本發(fā)明涉及風(fēng)力干擾環(huán)境下四旋翼飛行器姿態(tài)解算方法，屬于無(wú)人機(jī)飛行控制領(lǐng)域。

背景技術(shù)：

近年來(lái)，隨著微電子技術(shù)，微機(jī)電技術(shù)，高聚合物新能源技術(shù)，先進(jìn)控制技術(shù)的發(fā)展，四旋翼飛行器已成為人們研究的熱點(diǎn)。無(wú)人飛行器的種類繁多，其中四旋翼無(wú)人飛行器是一個(gè)重要的研究方向。與其他無(wú)人飛行器相比，四旋翼飛行器可以實(shí)現(xiàn)垂直起降，定點(diǎn)懸停等功能，同時(shí)具有體積小，機(jī)構(gòu)簡(jiǎn)單，成本低，機(jī)動(dòng)性能好，有效載荷能力好，易于穿行狹小空間等優(yōu)勢(shì)，因此在環(huán)境監(jiān)測(cè)、災(zāi)區(qū)營(yíng)救、輸電線路巡查和空中航拍等領(lǐng)域得到了廣泛的應(yīng)用。

飛行器的位姿估計(jì)是實(shí)現(xiàn)無(wú)人飛行器(UAV)自主能力飛行的基礎(chǔ)?；パa(bǔ)濾波最先在無(wú)人機(jī)姿態(tài)解算中得到很好的應(yīng)用，然而姿態(tài)解算的精度還是達(dá)不到要求。在過(guò)去的幾十年里，眾多學(xué)者致力于研究卡爾曼濾波算法，如：擴(kuò)展卡爾曼濾波(EKF)，無(wú)跡卡爾曼濾波(UKF)和粒子濾波。并成功將EKF和UKF運(yùn)用到無(wú)人機(jī)姿態(tài)解算中去，得到了更高精度的姿態(tài)角。萬(wàn)曉鳳，康利平，余運(yùn)俊等基于互補(bǔ)濾波算法進(jìn)行姿態(tài)解算，并取得了較高精度的姿態(tài)角。李蕭然，陳謀等人基于EKF進(jìn)行無(wú)人機(jī)姿態(tài)解算，得到了很高精度的姿態(tài)角。朱巖，付巍等人基于UKF進(jìn)行無(wú)人機(jī)姿態(tài)解算，得到了更高精度的姿態(tài)角。以上學(xué)者皆沒(méi)有考慮風(fēng)力估算，針對(duì)此問(wèn)題，A Cho等人提出用一個(gè)單天線GPS和流速計(jì)對(duì)風(fēng)進(jìn)行估計(jì)。然而，該學(xué)者僅僅考慮了風(fēng)力的估計(jì)，而沒(méi)有深入研究風(fēng)力對(duì)無(wú)人機(jī)控制的影響。在實(shí)際環(huán)境下，飛行器飛行時(shí)易受風(fēng)力影響，從而導(dǎo)致飛行器姿態(tài)解算誤差較大，進(jìn)而影響到對(duì)無(wú)人機(jī)的有效控制。針對(duì)此問(wèn)題，本發(fā)明提出一種風(fēng)力干擾環(huán)境下無(wú)人機(jī)姿態(tài)解算算法。本算法將風(fēng)力作為觀測(cè)量，基于四元數(shù)微分方程和陀螺儀噪聲誤差建立卡爾曼濾波狀態(tài)方程，并利用來(lái)自加速度計(jì)，磁力計(jì)，GPS，空速計(jì)等傳感器補(bǔ)償陀螺儀引起的誤差，最后利用加速度計(jì)，磁力計(jì)和風(fēng)力相關(guān)數(shù)據(jù)進(jìn)行四元數(shù)解算?；趯?shí)測(cè)數(shù)據(jù)的測(cè)試表明，所提算法可以有效抑制姿態(tài)角發(fā)散，提高姿態(tài)解算精度，改善無(wú)人機(jī)控制性能。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)風(fēng)力會(huì)影響無(wú)人機(jī)姿態(tài)解算，進(jìn)而干擾無(wú)人機(jī)飛行控制問(wèn)題，基于擴(kuò)展卡爾曼濾波理論，本發(fā)明提出一種風(fēng)力干擾環(huán)境下無(wú)人機(jī)姿態(tài)解算方法以增強(qiáng)姿態(tài)解算的穩(wěn)健性從而提高無(wú)人機(jī)控制性能。所提方法通過(guò)四元數(shù)微分方程和陀螺儀噪聲誤差建立擴(kuò)展卡爾曼濾波狀態(tài)方程，并基于加速度計(jì)、磁強(qiáng)計(jì)、風(fēng)力相關(guān)數(shù)據(jù)，得到四元數(shù)解算結(jié)果?；趯?shí)測(cè)數(shù)據(jù)測(cè)試結(jié)果表明，所提算法可以有效抑制姿態(tài)角發(fā)散，提高姿態(tài)解算精度，改善無(wú)人機(jī)控制性能。實(shí)現(xiàn)本發(fā)明的基本思路是，首先建立無(wú)人機(jī)姿態(tài)模型，建立擴(kuò)展卡爾曼濾波狀態(tài)方程和觀測(cè)方程，引入風(fēng)力作為觀測(cè)量，對(duì)狀態(tài)方程進(jìn)行線性化，求解最優(yōu)姿態(tài)角。

