一种无人机飞行姿态远程控制方法及系统

技术领域

本发明涉及无人机技术领域，具体涉及一种无人机飞行姿态远程控制方法及系统。

背景技术

无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。随着无人机技术的快速发展，其已经被应用到消防、测绘以及航拍多个领域中。无人机飞行时，飞行环境、控制参数准确性均会对无人机的飞行姿态产生影响，但是，现有技术中对于无人机的姿态控制参数的影响因素分析不足，进而导致姿态控制准确性不足。

发明内容

本发明提供了一种无人机飞行姿态远程控制方法及系统，用以解决现有技术中对于无人机的姿态控制参数的影响因素分析不足，进而导致姿态控制准确性不足的技术问题。

根据本发明的第一方面，提供了一种无人机飞行姿态远程控制方法，包括：获得无人机任务规划信息，并基于所述任务规划信息进行姿态分解，确定姿态规划信息，其中，所述姿态规划信息包括多个姿态及对应的规划阶段信息；基于所述姿态规划信息，构建姿态控制流；根据所述姿态控制流生成姿态控制指令，所述姿态控制指令用于基于所述姿态控制流中的姿态参数、控制切换时间节点进行无人机姿态控制；通过设置在无人机上的姿态监测设备进行姿态监测，获得姿态监测信息；基于所述姿态监测信息与姿态参数进行损失值计算，获得参数控制损失系数；利用所述参数控制损失系数对所述姿态控制指令中的姿态参数进行损失补偿，获得补偿姿态参数对无人机进行姿态控制。

进一步而言，所述方法还包括：

基于所述姿态规划信息，确定姿态调整节点；利用所述姿态调整节点对所述姿态规划信息进行姿态分割；基于姿态分割结果进行姿态参数平滑处理，获得各姿态分割结果的姿态参数，并根据所述各姿态分割结果的姿态参数，生成所述姿态控制流。

进一步而言，所述方法还包括：

基于所述姿态调整节点，构建调整评估时序链；将所述各姿态分割结果的姿态参数按照节点对应关系添加至所述调整评估时序链，基于马尔可夫链模型结构，建立评估模型对各姿态调整节点进行姿态概率预测，获得姿态预测概率；根据所述姿态规划信息与所述姿态调整节点进行节点对齐，确定姿态规划信息中节点的姿态预测概率；当所述姿态规划信息中节点的姿态预测概率满足姿态规划要求时，确定姿态参数。

进一步而言，所述方法还包括：

获得风力影响系数；根据所述风力影响系数、所述参数控制损失系数进行融合分析，确定融合控制损失系数，通过所述融合控制损失系数对姿态参数进行损失补偿。

进一步而言，所述方法还包括：

获得风力数据集；通过所述姿态监测设备对无人机进行姿态数据监测，获得姿态监测数据集；利用所述风力数据集、所述姿态监测数据集，建立风力-姿态对应列表；基于风力-姿态对应列表计算风力数据集的风力变化值与姿态偏差值关系，确定所述风力影响系数。

进一步而言，所述方法还包括：

实时获得风力数据，基于实时风力数据进行风力差异值计算；根据所述风力差异值、风力影响系数，进行风力影响系数修正，其中，所述风力差异值包括风向差异值、风速差异值，分别基于所述风向差异值、风速差异值进行风力影响系数计算，利用风力影响系数、风速影响系数通过融合计算模型进行计算，获得修正系数，利用修正系数对所述风力影响系数进行修正。

进一步而言，所述方法还包括：

通过无人机上设置的角速度监测设备进行数据监测，利用预设滤波计算方法对监测数据进行计算，获得角度监测信息、角速度监测信息；基于补偿姿态参数，获得角度期望值；根据所述角速度监测信息、所述角度期望值，确定姿态内环控制参数；根据所述角度监测信息、所述角度期望值，确定姿态外环控制参数；基于所述姿态内环控制参数、姿态外环控制参数对无人机进行姿态控制。

