
1.本发明涉及四旋翼飞行器制导控制领域,尤其涉及飞行器 的降落追踪控制,具体涉及一种基基于全过程约束的四旋翼实 时轨迹规划及降落控制方法。
背景技术:2.四旋翼飞行器由于其灵活性和快速部署在工业中越来越 受欢迎,并在诸如拓扑和农业航空摄影、搜索救援行动和测绘 等应用中显示了其实用性。但由于四旋翼飞行器的有效载荷和 飞行时间是有限的,难以满足城市快递、森林救援和海上探测 等任务的需求,所以一些研究人员设计出飞行器与移动平台协 同进行任务的方案,以最大化任务能力。飞行器任务过程中, 首先搭载部分任务载荷从移动平台起飞,完成该阶段任务后, 再返回移动平台进行能源补充,并搭载下一部分任务载荷。其 中,依据任务目标,移动平台可以是卡车、船舰和飞机等海陆 空平台。
3.为了在规定时间内有效完成任务,需要四旋翼在整个任务 过程中实现稳定可靠飞行,尤其降落过程对四旋翼的控制能力 提出了极高的要求。因为降落平台在快速移动,而且环境非常 复杂,比如高楼林立的城市和树木丛生的森林,所以平台状态 没有规则地快速变化,导致四旋翼在降落过程中发生碰撞和倾 覆等事故。
4.此外,移动平台在不同环境下的运动状态不同,在城市道 路中比较平稳;在树林中,随地形的变化,车辆会产生不同程 度的倾斜;在海面上,舰艇平台会随着水面波动而上下起伏。 由于四旋翼的最终目标是降落在移动平台上,所以四旋翼的终 端状态约束需要匹配移动平台的运动状态。另外,由于移动平 台在持续移动,需要依据平台状态的变化,实时重规划出新的 降落轨迹,以满足全过程约束。而常规路径规划算法在考虑全 过程约束的同时,难以满足实时性要求,无法在任务过程中实 现轨迹重规划。
5.现有技术中的降落跟踪算法中,还需要降落平台在移动过 程中考虑降落飞行器的具体工况,适当减速或者保持匀速运 动,尽量保持平稳等等,即降落平台的正常工作状态受到影响, 需要以接收旋翼飞行器降落作为主要任务,使其正常的工作状 态受到一定的影响。
6.由于上述原因,本发明人对现有的飞行器降落控制方法做 了深入研究,以期待设计出一种能够解决上述问题的新的飞行 器降落控制方法。
技术实现要素:7.为了克服上述问题,本发明人进行了锐意研究,设计出一 种基于全过程约束的四旋翼实时轨迹规划及降落控制方法,该 方法中,通过通信系统获得降落平台的运动信息,即速度位置 和加速度等信息,通过其携带的传感器获得其自身的运动信 息,即可获得一组相对距离和相对速度信息,该信息相对来说 误差较大,适用于距离降落平台较远的情况,当距离较近时, 通过视觉传感器直接获得相对距离和相对速度信息,其精度较 高;进而获得估计的降落时间,基于预测时域,将所述降落时 间分为固定份数,如20份,每份之间
的临界点即为采样点,每 份时间长度即为采样时间长度,估计出飞行器在每个采用点处 的状态向量,并据此控制飞行器沿着估计轨迹飞行,到达第一 个采样点后,重复上述步骤,重新估计轨迹,再次控制飞行器 到达第一个采样点;直至飞行器到达降落平台,完成飞行器降 落,从而完成本发明。
8.具体来说,本发明的目的在于提供以一种基于全过程约束 的四旋翼实时轨迹规划及降落控制方法,该方法包括如下步骤:
9.步骤一:获得四旋翼飞行器与降落平台的相对距离pr和相 对速度信息vr;
10.步骤二:估计降落所需的时间,基于预测时域n获得采样 时间长度;
11.步骤三:确定四旋翼飞行器当前的行为模式,规划参考轨 迹;
12.步骤四:通过控制器控制四旋翼飞行器跟踪参考轨迹;
13.步骤五:到达第一个采样点时,重复步骤1,并判断四旋翼 飞行器与降落平台的相对距离pr是否小于或等于预定阈值,若 不小于或等于预定阈值,则重复步骤二、步骤三、步骤四、步 骤五,直至四旋翼飞行器与降落平台的相对距离pr小于或等于 预定阈值,四旋翼飞行器停机,落到降落平台上。