本發(fā)明的具體步驟包含如下：

第一步：坐標(biāo)系定義以及姿態(tài)矩陣

為了描述飛行器的俯仰、偏航、橫滾的姿態(tài)信息，需要建立相應(yīng)的坐標(biāo)系。本專利采用兩個(gè)不同的三維坐標(biāo)系，分別為導(dǎo)航坐標(biāo)系n,定義為東北天坐標(biāo)系；載體坐標(biāo)系b，其中x_b沿機(jī)體橫軸指向右，y_b沿機(jī)體縱軸指向前，z_b沿機(jī)體豎直指向上，滿足右手定則，原點(diǎn)皆為無(wú)人機(jī)重心。姿態(tài)解算在導(dǎo)航坐標(biāo)系中完成，因而須將無(wú)人機(jī)上傳感器測(cè)得的姿態(tài)信息經(jīng)坐標(biāo)變換矩陣映射至坐標(biāo)系n。

從導(dǎo)航坐標(biāo)系到載體坐標(biāo)系的姿態(tài)矩陣可表示為：

其方向余弦形式可表述如下：

式中，ψ，θ，φ分別表示無(wú)人機(jī)的航向角，俯仰角，翻滾角。比較姿態(tài)矩陣的四元數(shù)形式(1)及歐拉角形式(2)，可知：

至此，可得姿態(tài)角的四元數(shù)表示形式，基于此形式可對(duì)風(fēng)力干擾條件下基于卡爾曼濾波的姿態(tài)計(jì)算問(wèn)題進(jìn)行深入分析。

第二步：卡爾曼濾波定姿方程，

1.卡爾曼濾波姿態(tài)解算的狀態(tài)方程，

卡爾曼濾波姿態(tài)解算的預(yù)測(cè)方程表示為：

X_k＝Φ_k,k-1X_k-1+W_k-1 (4)

其中Φ_k,k-1為t_k-1時(shí)刻到t_k時(shí)刻的一步轉(zhuǎn)移矩陣，W_k為系統(tǒng)噪聲序列。

系統(tǒng)狀態(tài)方程可表示為：

由于狀態(tài)估計(jì)量為四元數(shù)，則狀態(tài)方程用四元數(shù)微分方程可進(jìn)一步表示為:

其中，ω_x,ω_y,ω_z為安裝在四旋翼飛行器上陀螺儀的角速度分量。

由于系統(tǒng)狀態(tài)方程是連續(xù)的，不易采用數(shù)字化方法對(duì)其進(jìn)行求解。針對(duì)此問(wèn)題，目前求解四元數(shù)微分方程主要有兩種方法:一種是龍格庫(kù)塔法，另一種是畢卡逼近法。本專利采用四階畢卡逼近法將其離散化，取q(t)＝[q₀(t)q₁(t)q₂(t)q₃(t)]，將(6)式離散化可得：

q(k+1)＝Φ_k,k-1q(k) (7)

其中：

2.卡爾曼濾波姿態(tài)解算的觀測(cè)方程

風(fēng)力干擾環(huán)境下，觀測(cè)量可由以下三種測(cè)量值構(gòu)成：加速度計(jì)、磁力計(jì)和風(fēng)力。其觀測(cè)方程為：

Z(t)＝HX(t)+V(t) (8)

