仿生扑翼无人机建模精度与试验验证研究

仿生智能与机器人3（2023）100086研究仿生扑翼无人机建模精度与试验验证研究黄明阳伦敦帝国学院交通研究中心，伦敦SW7 2AZ，英国ar t i cl e i nf o文章历史记录：2022年9月23日收到2022年12月1日修订2022年12月21日接受2022年12月29日在线发布关键词：仿生扑翼动力学精度空气动力学a b st ra ct无人机设计方面的科学进步已经实现了广泛的服务，这些服务由具有各种空气动力学性能的不同无人机支撑。然而，迄今为止的研究大多局限于传统无人机。仿生无人机等非传统无人机因其具有精确点可达性、高度机动性和着陆不受地形限制等优点而备受关注。为了模拟仿生无人机的飞行动力学，建模准确性是有待确定的关键指标，因此需要进一步分析。在回顾前人研究的基础上，本文通过使用适当的方法来减少误差，从而建立了一个更精确的模型。为了反映仿生无人机的扑翼模式，该模型采用了先进的数值方法（即，准定常模型）来计算它们的空气动力学。空气动力学也受到风的影响（作用在无人机上），通过风产生的升力和阻力项确定。因此，本文建立了一个适用于仿生无人机（包括扑翼无人机）的气动和风耦合模型，主要贡献如下。对比分析发现，无人机的不同之处在于非定常流动，因此，是为气流建模而建立的，其新颖性是一种准稳态方法，可以真实地量化无人机空气动力学和风的影响。该模型证明了一个有效的案例研究的最严格的应用程序在一个新的扑翼无人机的运动。对该无人机进行了运动仿真，并建立了三维工程样机进行了飞行试验验证。实施了该案例研究，并量化了准确性方面的建模性能，验证了新模型根据迄今为止的研究提高了建模准确性版权所有2022作者。由Elsevier B.V.代表山东大学出版。这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍近几十年来，研究人员开发了许多无人驾驶飞机，这些飞机被称为无人机，代表了航空技术的新前沿。远大集团无人机可以分为两类：遥控无人机（RPA）和自主无人机。前者是指遥控飞行器，后者是指由机载计算机控制的无人驾驶飞行器，飞行中不需要飞行员干预。遥控无人机系统（RPAS）会议为这两个类别提供了一个独特的窗口，表明RPA依赖于连续的远程信号;因此，RPAS需要精确的轨迹和性能模型来避免信号阻塞。无人机领域即将到来的主题是开发仿生解决方案以改善其飞行性能。扑翼飞行就是这样的解决方案之一，因为它提高了推进效率以及在受限环境中的机动性。E-mail：imperial.ac.uk. https://doi.org/10.1016/j.birob.2022.100086空域在自然界中，扑翼飞行允许飞行动物实现高效的空中运动。许多扑翼动物能够适应湍流环境，因为它们具有良好的机动能力[1]。例如，鸟类通过长期进化获得了完美的飞行机动性[2]。为了模仿小鸟，研究人员创造了一个数字仿生无人机例如，加州理工学院建造了一个空中微型蝙蝠[3]。从那时起，出现了其他一些具有简单机翼结构的仿生无人机：亚利桑那大学建造的仿生无人机[4]，DelFly [5]，BatMAV [6]和赖特州立大学建造的仿生无人机[7]为了产生足够的升力和推力，这些仿生无人机需要高频率地拍打翅膀。与小型鸟类相比，一些大型鸟类如鹰和海鸥能够在更大的区域飞行，以实现更长的航程。为了模仿这些大型鸟类，已经开发了一些具有智能结构的仿生无人机。马里兰大学研究了一种具有最佳柔性脊柱的仿生机器人[8];然而，其扑翼只能实现被动变形。主动变形翼[9]包括两个部分，可以像字母“Z”一样折叠智能鸟[10]2667-3797/©2022作者。由Elsevier B.V.代表山东大学出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表仿生智能与机器人学期刊主页：www.elsevier.com/locate/birobM. 黄仿生智能与机器人3（2023）1000862模仿海鸥和苍蝇的低扑翼频率，但其机械结构的设计变量可以进一步优化。翼展2.2米的仿生海鸥是中国第一个也是最大的多节扑翼无人机[11]。在以前的研究中，从不同的角度对扑翼无人机进行了各种研究[12]。例如，扑翼旋翼的空气动力学性能可以通过与动力扑翼运动相关的被动俯仰来增强[13]，这是通过专门设计的套筒销单元来实现的。在扑翼运动中，由于气动弹性耦合而产生的弹性变形是不可避免的[14]。