一种用于固定翼无人机控制系统及方法

技术领域

本发明涉及固定翼无人机技术领域，特别是一种用于固定翼无人机控制系统及方法。

背景技术

随着无人机技术的快速发展，固定翼无人机已经被广泛应用于各种领域，其中飞控系统与飞管系统是确保无人机稳定飞行的关键部分，它们的功能主要运行在一个或多个飞控计算机上。但是，现有的飞控计算机主要是为了飞行控制设计的，其计算能力有限，由于计算能力的局限性，现有固定翼无人机的飞控系统难以支撑更高维度的智能化应用，如高级目标识别、自主决策等，因为在无人机的载荷、通信等系统都连接到飞控计算机上时，当涉及到更复杂的指令和决策时，可能会导致飞控计算机的过载，影响无人机的稳定性和可靠性。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种用于固定翼无人机控制系统及方法。

本发明的目的通过以下技术方案来实现：一种用于固定翼无人机控制系统，包括采集系统、机载处理器、飞控计算机和地面站，采集系统、飞控计算机和地面站均与机载处理器电连接，采集系统用于采集环境、地形和障碍物数据。

优选的，采集系统和飞控计算机均与机载处理器有线连接，地面站与机载处理器无线连接。

优选的，采集系统包括SAR雷达、光电传感器和激光雷达，SAR雷达、光电传感器和激光雷达均与机载处理器电连接。

一种用于固定翼无人机控制方法，包括上述用于固定翼无人机控制系统，还包括以下步骤：

S1：将SAR雷达、光电传感器和激光雷达采集的数据有线传输到机载处理器；

S2：机载处理器对数据进行预处理，并进行数据分析；

S3：机载处理器根据数据分析结果与地面站的指令进行飞行决策，并传输给飞控计算机，飞控计算机根据决策控制固定翼无人机；

S4：当任务结束后，机载处理器对内部AI模型进行更新优化。

优选的，步骤S2中，预处理包括对数据进行清洗、格式化和同步。

优选的，步骤S2中，数据分析还包括以下步骤：

S21：机载处理器将接收的各类原始数据进行归一化处理；

S22：从原始数据中提取特征数据；

S23：对提取的特征进行分析，得到移动轨迹预测结；

S24：根据分析结果构建当前飞行环境的三维模型，并将当前飞行环境分为安全、普通风险和高风险。

优选的，步骤S21中，对于光电数据，通过最小—最大归一化将每个像素值映射到[0,1]范围，公式为：

对于SAR数据，通过Z-Score进行处理，公式为：

其中，μ是SAR数据的均值，σ为SAR数据标准差；

对于激光雷达数据，先将数据中心化得到均值，再通过最小—最大归一化或Z-Score进行处理，公式为：

其中，μ

优选的，步骤S23中，预测移动轨迹的公式为：

y＝β

其中，β是模型的权重，n是特征的数量。

优选的，步骤S4中，还包括以下步骤：

S41：将新的数据集分为训练集和验证集，通过训练集对模型进行训练，同时通过验证集监控模型；

S42：使用测试集验证模型的准确性，当达到设定值后，更新到机载处理器的AI系统中，并生成版本记录。

本发明具有以下优点：本发明通过设置机载处理器接收数据，处理数据并结合地面站指令作出决策，再将指令发送给飞控计算机，从而可以不受飞控计算机计算能力的影响，提高了无人机的自主性。

附图说明

图1为固定翼无人机控制系统内部架构的结构示意图；

图2为固定翼无人机控制方法流程的结构示意图；

图中，1-采集系统，2-SAR雷达，3-光电传感器，4-激光雷达，5-机载处理器，6-地面站，7-飞控计算机。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本实施例中，如图1所示，一种用于固定翼无人机控制系统，包括采集系统1、机载处理器5、飞控计算机7和地面站6，采集系统1、飞控计算机7和地面站6均与机载处理器5电连接，采集系统1用于采集环境、地形和障碍物数据。通过设置机载处理器5接收数据，处理数据并结合地面站6指令作出决策，再将指令发送给飞控计算机7，从而可以不受飞控计算机7计算能力的影响，提高了无人机的自主性。

