应用于狭窄场景下无人机吊装作业抗扰控制方法与流程

本发明涉及无人机控制，具体涉及应用于狭窄场景下无人机吊装作业抗扰控制方法。

背景技术：

1、在带电架空导线作业中，当需要将导线自由引入断开点时，通常采用桥接法完成电气连接。常规桥接法作业依赖绝缘斗臂车作为升降平台，将作业人员和桥接工具（如桥接法作业机器人）送至导线附近完成对接。然而，在高架桥下、狭窄弄堂、田间、山头等受场地制约显著的狭窄区域，绝缘斗臂车无法进入或展开，导致桥接法作业无法开展。

2、对此，现有技术中采用无人机替代绝缘斗臂车，将桥接法作业工具吊装至导线附近并完成对接。无人机通过搭载激光雷达、惯性测量单元（imu）等数据感知设备，并结合利用模型预测控制（mpc）等控制算法生成飞行控制参数，实现自动化吊装。

3、然而，带电导线周围存在强烈的电磁场，甚至存在电晕放电和火花放电干扰，这些电磁干扰会耦合至数据感知设备的信号采集链路（例如a/d模块或时序模块），导致数据感知设备采集的数据中混入大量噪声，严重影响数据质量，影响无人机的高效稳定控制过程。

技术实现思路

1、为解决上述问题，本发明提供应用于狭窄场景下无人机吊装作业抗扰控制方法。

2、本发明的应用于狭窄场景下无人机吊装作业抗扰控制方法采用如下技术方案：

3、本发明一个实施例提供了应用于狭窄场景下无人机吊装作业抗扰控制方法，该方法包括以下步骤：

4、无人机吊起目标物体向带电导线飞行的过程中，利用imu传感器采集目标物体运动数据，依据无人机位姿以及目标物体运动数据，并利用mpc算法控制飞行参数，mpc算法中的时间步数初始化为预设数值；基于无人机位姿和目标物体运动数据获得目标物体相对带电导线的位姿差异；任意一个检测时间点下从位姿差异的变化序列中确定用于检测电磁干扰幅度的干扰检测时间窗口；基于干扰检测时间窗口确定对无人机位姿和目标物体运动数据进行滤波时的最优滤波器，该检测时间点之后依据最优滤波器滤波后的无人机位姿和目标物体运动数据，并利用mpc算法控制飞行参数；该检测时间点之后的下一个检测时间点下根据位姿差异的变化序列重新确定干扰检测时间窗口，并利用最近获得的两个干扰检测时间窗口的窗口长度增长量更新mpc算法的时间步数。

5、优选的，所述更新mpc算法的时间步数，包括的具体步骤如下：

6、最近获得的两个干扰检测时间窗口的窗口长度增长量表示为d1，最近获得的两个干扰检测时间窗口的运动趋势幅度的均值绝对值记为d2；

7、当d1大于等于0时，更新后的时间步数与d1、d2呈正相关；当d1小于0时更新后的时间步数设置为时间步数的初始值。

8、优选的，所述干扰检测时间窗口的具体获取步骤如下：

9、d1：任意检测时间点之前的历史时间段内所有时刻下的位姿差异构成变化序列，变化序列中的任意一个运动分量记为目标序列；对目标序列进行归一化，同时初始化一个数值k0；

10、d2：将线性归一化后的目标序列最后的k0个元素记为第一组元素，将第一组元素的均值和标准差记为u1和a1，将目标序列中第一组元素之前的k0个元素记为第二组元素，将第二组元素的均值记为u2，目标序列中第二组元素之前的k0个元素的均值记为u3；将(|u1-u2|+|u2-u3|)/2记为目标序列的第一变化幅度，将|u1-u3|记为第二变化幅度，||表示绝对值；

11、d3：当第一变化幅度和第二变化幅度均大于a1时，以k0个元素的时间跨度为一个干扰检测时间窗口；当第一变化幅度或第二变化幅度小于等于a1时，增加k0的取值，并重复执行d2、d3，直至获得一个干扰检测时间窗口后停止。

12、优选的，所述干扰检测时间窗口的运动趋势幅度的获取方法为：

13、在执行d3的过程中，当获得一个干扰检测时间窗口后，将u1-u3记为干扰检测时间窗口对应的运动趋势幅度。

14、优选的，所述基于干扰检测时间窗口确定对无人机位姿和目标物体运动数据进行滤波时的最优滤波器，包括的具体步骤如下：

15、历史时间段内无人机位姿或目标物体运动数据的每个分量序列分别分配一个滤波器；利用每个滤波器对每个分量序列滤波得到目标物体相对带电导线的滤波位姿差异；

16、历史时间段内的所有滤波位姿差异构成滤波变化序列；滤波变化序列中的任意一个运动分量记为目标滤波序列，目标滤波序列中干扰检测时间窗口内的元素的标准差记为滤波后的电磁干扰幅度；滤波变化序列中所有运动分量对应的滤波后的电磁干扰幅度的均值记为滤波后的综合干扰幅度；