对仿生无人机的空气动力学特性进行了研究[15]。研究了仿生扑翼的空气动力学性能，并与昆虫类的与传统的扑翼相比，大型鸟类可以调整它们的形状。在设计大型扑翼无人机时，一个主要问题是无法分析其扑翼在飞行中的动态响应这种扑翼的动态响应需要根据动力系统理论进行分析本文结合先进无人机的发展，对大型扑翼无人机建模精度的提高进行了研究。一个关键的创新是能够根据鹰等真实大型鸟类的灵感对大型扑翼无人机进行建模和分析大型扑翼模型考虑了扑翼的折叠、扭转和结构柔性等对气动性能的影响扑翼无人机的空气动力学性能对风力条件敏感，因为它们的速度相对较慢，操作高度较低;因此，风的分析无疑是至关重要的。风通过风矢量随时间的导数影响无人机目前表征风影响的方法对于新设计的无人机配置并不通用;因此，风误差可能在整个建模过程中向前传播为了给扑翼无人机模型的建立提供理论依据，本文采用准定常模型对扑翼无人机的气动性能和风冲击进行了综合分析。最后对大型扑翼无人机的建模精度进行了分析和量化。贡献将生物学研究与仿生解决方案相结合，以提高仿生扑翼无人机的建模精度。这一改进将通过以下三个具体目标来实现将所有不同的无人机服务整合到一个详尽的列表中，以反映它们在多个维度上的相互关系，从而确定仿生无人机用途的重要性。指定通用空气动力学和风模型，以支持不同无人机类型的动态建模，包括仿生扑翼无人机。考虑到仿生扑翼无人机与其他无人机的不同，通过误差抑制分析，验证了模型的精度。2. 仿生无人机作战本节对所有可能的无人机服务进行了详细审查，这些服务根据其操作环境和风力条件进行了分类。每个服务都有一套要求，在以前的研究中还没有完全指定，因此，进行了彻底的文献综述的服务水平要求的共性和差异的叙述。根据这些要求，本节确定了最严格的无人机服务。在以往的研究中，大多数无人机模型是基于能量的，因此，无人机通常根据其重量和范围进行分类，而忽略了无人机服务的要求和无人机操作的性能，这两者都在本文的范围内。权重和范围是技术指标，应该由服务驱动，而不是使用技术指标来得出服务级别要求。因此，本文需要首先考虑无人机服务。无人机的发展将刺激全球无人机服务的显著增长。无人机服务代表的是将无人机投入运营的行动，没有服务就没有无人机运营的概念。无人机与军事有关，从空中监视到动态军事用途。以前对无人机的研究导致了大量的民用领域的服务，这取决于特定的有效载荷，特别感兴趣的是，本文重点关注基于位置的民用服务。民用定位服务（LBS）分为农业用途（例如，精确农业、喷洒、监测作物），城市工业用途（例如，大气测量，资产监视），检查和监控（例如，检查基础设施、预报灾害、监测空气质量），乘客安全用途（例如，消除可能导致事故的人为因素），乘客解放用途（例如，使乘客在机身中具有生产力），紧急响应（例如，紧急情况下的救援人道主义物流），交付和物流（例如，货物的高效递送，药物的快速递送），以及未来的仿生服务（例如，鸟群中的一些鸟类，在鸟类的栖息地中，1.一、不同的LBS需要各种类型的无人机（例如，直升机，固定翼，混合无人机，甚至非常规无人机），以完成其任务，由于特定的无人机性能，如图2所示。就其具体性能而言，非常规无人机用于支持未来的服务。在不同的服务中，无人机在不同的环境中操作（从封闭空间到覆盖数千平方公里的开放空域），这与这些服务的任务有关。这些环境被分为用于工业和人道主义服务的城市空间、用于农业和交付服务的郊区空间以及用于检查服务的空域。每个环境都有最大风速和特定的人口密度，这对无人机有很大的影响;因此，总结如下。城市空间的最大人口密度为29 650人/km2（印度共和国孟买的城市空间城市空间的最大风速为7.5 m/s（新西兰惠灵顿的城市空间）。城郊空间的最大人口密度为1248人/km2（临泉县城郊空间郊区空间中的最大风速通常是城市空间中的最大风速的两倍;因此，将其设定为15 m/s。空域人口密度为0人/km2，风速可能很高。为了提供所有无人机LBS，需要整合以构建其共同目标，以避免分散的功能。本节将所有无人机LBS和环境合并到一个详尽的列表中，以反映它们在环境中的关系，如图所示。 3.无人机LBS具有取决于操作环境或其他特征的特定要求例如，未来的仿生LBS，如驱鸟剂，需要满足最大的需求。······M. 黄仿生智能与机器人3（2023）1000863Fig. 1. 目前的民用无人机服务。图二、 不同类型的无人机及其具体性能。