飞行器控制方法与飞行器

摘要

本申请公开了一种飞行器控制方法与飞行器，包括：构建动力模型、观测模型、及总控制模型；基于动力模型与观测模型构建等效受控模型，并获取等效受控模型的频域幅值与观测带宽的第一函数关系；根据第一函数关系与获取的频域幅值指标对观测带宽进行整定，得到定参观测模型；根据获取的频率响应指标对总控制模型进行整定，得到定参总控制模型；当接收到目标状态指令时，根据目标状态指令获取飞行器的目标状态信息并获取飞行器当前时刻的飞行姿态；将目标状态信息及当前时刻的飞行姿态输入至定参总控制模型以通过定参总控制模型、定参观测模型以及动力模型调整飞行器飞行姿态，实现了对飞行器的高精度控制，并提升总控制模型的稳定性与抗扰动性。

权利要求

1.一种飞行器控制方法，应用于飞行器，其特征在于，所述方法包括：根据所述飞行器构建动力模型、观测模型、及总控制模型，所述观测模型包括待进行参数整定的观测带宽；

基于所述动力模型以及观测模型构建等效受控模型，并获取所述等效受控模型的频域幅值与所述观测带宽的第一函数关系；

获取频域幅值指标，并根据所述第一函数关系与所述频域幅值指标对所述观测带宽进行参数整定，得到定参观测模型；

获取频率响应指标，并根据所述频率响应指标对所述总控制模型进行参数整定，得到定参总控制模型；

当接收到目标状态指令时，根据所述目标状态指令获取所述飞行器的目标状态信息，并获取所述飞行器当前时刻的飞行姿态；

将所述目标状态信息及所述当前时刻的飞行姿态输入至所述定参总控制模型以获取虚拟控制指令，并将所述虚拟控制指令及所述当前时刻的飞行姿态输入至所述定参观测模型以获取飞行控制指令；

基于所述飞行控制指令及所述动力模型控制所述飞行器进行飞行姿态调整；

其中，所述根据所述飞行器构建总控制模型，包括：

使用受控自回归滑动平均模型作为模型骨干以构建预测控制模型，所述预测控制模型用于根据当前时刻的飞行姿态与目标状态信息生成多个待选虚拟指令；

根据所述预测控制模型构建所述总控制模型，所述总控制模型用于在所述预测控制模型生成的多个待选虚拟指令中，选取最前时刻对应的所述待选虚拟指令作为所述虚拟控制指令。

2.如权利要求1所述的飞行器控制方法，其特征在于，所述根据所述飞行器构建动力模型，包括：根据所述飞行器的机身质量、所述飞行器所处环境的空气阻力系数、所述飞行器所受到的风力扰动以及预设的输入增益构建初始动力模型；

根据所述风力扰动与所述初始动力模型的系统扰动确定所述初始动力模型的总扰动，并根据预估增益与所述总扰动构建所述动力模型。

3.如权利要求2所述的飞行器控制方法，其特征在于，所述根据所述飞行器构建观测模型，包括：设置观测器，所述观测器以所述观测带宽对当前时刻的飞行姿态及所述总扰动进行观测，并根据观测结果输出扰动补偿；

设置补偿器，所述补偿器用于根据所述扰动补偿、所述虚拟控制指令、以及预设的增益补偿生成飞行控制指令，以使所述动力模型根据所述飞行控制指令控制所述飞行器进行飞行姿态调整；

根据所述观测器与所述补偿器构建所述观测模型。

4.如权利要求1所述的飞行器控制方法，其特征在于，所述等效受控模型包括动态模型与标称模型，所述动态模型用于根据所述虚拟控制指令生成动态指令，所述标称模型用于根据所述动态指令调整所述飞行器的飞行姿态；

所述获取所述等效控制模型的频域幅值与所述观测带宽的第一函数关系，包括：基于所述等效受控模型的构建过程获取所述动态模型的频域幅值与所述观测带宽的第二函数关系，以及所述标称模型的频域幅值与所述观测带宽的第三函数关系；