根据本发明的第二方面，提供了一种无人机飞行姿态远程控制系统，包括：姿态分解模块，所述姿态分解模块用于获得无人机任务规划信息，并基于所述任务规划信息进行姿态分解，确定姿态规划信息，其中，所述姿态规划信息包括多个姿态及对应的规划阶段信息；姿态控制流构建模块，所述姿态控制流构建模块用于基于所述姿态规划信息，构建姿态控制流；控制指令生成模块，所述控制指令生成模块用于根据所述姿态控制流生成姿态控制指令，所述姿态控制指令用于基于所述姿态控制流中的姿态参数、控制切换时间节点进行无人机姿态控制；姿态监测模块，所述姿态监测模块用于通过设置在无人机上的姿态监测设备进行姿态监测，获得姿态监测信息；损失值计算模块，所述损失值计算模块用于基于所述姿态监测信息与姿态参数进行损失值计算，获得参数控制损失系数；损失补偿模块，所述损失补偿模块用于利用所述参数控制损失系数对所述姿态控制指令中的姿态参数进行损失补偿，获得补偿姿态参数对无人机进行姿态控制。

根据本发明采用的一种无人机飞行姿态远程控制方法，本发明按照无人机任务规划信息，确定姿态规划信息，进而对姿态规划信息进行姿态分解，获取理论上的姿态参数，进一步对理论上的姿态参数与实际监测到的姿态监测信息进行差异值计算，获取参数控制损失系数，对姿态参数进行修正补偿，达到提高无人机飞行姿态的控制参数的精度，提高姿态控制准确性的技术效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种无人机飞行姿态远程控制方法的流程示意图；

图2为本发明实施例中生成姿态控制流的流程示意图；

图3为本发明实施例中确定所风力影响系数的流程示意图；

图4为本发明实施例提供的一种无人机飞行姿态远程控制系统的结构示意图。

附图标记说明：姿态分解模块11，姿态控制流构建模块12，控制指令生成模块13，姿态监测模块14，损失值计算模块15，损失补偿模块16。

具体实施方式

以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

实施例一

图1为本发明实施例提供的一种无人机飞行姿态远程控制方法图，如图1所示，所述方法包括：

步骤S100：获得无人机任务规划信息，并基于所述任务规划信息进行姿态分解，确定姿态规划信息，其中，所述姿态规划信息包括多个姿态及对应的规划阶段信息；

具体而言，无人机任务规划信息是由工作人员根据实际情况预先规划的，具体是指根据无人机需要完成的任务、携带任务载荷的类型，对无人机制定的飞行路线，具体需要依据地形信息和执行任务的环境条件信息，综合考虑无人机的性能、到达时间、耗能，以及飞行区域等约束条件，为无人机规划出一条由出发点到目标点的航线。基于无人机任务规划信息，进行姿态分解，确定姿态规划信息，无人机的多个姿态包括垂直运动、左右运动、滚转运动、偏航运动、前后运动、侧向运动，具体根据无人机执行任务及航线确定，并且无人机飞行姿态可以是动态变化的，一种姿态对应一个任务规划阶段，比如需要垂直运动三分钟以后转换为滚转运动，滚转运动两分钟以后又转换为左右运动，不同的阶段可能是同一种飞行姿态，规划阶段信息即为不同阶段的飞行姿态信息，飞行姿态用滚转角速率、俯仰角速率、偏航角速率等数据表示。

步骤S200：基于所述姿态规划信息，构建姿态控制流；

具体而言，姿态控制流是由对无人机的飞行姿态进行多阶段动态控制的多个姿态参数顺序排列组合而成，简单来说，按照姿态规划信息，进行姿态调整节点分割，节点包括姿态开始调整节点和调整完成节点，举例如，某一无人机需要经历三个阶段的姿态变化，第一阶段的开始作为第一节点，在此设置一个姿态参数用于控制该无人机开始按照第一阶段要求的飞行姿态飞行，第一阶段的结束时间即第二阶段的开始时间再次作为第二节点，再次设置一个姿态参数用于控制该无人机切换飞行姿态，以此类推，在无人机需要转换飞行姿态的节点设置姿态参数，实现对无人机的飞行姿态的动态调整。姿态参数包括滚转角速率、俯仰角速率、偏航角速率、滚转角、俯仰角、偏航角等可以控制飞行姿态的参数。