对传感器定位精度、飞行持续时间和准时性的严格要求为了满足与位置、轨迹和时间表数据相关的此类要求，无人机LBS由定位、导航和定时系统支撑，这些系统具有它们自己的性能指标：准确性和完整性。在不同的场景下，LBS具有不同的准确性和完整性要求，其被确定为以下三个级别之一：高、中、低。(1) 精度要求是受无人机操作环境影响的标称性能例如，在城市工业服务中，例如使用无人机堆叠砖块，精度要求很高，而完整性要求可能很低。精度要求以位置误差的第95百分位数表示。对于驱鸟和其他城市服务，精度要求规定为5 m和6 m（即，高精度）的终端和航路操作[17]，这是比较的精度由本研究在第4章。对不断发展的郊区安全的审查揭示了12米宽的路线中的操作，基于此，精度要求（即，中精度）的规定[18]。在民用空域（城市以外），比其他业务更严格的精度要求，其精度要求被确定为307 m（即，准确度低[19]。(2) 完整性要求表示错误超过精度要求的概率（称为警报/警报极限）而没有警报（即，misdetection）。完整性要求与事故的严重程度有关。高度动态的无人机运动可能会导致事故中严重受伤的严重程度;因此，他们需要满足高水平的完整性要求，以避免事故。例如，在军事基地的缓冲区中，完整性要求需要很高，以确保安全的无人机操作。航空部门的诚信被定义为基于最坏可能结果的最大可接受可能性的“可接受风险”。值得注意的是，无人机操作的可接受完整性风险高于同等严重程度的载人航空，对于无人机，总结了完整性风险参考系统[20]表1中根据结果（灾难性、危险、重大、轻微和无安全影响）将完整性风险分为5个等级，其中3个不同的可能性等级（高、中和低）。红色方框代表不可接受的完整性风险。以前的文献集中在不同的无人机服务与各种要求（高，中，低），因此，基于这些要求的模型可能是不完整的，由于缺少的要求。要构建支持不同无人机操作的模型，第一步就是要用最严格的要求来指定最严格的无人机服务。对于每项服务，准确性和完整性要求的级别（即，高、中、低），其中具有最严格要求的服务用红色方块突出显示确定准确性或完整性要求M. 黄仿生智能与机器人3（2023）1000864图3. 无 人 机LBS和环境以及风速（最严格）。表1D rone风险参考系统[20]。作为三个级别之一：高，中，低。例如，高级别精度表示米级误差。未来的仿生服务包括使用扑翼无人机驱鸟。现实世界中的一切事物都可以分为两类：人造事物和自然事物。在未来，所有的人造事物都可以通过物联网（IoT）连接起来，共享它们的位置信息，而自然事物则无法控制。人为和自然环境带来了挑战，因为存在车辆碰撞和鸟撞等潜在风险。为了避免这种风险，扑翼无人机能够像捕食者一样行动，并鼓励鸟类改变它们的路线。扑翼无人机导致鸟群的路线改变，从一只鸟开始，迅速波及整个鸟群，如图所示。 四、为了支持驱鸟服务，本节分析了无人机系统：制导、导航、控制（GNC）和飞行系统，这些系统用于支持路径规划和路径执行，如图所示。 五、制导、导航和控制系统是路径规划功能的基础。导航系统携带惯性测量单元（IMU）、雷达、全球导航卫星系统（GNSS）接收器、相机、超宽带技术（UWB）和无线保真（Wi-Fi）、蓝牙。这些系统和传感器输出无人机性能数据，这些数据被发送到制导和控制系统，以减少错误，确保稳定飞行无人机飞行系统用于支撑LBS交付和路径执行的功能。飞行系统与M. 黄仿生智能与机器人3（2023）1000865表2准确性和完整性要求的水平。见图4。用扑翼无人机驱鸟。图五. GNC和飞行系统。在空气中产生升力和推力;因此，它包括扑翼、尾翼和控制面。为了支持无人机操作的所有元素，GNC和飞行系统被安排和合并到一个端到端的系统架构中，如图所示。第六章无人机性能的开发与无人机服务的增长非常一致。在整个系统架构中，大多数无人机系统的开发都有其实际实现的细节;然而，实际的无人机性能和风力影响无法在真实世界条件下表现出来。因此，在第3章中需要开发一个通用的无人机性能和风模型，以减少考虑新型无人机时的误差。最严格的应用是在城市空间使用大型扑翼无人机驱鸟;因此，本研究介绍了一种最先进的扑翼无人机，它模仿自然界中的鹰，如图所示。第 七章新型扑翼无人机携带无刷电机来驱动其可操作的分裂扑翼[21]。当这种无人机拍打它的翅膀时，它们折叠并调整它们的形状以减少阻力，如图所示。八、因此，与传统的扑翼无人机相比，新型无人机能够在以较低频率扑翼的同时飞行。对于这款无人机来说，整个尾翼由两个伺服电机驱动和控制，它们共同工作，实现了一个方向舵的功能（即，组合升降舵和方向舵）。