[发明专利]飞行器的控制方法、系统和飞行器

权利要求书

1.一种飞行器的控制方法，其特征在于，所述飞行器包括多个翼尖小翼，包括：

获取飞行器的上翼面的压强和下翼面的压强；

根据所述上翼面的压强和所述下翼面的压强，确定飞行器产生的翼尖涡的强度；

根据所述翼尖涡的强度，选择控制信号以分别调整所述多个翼尖小翼的攻角。

2.根据权利要求1所述的飞行器的控制方法，其特征在于，所述飞行器产生的翼尖涡的强度包括两个强度等级，所述两个强度等级分别为第一级强度和第二级强度，所述第一级强度大于第二级强度，所述根据上翼面的压强和所述下翼面的压强，确定所述飞行器产生的翼尖涡的强度，包括：

根据所述上翼面的压强和所述下翼面的压强，以第一算法预测飞行器产生的翼尖涡的强度；

根据所述上翼面的压强和所述下翼面的压强，以第二算法预测所述飞行器产生的翼尖涡的强度；

如果所述第一算法预测所述飞行器产生的翼尖涡的强度的强度等级与所述第二算法预测所述飞行器产生的翼尖涡的强度的强度等级相同，则确定第一算法和第二算法预测的所述强度等级为所述飞行器产生的翼尖涡的强度；

如果所述第一算法预测所述飞行器产生的翼尖涡的强度的强度等级与所述第二算法预测所述飞行器产生的翼尖涡的强度的强度等级不相同，则确定所述第一级强度为所述飞行器产生的翼尖涡的强度。

3.根据权利要求2所述的飞行器的控制方法，其特征在于，所述第一算法为支持向量机算法、决策树算法、K最邻近算法、逻辑回归算法、线性回归算法，所述第二算法为支持向量机算法、决策树算法、K最邻近算法、逻辑回归算法、线性回归算法，其中，在所述确定所述飞行器产生的翼尖涡的强度时，所述第一算法和所述第二算法为不同的算法。

4.根据权利要求2所述的飞行器的控制方法，其特征在于，所述根据所述翼尖涡的强度，选择控制信号以分别调整所述多个翼尖小翼的攻角，包括：

当所述翼尖涡的强度为第一级强度时，选择第一控制信号以分别调整每个翼尖小翼的攻角均为最大升阻比时的攻角；

当所述翼尖涡的强度为第二级强度时，选择第二控制信号以分别调整至少两个翼尖小翼的攻角均为最大升阻比时的攻角。

5.一种飞行器的控制系统，其特征在于，所述飞行器包括多个翼尖小翼，包括：

获取模块，用于获取飞行器的上翼面的压强和下翼面的压强；

确定模块，用于根据所述上翼面的压强和所述下翼面的压强，确定飞行器产生的翼尖涡的强度；

选择模块，用于根据所述翼尖涡的强度，选择控制信号以控制所述多个翼尖小翼的攻角的大小。

6.根据权利要求5所述的飞行器的控制系统，其特征在于，所述飞行器产生的翼尖涡的强度具有两个强度等级，所述两个强度等级分别为第一级强度和第二级强度，所述第一级强度大于第二级强度，所述确定模块，用于：根据所述上翼面的压强和所述下翼面的压强，以第一算法预测飞行器产生的翼尖涡的强度，根据所述上翼面的压强和所述下翼面的压强，以第二算法预测所述飞行器产生的翼尖涡的强度，如果所述第一算法预测所述飞行器产生的翼尖涡的强度的强度等级与所述第二算法预测所述飞行器产生的翼尖涡的强度的强度等级相同，则确定第一算法和第二算法预测的所述强度等级为所述飞行器产生的翼尖涡的强度，如果所述第一算法预测所述飞行器产生的翼尖涡的强度的强度等级与所述第二算法预测所述飞行器产生的翼尖涡的强度的强度等级不相同，则确定所述第一级强度为所述飞行器产生的翼尖涡的强度。

7.根据权利要求6所述的飞行器的控制系统，其特征在于，所述第一算法为支持向量机算法、决策树算法、K最邻近算法、逻辑回归算法、线性回归算法，所述第二算法为支持向量机算法、决策树算法、K最邻近算法、逻辑回归算法、线性回归算法，其中，在所述确定所述飞行器产生的翼尖涡的强度时，所述第一算法和所述第二算法为不同的算法。