其中，如图2所示，本发明实施例步骤S200包括：

步骤S210：基于所述姿态规划信息，确定姿态调整节点；

步骤S220：利用所述姿态调整节点对所述姿态规划信息进行姿态分割；

步骤S230：基于姿态分割结果进行姿态参数平滑处理，获得各姿态分割结果的姿态参数，并根据所述各姿态分割结果的姿态参数，生成所述姿态控制流。

具体地，根据姿态规划信息，确定姿态调整节点，姿态调整节点即为需要进行姿态转换的时间节点，姿态调整节点的数量可以是一个或多个，进一步利用姿态调整节点对姿态规划信息进行姿态分割，通俗地讲，姿态规划信息中包含不同阶段的飞行姿态信息，一个阶段对应一种飞行姿态，每一个阶段的起始点和结束点作为姿态调整节点，以姿态调整点作为分割点，将姿态规划信息中的多个阶段进行分割，姿态分割结果包括多个阶段分别对应的飞行姿态。基于姿态分割结果进行姿态参数平滑处理，参数平滑处理可以简单理解为对数据中的噪声进行去除，具体可以根据实际情况选择平滑处理方法，提高数据的准确性，比如中值滤波法，获得平滑处理后的各姿态分割结果的姿态参数，姿态参数包括滚转角速率、俯仰角速率、偏航角速率、滚转角、俯仰角、偏航角等可以控制飞行姿态的参数，具体需要根据各姿态分割结果需求的飞行姿态确定，进而对各姿态分割结果的姿态参数进行时序排列，得到姿态控制流，达到为后续的姿态控制提供数据支持的效果。

其中，本发明实施例步骤S230还包括：

步骤S231：基于所述姿态调整节点，构建调整评估时序链；

步骤S232：将所述各姿态分割结果的姿态参数按照节点对应关系添加至所述调整评估时序链，基于马尔可夫链模型结构，建立评估模型对各姿态调整节点进行姿态概率预测，获得姿态预测概率；

步骤S233：根据所述姿态规划信息与所述姿态调整节点进行节点对齐，确定姿态规划信息中节点的姿态预测概率；

步骤S234：当所述姿态规划信息中节点的姿态预测概率满足姿态规划要求时，确定姿态参数。

具体地，按照时间先后顺序对姿态调整节点进行连接，以连接结果作为调整评估时序链，将各姿态分割结果的姿态参数按照节点对应关系添加至调整评估时序链，具体来说，每一个姿态分割结果是一个飞行阶段，其对应一种飞行姿态，将该阶段对应的姿态参数标识到调整评估时序链中该阶段的起始点。进一步基于马尔可夫链模型结构，建立评估模型对各姿态调整节点进行姿态概率预测，获得姿态预测概率，也就是说，以姿态调整节点作为马尔科夫链的状态节点，根据状态节点的姿态参数对该状态节点的飞行姿态进行预测，获取在该节点可以达到姿态规划信息中的节点的飞行姿态的概率，以此作为姿态预测概率。在进行飞行姿态预测之前，需要根据姿态规划信息与姿态调整节点进行节点对齐，通俗地讲，姿态规划信息中包含多个阶段的飞行姿态，每一阶段的起始点作为一个节点，次节点与姿态调整节点是一一对应的，将任意两个对应的节点进行标记，比如用同一种颜色进行标记，便于后续进行对应节点的数据的比对。进而通过评估模型根据姿态参数对任一姿态调整节点的飞行姿态进行预测，确定姿态规划信息中节点的姿态预测概率。进一步对姿态预测概率进行判断，当姿态规划信息中节点的姿态预测概率满足姿态规划要求时，以调整评估时序链中每一姿态调整节点的姿态参数作为无人机实际执行任务时的姿态参数，姿态规划要求是指对姿态预测概率的限定条件，比如限定概率为90%，那么只有姿态预测概率达到90%，才可以确定姿态参数，如果姿态预测概率达不到90%，就需要对调整评估时序链中每一姿态调整节点的姿态参数进行调整后重影预测，直到姿态预测概率满足姿态规划要求，以此保证每一个姿态调整节点的姿态参数的准确性，从而提高无人机飞行姿态远程控制的准确性。

