[发明专利]一种无人机的姿态控制方法、装置、无人机及存储介质

权利要求书

1.一种无人机的姿态控制方法，其特征在于，所述方法包括下述步骤：

通过无人机上预设的传感器，采集所述无人机当前时刻的飞行信息；

将所述飞行信息设置为预设贝叶斯网络的观测数据，通过所述贝叶斯网络生成所述无人机下一时刻的飞行姿态信息，所述贝叶斯网络为结合预设专家经验分布模型训练得到的变结构离散动态贝叶斯网络；所述贝叶斯网络包括观测节点、隐藏节点和决策节点，所述观测节点为所述传感器采集的飞行信息，所述隐藏节点为所述无人机的环境态势评估节点，所述决策节点包括干扰产生前所述无人机的飞行姿态和干扰产生后所述无人机的飞行姿态；

将所述飞行姿态信息发送给与所述无人机关联的地面站，通过所述地面站将所述飞行姿态信息翻译为飞行姿态指令，并接收所述地面站返回的所述飞行姿态指令；

根据预设的具有时变滑模面的滑模控制器和所述飞行姿态指令，对所述无人机的飞行进行控制；

通过无人机上预设的传感器，采集所述无人机当前时刻的飞行信息的步骤之前，所述方法还包括：

构建预设无人机系统模型的初始跟踪误差，根据所述初始跟踪误差构建所述时变滑模面；

根据所述构建的时变滑模面构建时变滑模控制律，以使所述无人机系统模型的轨迹保持在所述时变滑模面上；

根据所述时变滑模控制律构建所述滑模控制器，并构建滑模观测器，所述滑模观测器用来对所述时变滑模控制律的计算进行噪声处理。

2.如权利要求1所述的方法，其特征在于，通过无人机上预设的传感器，采集所述无人机当前时刻的飞行信息的步骤之前，所述方法还包括：

通过所述无人机上的传感器采集所述无人机飞行的样本数据，并构建所述专家经验分布模型和所述贝叶斯网络；

根据所述样本数据、所述专家经验分布模型和所述贝叶斯网络中隐藏节点的证据，对所述贝叶斯网络的参数进行优化，生成训练好的所述贝叶斯网络。

3.一种无人机的姿态控制装置，其特征在于，所述装置包括：

信息采集单元，用于通过无人机上预设的传感器，采集所述无人机当前时刻的飞行信息；

姿态生成单元，用于将所述飞行信息设置为预设贝叶斯网络的观测数据，通过所述贝叶斯网络生成所述无人机下一时刻的飞行姿态信息，所述贝叶斯网络为结合预设专家经验分布模型训练得到的变结构离散动态贝叶斯网络；所述贝叶斯网络包括观测节点、隐藏节点和决策节点，所述观测节点为所述传感器采集的飞行信息，所述隐藏节点为所述无人机的环境态势评估节点，所述决策节点包括干扰产生前所述无人机的飞行姿态和干扰产生后所述无人机的飞行姿态；

指令发送单元，用于将所述飞行姿态信息发送给与所述无人机关联的地面站，通过所述地面站将所述飞行姿态信息翻译为飞行姿态指令，并接收所述地面站返回的所述飞行姿态指令；以及

飞行控制单元，用于根据预设的具有时变滑模面的滑模控制器和所述飞行姿态指令，对所述无人机的飞行进行控制；

滑模面构建单元，用于构建预设无人机系统模型的初始跟踪误差，根据所述初始跟踪误差构建所述时变滑模面；

控制律构建单元，用于根据所述构建的时变滑模面构建时变滑模控制律，以使所述无人机系统模型的轨迹保持在所述时变滑模面上；以及

控制器构建单元，用于根据所述时变滑模控制律构建所述滑模控制器，并构建滑模观测器，所述滑模观测器用来对所述时变滑模控制律的计算进行噪声处理。

4.如权利要求3所述的装置，其特征在于，所述装置还包括：

网络模型构建单元，用于通过所述无人机上的传感器采集所述无人机飞行的样本数据，并构建所述专家经验分布模型和所述贝叶斯网络；以及

网络训练单元，用于根据所述样本数据、所述专家经验分布模型和所述贝叶斯网络中隐藏节点的证据，对所述贝叶斯网络的参数进行优化，生成训练好的所述贝叶斯网络。

5.一种无人机，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述方法的步骤。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述方法的步骤。