进一步的，采集系统1和飞控计算机7均与机载处理器5有线连接，地面站6与机载处理器5无线连接。具体地说，采集系统1与机载处理器5有线连接可以保证数据传输的稳定性和低延迟性，飞控计算机7与机载处理器5有线连接可以保证数据进行实时交换。再进一步的，采集系统1包括SAR雷达2、光电传感器3和激光雷达4，SAR雷达2、光电传感器3和激光雷达4均与机载处理器5电连接。

一种用于固定翼无人机控制方法，包括上述用于固定翼无人机控制系统，还包括以下步骤：

S1：将SAR雷达2、光电传感器3和激光雷达4采集的数据有线传输到机载处理器5；

S2：机载处理器5对数据进行预处理，并进行数据分析；优选的，预处理包括对数据进行清洗、格式化和同步。具体地说，清洗数据的作用是移除噪声、异常值和不完整的数据；格式化数据的作用是保证所有数据的格式相同，便于输入到AI模型进行处理。

S3：机载处理器5根据数据分析结果与地面站6的指令进行飞行决策，并传输给飞控计算机7，飞控计算机7根据决策控制固定翼无人机；

S4：当任务结束后，机载处理器5对内部AI模型进行更新优化。

在本实施例中，步骤S2中，数据分析还包括以下步骤：

S21：机载处理器5将接收的各类原始数据进行归一化处理；进一步的，步骤S21中，对于光电数据，通过最小—最大归一化将每个像素值映射到[0,1]范围，公式为：

对于SAR数据，通过Z-Score进行处理，公式为：

其中，μ是SAR数据的均值，σ为SAR数据标准差；

对于激光雷达数据，先将数据中心化得到均值，再通过最小—最大归一化或Z-Score进行处理，公式为：

其中，μ

S22：从原始数据中提取特征数据；具体地说，例如：对于形状进行特征提取采用的方式为计算物体的轮廓，并使用形状描述符来表示形状，公式为：

M＝∑x

其中，M是矩，p和q是矩的阶数，f(x,y)是图像的像素值；

对于大小进行特征提取采用的方式为通过计算物体的轮廓面积来获取，公式为：

A＝∑f(x，y)；

其中，A是面积，f(x，y)是物体内部的像素值；

对于速度进行特征提取时以正北方作为速度的参考系，并设定飞机摄像头定向和飞机和物体的高度不变，首先计算物体在摄像头视野中的水平位移和垂直位移，公式为：

△x＝f×tan(a)；

△y＝f×tan(β)；

其中，a为物体在图像中的水平像素位移与摄像头焦平面的夹角，β为物体在图像中的垂直像素位移与摄像头焦平面的夹角，f是摄像头的焦距，△x是物体在摄像头视野中的水平位移，△y是物体在摄像头视野中的垂直位移；

再计算物体相对于飞机的速度：

其中，△t是两次图片获取的时间间隔，V

由于摄像头具有角度，因而物体在地面上的实际水平位移为：

其中，h为飞机的高度

物体在地面上的实际速度为：

由于飞机也在移动，因而

V

其中，V

S23：对提取的特征进行分析，得到移动轨迹预测结果；再进一步的，预测移动轨迹的公式为：

y＝β

其中，β是模型的权重，n是特征的数量。

S24：根据分析结果构建当前飞行环境的三维模型，并将当前飞行环境分为安全、普通风险和高风险。

在本实施例中，步骤S4中，还包括以下步骤：

S41：将新的数据集分为训练集和验证集，通过训练集对模型进行训练，同时通过验证集监控模型；其目的是避免过拟合。

S42：使用测试集验证模型的准确性，当达到设定值后，更新到机载处理器5的AI系统中，并生成版本记录，其目的是便于后续追踪不同版本的模型。

比如应用场景为：在边境或特定区域，需要对长距离的地带进行持续监控和巡逻，确保没有非法入侵或其他不寻常的活动。本方法利用地形和地图数据，规划无人机的飞行路线，确保覆盖所需监控的全部区域，固定翼无人机从启动地点起飞，按照预定路线进行巡逻，通过采集系统1实时监控地面情况，机载处理器5实时分析捕获的图像和视频流，自动检测异常活动或未授权的物体和人，当检测到可疑活动后，根据数据与地面站6的指令决策是否继续跟踪或更改飞行高度，无人机并实时上传相关图像和视频数据到预定的服务器，并发送实时警报，相关人员接收到实时警报后，可以快速对情况做出响应，完成预定的巡逻任务后，无人机自动返回到预定的着陆点。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。