步骤S300：根据所述姿态控制流生成姿态控制指令，所述姿态控制指令用于基于所述姿态控制流中的姿态参数、控制切换时间节点进行无人机姿态控制；

具体而言，根据姿态控制流生成姿态控制指令，姿态控制指令用于基于姿态控制流中的姿态参数、控制切换时间节点进行无人机姿态控制，也就是说，姿态控制指令可以认为是一个控制信号，当发出控制信号后，根据姿态控制流中的姿态参数、控制切换时间节点，在对应的时间节点，向无人机控制终端输入对应的姿态参数，实现对无人机的远程姿态控制。

步骤S400：通过设置在无人机上的姿态监测设备进行姿态监测，获得姿态监测信息；

具体而言，姿态监测设备是用于对无人机的飞行姿态（角速度）进行监测的设备，比如陀螺仪，具备自动采集、自动传输的功能。通过连接（无线连接：蓝牙、WIFI等）姿态监测设备可以获取姿态监测信息，姿态监测信息即为无人机实际执行任务时的实时飞行姿态。

步骤S500：基于所述姿态监测信息与姿态参数进行损失值计算，获得参数控制损失系数；

具体而言，无人机的实际飞行过程还会受到无人机控制性能、环境参数等多种因素的影响，因此，控制过程可能会存在控制误差。基于此，对姿态监测信息与姿态参数进行损失值计算，损失值即为姿态监测信息与姿态参数之间的差值，用差值除以姿态参数得到的值即为参数控制损失系数。

步骤S600：利用所述参数控制损失系数对所述姿态控制指令中的姿态参数进行损失补偿，获得补偿姿态参数对无人机进行姿态控制。

具体而言，利用参数控制损失系数对姿态控制指令中的姿态参数进行损失补偿，获得补偿姿态参数对无人机进行姿态控制，通俗地讲，姿态控制指令中的姿态参数在实际控制过程中出现了偏差，参数控制损失系数即为姿态参数的控制损失率，通过简单的数学计算，就可以根据参数控制损失系数进行损失补偿，

其中，本发明实施例步骤S700包括：

步骤S710：获得风力影响系数；

步骤S720：根据所述风力影响系数、所述参数控制损失系数进行融合分析，确定融合控制损失系数，通过所述融合控制损失系数对姿态参数进行损失补偿。

具体而言，无人机的飞行环境会对无人机的飞行姿态产生影响，其中，风力是对飞行姿态影响最大的环境因素，其他环境因素的影响较小，可以忽略不计。基于此，获取获得风力影响系数，风力影响系数表征风力大小对飞行姿态的影响程度，根据风力影响系数、参数控制损失系数进行融合分析，也就是说，参数控制损失系数是基于无人机自身的控制性能获取的，虽然也考虑到了环境因素的影响，但是环境因素中的主要因素，即风力是实时变化的，因此需要结合实时风力变化对参数控制损失系数再次进行补偿修正，具体可以用风力影响系数加上参数控制损失系数，以加和计算结果作为融合控制损失系数，进而根据融合控制损失系数进行损失补偿，提高补偿姿态参数的准确性，从而保证无人机姿态控制的准确性。

