角度和預(yù)置的飛行狀態(tài)矩陣模型得到飛行狀態(tài)矩陣； 控制模塊，用于根據(jù)所述飛行狀態(tài)矩陣和基于深度學(xué)習(xí)的飛行控制模型控制所述飛行 器的各個(gè)螺旋獎(jiǎng)的轉(zhuǎn)速。7. 如權(quán)利要求6所述的多旋翼飛行器的控制裝置，其特征在于，所述確定模塊包括： 獲取單元，用于每間隔預(yù)置時(shí)間獲取預(yù)置的飛行檢測裝置檢測到的所述飛行器的飛行 參數(shù)； 確定單元，用于利用所述姿態(tài)檢測算法對(duì)所述飛行參數(shù)進(jìn)行姿態(tài)角度計(jì)算，確定飛行 器的一組姿態(tài)角度，所述姿態(tài)角度包括俯仰角度和翻滾角度。8. 如權(quán)利要求7所述的多旋翼飛行器的控制裝置，其特征在于，所述運(yùn)算模塊具體用 于，將連續(xù)的腺且姿態(tài)角度分別輸入預(yù)置的飛行狀態(tài)矩陣模型，得到N個(gè)飛行狀態(tài)矩陣； 則所述控制模塊包括： 運(yùn)算單元，用于將所述N個(gè)飛行狀態(tài)矩陣輸入基于深度學(xué)習(xí)的飛行控制模型，得到所述 飛行控制模型輸出的對(duì)應(yīng)各個(gè)螺旋獎(jiǎng)的轉(zhuǎn)速的預(yù)測值； 控制單元，用于根據(jù)所述預(yù)測值控制對(duì)應(yīng)的螺旋獎(jiǎng)的轉(zhuǎn)速。9. 如權(quán)利要求6至8任一項(xiàng)所述的多旋翼飛行器的控制裝置，其特征在于，所述裝置還 包括： 深度神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用于構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，所述深度神經(jīng)網(wǎng)絡(luò)的輸入層為N個(gè)飛 行狀態(tài)矩陣，輸出層為Μ個(gè)代表對(duì)應(yīng)的螺旋獎(jiǎng)的轉(zhuǎn)速的預(yù)測值，Μ為正整數(shù)且大于等于8,所 述深度神經(jīng)網(wǎng)絡(luò)包含網(wǎng)絡(luò)權(quán)重值； 訓(xùn)練集獲取模塊，用于獲取用于在所述深度神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練的訓(xùn)練集； 訓(xùn)練模塊，用于將所述訓(xùn)練集通過預(yù)置的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行訓(xùn)練，得到優(yōu)化的網(wǎng) 絡(luò)權(quán)重值，確認(rèn)包含所述優(yōu)化的網(wǎng)絡(luò)權(quán)重值的深度神經(jīng)網(wǎng)絡(luò)為所述飛行控制模型。10. -種多旋翼飛行器，其特征在于，所述多旋翼飛行器包括如權(quán)利要求6-9任一項(xiàng)所 述的多旋翼飛行器的控制裝置。
【文檔編號(hào)】G05D1/08GK105843243SQ201610300437
【公開日】2016年8月10日
【申請(qǐng)日】2016年5月6日
【發(fā)明人】張顯志
【申請(qǐng)人】深圳電航空技術(shù)有限公司, 深圳一電航空技術(shù)有限公司