其中V(t)是白噪聲，下面對(duì)測(cè)量值進(jìn)行深入分析。

首先針對(duì)觀測(cè)量加速度計(jì)和磁強(qiáng)計(jì)進(jìn)行分析：

參考坐標(biāo)系下重力向量定義為G＝[0 0 1]^T，地磁場(chǎng)向量h＝[h_x h_y h_z]^T。其矩陣形式可分別表示為：

其中，g，m分別是載體坐標(biāo)系下加速度計(jì)及磁力計(jì)的量測(cè)值。由式(9)及(10)可得：

由以上所述，可得加速度計(jì)及磁力計(jì)量測(cè)值的四元數(shù)表示形式，下面針對(duì)風(fēng)力進(jìn)行深入分析。

第三步：風(fēng)力觀測(cè)方程，

1.氣流坐標(biāo)系

空氣流動(dòng)用幅值為V_T的空速矢量V_T表示，其方向由相對(duì)機(jī)體的兩個(gè)角來(lái)定義，即攻角α和側(cè)滑角β，分別定義為：

機(jī)體坐標(biāo)系(b)到氣流坐標(biāo)系(w)的旋轉(zhuǎn)矩陣可表述如下：

由于則：

其中A為矢量，由上式可得：

其中，

基于上述分析，空速矢量可表示為：

在機(jī)體坐標(biāo)系中，空速矢量可改寫(xiě)為：

至此，氣流坐標(biāo)系已建立，下面將在此坐標(biāo)系下對(duì)風(fēng)力干擾進(jìn)行分析。

2.風(fēng)力干擾

飛機(jī)慣性速度v為空速V_T及風(fēng)速W之和，可表示為：

v＝V_T+W (16)

導(dǎo)航坐標(biāo)系下，擾動(dòng)風(fēng)表示為Wⁿ，機(jī)體坐標(biāo)系飛機(jī)速度可表示為：

上式可改寫(xiě)為：

導(dǎo)航坐標(biāo)系下，式(18)的矩陣形式可表示為：

由系統(tǒng)觀測(cè)過(guò)程可知，四元數(shù)為關(guān)于加速度計(jì)磁力計(jì)的量測(cè)值及風(fēng)力值的非線性函數(shù)。為求解四元數(shù)，須基于雅克比矩陣將其線性化。基于式(12)及(14)，雅克比矩陣H可表示為：

至此，得到了風(fēng)力觀測(cè)方程及將其線性化的雅克比矩陣?；诖耍纯衫脭U(kuò)展卡爾曼濾波對(duì)四元數(shù)進(jìn)行解算。

第四步：基于擴(kuò)展卡爾曼濾波流程的四元數(shù)姿態(tài)解算

基于以上討論可知，基于風(fēng)力的無(wú)人機(jī)姿態(tài)解算可利用擴(kuò)展卡爾曼濾波實(shí)現(xiàn)。在一個(gè)濾波周期內(nèi)，卡爾曼濾波具有兩個(gè)明顯的更新過(guò)程：時(shí)間更新過(guò)程和量測(cè)更新過(guò)程。因此，基于以上所述，基于風(fēng)力的時(shí)間更新過(guò)程及量測(cè)更新過(guò)程可表述如下：

1.時(shí)間更新過(guò)程

狀態(tài)一步預(yù)測(cè)：

均方誤差的一步預(yù)測(cè)：

2.量測(cè)更新過(guò)程

卡爾曼濾波增益：

協(xié)方差陣更新：

P_k＝(I-K_kH_k)P_k/k-1 (24)

狀態(tài)更新：

本發(fā)明有益效果：

本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：

本發(fā)明基于擴(kuò)展卡爾曼濾波，將風(fēng)力作為觀測(cè)變量，在風(fēng)力干擾下可以有效抑制姿態(tài)角發(fā)散，提高姿態(tài)解算精度，改善無(wú)人機(jī)控制性能。針對(duì)風(fēng)力會(huì)影響無(wú)人機(jī)姿態(tài)解算，進(jìn)而干擾無(wú)人機(jī)飛行控制問(wèn)題，基于擴(kuò)展卡爾曼濾波理論，本發(fā)明提出一種風(fēng)力干擾環(huán)境下無(wú)人機(jī)姿態(tài)解算方法以增強(qiáng)姿態(tài)解算的穩(wěn)健性從而提高無(wú)人機(jī)控制性能。所提方法通過(guò)四元數(shù)微分方程和陀螺儀噪聲誤差建立擴(kuò)展卡爾曼濾波狀態(tài)方程，并基于加速度計(jì)、磁強(qiáng)計(jì)、風(fēng)力相關(guān)數(shù)據(jù)，得到四元數(shù)解算結(jié)果?；趯?shí)測(cè)數(shù)據(jù)測(cè)試結(jié)果表明，所提算法可以有效抑制姿態(tài)角發(fā)散，提高姿態(tài)解算精度，改善無(wú)人機(jī)控制性能