根据所述第二函数关系与所述第三函数关系确定所述第一函数关系。

5.如权利要求4所述的飞行器控制方法，其特征在于，所述频域幅值指标包括工作性能指标与抗扰性能指标；

所述根据所述第一函数关系与所述频域幅值指标对所述观测带宽进行参数整定，得到定参观测模型，包括：根据预设的第一频域幅值约束以及所述工作性能指标确定所述观测带宽的第一待定范围；

根据预设的第二频域幅值约束以及所述抗扰性能指标确定所述观测带宽的第二待定范围；

根据所述第一待定范围与所述第二待选范围确定整定后的所述观测带宽，得到所述定参观测模型。

6.如权利要求1‑5任一项所述的飞行器控制方法，其特征在于，所述根据所述飞行器构建总控制模型，包括：构建预测控制模型，所述预测控制模型用于根据当前时刻的飞行姿态与所述目标状态信息预测所述飞行器在预测时域内的飞行姿态预测序列，并根据所述飞行姿态预测序列生成在控制时域内的虚拟控制指令序列，所述虚拟控制指令序列包括与控制时域内多个时刻分别对应的待选虚拟指令；

根据所述预测控制模型构建所述总控制模型，其中，所述总控制模型以所述控制指令序列中最前时刻对应的所述待选虚拟指令作为所述虚拟控制指令。

7.如权利要求6所述的飞行器控制方法，其特征在于，所述根据所述预测控制模型构建所述总控制模型，包括：根据柔化因子建立柔化序列，并根据所述柔化序列以及所述预测状态序列建立响应评价函数；

根据所述控制状态序列与加权因子建立控制量评价函数；

根据所述响应评价函数与所述控制量评价函数建立所述预测控制模型对应的预测控制评价函数；

确定所述总控制模型以使所述控制评价函数输出的评价参数处于预设的评价参数范围。

8.如权利要求7所述的飞行器控制方法，其特征在于，所述根据所述频率响应指标对所述总控制模型进行参数整定，得到定参总控制模型，包括：根据所述总控制模型与所述等效控制模型构建开环频率曲线模型，并将若干个模型参数组输入所述开环频率曲线模型以获取与所述模型参数组对应的开环频率曲线，其中，每一所述模型参数组至少包括所述预测时域、所述控制时域、所述柔化因子、以及所述加权因子；

根据所述频率响应指标与所述开环频率曲线从多个对应的所述模型参数组中确定目标参数组；

根据所述目标参数组对应的所述预测时域、所述控制时域、所述柔化因子、以及所述加权因子对所述总控制模型进行参数整定，获得定参总控制模型。

9.如权利要求8所述的飞行器控制方法，其特征在于，所述频率响应指标包括稳定性能约束指标、输出扰动性能指标约束指标、以及输入扰动性能约束指标；

所述根据所述频率响应指标与所述开环频率曲线从多个对应的所述模型参数组中确定目标参数组，包括：根据预设的稳定性能指标计算公式计算所述开环频率曲线的稳定性能指标；

根据预设的输出扰动性能指标计算公式计算所述开环频率曲线的输出扰动性能指标；

根据预设的输入扰动性能指标计算公式计算所述开环频率曲线的输入扰动性能指标；

在所述若干个模型参数组中确定目标参数组，以使所述稳定性能指标小于等于所述稳定性能约束指标、所述输出扰动性能指标小于等于所述输出扰动性能约束指标、且所述输入扰动性能指标小于等于所述输入扰动性能约束指标。