新型扑翼无人机各部件参数如表3所示。大多数无人机系统的开发都有以下细节：它们的实际实现;然而，实际的无人机性能和风的影响不能在真实世界条件下表示。因此，在随后的章节中，开发了一个通用的无人机性能和风模型以减轻误差。3. 模型开发以提高3.1. 模型开发如第2章所述，新型扑翼无人机在城市空间中的飞行需要精确的动力学模型，以避免与此类障碍物的物理边界发生碰撞。因此，本文的主要研究内容确定为M. 黄仿生智能与机器人3（2023）1000866见图6。无人机操作的系统架构。见图7。 一种新型扑翼无人机。图八、 新型扑翼无人机的分裂翅膀。新型扑翼无人机性能和风模型的建立。建模精度与建模误差的统计特性有关。 在本文中，对于特定位置处的任何建模值，建模误差小于极限值，该极限值应至少为95%。建模精度的定量分析是应用数学、物理学和传统航空学的结合点.M. 黄仿生智能与机器人3（2023）1000867图第九章扑 翼无人机的状态变量。图10. 扑 翼无人机的误差分量。表3新型扑翼无人机各部件的参数部件参数躯干长度1.07 m翼展2.20米重量0.45公斤电池7.4 V，200 mAh锂聚合物电池无刷电机伺服驱动2伺服扭转扑翼，2伺服控制尾巴无人机飞行模型是基于初始状态，这可能会有不可接受的误差。有许多车载和非车载导航系统已被广泛用于状态测量。这些状态的变量如图所示。第 九章扑翼无人机的建模状态都存在一定的误差，这些误差包括路径定义误差、导航系统误差和自主飞行误差。假设所有这些误差分量是独立的，并且正态分布，均值为零。水平误差引起水平耦合误差，该水平耦合误差成为垂直误差的一个分量。高度测量系统用于计算无人机的高度，其误差也成为影响无人机飞行的主要因素。垂直误差的分量。为了反映短飞行距离内的所有阶段，相对低速的无人机（即，一个扑翼无人机）被选择来说明在整个飞行剖面中的这些误差。 这些误差分量如图所示。 10.为了正确建模无人机性能，需要无人机初始状态和风信息;因此，我们分析并减轻初始状态，无人机性能和风中的误差。为了减小误差，在以下假设的基础上，建立了一种新的扑翼无人机性能模型。(1) 假设1：无人机的速度远小于音速;因此，空气被认为是不可压缩的。(2) 假设2：扑翼无人机没有系统性问题。(3) 假设3：非车载导航系统（例如，GNSS、基站）没有坏掉。扑翼无人机在空中飞行时，可分为6自由度机身和柔性扑翼。扑翼对机身施加的空气动力改变了无人机的位置。这些力受扑翼运动和风的时间演化的影响。该模型采用输入（例如，无人机初始状态、参数和风速），M. 黄仿生智能与机器人3（2023）1000868−−KK⎥空气粘度−−- -- -−- -⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡⎤1⎡ ⎤ ⎡⎤⎡ ⎤ ⎡⎤ωzz−ωyωx0ωz获取这架无人机运动的精确图像在建立模型之前，本节考虑了以下不同的参考系。地面惯性坐标系（由0gXgYgZg表示）与每个无人机相关联。坐标原点（由Og表示）被任意地固定到整个无人机的重心的原点位置X轴（用Xg表示）与指向大地北的轴的投影矢量对齐。Z轴（用Zg表示）根据通常的右手定则沿着椭球的法线向下指向机身坐标系（用ObXbYbZb表示）与每个无人机的机身相关联。坐标原点（由Ob表示）固定到无人机机身的重心。X轴（用Xb表示）指向正向（由几何体而不是运动定义）。Z轴（用Zb表示）在几何学上指向下方.变形这些飞行使得飞行轨迹数据库难以保持最新;因此，新模型使用准定常方法来量化这些飞行的性能数据。对于尺度大于150cm、扑动频率较低的大型扑翼无人机，准定常气动力模型能够较好地模拟其气动性能。空气动力学性能包括施加在每个无人机上并改变该无人机位置的空气动力。准定常模型用于分析空气动力，包括推力（用T表示）、横向力（用R表示）和升力（用L表示）。气动力矢量（用[T， R，−L]T表示）表示为：联系我们⎢⎣R⎥⎦−L从机身坐标系到∑=地面惯性坐标系（用Mgb表示）为K 10均p0⎢=2ρ<$v∞+vf<$[Cl（α）sin（α）−Cd（α）sin（α）]c（l）dldt⎥Mgb=Mx（φ）My（θ）Mz（θ）∑角θ cosθcossinφsinθcos θ −cos φsinθcos φsinθcos θ+sinφsinθ1. 