本發(fā)明屬于飛行汽車計算機視覺領(lǐng)域，具體涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法及系統(tǒng)。

背景技術(shù)：

1、飛行器姿態(tài)控制一直是飛行控制領(lǐng)域的關(guān)鍵挑戰(zhàn)。隨著飛行汽車等新型飛行器的出現(xiàn)，其復(fù)雜的飛行特性和高度動態(tài)性對傳統(tǒng)的基于模型的控制方法提出了更高的要求。傳統(tǒng)的控制方法如pid(比例-積分-導(dǎo)數(shù))控制技術(shù)，以及極點配置、滑?？刂?、自適應(yīng)控制、魯棒控制等現(xiàn)代反饋技術(shù)，雖然在基于經(jīng)典控制理論的飛行器控制系統(tǒng)中得到了廣泛應(yīng)用，但它們在應(yīng)對飛行動力學(xué)中的不確定性和非線性因素時存在局限性，這些傳統(tǒng)方法通?；诋斍盃顟B(tài)生成控制指令，對全局約束和性能指標的考量不足。當飛行任務(wù)包含復(fù)雜約束和最優(yōu)指標時，飛行控制系統(tǒng)往往需要依賴離線設(shè)計好的標稱軌跡作為飛行參考，難以有效應(yīng)對飛行動力學(xué)中的不確定性和非線性因素，尤其是在飛行汽車面臨復(fù)雜環(huán)境和突發(fā)狀況時，容易導(dǎo)致控制精度下降甚至發(fā)生事故。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中的問題。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：

3、一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法，包括以下步驟：

4、構(gòu)建飛行汽車動力學(xué)模型；

5、針對飛行汽車的飛行特性，構(gòu)建網(wǎng)絡(luò)模型來預(yù)測偏轉(zhuǎn)角和碰撞概率；

6、基于飛行汽車動力學(xué)模型與網(wǎng)絡(luò)模型預(yù)測的偏轉(zhuǎn)角和碰撞概率，使用級聯(lián)控制技術(shù)設(shè)計對應(yīng)的控制策略，來控制飛行汽車的姿態(tài)。

7、進一步地，所述飛行汽車的動力學(xué)模型為：

8、

9、其中，和表示相對于全局坐標系x、y、z軸的速度，和表示相對于全局坐標系x、y、z軸的角速度；r和為旋轉(zhuǎn)矩陣，t和為轉(zhuǎn)換矩陣，由zyx歐拉角約定定義；s(·)和c(·)分別表示正弦和余弦函數(shù)，ixx,iyy,izz為繞其下標中指定的軸的慣性矩；jtp為旋翼總旋轉(zhuǎn)慣性矩；u1,u2,u3,u4為飛行汽車的輸入控制力矩；ω＝ω1-ω2+ω3-ω4為旋翼旋轉(zhuǎn)速度差；m為質(zhì)量；g為重力加速度。

10、進一步地，所述網(wǎng)絡(luò)模型為：在dronet架構(gòu)的基礎(chǔ)上，在每個卷積層后添加平均池化層，在全連接層后添加dropout層。

11、進一步地，使用所述網(wǎng)絡(luò)模型來預(yù)測偏轉(zhuǎn)角和碰撞概率的步驟包括：

12、s21，采集圖像，并對圖像進行預(yù)處理；

13、s22，將預(yù)處理后的圖像輸入網(wǎng)絡(luò)模型中，分別利用64×5×5、32×3×3、16×2×2、18×2×2的卷積層提取輸入特征；平均池化層將卷積結(jié)果進行下采樣，之后通過全連接層提取潛在特征，并使用l2正則化；然后通過dropout層用來防止過擬合；在參數(shù)化修正線性單元的最后一層之后，任務(wù)停止共享參數(shù)，架構(gòu)分為兩層，即轉(zhuǎn)向角和碰撞概率預(yù)測，分別輸出轉(zhuǎn)向角和碰撞概率。

14、進一步地，圖像預(yù)處理的步驟包括：

15、1)通過添加掩膜去除天空圖像；

16、2)對圖像進行標準化，將圖像尺寸大小縮小50％。

17、進一步地，所述控制策略包括：高度控制、橫向位置控制、roll-pitch控制、偏航控制以及體速控制；

18、高度控制的表達式為：

19、

20、其中，u1是控制輸入，kp-z、ki-z、kd-z分別為高度的比例增益、積分增益和微分增益，e是積分誤差，zt和za分別表示飛行汽車的目標高度和實際高度，和分別表示飛行汽車的目標高度和實際高度，是前饋控制項；

21、橫向位置控制的表達式為：

22、

23、其中，和是橫向位置的加速度輸入，kp-x和kp-y是橫向位置的比例增益，kd-x和kd-y是橫向位置的微分增益，xt和yt是目標橫向位置，xa和ya是實際橫向位置，和是目標橫向速度，和是實際橫向速度；

24、翻滾角-俯仰角控制的表達式為：

25、

26、其中，pc和qc是翻滾角和俯仰角的控制輸入，rij是旋轉(zhuǎn)矩陣的元素，用于坐標變換，kp-roll和kp-pitch是翻滾角和俯仰角的比例增益，xt和yt是目標橫向加速度，xa和ya是實際橫向加速度，c和t為翻滾角和俯仰角轉(zhuǎn)化參數(shù)；