14.其中,在步骤一中,通过通信系统接收降落平台传递出的 降落平台的位置和速度信息,通过四旋翼飞行器上搭载的传感 器获得四旋翼飞行器的位置和速度信息,从而获得四旋翼飞行 器与降落平台的相对距离pr和相对速度信息vr;
15.或者,通过四旋翼飞行器上搭载的视觉传感器捕获到降落 平台,直接获得四旋翼飞行器与降落平台的相对距离pr和相对 速度信息vr。
16.其中,在步骤二中,降落所需的时间ta通过下式(1)获得:
[0017][0018]
其中,pr表示相对距离矢量,||pr||表示相对距离幅值,即 无人机到目标的相对距离长度;
[0019]er
表示相对距离矢量的方向,即从无人机指向目标的单位 矢量,通过下式(1.1)获得:
[0020][0021]
其中,在步骤二中,将所述降落所需的时间ta平均分为n 段,每ta/n时间即为一个采样时间长度。
[0022]
其中,当所述四旋翼飞行器通过通信系统和传感器获得四 旋翼飞行器与降落平台的相对距离pr和相对速度信息vr时,四 旋翼飞行器当前的行为模式为搜索模式;
[0023]
当所述四旋翼飞行器通过视觉传感器获得四旋翼飞行器与 降落平台的相对距离pr和相对速度信息vr时,四旋翼飞行器当 前的行为模式为着陆模式。
[0024]
其中,所述参考轨迹包括n个状态向量,每个状态向量都包 括坐标位置、飞行器到达该坐标位置时的速度和飞行器到达该 坐标位置时的加速度。
[0025]
其中,所述规划参考轨迹的过程包括,使得目标函数最小,
[0026]
当行为模式为搜索模式时,所述目标函数为下式(2),
[0027]
[0028]
当行为模式为着陆模式时,所述目标函数为下式(3),
[0029][0030]
其中,j表示目标函数,i表示第i个采样点,xa(i)表示第i个 采样点的四旋翼飞行器与降落平台的相对距离,表示x(i) 的转置;ta表示降落所需的时间;qa和wa都表示权重系数;
[0031]
x
l
表示四旋翼飞行器与降落平台的相对距离pr和相对速度vr组成的矩阵,即x
l
=[pr,vr]
t
;表示x
l
的转置;x
l
(i)表示在 第i个采样点的四旋翼飞行器与降落平台的相对距离pr和相对 速度vr组成的矩阵;
[0032]
u(i)表示第i个采样点的控制量,u
t
(i)表示u(i)的转置;
[0033]al
表示四旋翼飞行器水平面内的加速度,即a
l
=[a
x
,ay]
t
; 表示终端时刻n的加速度矢量,能够保证无人机在终端降 落过程中平稳性;
[0034]ql
、r
l
、w
l
都表示系数矩阵。
[0035]
其中,在所述规划参考轨迹的过程包括,基于下式(4.1)、 (4.2)和(4.3)使得目标函数最小,
[0036]
x(k+1)=ax(k)+bu(k)
ꢀꢀꢀ
(4.1)
[0037]
x(0)=x0,x(n)=xf,z(k+1)>h
p
(4.2)
[0038]
|a
p
(k+1)|≤a
p,max
,|u
p
(k)|≤u
p,max
,p=x,y,z
ꢀꢀꢀ
(4.3)
[0039]
其中,x(k+1)表示预测获得的第k+1时刻的状态向量,即 第k+1个采样点状态向量;k=0,1,...,n-1;
[0040]
x(k)表示第k时刻的状态向量,即第k个采样点状态向量;
[0041]
a和b都表示系数矩阵;
[0042]
u(k)表示第k个采样点的控制量;
[0043]
x(0)表示当前优化时域中,初始时刻的无人机状态,x0表示 当前时刻的无人机真实状态;x(n)表示当前优化时域中,终端 时刻的无人机状态,xf表示该优化时域中,终端时刻无人机所 需满足的终端状态约束;z(k+1)表示k+1时刻的无人机高度,h