002ρ<$v∞+vf<$[Cl（α）cos（α）+Cd（α）sin（α）]sin（β）c（l）dl dt<$=cosθsinθsinφsinθsin θ+cos φcos θcos φsinθsinε−sinφcos ε⎣⎢∑ Pk1-sinθsinφcosθcosφcosθ（一）-0均p0k=12ρ|v∞ + vf |[Cl（α）cos（α）+Cd（α）sin（α）] cos（β）c（l）d l d t(4)无人机的重力、空气动力、推进力和惯性其中Pk是第k个机翼的扑动周期时间;bk是第k个机翼长度（m）;K是飞行部件的集合;ρ是大气密度（kg/m3）;v∞是水平飞行速度。xbT−D0mbyb=MgbR+MgbC+0（2）个zl−LHWBdrone（m/s）;vf是所研究翼型的线速度机翼（m/s）;l是从所研究的翼型到翼根的距离（m）;c（ l）是所研究的机翼的翼弦（m），它随距离l（m）而变化;α是无人机机身的旋转方程表示为：所研究的机翼翼型（rad）;β是机翼的外倾角。机翼（rad）;Cl（α）和Cd（α）是升力和阻力系数，你好，0−ωzωyωx所研究的翼型与迎角（用α表示）的关系，分别 C（α）和C（α）是升力和阻力系数Ib<$ωyy<$=−<$ωz0−ωx<$Ib<$ωy <$ld0−zr yl T+μzt0−xlR−y tx r0−L（三）表示为ρv∞c（l），其中空气粘度设定为0.0000178.0 −zc yh−D+dzd0 −xhC−yd xc0H（用α表示）反映了机翼的运动和变形。将运动简化为一个旋转和平移的耦合运动。旋转是主要的运动，而平移是跟随运动。机翼其中ωxx、ωyy、ωzz是无人机的角加速度其中，ωx、ωy、ωz为无人机机身沿ObXb方向、沿ObYb方向、沿ObZb方向的角速度; [xb， yb， zb]T为无人机机身重心的加速度矢量; [T， R， L]T为无人机在机身坐标系中的气动力矢量;yt、zt为无人机机身重心与沿Ob−Yb方向、沿O b Z b方向的力T绕着它们的自旋轴旋转，自旋轴与连接点相交无人机机身上的发射点平移运动的轴方向跟随旋转运动。机翼的变形是由风和气动力引起的柔性扭曲和弯曲的组合。翼型为柔性扭转变形，机翼为柔性弯曲变形。机翼的运动和变形用微分函数表示机翼的外倾角（用β表示）表示为：Ob-Zb方向;xr和zr分别为无人机机身重心到力R沿Ob-Xb方向和Ob-Zb方向的距离;xl和yl为β=βm+βv·t+2βa·t2+β0sin（ω·t+ωβ）+βflex（x，y，l）（5）从无人机机身的重心到分别沿ObXb方向和ObYb方向的力L;mb为无人机的质量;Ib为无人机的转动惯量。该新型扑翼无人机能够执行异质飞行，从而在各种任务中实现更好的机动性能。异构飞行包括水平飞行、飞越、飞越、急转弯，甚至通过其中βm是机翼外倾角的平均值(rad);βv 是 机 翼 的 角 速 度 （ rad/s ） ;βa 是 机 翼 的 角 加 速 度（rad/s2）;β0是机翼外倾角的幅值（rad）;β 1β是机翼的初始相位。机翼外倾角（rad）;βflex（l）表示机翼外倾角（rad）的柔性弯曲函数，它随所研究的翼型和机翼根部之间的距离（用l表示）而变化。K所研究的翼型对迎角的变化（用α）;dt是时间步长。雷诺数外倾角（用β表示）和迎角PM. 黄仿生智能与机器人3（2023）1000869（）∞[客户端]flexv∞[客户端]2[]−−∞−∞IED翼型（m/s）;fm是所研究的线加速度2−−D⎢2D ⎥2 ρ|v∞|动压（用2y公司所研究翼型的迎角（用α表示）表示为：1α=αm+α·t+αa·t2+α0sin（ω·t+ω）v2α+α（x，y，l）−arctan（vf）（6）式中，αm是所研究翼型迎角（rad）的平均值;αv是所研究翼型的角速度（rad/s）;αa是所研究翼型的角加速度（rad/s2）;α0是所研究翼型的迎角振幅（rad）;ω是所研究翼型的角频率（rad/s）;α是所研究翼型迎角（rad）的初始阶段;αflex（l）表示所研究翼型迎角（rad）的柔性扭转函数，其随所研究翼型与机翼根部之间的距离而变化（用l表示）; arctanvf/v表示迎角（rad）的空气动力学分量，其由风速和所研究的机翼翼型的线速度（用vf表示）引起，表示为：vf=vfm+afm·t+l·ω1−Kfsin（ω·t+ωα）（7）其中vfm是螺柱线速度的平均值表示为： ⎡−1ρ|v见图11。 GNSS误差源。