附圖說(shuō)明

圖1為本發(fā)明實(shí)現(xiàn)的流程圖；

圖2為本發(fā)明分別在無(wú)風(fēng)，有風(fēng)時(shí)考慮風(fēng)和有風(fēng)時(shí)不考慮風(fēng)的翻滾角偏差對(duì)比圖；

圖3為本發(fā)明分別在無(wú)風(fēng)，有風(fēng)時(shí)考慮風(fēng)和有風(fēng)時(shí)不考慮風(fēng)的俯仰角偏差對(duì)比圖；

圖4位本發(fā)明分別在無(wú)風(fēng)，有風(fēng)時(shí)考慮風(fēng)和有風(fēng)時(shí)不考慮風(fēng)的偏航角偏差對(duì)比圖。

具體實(shí)施方式

本發(fā)明的效果可通過(guò)以下仿真進(jìn)一步說(shuō)明：

下面結(jié)合附圖1對(duì)本發(fā)明的實(shí)現(xiàn)步驟做進(jìn)一步詳細(xì)描述：

第一步：坐標(biāo)系定義以及姿態(tài)矩陣

為了描述飛行器的俯仰、偏航、橫滾的姿態(tài)信息，需要建立相應(yīng)的坐標(biāo)系。本專利采用兩個(gè)不同的三維坐標(biāo)系，分別為導(dǎo)航坐標(biāo)系n,定義為東北天坐標(biāo)系；載體坐標(biāo)系b，其中x_b沿機(jī)體橫軸指向右，y_b沿機(jī)體縱軸指向前，z_b沿機(jī)體豎直指向上，滿足右手定則，原點(diǎn)皆為無(wú)人機(jī)重心。姿態(tài)解算在導(dǎo)航坐標(biāo)系中完成，因而須將無(wú)人機(jī)上傳感器測(cè)得的姿態(tài)信息經(jīng)坐標(biāo)變換矩陣映射至坐標(biāo)系n。

從導(dǎo)航坐標(biāo)系到載體坐標(biāo)系的姿態(tài)矩陣可表示為：

其方向余弦形式可表述如下：

式中，ψ，θ，φ分別表示無(wú)人機(jī)的航向角，俯仰角，翻滾角。比較姿態(tài)矩陣的四元數(shù)形式(1)及歐拉角形式(2)，可知：

至此，可得姿態(tài)角的四元數(shù)表示形式，基于此形式可對(duì)風(fēng)力干擾條件下基于卡爾曼濾波的姿態(tài)計(jì)算問(wèn)題進(jìn)行深入分析。

第二步：卡爾曼濾波定姿方程

1.卡爾曼濾波姿態(tài)解算的狀態(tài)方程

卡爾曼濾波姿態(tài)解算的預(yù)測(cè)方程表示為:

X_k＝Φ_k,k-1X_k-1+W_k-1 (4)

其中Φ_k,k-1為t_k-1時(shí)刻到t_k時(shí)刻的一步轉(zhuǎn)移矩陣，W_k為系統(tǒng)噪聲序列。

系統(tǒng)狀態(tài)方程可表示為：

由于狀態(tài)估計(jì)量為四元數(shù)，則狀態(tài)方程用四元數(shù)微分方程可進(jìn)一步表示為:

其中，ω_x,ω_y,ω_z為安裝在四旋翼飛行器上陀螺儀的角速度分量。

由于系統(tǒng)狀態(tài)方程是連續(xù)的，不易采用數(shù)字化方法對(duì)其進(jìn)行求解。針對(duì)此問(wèn)題，目前求解四元數(shù)微分方程主要有兩種方法:一種是龍格庫(kù)塔法，另一種是畢卡逼近法。本專利采用四階畢卡逼近法將其離散化，取q(t)＝[q₀(t)q₁(t)q₂(t)q₃(t)]，將(6)式離散化可得：

q(k+1)＝Φ_k,k-1q(k) (7)