10.一种飞行器，所述飞行器与控制设备通信连接，其特征在于，所述飞行器包括：机身；

机臂，相连于所述机身；

动力组件，设置于所述机臂，用于为所述飞行器提供飞行动力；

存储器，用于存储计算机程序；及

处理器，用于调取存储在所述存储器中的计算机程序，以执行如权利要求1‑9任一项所述的飞行器控制方法。

说明书

飞行器控制方法与飞行器

技术领域

[0001] 本申请涉及飞行系统控制领域，尤其涉及一种飞行器控制方法。

背景技术

[0002] 对于譬如无人机等飞行器的飞行器控制方法，主要是以飞行器作为受控对象，将控制指令输入控制模型以生成飞行器的动力装置的工作参数，并控制飞行器的动力装置根据生成的工作参数运行以调整飞行器的飞行姿态及飞行位置，使飞行器执行与控制指令对应的飞行动作。

[0003] 目前采用的控制模型主要是传统的比例积分微分(Proportion Integration Differentiation，简称PID)控制器模型。但是在飞行器气动参数变化较大、且存在高阶非线性、强耦合以及结构参数不稳定的情况下，传统的控制器模型难以实现高精度高稳定性的控制，需要对多个参数进行整定，导致的参数整定复杂。

[0004] 因此，如何提供一种控制精度高、稳定性及抗扰动性能强的飞行控制方法，是本领域技术人员正在研究的热门课题。

发明内容

[0005] 本申请提供一种飞行器控制方法与飞行器，旨在对飞行器进行高精度的控制，并提升控制稳定性与抗扰动性。

[0006] 第一方面，本申请提供一种飞行器控制方法，应用于飞行器，方法包括：

[0007] 根据飞行器构建动力模型、观测模型、及总控制模型，观测模型包括待进行参数整定的观测带宽；

[0008] 基于动力模型以及观测模型构建等效受控模型，并获取等效受控模型的频域幅值与观测带宽的第一函数关系；

[0009] 获取频域幅值指标，并根据第一函数关系与频域幅值指标对观测带宽进行参数整定，得到定参观测模型；

[0010] 获取频率响应指标，并根据频率响应指标对总控制模型进行参数整定，得到定参总控制模型；

[0011] 当接收到目标状态指令时，根据目标状态指令获取飞行器的目标状态信息，并获取飞行器当前时刻的飞行姿态；

[0012] 将目标状态信息及当前时刻的飞行姿态输入至定参总控制模型以获取虚拟控制指令，并将虚拟控制指令及当前时刻的飞行姿态输入至定参观测模型以获取飞行控制指令；