其中，如图3所示，本发明实施例步骤S710：

步骤S711：获得风力数据集；

步骤S712：通过所述姿态监测设备对无人机进行姿态数据监测，获得姿态监测数据集；

步骤S713：利用所述风力数据集、所述姿态监测数据集，建立风力-姿态对应列表；

步骤S714：基于风力-姿态对应列表计算风力数据集的风力变化值与姿态偏差值关系，确定所述风力影响系数。

具体地，获得风力影响系数的过程如下：通过风力传感器获得风力数据集，其中，风力数据集中的风力数据包括风向和风速大小，且具有时间标识，风向是以无人机的飞行方向为基准的，比如与无人机同向、逆向等方向。通过前述的姿态监测设备（比如：陀螺仪）对无人机进行姿态数据监测，获得姿态监测数据集，姿态监测数据集与风力监测数据集一一对应，也就是说，姿态监测数据集是在风力数据集的环境下获得的。利用风力数据集与姿态监测数据集之间的对应关系，建立风力-姿态对应列表，以风力（包括风速、风向）作为第一列表属性、姿态监测数据作为第二列表属性构建列表，按照对应关系将风力数据集与姿态监测数据集中的数据添加至列表中，得到风力-姿态对应列表。基于风力-姿态对应列表计算风力数据集的风力变化值与姿态偏差值关系，确定风力影响系数，通俗地讲，风力可能实时发生变化，基于风力数据集中的数据的时间标识信息，计算任意两个连续的风力发生变化的时间节点的风速变化差值和风向变化，同时计算这两个时间节点对应的姿态监测数据的变化差值，基于此获取风力对无人机飞行姿态的影响程度，以此作为风力影响系数，保证控制损失系数的准确性，提高飞行姿态控制准确度。

其中，本发明实施例步骤S714还包括：

步骤S7141：实时获得风力数据，基于实时风力数据进行风力差异值计算；

步骤S7142：根据所述风力差异值、风力影响系数，进行风力影响系数修正，其中，所述风力差异值包括风向差异值、风速差异值，分别基于所述风向差异值、风速差异值进行风力影响系数计算，利用风力影响系数、风速影响系数通过融合计算模型进行计算，获得修正系数，利用修正系数对所述风力影响系数进行修正。

具体地通过连接天气预报平台或者其他风力监测设备（比如：风力传感器）对实时的风力数据进行实时监测，获得实时风力数据，实时风力数据包括实时风速、风向，基于实时风力数据进行风力差异值计算，此处的风力差异值是基于前一时刻的风力数据计算获得的，包括风速差异值和风向差异值，也就是说，如果风力没有发生变化，差异值为0，如果风力差异值不为0，说明发生了风速或者风向的变化，进而分别确定风向差异值、风速差异值计算实时风力数据对无人机飞行姿态的影响程度，得到风速影响系数和风向影响系数，以风速影响系数和风向影响系数对风力影响系数进行修正。具体地，利用风向影响系数、风速影响系数通过融合计算模型进行计算，获得修正系数，修正系数即为实时风力数据对无人机飞行姿态的影响程度。融合计算模型是机器学习中的神经网络算法，具体可以通过获取多组历史风向影响系数、历史风速影响系数、历史修正系数，通过将每一组历史风向影响系数、历史风速影响系数输入融合计算模型，通过历史修正系数对融合计算模型进行输出监督调整，将融合计算模型训练至收敛，进而将力影响系数、风速影响系数输入融合计算模型，输出修正系数，利用修正系数对风力影响系数进行修正，便于对姿态参数进行实时调整，保证飞行姿态的控制准确性。