p
表示降落平台的高度;
[0044]
|a
p
(k+1)|表示第k+1个采样点的加速度,|u
p
(k)|表示第k个 采样点的控制量;a
p,max
表示飞行器能够提供的最大加速度,u
p,max
表示飞行器能够提供的最大控制量。
[0045]
其中,在步骤四中,在到达第一个采样点前,当滚动优化 的采样周期ta比控制器的控制周期小0.05s时,对第一个采样点 以前的轨迹做差值处理,并根据差值处理结果控制四旋翼飞行 器飞行。
[0046]
其中,在步骤四中,通过下式(5)对轨迹做差值处理:
[0047][0048]
其中,x(t)表示t时刻无人机的状态,x(k)表示k时刻的无 人机状态,x(k+1)表示k+1时刻无人机的状态,,t(k)表示离散 化时间k所对应的连续时间t(k),t(k+1)表示离散化
时间k+1 所对应的连续时间t(k+1),t表示连续时间中的t时刻。
[0049]
本发明所具有的有益效果包括:
[0050]
(1)根据本发明提供的基于全过程约束的四旋翼实时轨 迹规划及降落控制方法能够在降落平台正常机动的情况下降 落到该平台上,无需平台有针对性地等待或者匀速机动;
[0051]
(2)根据本发明提供的基于全过程约束的四旋翼实时轨 迹规划及降落控制方法能够在快速机动的情况下,持续追踪移 动平台,在接近平台时通过视觉传感器自动捕获平台,整体降 落过程可实现自动化;
[0052]
(3)根据本发明提供的基于全过程约束的四旋翼实时轨 迹规划及降落控制方法,把模型预测控制方法应用在轨迹规划 任务中,通过设置合理的预测时域,在兼顾追踪准确性的情况 下降低运算量,可以满足轨迹重规划的实时性要求,实现四旋 翼快速准确平稳地降落在移动平台上;
[0053]
(4)根据本发明提供的基于全过程约束的四旋翼实时轨 迹规划及降落控制方法,增强了四旋翼和海陆空移动平台协同 任务的能力,另外,也可以在仿真环境中引入风场等外界干扰, 并把本文的开源飞控算法替换为个人研究的飞控算法,从而用 自主降落任务的完成度检验控制算法的可靠性、鲁棒性和抗干 扰能力。
附图说明
[0054]
图1示出根据本发明一种优选实施方式的基于全过程约束 的四旋翼实时轨迹规划及降落控制方法整体逻辑图;
[0055]
图2示出根据本发明实施例中四旋翼飞行器与降落平台的 路线轨迹。
具体实施方式
[0056]
下面通过附图和实施例对本发明进一步详细说明。通过这 些说明,本发明的特点和优点将变得更为清楚明确。
[0057]
在这里专用的词“示例性”意为“用作例子、实施例或说 明性”。这里作为“示例性”所说明的任何实施例不必解释为 优于或好于其它实施例。尽管在附图中示出了实施例的各种方 面,但是除非特别指出,不必按比例绘制附图。
[0058]
根据本发明提供的基于全过程约束的四旋翼实时轨迹规 划及降落控制方法,如图1中所示,该方法包括如下步骤:
[0059]
步骤一,获得四旋翼飞行器与降落平台的相对距离pr和 相对速度信息vr;
[0060]
其中,当飞行器开始执行降落任务时,通过通信系统接收 降落平台传递出的降落平台的位置和速度信息,所述通信系统 为飞行器上搭载的设备,如雷达等,其能够接收移动平台实时 传递出的移动平台的位置、速度和加速度信息;在所述飞行器 上还搭载有传感器,通过传感器获得四旋翼飞行器的位置和速 度信息,所述传感器包括卫星信号接收系统和惯导系统;基于 移动平台的运动信息和飞行器的运动信息,获得四旋翼飞行器 与降落平台的相对距离pr和相对速度信息vr;
[0061]