27、偏航控制的表達式為：

28、

29、其中，rc是偏航角的控制輸入，kp-yaw是偏航角的比例增益，是目標偏航角，是實際偏航角；

30、體速控制的表達式為：

31、

32、其中，u1、u2、u3是體速控制的輸入，ixx、iyy、izz是飛行汽車的轉(zhuǎn)動慣量，kp-p、kp-q、kp-r是體速的比例增益，pt、qt、rt是目標體速，pa、qa、ra是實際體速。

33、一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制系統(tǒng)，包括：

34、動力學(xué)模型構(gòu)建模塊：構(gòu)建飛行汽車動力學(xué)模型；

35、網(wǎng)絡(luò)模型構(gòu)建預(yù)測模塊：針對飛行汽車的飛行特性，構(gòu)建網(wǎng)絡(luò)模型來預(yù)測偏轉(zhuǎn)角和碰撞概率；

36、以及，控制模塊：基于飛行汽車動力學(xué)模型與網(wǎng)絡(luò)模型預(yù)測的偏轉(zhuǎn)角和碰撞概率，使用級聯(lián)控制技術(shù)設(shè)計對應(yīng)的控制策略，來控制飛行汽車的姿態(tài)。

37、一種計算機存儲介質(zhì)，存儲有可讀程序，當程序運行時，能夠執(zhí)行上述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法。

38、一種電子設(shè)備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

39、所述存儲器用于存放至少一條可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行上述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法對應(yīng)的操作。

40、一種計算機程序產(chǎn)品，包括計算機指令，所述計算機指令指示計算設(shè)備執(zhí)行上述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法對應(yīng)的操作。

41、本發(fā)明的有益效果：

42、1、本發(fā)明利用深度神經(jīng)網(wǎng)絡(luò)模型精準預(yù)測飛行汽車的偏轉(zhuǎn)角和碰撞概率，并將其與飛行汽車的動力學(xué)模型相結(jié)合，從而生成更精準、更魯棒的控制策略。

43、2、本發(fā)明通過深度學(xué)習(xí)模型的訓(xùn)練，系統(tǒng)能夠適應(yīng)飛行條件的實時變化，有效克服傳統(tǒng)方法在處理不確定性和非線性因素方面的局限性，顯著提高飛行汽車姿態(tài)控制的精度和可靠性，保障飛行安全。

技術(shù)特征：

1.一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法，其特征在于，所述飛行汽車的動力學(xué)模型為：

3.根據(jù)權(quán)利要求1所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法，其特征在于，所述網(wǎng)絡(luò)模型為：在dronet架構(gòu)的基礎(chǔ)上，在每個卷積層后添加平均池化層，在全連接層后添加dropout層。

4.根據(jù)權(quán)利要求3所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法，其特征在于，使用所述網(wǎng)絡(luò)模型來預(yù)測偏轉(zhuǎn)角和碰撞概率的步驟包括：

5.根據(jù)權(quán)利要求4所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法，其特征在于，圖像預(yù)處理的步驟包括：

6.根據(jù)權(quán)利要求2所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法，所述控制策略包括：高度控制、橫向位置控制、roll-pitch控制、偏航控制以及體速控制；

7.一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制系統(tǒng)，其特征在于，包括：

8.一種計算機存儲介質(zhì)，存儲有可讀程序，其特征在于，當程序運行時，能夠執(zhí)行權(quán)利要求1-6任一項所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法。

9.一種電子設(shè)備，其特征在于，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

10.一種計算機程序產(chǎn)品，包括計算機指令，其特征在于，所述計算機指令指示計算設(shè)備執(zhí)行如權(quán)利要求1-6中任一所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法對應(yīng)的操作。

技術(shù)總結(jié)
本發(fā)明公開一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法及系統(tǒng)，屬于飛行汽車計算機視覺領(lǐng)域；一種基于深度神經(jīng)網(wǎng)絡(luò)的飛行汽車的姿態(tài)控制方法包括：構(gòu)建飛行汽車動力學(xué)模型；針對飛行汽車的飛行特性，構(gòu)建網(wǎng)絡(luò)模型來預(yù)測偏轉(zhuǎn)角和碰撞概率；基于飛行汽車動力學(xué)模型與網(wǎng)絡(luò)模型預(yù)測的偏轉(zhuǎn)角和碰撞概率，使用級聯(lián)控制技術(shù)設(shè)計對應(yīng)的控制策略，來控制飛行汽車的姿態(tài)。本發(fā)明利用深度神經(jīng)網(wǎng)絡(luò)模型精準預(yù)測飛行汽車的偏轉(zhuǎn)角和碰撞概率，并將其與飛行汽車的動力學(xué)模型相結(jié)合，從而生成更精準、更魯棒的控制策略。

技術(shù)研發(fā)人員：殷國棟,陳旭東,李兵兵,王金湘,邱春龍,張嘉桐
受保護的技術(shù)使用者：東南大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/7