其中，本发明实施例步骤S800包括：

步骤S810：通过无人机上设置的角速度监测设备进行数据监测，利用预设滤波计算方法对监测数据进行计算，获得角度监测信息、角速度监测信息；

步骤S820：基于补偿姿态参数，获得角度期望值；

步骤S830：根据所述角速度监测信息、所述角度期望值，确定姿态内环控制参数；

步骤S840：根据所述角度监测信息、所述角度期望值，确定姿态外环控制参数；

步骤S850：基于所述姿态内环控制参数、姿态外环控制参数对无人机进行姿态控制。

具体而言，通过无人机上设置的角速度监测设备（比如：陀螺仪、磁罗盘）进行数据监测，利用预设滤波计算方法对监测数据进行计算，获得角度监测信息、角速度监测信息，角度监测信息为无人机当前的姿态角，即俯仰角、滚转角和航向角，通常用四元数来表示，俯仰和滚转角是通过陀螺仪积分所得到的，航向角需要通过卡尔曼滤波将陀螺仪的积分值和磁罗盘的测量值进行融合才能得到，因此测量角度并不是直接从角速度监测设备得到的，而是由状态估计模块计算所得到的最优估计值，状态估计模块即为预设滤波计算方法，具体的计算方法可以根据实际情况自行选择，比如卡曼尔滤波器；角速度监测信息为无人机当前的旋转角速度，其来源于陀螺仪的读数，但是也需要通过卡尔曼滤波器得到它们的最优估计值。基于补偿姿态参数，获得角度期望值，角度期望值就是希望无人机达到的某一个角度，也就是姿态控制中的目标状态，例如，通过补偿姿态参数对无人机飞行姿态进行控制，希望俯仰、滚转和航向角分别为5°、5°、10°，这3个角度就是角度期望值，在此只是举例说明，具体的角度期望值需要根据实际情况确定，同时角度期望值也可用弧度制表示，此处用角度值进行举例，对此不做限制。进一步根据角速度监测信息、角度期望值，确定姿态内环控制参数，根据所述角度监测信息、所述角度期望值，确定姿态外环控制参数，角速度监测设备对角速度的感知要比角度更加灵敏，因此，将角速度作为姿态内环控制参数，将角度作为姿态外环控制参数。

具体来说，姿态内环控制参数通过角速度控制器进行控制输出，角速度控制器输入为角速度期望值减去角速度监测信息，也就是角速度误差，角速度期望值是外环控制器的输出；然后通过“比例-积分-微分”控制方法对角速度误差进行计算，得到其输出。姿态外环控制参数通过角度控制器进行控制输出，其输入为角度期望值减去角度监测信息，也就是角度误差；然后通过“比例”控制方法对角度误差进行计算，得到其输出，角度控制器的输入为角度误差，而输出却是角速度期望，也就是希望达到的角速度值。“比例”控制方法和“比例-积分-微分”控制方法是常用的简单的控制方式，当然，也可根据实际情况选择其他控制方法，在此不做限制。

最后通过姿态内环控制参数、姿态外环控制参数对无人机进行姿态控制，达到提高控制准确性的效果。

基于上述分析可知，本发明提供了一种无人机飞行姿态远程控制方法，在本实施例中，按照无人机任务规划信息，确定姿态规划信息，进而对姿态规划信息进行姿态分解，获取理论上的姿态参数，进一步对理论上的姿态参数与实际监测到的姿态监测信息进行差异值计算，获取参数控制损失系数，对姿态参数进行修正补偿，达到提高无人机飞行姿态的控制参数的精度，提高姿态控制准确性的技术效果。

实施例二

基于与前述实施例中一种无人机飞行姿态远程控制方法同样的发明构思，如图4所示，本发明还提供了一种无人机飞行姿态远程控制系统，所述系统包括：

姿态分解模块11，所述姿态分解模块11用于获得无人机任务规划信息，并基于所述任务规划信息进行姿态分解，确定姿态规划信息，其中，所述姿态规划信息包括多个姿态及对应的规划阶段信息；

姿态控制流构建模块12，所述姿态控制流构建模块12用于基于所述姿态规划信息，构建姿态控制流；

控制指令生成模块13，所述控制指令生成模块13用于根据所述姿态控制流生成姿态控制指令，所述姿态控制指令用于基于所述姿态控制流中的姿态参数、控制切换时间节点进行无人机姿态控制；

