摘要
旋翼无人机空气动力学模型能够克服无人机旋翼下洗气流的影响,相比携带传感器直接测风具有一定优势.空气动力学模型利用无人机自身的姿态数据可以直接计算得到风向,但是风速的计算还需要开展大量的风洞实验以及复杂的实体建模获取相关参数.为简化流程、规避参数获取过程中存在的误差,采用BP(back propagation)神经网络替代风洞实验和实体建模,研究无人机姿态同自然风速的关系.通过确定风速影响因子,分别建立以两个欧拉角为输入和以两个欧拉角计算得到的倾角为输入的旋翼无人机空中原位风速反演模型EUL-BP(euler back propagation)和INC-BP(incline back propagation).以无人机悬停等高度风塔上超声风速仪观测自然风速为真值,比较反演模型EUL-BP和INC-BP发现,INC-BP增强了BP神经网络寻优过程的约束,反演效果较EUL-BP更优,其均方根误差大致为0.65 m/s,相关系数为0.86左右;比较反演模型结果与无人机机载自动气象站观测结果发现,当风力条件为三级及以下时,反演风速远优于携带传感器观测的风速.
基金项目
天津市气象局2021年科研项目(202122dgxm07)
NETL
NSTL
维普
万方数据