其中：

2.卡爾曼濾波姿態(tài)解算的觀測(cè)方程

風(fēng)力干擾環(huán)境下，觀測(cè)量可由以下三種測(cè)量值構(gòu)成：加速度計(jì)、磁力計(jì)和風(fēng)力。其觀測(cè)方程為：

Z(t)＝HX(t)+V(t) (8)

其中V(t)是白噪聲，下面對(duì)測(cè)量值進(jìn)行深入分析。

首先針對(duì)觀測(cè)量加速度計(jì)和磁強(qiáng)計(jì)進(jìn)行分析：

參考坐標(biāo)系下重力向量定義為G＝[0 0 1]^T，地磁場(chǎng)向量h＝[h_x h_y h_z]^T。其矩陣形式可分別表示為：

其中，g，m分別是載體坐標(biāo)系下加速度計(jì)及磁力計(jì)的量測(cè)值。由式(9)及(10)可得：

由以上所述，可得加速度計(jì)及磁力計(jì)量測(cè)值的四元數(shù)表示形式，下面針對(duì)風(fēng)力進(jìn)行深入分析。

第三步：風(fēng)力觀測(cè)方程

1.氣流坐標(biāo)系

空氣流動(dòng)用幅值為V_T的空速矢量V_T表示，其方向由相對(duì)機(jī)體的兩個(gè)角來(lái)定義，即攻角α和側(cè)滑角β，分別定義為：

機(jī)體坐標(biāo)系(b)到氣流坐標(biāo)系(w)的旋轉(zhuǎn)矩陣可表述如下：

由于則：

其中A為矢量，由上式可得：

其中，

基于上述分析，空速矢量可表示為：

在機(jī)體坐標(biāo)系中，空速矢量可改寫(xiě)為：

至此，氣流坐標(biāo)系已建立，下面將在此坐標(biāo)系下對(duì)風(fēng)力干擾進(jìn)行分析。

2.風(fēng)力干擾

飛機(jī)慣性速度v為空速V_T及風(fēng)速W之和，可表示為：

v＝V_T+W (16)

導(dǎo)航坐標(biāo)系下，擾動(dòng)風(fēng)表示為Wⁿ，機(jī)體坐標(biāo)系飛機(jī)速度可表示為：

上式可改寫(xiě)為：

導(dǎo)航坐標(biāo)系下，式(18)的矩陣形式可表示為：

由系統(tǒng)觀測(cè)過(guò)程可知，四元數(shù)為關(guān)于加速度計(jì)磁力計(jì)的量測(cè)值及風(fēng)力值的非線性函數(shù)。為求解四元數(shù)，須基于雅克比矩陣將其線性化?；谑?12)及(13)，雅克比矩陣H可表示為：

至此，得到了風(fēng)力觀測(cè)方程及將其線性化的雅克比矩陣。基于此，即可利用擴(kuò)展卡爾曼濾波對(duì)四元數(shù)進(jìn)行解算。

第四步：基于擴(kuò)展卡爾曼濾波流程的四元數(shù)姿態(tài)解算

基于以上討論可知，基于風(fēng)力的無(wú)人機(jī)姿態(tài)解算可利用擴(kuò)展卡爾曼濾波實(shí)現(xiàn)。在一個(gè)濾波周期內(nèi)，卡爾曼濾波具有兩個(gè)明顯的更新過(guò)程：時(shí)間更新過(guò)程和量測(cè)更新過(guò)程。因此，基于以上所述，基于風(fēng)力的時(shí)間更新過(guò)程及量測(cè)更新過(guò)程可表述如下：

1.時(shí)間更新過(guò)程

狀態(tài)一步預(yù)測(cè)：

均方誤差的一步預(yù)測(cè)：

2.量測(cè)更新過(guò)程

卡爾曼濾波增益：

協(xié)方差陣更新：

P_k＝(I-K_kH_k)P_k/k-1 (24)