|2CS⎤翼型（m/s）;l·ω1 −Kfsin（ω·t+<$α）代表AC-C|v|2 C S ⎥∞C（十）wing（m/s）;ω[1−Kfsin（ω·t+ωα）]表示实际的var-ρH12位移因子（用Kf表示）和角频率飞行分量（用ω表示）用于计算实际变化的角速度（由所研究翼型ω1Kf sin（ωt <$α））。柔性弯曲函数βflex（x，y，l）和柔性扭转函数αflex（x，y，l）可以表示为：扑翼运动的运动学可以很好地描述。通过翼长、扑动角和扭转角。这些参数需要指定为适当的值，影响扑翼的气动性能根据鹰翅的大小，近翅和远翅的长度被指定为38厘米βflex（x，y，l）=φmaxsin（ωt+φβ−π）（2Xc（l））2（yBK）2，（0l≤bk）<（八）45厘米。扑翼无人机的平飞速度是假定为常数，并指定为5 m/s;空气密度在地面上（温度为26摄氏度）被指定为1.18公斤/立方米。初始扭曲角指定为5°;旋转αflex（x，y，l）=θmaxsin（ωt+φπx-）（2 2，（0l≤bk）<无刷电机的转速由电子调速器调节β2c（l））（bk）（九）控制器输出2Hz的恒定扑动频率。3.2. 预算错误。其中φmax为机翼最大柔性弯曲角（rad）;θmax为研究翼型最大柔性扭转角（rad）;x和y分别为研究截面位置沿OX方向和沿OY方向到连接点很难测量施加在无人机表面上的每个点上的可变风力以输出集中风力（用[D， C， H]T表示）;因此，使用超声波传感器来测量无人机表面上的每个点相关的风速（用v表示）。为了准确计算风力矢量（由[D， C， H]T），准稳态方法输出施加在无人机表面每个点上的可变风荷载[22]。风速矢量（用v表示）可以分解为无人机对称平面上的风速和侧风速。施加在每个无人机上的风力矢量（由[D， C， H]T表示）通过将系数矩阵（由[CD， CC， CH]T表示）乘以动态压力（de-1）记为1ρ |v∞|2）和无人机表面积（由S表示）。本节构建适当的模型来预算所有误差分量，这些误差分量对组合误差具有集体影响。AFE受无人机性能和风误差的影响为了估算这些误差及其组合，对这些误差源进行了定量分析。3.2.1. 初始状态误差初始状态误差源如图所示。 十一岁为了减轻状态误差，使用诸如载波相位差分GNSS的技术来提供厘米级定位。3.2.2. 弹道建模误差轨迹模型是在适当假设和简化的基础上对无人机运动问题的数学公式这些数学公式已经提出了6自由度方程的装置。这些方程输出参考欧拉系统的无人机位置表示21 ρ |v|2) is obtained by mul-推荐信将大气密度（用ρ表示）乘以平方与无人机相关的风速（由|v∞|2）。施加在无人机上的风力矢量（用[−D， C， H]T表示）轨迹建模误差表示轨迹偏差这是由假设和简化造成的。这些假设限制了这些公式的保真度1∈ −∞扑翼翼型的实际变化线速度所研究翼型的角速度（rad/s）;Kf（ 1，1）是机翼翼型扑动速度的偏移因子∞M. 黄仿生智能与机器人3（2023）10008610。（）。⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡⎤表4误差来源和预算。错误描述错误缓解方法残差初始状态误差初始状态的误差可以通过以下技术来减轻，载波相位差分GNSS位置误差0.01 m假设或简化模型中使用数学上可解的微分方程系统来模拟未来无人机运动8秒性能误差气动力和力矩误差调整数据集中的性能数据0 m风力误差风力误差使用数学上可解的微分方程系统来计算风力位置误差7.5米（城市空间）或0米（室内空间）导致真实无人机行为与其数学表示之间的差异。例如，通过使用点质量模型（PMM）简化了无人机运动，简化和简化如下[23]。(1)无人机机翼是坚硬的固体。(2)不存在空气动力横向力。这些假设和简化导致气动力误差（例如，升力、阻力、推力误差）。在实际飞行中，气动操纵面的偏转、扑翼的变形和气动力侧向力对气动力有很大的影响根据轨迹模型（例如，PMM）到目前为止[23]，8s后的飞行范围被确定为缓解后的建模误差（即，残差）。为了减少轨迹建模误差，需要通过使用其未来位置的连续点来准确描述无人机运动。3.2.3. 车辆性能误差无人机性能代表了每架无人机精确作战能力的可用性，这受到作用在无人机表面上的空气动力的影响。气动曲面的偏转影响气动特性，其分析量化对相关利益相关者提出了很大的挑战。在传统航空中，空气动力学数据由制造商在实际飞行试验中获得。为了减轻无人机的性能误差，研究人员进行了足够的测试[24]。