飞行器在接收上述信息的同时,还启动视觉传感器,通过 视觉传感器实时寻找捕捉移动平台,当视觉传感器发现并锁定 移动平台后,通过四旋翼飞行器上搭载的视觉传感
器捕获到降 落平台,直接获得四旋翼飞行器与降落平台的相对距离pr和相 对速度信息vr。当视觉传感器捕获到目标后,仅通过视觉传感 器获得的信息执行飞行器的制导控制工作。
[0062]
步骤二:估计降落所需的时间,基于预测时域n获得采 样时间长度;
[0063]
优选地,所述降落所需的时间ta通过下式(1)获得:
[0064][0065]
其中,pr表示相对距离矢量,||pr||表示相对距离幅值, 即无人机到目标的相对距离长度;
[0066]er
表示相对距离矢量的方向,即从无人机指向目标的单位 矢量,通过下式(1.1)获得:
[0067][0068]vr
·er
表示相对速度在视线上的投影,所述视线是指飞行 器与降落平台的连线。
[0069]
在获得降落所需的时间后,将该降落所需的时间平均分n 段/份,其中的n为预测时域,每ta/n时间即为一个采样时间 长度,每份之间的临界点即为采样点,每份时间长度即为采样 时间长度。
[0070]
本技术中,所述预测时域为固定值,该值越大则规划路径 上的采样点越多,轨迹越精确,但相应地,计算量增加,对硬 件设备要求越高,容易导致计算延迟,该值越小,则采样点越 少,轨迹越粗糙,容易丢失目标。本技术优选地将所述预测时 域设置为20;本发明人发现当该预测时域设置为20时四旋翼飞 行器能够准确地追踪到降落平台,并且运算量适中,能够满足 实时控制解算的需求。
[0071]
步骤三:确定四旋翼飞行器当前的行为模式,规划参考轨 迹;
[0072]
优选地,当所述四旋翼飞行器通过通信系统和传感器获得 四旋翼飞行器与降落平台的相对距离pr和相对速度信息vr时, 四旋翼飞行器当前的行为模式为搜索模式;
[0073]
当所述四旋翼飞行器通过视觉传感器获得四旋翼飞行器 与降落平台的相对距离pr和相对速度信息vr时,四旋翼飞行器 当前的行为模式为着陆模式。
[0074]
优选地,所述参考轨迹包括n个状态向量,每个状态向量 都包括坐标位置、飞行器到达该坐标位置时的速度和飞行器到 达该坐标位置时的加速度。
[0075]
状态向量x=[x
x
,y,z,v
x
,vy,vz,a
x
,ay,az]
t
[0076]
x
x
,y,z分别表示大地坐标系中的三维位置坐标,其中,x
x
表 示大地坐标系中x轴方向的坐标,y表示大地坐标系中y轴方 向的坐标,z表示大地坐标系中z轴方向的坐标;v
x
,vy,vz分别 表示速度在大地坐标系中的三个方向的分量,a
x
,ay,az分别表 示加速度在大地坐标系中的三个方向的分量。
[0077]
优选地,规划参考轨迹的过程包括,使得目标函数最小,
[0078]
当行为模式为搜索模式时,所述目标函数为下式(2),
[0079][0080]
当行为模式为着陆模式时,所述目标函数为下式(3),
[0081][0082]
其中,j表示目标函数,i表示第i个采样点,xa(i)表示第i个 采样点的四旋翼飞行器与降落平台的相对距离,表示x(i) 的转置;ta表示降落所需的时间;qa和wa都表示权重系数;
[0083]
x
l
表示四旋翼飞行器与降落平台的相对距离pr和相对速度 vr组成的矩阵,即x
l
=[pr,vr]
t
;表示x
l
的转置;x
l
(i)表示在 第i个采样点的四旋翼飞行器与降落平台的相对距离pr和相对 速度vr组成的矩阵;
[0084]
u(i)表示第i个采样点的控制量,u
t
(i)表示u(i)的转置;
[0085]al
表示四旋翼飞行器水平面内的加速度,即a
l
=[a
x
,ay]
t
