[发明专利]一种倾转旋翼无人机仿真建模方法及其系统

说明书

 

技术领域

本发明属于无人机飞行控制领域，涉及一种无人机建模方法，尤其是将机理与辨识建模相结合的针对倾转旋翼无人机进行建模的方法。

 

背景技术

倾转旋翼无人机作为一种将固定翼飞机和直升机特点融为一体的新型飞行器，是近年来国内外本领域研究的热点。该飞行器机翼两端分别安上发动机短舱，起飞和降落可以像双旋翼直升机那样实现；前飞时短舱向前倾转，旋翼产生向前的推力，类似于螺旋桨飞机。倾转旋翼无人机既具有常规直升机的垂直起降和南中悬停能力，又具有固定翼飞行器飞行速度快的优点，具有非常高的应用价值。

倾转旋翼飞行器有别于传统的定翼飞行器与旋翼飞行器，结构上更加复杂，不是两者的简单组合，其动力学特性比常规飞行器复杂的多，如何准确建模是倾转旋翼无人机研究工作中迫切需要解决的一个关键问题。机理建模可以通过对倾转旋翼无人机空气动力学的研究得出完整的非线性模型，而辨识建模可以通过对真实的实验数据的分析得到准确的模型参数。这种机理建模与辨识建模相结合的方法在飞行器的建模可以取得了很好的效果。

 

发明内容

技术问题

本发明要解决的技术问题是提供一种基于倾转旋翼无人机非线性模型的无人机仿真建模方法，其利用系统辨识的方法，对线性化后的模型进行了辨识。

技术方案

为了解决上述的技术问题，本发明的倾转旋翼无人机仿真建模方法包括下列步骤：

步骤一：采用分体法对倾转旋翼无人机的旋翼、机翼、机身、平尾和垂尾五个机体部分分别进行建模，得到倾转旋翼无人机的非线性模型集；

步骤二：分别对步骤一所述的五个机体部分建立机体运动学方程，通过解耦与小扰动线性化分析得到待辨识线性模型的传递函数，为模型结构的辨识提供线性模型集；

步骤三：采集倾转旋翼无人机的飞行实验数据，并存储在计算机中；

步骤四：对步骤三所得的飞行实验数据进行数据预处理，采用低阶多项式滑动拟合法进行数据野值识别与剔除，并使用拉格朗日插值公式对野值进行补正；

步骤五：利用可变带宽及可变采样频率的四阶低通数字滤波器对步骤四所述的经过预处理的飞行实验数据进行滤波处理；

步骤六：基于步骤五得到的实验数据和步骤二得到的线性模型集，通过按损失函数定阶法得到线性模型集的优选模型阶次，再分别利用经典最小二乘法和非线性可分离的最小二乘法辨识得到离散模型，再通过离散—连续转换得到传递函数，最终得到倾转旋翼无人机仿真模型。

更进一步地，步骤一中，在机翼、平尾和垂尾模型中分别加入旋翼对它们的气动干扰参数。原因是倾转旋翼无人机的质心随着短舱倾角的变化而变化，而且倾转旋翼无人机既有旋翼又有机翼，它们之间的气动干扰非常复杂而且重要，因此在建模过程中既需要考虑飞机质心的运动变化，又需要在机翼、平尾和垂尾模型中分别加入旋翼对它们的气动干扰，以此来提升模型的准确性。

为了能够得到一个优化的模型结构，本发明的方法采用了模型结构辨识，即基于实验数据和线性模型集，利用按损失函数定阶的方法确定线性模型的优选阶次。因为通过分析得到的线性模型阶次均为四阶，对应的离散模型也是四阶，本方法将四阶作为模型阶次的上限，利用按损失函数定阶的方法从一阶到四阶之间给出一个优选模型阶次。

在步骤四中，针对飞行实验数据的预处理，采用低阶多项式滑动拟合法进行数据野值的识别与剔除并使用拉格朗日插值公式对野值进行补正；设计了可变带宽及可变采样频率的四阶低通数字滤波器，对倾转旋翼无人机的实验数据进行滤波，技术指标为ω_q =3ω_p，且ω>ω_q时阻带衰减为3倍频衰减40dB。

本发明的方法最终基于实验数据及线性模型集，通过按损失函数定阶的方法得到了线性模型的优选模型阶次；分别利用经典最小二乘法和非线性可分离的最小二乘法辨识得到了离散模型，再通过离散—连续转换得到传递函数，并且最终得到的模型既能保证较好的辨识效果又能满足模型阶次较低，最后通过与GTRS模型的对比对辨识后的模型进行了验证。

本发明的用于实现倾转旋翼无人机仿真建模方法的系统，包括用于安装倾转旋翼无人机并模拟其飞行状态的飞行模拟实验架和用于采集倾转旋翼无人机飞行信息的数据采集装置，其中，所述的数据采集装置采集记载倾转旋翼无人机飞行状态信息的传感器信号和操纵输入信号并传输到PC机中进行储存。其中，所述的飞行模拟实验架包括分别模拟倾转旋翼无人机滚转、俯仰和偏航飞行状态的实验支架。

有益效果