以前的模型仅代表特定条件下每架无人机的空气动力学;因此，需要一个通用的空气动力学模型来提高所有无人机类型在不同现实条件下的保真度为了解决以前性能模型的局限性，第3.1节通过考虑无人机结构柔性而不是将无人机视为刚性固体来开发无人机空气动力学性能模型;因此，无人机的不同点可能会改变它们的相对位置。无人机的性能受到扑翼和风的时间演化的影响为了精确地表示实际的无人机性能，第3.1节用准定常方法分析了空气动力学：升力、侧向力和阻力。升力是由机翼上方和下方垂直于机翼弦的方向上的不同压力和气流速度产生的。横向力是施加在每个无人机上的可能导致侧滑的侧向力。·图12个。在 正 常 情 况 下 ，位置误差服从高 斯 分布.参考无人机先前的研究采用滤波算法[23]来减轻风速误差到1 s内的风距离值（与风速相关室内和城市空间的最大风速分别在惠灵顿的城市空间中）;因此，室内和城市空间中的风误差分别被减轻到0m和7.5 m。3.2.5. 误差预算不同的误差源及其相应的预算合并成一个列表，如表4所示。本文假设每个误差的分布可以用高斯分布来表示（即，高斯分布），如图所示 图 12个。本节假设新型扑翼无人机在城市中移动;因此，风误差设置为7.5m。轨迹建模误差与无人机的飞行速度有关（即，3 m/s）;因此，总误差表示为总误差=100（初始状态误差、建模误差、性能误差、风误差）=1（初始状态误差）2+（建模误差）2+（性能误差）2+（风误差）2=100012 +8 s2+7 52m空气，它的作用与推进力相反。3.2.4. 风误差作用在无人机上的风包括沿航迹风和侧风。由于无人机的操作高度低且速度慢，可以确定通过风产生的阻力和升力项，计算公式为=25。14米（11）3.2.6. 误差传播分析空气动力学和风力改变了无人机的运动：x T−D0my=R+C+0（12）z−LHmg··阻力阻碍了每架无人机在空中的移动M. 黄仿生智能与机器人3（2023）1000861111⎣⎥yσy（σR）2+（σC）2+（σm）2⎢⎥⎢DT+DD+不DM⎦⎣RCMCMzL+H+mL Hm⎢ ⎥= ⎢++⎥⎢ ⎥= ⎢++⎥图13岁 仿生扑翼无人机的大小和结构。其中m是无人机的质量; [x， y， z]T是无人机的重心的加速度矢量;g是重力加速度。在无人机运动的每个中间步骤中，存在依赖于导出变量的误差传播，而不仅仅是它们的原始测量值。到目前为止，所有的方程都假设所有的变量都是ei-表示为：xσxRCM（十以无限的精确度被知道或者测量事实上，所有变量具有分析不确定性;因此，需要基于每个误差分量的一阶偏导数对每个步骤进行误差传播分析。当量（12）变换为新的动态平移方程：σz（σ）2（σ）2 （σ）24. 建模精度xy（十三）本节通过在最严格的服务背景下创建可信的案例研究来测试和验证所开发的模型：未来的仿生服务，例如使用拉法茨河M m−L H⎣g⎦扑翼无人机为了支持驱鸟器，我们建造了一个具有新颖翅膀的扑翼无人机，以模仿图1所示的鹰。 13岁当小说拍翅膀拍起来时，在Eq的两侧的自然的曲线。（13）表示如：期间，它们可以折叠和调整它们的形状;因此，它们能够产生足够的升力。与其他无人机相比，无人机能够在调整其机翼形状的同时飞行（例如，折叠，简体中文⎢⎣lny⎥⎦=⎢⎣ln（T−D）ln（R+C）马林简体中文（中国）扭转，灵活变形）;因此，它比其他无人机更复杂，因此被选为本案例研究。这款仿生扑翼无人机的骨架由碳纤维材料制成，表面覆盖一层黑色膨胀lnzln（−L+H+mg）lnm聚丙烯，其厚度可以调节以改变其柔性。当仿生鹰拍打翅膀时，根据方程中（14），全微分方程表示为：机翼是完全扁平的，以实现最大的机翼投影面积和最高的升力，扭转翼具有负迎角，以产生向前的升力。联系我们X（电（2000年）CIT（x）布推力分量当扑翼无人机拍打翅膀时平翼时，机翼在连接处折叠，以减小机翼投影面积和负升力，扭转dy（dy）dR（dy）dC（dy）dm⎢ ⎥⎢∂ ∂ ∂⎥（十五）机翼具有正攻角，以便利用翼型，产生向前的推力分量。近端翼具有吉尔兹河（比远翼更长的弦和更大的弯曲翼型zLHm方程中变量的一阶导数（15）是小的;因此，它们被近似并由相应的差（由[x，y， z]T，m，[T，R， L]T，[D， C， H]T表示）代替而远翼具有更好的扭转柔性和更大的柔性扭转角。为了减少阻力，仿生鹰的新型翅膀是分裂和可操作的，如图所示。 14个。我们通过考虑输出的误差来分析和评估建模的准确性新型扑翼无人机的升力和推力如图1A和1B所示。 