姿态监测模块14，所述姿态监测模块14用于通过设置在无人机上的姿态监测设备进行姿态监测，获得姿态监测信息；

损失值计算模块15，所述损失值计算模块15用于基于所述姿态监测信息与姿态参数进行损失值计算，获得参数控制损失系数；

损失补偿模块16，所述损失补偿模块16用于利用所述参数控制损失系数对所述姿态控制指令中的姿态参数进行损失补偿，获得补偿姿态参数对无人机进行姿态控制。

进一步而言，所述系统还包括：

姿态调整节点确定模块，所述姿态调整节点确定模块用于基于所述姿态规划信息，确定姿态调整节点；

姿态分割模块，所述姿态分割模块用于利用所述姿态调整节点对所述姿态规划信息进行姿态分割；

参数平滑处理模块，所述参数平滑处理模块用于基于姿态分割结果进行姿态参数平滑处理，获得各姿态分割结果的姿态参数，并根据所述各姿态分割结果的姿态参数，生成所述姿态控制流。

进一步而言，所述系统还包括：

调整评估时序链构建模块，所述调整评估时序链构建模块用于基于所述姿态调整节点，构建调整评估时序链；

姿态概率预测模块，所述姿态概率预测模块用于将所述各姿态分割结果的姿态参数按照节点对应关系添加至所述调整评估时序链，基于马尔可夫链模型结构，建立评估模型对各姿态调整节点进行姿态概率预测，获得姿态预测概率；

节点对齐模块，所述节点对齐模块用于根据所述姿态规划信息与所述姿态调整节点进行节点对齐，确定姿态规划信息中节点的姿态预测概率；

姿态预测概率判断模块，所述姿态预测概率判断模块用于当所述姿态规划信息中节点的姿态预测概率满足姿态规划要求时，确定姿态参数。

进一步而言，所述系统还包括：

风力影响系数获取模块，所述风力影响系数获取模块用于获得风力影响系数；

融合分析模块，所述融合分析模块用于根据所述风力影响系数、所述参数控制损失系数进行融合分析，确定融合控制损失系数，通过所述融合控制损失系数对姿态参数进行损失补偿。

进一步而言，所述系统还包括：

风力数据集获取模块，所述风力数据集获取模块用于获得风力数据集；

姿态数据监测模块，所述姿态数据监测模块用于通过所述姿态监测设备对无人机进行姿态数据监测，获得姿态监测数据集；

风力-姿态对应列表构建模块，所述风力-姿态对应列表构建模块用于利用所述风力数据集、所述姿态监测数据集，建立风力-姿态对应列表；

影响系数计算模块，所述影响系数计算模块用于基于风力-姿态对应列表计算风力数据集的风力变化值与姿态偏差值关系，确定所述风力影响系数。

进一步而言，所述系统还包括：

差异值计算模块，所述差异值计算模块用于实时获得风力数据，基于实时风力数据进行风力差异值计算；

系数修正模块，所述系数修正模块用于根据所述风力差异值、风力影响系数，进行风力影响系数修正，其中，所述风力差异值包括风向差异值、风速差异值，分别基于所述风向差异值、风速差异值进行风力影响系数计算，利用风力影响系数、风速影响系数通过融合计算模型进行计算，获得修正系数，利用修正系数对所述风力影响系数进行修正。

进一步而言，所述系统还包括：

监测数据计算模块，所述监测数据计算模块用于通过无人机上设置的角速度监测设备进行数据监测，利用预设滤波计算方法对监测数据进行计算，获得角度监测信息、角速度监测信息；

角度期望值获取模块，所述角度期望值获取模块用于基于补偿姿态参数，获得角度期望值；

姿态内环控制参数确定模块，所述姿态内环控制参数确定模块用于根据所述角速度监测信息、所述角度期望值，确定姿态内环控制参数；

姿态外环控制参数确定模块，所述姿态外环控制参数确定模块用于根据所述角度监测信息、所述角度期望值，确定姿态外环控制参数；

姿态控制模块，所述姿态控制模块用于基于所述姿态内环控制参数、姿态外环控制参数对无人机进行姿态控制。

前述实施例一中的一种无人机飞行姿态远程控制方法具体实例同样适用于本实施例的一种无人机飞行姿态远程控制系统，通过前述对一种无人机飞行姿态远程控制方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种无人机飞行姿态远程控制系统，所以为了说明书的简洁，在此不再详述。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行，也可以顺序地执行也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明保护范围之内。