狀態(tài)更新：

卡爾曼濾波是一種遞推算法，該算法充分利用陀螺輸出的角速率信號(hào)，磁強(qiáng)計(jì)輸出的地磁信號(hào)和風(fēng)力數(shù)據(jù)，得到狀態(tài)最優(yōu)估計(jì)，且狀態(tài)每一次更新估計(jì)都是由前一次估計(jì)和新的輸入數(shù)據(jù)計(jì)算得到，因此只需存儲(chǔ)前一次估計(jì)，即可以實(shí)現(xiàn)實(shí)時(shí)處理。

本發(fā)明的效果可通過(guò)以下仿真進(jìn)一步說(shuō)明：

仿真條件

本節(jié)基于實(shí)測(cè)數(shù)據(jù)測(cè)試所提出方法的有效性，所得數(shù)據(jù)由如下傳感器輸出：陀螺儀，磁強(qiáng)計(jì)，GPS和空速管。仿真數(shù)據(jù)基于以下場(chǎng)景得到：采樣頻率是100HZ，采樣個(gè)數(shù)是250，取大連為實(shí)驗(yàn)地，垂直分量為3.12×10^-5，水平分量是3.26×10^-5，h＝10^-5×[0.256 3.26 3.12]^T?？柭鼮V波初值為q₀＝[1 0 0 0]^T，其對(duì)應(yīng)的均方誤差陣為：p₀＝diag[0.2846 0.2846 0.2846 0.2846]^T。其中α＝0，β＝0，V_T＝1，u＝0，v＝1，w＝0。

仿真內(nèi)容

從圖2中可以看出，無(wú)風(fēng)時(shí)翻滾角測(cè)量值更接近真實(shí)值，和有風(fēng)時(shí)相比收斂的更快，有風(fēng)時(shí)考慮風(fēng)測(cè)得的翻滾角與有風(fēng)時(shí)不考慮風(fēng)測(cè)得的翻滾角更準(zhǔn)確，同時(shí)可以看出有風(fēng)時(shí)考慮風(fēng)測(cè)得的翻滾角波動(dòng)更大。從圖3中可以看出，無(wú)風(fēng)時(shí)俯仰角測(cè)量值更接近真實(shí)值，有風(fēng)時(shí)考慮風(fēng)測(cè)得的俯仰角與有風(fēng)時(shí)不考慮風(fēng)測(cè)得的俯仰角更準(zhǔn)確。從圖4中可以看出，無(wú)風(fēng)時(shí)偏航角測(cè)量值更接近真實(shí)值，有風(fēng)時(shí)考慮風(fēng)測(cè)得的偏航角與有風(fēng)時(shí)不考慮風(fēng)測(cè)得的偏航角更準(zhǔn)確，同時(shí)可以看出有風(fēng)時(shí)考慮風(fēng)測(cè)得的偏航角波動(dòng)更大。綜上所述，風(fēng)力的存在會(huì)顯著影響姿態(tài)解算解結(jié)果，進(jìn)而影響無(wú)人機(jī)的有效控制，因此將風(fēng)作為觀測(cè)量，通過(guò)擴(kuò)展卡爾曼濾波算法進(jìn)行姿態(tài)解算，從而提高無(wú)人機(jī)姿態(tài)解算精度，進(jìn)而改善無(wú)人機(jī)控制性能。

結(jié)論

針對(duì)風(fēng)力降低無(wú)人機(jī)姿態(tài)解算精度，進(jìn)而影響無(wú)人機(jī)飛行有效控制的問(wèn)題，基于擴(kuò)展卡爾曼濾波理論，本專利提出一種風(fēng)力干擾環(huán)境下無(wú)人機(jī)姿態(tài)解算方法以增強(qiáng)姿態(tài)解算的穩(wěn)健性，進(jìn)而提高無(wú)人機(jī)控制性能。所提方法通過(guò)四元數(shù)微分方程和陀螺儀噪聲誤差建立擴(kuò)展卡爾曼濾波狀態(tài)方程，并基于加速度計(jì)、磁強(qiáng)計(jì)、風(fēng)力相關(guān)數(shù)據(jù)，得到四元數(shù)解算結(jié)果?；趯?shí)測(cè)數(shù)據(jù)的仿真結(jié)果表明：與無(wú)風(fēng)場(chǎng)景下的姿態(tài)解算方法及有風(fēng)場(chǎng)景下不考慮風(fēng)力的姿態(tài)解算方法相比，所提方法可有效提高姿態(tài)解算的穩(wěn)健性，從而改善無(wú)人機(jī)控制性能。