15和16。结果表明，平均升力为4.05 N，⎡∆x⎤X（电平均推力为0.16N。为了验证建模的准确性，对三维工程样机进行了试验⎢ ⎥ ⎢yRD.D.⎥的新型扑翼无人机的基础上实现，y（⎢ ⎥⎢∂ ∂ ∂⎥（十六）以前的测试[25]。工程样机的总重量新型扑翼无人机的重量为405 g，⎣∆z⎦（到平均升力（即，4.05 N）。阻力系数zLHm机身的长度指定为C D = 0。11当水平飞行速度|v∞|= 5 m/s。为了对应平均推力方程中所有变量的分析误差（16）表示力（即，0.16 N），机身沿DM⎦M. 黄仿生智能与机器人3（2023）10008612[]xyzTRLDCHm2Xyz水平飞行的TT方向调整为S= 0。1 m2;因此，通过 σ，σ，σT，[σ，σ，σ]，[σ，σ，σ]，σ。位置误差无人机的重心（用[σ，σ，σ]T表示）是机身的阻力表示为：D体= 0。16牛顿。=1ρ |v|2C D SM. 黄仿生智能与机器人3（2023）10008613图14个。 仿生扑翼无人机的新型翅膀。图15个。 仿生扑翼无人机的升力。图十六岁 仿生扑翼无人机的推力。图十七岁 仿生扑翼无人机风洞试验研究。在风洞试验[26]中，水平风速设定为5 m/s，新型扑翼无人机的工程样机能够保持如图所示的扑翼模式。 十七岁在平飞试验中，新型扑翼无人机能够在空中维持平飞，扑动频率为2 Hz和水平飞行速度为5 m/s，如图所示。十八岁结果表明，升力等于重力（即，4.05 N），并且平均推力等于阻力（即，0.16N）。当这种扑翼无人机在城市空间飞行时，它会收集周围环境的信息，M. 黄仿生智能与机器人3（2023）10008614图十八岁 仿生扑翼无人机保持水平飞行的试验样机。图19号。仿 真 中 仿生扑翼无人机的 飞 行 环 境 。与建筑物的互动。这一部分考虑了城市环境，以便在模拟中建立相应的环境为了减少计算时间，生成一系列长方体来覆盖这些建筑物的边界。基于飞行试验中的真实城市空间（北32 ° 02 '，东118 ° 48'），在图中设置了相应的环境。 19号。在飞行测试中，新型扑翼无人机沿着图20中具有多个航路点的预定义轨迹飞行，并且机载系统用于输出测量的轨迹。新模型的预测轨迹与[27]中另一种最先进的模型进行了比较，测试结果如图所示。21岁模型弹道与飞行试验获得的弹道数据一致。新模型的准确性进行了量化，通过比较预测的轨迹与飞行试验结果。根据图21，建模误差的第95百分位数为1.53 m，小于精度要求（即，5 m）城市服务（见第2章）。仿真结果表明，新模型的实际精度性能满足精度要求。为了与新模型的总误差进行比较，本文使用文献[27]中开发的先前模型作为参考。结果表明，新模型具有较高的精度，精度提高了1.55 m.在新模型中，M. 黄仿生智能与机器人3（2023）10008615××××图20. 仿生扑翼无人机的飞行试验。见图21。新 模 型 输 出 的仿生扑翼无人机轨迹。表5未来驱鸟服务中的无人机性能规范性能规格未来驱鸟服务精度（95%）2 m完整性风险10−5/h警戒限3 m在95%的飞行时间内，新模型沿三个正交方向的误差均在1.5m以内。新模型达到的实际精度要求为1.53 m;因此，新模型的精度要求可设定为2 m目前，还没有建立规范，使安全和有效的无人机操作，为未来的驱鸟服务，因此，本案例研究提出了一个无人机性能规范的基础上，RNP的概念。误检率设置为为1.010−2，假设系统故障率为1.0 10−3/h;因此，完整性风险确定为1.0 10−5/h，符合第2章中规定的高水平完整性要求。在第99.999次（对应于完整性风险，设置为1-1.0 10 − 5）处指定的总位置误差最严格服务中的无人机性能规范（即，未来的驱鸟服务）的概要列于表5。5. 结论为提高新型扑翼无人机的建模精度，本文的具体贡献总结根据第1章中制定的研究目标：巩固基于位置的无人机服务，空气动力学和风模型的开发，以及在最严格的案例研究中开发的模型的测试验证：驱鸟服务。这些目标在这里重新陈述，以便于将其映射到如下得出和获得的三个结论。(1) 已经进行了广泛的研究，以了解当前基于位置的无人机服务的研究现状，利益相关者、服务级别和系统级别需求。最严格的服务是未来的仿生服务，如驱鸟服务，这是由具有可靠飞行能力的扑翼无人机支撑的。本文研制的新型扑翼无人机具有良好的飞行性能，因为它能产生足够的升力和推力。(2) 初始状态和意图错误已通过现有方法减轻