17、将滤波后的综合干扰幅度最小时的、所有分量序列分别所对应的滤波器作为最优滤波器。

18、优选的，所述目标物体相对带电导线的滤波位姿差异，包括的具体步骤如下：

19、所有分量序列包括：历史时间段内无人机位姿中的位置构成第一位置分量序列，无人机位姿中的姿态角构成第一姿态角分量序列，目标物体运动数据中的线加速度构成第一加速度分量序列，目标物体运动数据中的姿态角构成第二姿态角分量序列；

20、利用所有分量序列对应的滤波器依次对每个分量序列进行滤波后得到无人机的每个滤波位姿，以及目标物体的每个滤波运动数据，基于无人机的滤波位姿和目标物体的滤波运动数据确定目标物体相对带电导线的滤波位姿差异。

21、优选的，所述将滤波后的综合干扰幅度最小时的、所有分量序列分别所对应的滤波器作为最优滤波器，包括的具体步骤如下：

22、每个分量序列所对应的滤波器为低通滤波器，为每个低通滤波器的截止频率预设一组候选取值，每个低通滤波器选择其中一个候选取值，所有分量序列所对应的低通滤波器选择的候选取值构成一个组合结果，所有低通滤波器基于每个组合结果分别对每个分量序列滤波后，对应得到一个所述滤波后的综合干扰幅度；遍历所有的组合结果，滤波后的综合干扰幅度最小时的组合结果作为所有分量序列所对应的低通滤波器的最优参数，最优参数下的所有低通滤波器组成最优滤波器。

23、优选的，所述获得目标物体相对带电导线的位姿差异的步骤，与所述确定目标物体相对带电导线的滤波位姿差异的步骤，均是通过以下方式实现：

24、基于无人机实时采集的带电导线上的点云，建立以带电导线为原点的参考坐标系；所述无人机位姿或所述无人机的滤波位姿包含：无人机在参考坐标系中的位置和姿态角；所述目标物体运动数据或所述目标物体的滤波运动数据包含：目标物体的线加速度和姿态角；

25、基于所述线加速度以及目标物体在无人机上吊装时的摆线长度确定目标物体相对于无人机的位置，基于目标物体相对于无人机的位置以及无人机在参考坐标系中的位置，确定目标物体相对于带电导线的位置；基于目标物体的姿态角以及无人机在参考坐标系中的姿态角，确定目标物体相对于带电导线的姿态角；目标物体相对于带电导线的位置和姿态角记为目标物体对于带电导线的位姿，并作为所述位姿差异或所述滤波位姿差异。

26、优选的，所述变化序列中的任意一个运动分量记为目标序列，包括的具体步骤如下：

27、变化序列的每个元素包含位置和姿态角两个运动分量，将每个元素中的位置取模长，记为每个元素的位置差异，将每个元素中的姿态角取模长，记为每个元素的姿态差异；变化序列中所有元素的位置差异构成一个位置差异序列，所有元素的姿态差异构成一个姿态差异序列；位置差异序列和姿态差异序列中的任意一个序列表示为目标序列。

28、优选的，所述依据无人机位姿以及目标物体运动数据，并利用mpc算法控制飞行参数，包括的具体步骤如下：

29、根据无人机位姿以及目标物体运动数据所确定的目标物体相对带电导线的位姿，将目标物体对于带电导线的位姿作为mpc算法的状态向量，将无人机的三维线速度和绕重力方向的角速度作为飞行参数。

30、本发明的技术方案的有益效果是：

31、本发明通过干扰检测时间窗口动态评估电磁干扰幅度，基于干扰检测结果自适应确定最优滤波器，能够针对性抑制当前电磁干扰环境下的传感器噪声，保证输入mpc算法的准确性；在此基础上，利用相邻干扰检测时间窗口的窗口长度增长量，自适应更新mpc算法的时间步数，当电磁干扰显著时将时间步数更新为较大值，延长预测时域使控制策略更平滑，保证无人机吊装过程的稳定性，减少非电磁干扰因素对电磁干扰评估的影响，提升滤波可靠性；当电磁干扰较弱时将时间步数更新为较小值，缩短预测时域提高控制响应速度，提升吊装作业效率。

32、本发明整体形成干扰感知、滤波抑制、控制策略优化的闭环抗扰机制，能够动态适配带电导线附近变化的电磁干扰环境，兼顾控制稳定性与作业效率，实现狭窄场景下无人机吊装作业的高效稳定抗扰控制。