; 表示终端时刻n的加速度矢量,能够保证无人机在终端降 落过程中平稳性;
[0086]ql
、r
l
、w
l
都表示系数矩阵,其取值为
[0087]ql
=[0.1,0,0,0,0,0; 0,0.1,0,0,0,0; 0,0,0.1,0,0,0; 0,0,0,0.1,0,0; 0,0,0,0,0.1,0; 0,0,0,0,0,0.1],
[0088]rl
=[1,0,0; 0,1,0; 0,0,1],
[0089]wl
=[0.1,0; 0,0.1]。
[0090]
优选地,在所述规划参考轨迹的过程中,基于下式(4.1)、(4.2)和(4.3)的约束使得目标函数最小,
[0091]
x(k+1)=ax(k)+bu(k)
ꢀꢀꢀ
(4.1)
[0092]
x(0)=x0,x(n)=xf,z(k+1)>h
p
ꢀꢀꢀ
(4.2)
[0093]
|a
p
(k+1)|≤a
p,max
,|u
p
(k)|≤u
p,max
,p=x,y,z
ꢀꢀꢀ
(4.3)
[0094]
其中,x(k+1)表示预测获得的第k+1时刻的状态向量,即 第k+1个采样点状态向量;k=0,1,...,n-1;
[0095]
x(k)表示第k时刻的状态向量,即第k个采样点状态向量;
[0096]
a和b都表示系数矩阵,其取值为
[0097]
a=[ta/n,0,0,ta/n,0,0,(ta/n)/2,0,0; 0,ta/n,0,0,ta/n,0,0,(ta/n)/2,0; 0,0,ta/n,0,0,ta/n,0,0,(ta/n)/2; 0,0,0,ta/n,0,0,ta/n,0,0; 0,0,0,0,ta/n,0,0,ta/n,0; 0,0,0,0,0,ta/n,0,0,ta/n; 0,0,0,0,0,0,ta/n,0,0; 0,0,0,0,0,0,0,ta/n,0; 0,0,0,0,0,0,0,0,ta/n],
[0098]
b=[ta/n,0,0; 0,ta/n,0; 0,0,ta/n; (ta/n)/2,0,0; 0,(ta/n)/2,0; 0,0,(ta/n)/2; (ta/n)/3,0,0; 0,(ta/n)/3,0; 0,0,(ta/n)/3]
[0099]
其中,ta/n是指步骤二中计算的采样时间长度;
[0100]
u(k)表示第k个采样点的控制量;
[0101]
x(0)表示当前优化时域中,初始时刻的无人机状态,x0表示 当前时刻的无人机真实状态;x(n)表示当前优化时域中,终端 时刻的无人机状态,xf表示该优化时域中,终端时刻无人机所 需满足的终端状态约束;z(k+1)表示k+1时刻的无人机高度,h
p
表示降落平台的高度;
[0102]
|a
p
(k+1)|表示第k+1个采样点的加速度,|u
p
(k)|表示第k 个采样点的控制量;a
p,max
表示飞行器能够提供的最大加速度, u
p,max
表示飞行器能够提供的最大控制量。
[0103]
本技术中的规划参考轨迹即为解算获得n个状态向量,并 且在实际控制过程中,仅仅应用了第一个状态向量,在到达第 一个状态向量时,需要重新规划参考轨迹。
[0104]
步骤四:通过控制器控制四旋翼飞行器跟踪参考轨迹;
[0105]
优选地,在到达第一个采样点前,当滚动优化的采样周期 ta比控制器的控制周期小0.05s时,对第一个采样点以前的轨 迹做差值处理,并根据差值处理结果控制四旋翼飞行器飞行。 优选地,滚动优化的采样周期是指优化过程中,相邻迭代步之 间的时间间隔,控制器的控制周期是指四旋翼控制过程中,相 邻控制输入之间的时间间隔。
[0106]
优选地,通过下式(5)对轨迹做差值处理:
[0107][0108]
其中,x(t)表示t时刻无人机的状态,x(k)表示k时刻的无 人机状态,x(k+1)表示k+1时刻无人机的状态,t(k)表示离散 化时间k所对应的连续时间t(k),t(k+1)表示离散化时间k+1 所对应的连续时间t(k+1),t表示连续时间中的t时刻。
[0109]
通过所述差值处理能够获得更匹配控制器性能的轨迹,从 而保证控制的性能,使无人机安全平稳地跟踪轨迹,快速精准 地降落在移动平台上。
[0110]
在一个优选的实施方式中,所述控制器采用开源的px4飞 控算法对四旋翼飞行器进行控制。
[0111]
步骤五:到达第一个采样点时,重复步骤一,并判断四旋 翼飞行器与降落平台的相对距离pr是否小于或等于预定阈 值,若不小于或等于预定阈值,则重复步骤二、步骤三、步骤 四、步骤五,直至四旋翼飞行器与降落平台的相对距离pr小 于或等于预定阈值,四旋翼飞行器停机,落到降落平台上。
[0112]
其中,所述预定阈值根据实际情况选择设置,如将预定阈 值设置为降落平台直径尺寸的三分之一等。在实际工作过程 中,上述步骤五中的重复过程会持续多次,随着飞行器与降落 平台之间逐渐接近,重复的频率越来越高。本技术中,飞行器 的位置坐标是指飞行器质心的坐标,降落平台的位置坐标是指 降落平台台面的几何中心。
[0113]
实施例:
[0114]
降落平台的初始位置为(10,0,0)、初始速度为(3,0,0)、 初始加速度为(0,0,0),其移动轨迹如图2中的虚线所示,
[0115]
四旋翼飞行器的初始位置为(0,2,3)、初始速度为 (5,0,0)、初始加速度为(0,0,0),其移动轨迹如图2中的实 现所示;
[0116]
其中,四旋翼飞行器在与降落平台之间的距离缩小到2m 时,四旋翼飞行器的行为模式由搜索模式调整为着陆模式;
[0117]
在四旋翼飞行器追踪降落平台的过程中,具体包括如下过 程:
[0118]
步骤1,实时获得四旋翼飞行器与降落平台的相对距离pr和相对速度信息vr;
[0119]
步骤2,通过下式(1)估计降落所需的时间,基于预测时 域n=20获得采样时间长度;
[0120]
[0121]
步骤3,确定四旋翼飞行器当前的行为模式,规划参考轨 迹;所述规划参考轨迹的过程包括,使得目标函数最小,
[0122]
当行为模式为搜索模式时,所述目标函数为下式(2),
[0123][0124]
当行为模式为着陆模式时,所述目标函数为下式(3),
[0125][0126]
在所述规划参考轨迹的过程中,基于下式(4.1)、(4.2) 和(4.3)的约束使得目标函数最小,
[0127]
x(k+1)=ax(k)+bu(k)
ꢀꢀꢀ
(4.1)
[0128]
x(0)=x0,x(n)=xf,z(k+1)>h
p
ꢀꢀꢀ
(4.2)
[0129]
|a
p
(k+1)|≤a
p,max
,|u
p
(k)|≤u
p,max
,p=x,y,z
ꢀꢀꢀ
(4.3)
[0130]
步骤4:通过控制器控制四旋翼飞行器跟踪参考轨迹;
[0131]
步骤5,到达第一个采样点时,重复步骤1,并判断四旋翼 飞行器与降落平台的相对距离pr是否小于或等于0.5米,若不 小于或等于0.5米,则重复步骤2、步骤3、步骤4、步骤5,直 至四旋翼飞行器与降落平台的相对距离pr小于或等于0.5米, 四旋翼飞行器停机,落到降落平台上,四旋翼飞行器降落作业 结束。
[0132]
从图2可看出,四旋翼飞行器沿着实时规划出的平滑轨迹, 快速平稳精准地降落在移动平台上,降落过程总耗时4.6s。
[0133]
以上结合了优选的实施方式对本发明进行了说明,不过这 些实施方式仅是范例性的,仅起到说明性的作用。在此基础上, 可以对本发明进行多种替换和改进,这些均落入本发明的保护 范围内。