[0013] 基于飞行控制指令及动力模型控制飞行器进行飞行姿态调整。

[0014] 在一些实施方式中，根据飞行器构建动力模型，包括：

[0015] 根据飞行器的机身质量、飞行器所处环境的空气阻力系数、飞行器所受到的风力扰动以及预设的输入增益构建初始动力模型；

[0016] 根据风力扰动与初始动力模型的系统扰动确定初始动力模型的总扰动，并根据输入增益与总扰动构建动力模型。

[0017] 在一些实施方式中，根据飞行器构建观测模型，包括：

[0018] 设置观测器，观测器以观测带宽对当前时刻的飞行姿态及总扰动进行观测，并根据观测结果输出扰动补偿；

[0019] 设置补偿器，补偿器用于根据扰动补偿、虚拟控制指令、以及预设的增益补偿生成飞行控制指令，以使动力模型根据飞行控制指令控制飞行器进行飞行姿态调整；

[0020] 根据观测器与补偿器构建观测模型。

[0021] 在一些实施方式中，等效受控模型包括动态模型与标称模型，动态模型用于根据虚拟控制指令生成动态指令，标称模型用于根据动态指令调整飞行器的飞行姿态；

[0022] 获取等效控制模型的频域幅值与观测带宽的第一函数关系，包括：

[0023] 基于等效受控模型的构建过程获取动态模型的频域幅值与观测带宽的第二函数关系，以及标称模型的频域幅值与观测带宽的第三函数关系；

[0024] 根据第二函数关系与第三函数关系确定第一函数关系。

[0025] 在一些实施方式中，频域幅值指标包括工作性能指标与抗扰性能指标；

[0026] 根据第一函数关系与频域幅值指标对观测带宽进行参数整定，得到定参观测模型，包括：

[0027] 根据预设的第一频域幅值约束以及工作性能指标确定观测带宽的第一待定范围；

[0028] 根据预设的第二频域幅值约束以及抗扰性能指标确定观测带宽的第二待定范围；

[0029] 根据第一待定范围与第二待选范围确定整定后的观测带宽，得到定参观测模型。

[0030] 在一些实施方式中，根据飞行器构建总控制模型，包括：

[0031] 构建预测控制模型，预测控制模型用于根据当前时刻的飞行姿态与目标状态信号预测飞行器在预测时域内的飞行姿态预测序列，并根据飞行姿态预测序列生成在控制时域内的虚拟控制指令序列，虚拟控制指令序列包括与控制时域内多个时刻分别对应的待选虚拟指令；

[0032] 根据预测控制模型构建总控制模型，其中，总控制模型以控制指令序列中最前时刻对应的待选虚拟指令作为虚拟控制指令。

[0033] 在一些实施方式中，根据预测控制模型构建总控制模型，包括：

[0034] 根据柔化因子建立柔化序列，并根据柔化序列以及预测状态序列建立响应评价函数；

[0035] 根据控制状态序列与加权因子建立控制量评价函数；

[0036] 根据响应评价函数与控制量评价函数建立预测控制模型对应的预测控制评价函数；

[0037] 确定总控制模型以使控制评价函数输出的评价参数处于预设的评价参数范围。

[0038] 在一些实施方式中，根据频率响应指标对总控制模型进行参数整定，得到定参总控制模型，包括：

[0039] 根据总控制模型与等效控制模型构建开环频率曲线模型，并将若干个模型参数组输入开环频率曲线模型以获取与模型参数组对应的开环频率曲线，其中，每一模型参数组至少包括预测时域、控制时域、柔化因子、以及加权因子；

[0040] 根据频率响应指标与开环频率曲线从多个对应的模型参数组中确定目标参数组；

[0041] 根据目标参数组对应的预测时域、控制时域、柔化因子、以及加权因子对总控制模型进行参数整定，获得定参总控制模型。

[0042] 在一些实施方式中，频率响应指标包括稳定性能约束指标、输出扰动性能指标约束指标、以及输入扰动性能约束指标；

[0043] 根据频率响应指标与开环频率曲线从多个对应的模型参数组中确定目标参数组，包括：

[0044] 根据预设的稳定性能指标计算公式计算开环频率曲线的稳定性能指标；

[0045] 根据预设的输出扰动性能指标计算公式计算开环频率曲线的输出扰动性能指标；

[0046] 根据预设的输入扰动性能指标计算公式计算开环频率曲线的输入扰动性能指标；

[0047] 在若干个模型参数组中确定目标参数组，以使稳定性能指标小于等于稳定性能约束指标、输出扰动性能指标小于等于输出扰动性能约束指标、且输入扰动性能指标小于等于输入扰动性能约束指标。

[0048] 第二方面，本申请还提供一种飞行器，飞行器与控制设备通信连接，飞行器包括：

[0049] 机身；

[0050] 机臂，连接于机身相连；

[0051] 动力组件，设置于机臂，用于为飞行器提供飞行动力；

[0052] 存储器，用于存储计算机程序；及

[0053] 处理器，用于调取存储在存储器中的计算机程序，以执行上述的飞行器控制方法。

[0054] 本申请提供了一种飞行器控制方法，应用于飞行器，方法包括：根据飞行器构建动力模型、观测模型、及总控制模型，观测模型包括待进行参数整定的观测带宽；基于动力模型以及观测模型构建等效受控模型，并获取等效受控模型的频域幅值与观测带宽的第一函数关系；获取频域幅值指标，并根据第一函数关系与频域幅值指标对观测带宽进行参数整定，得到定参观测模型；获取频率响应指标，根据频率响应指标对总控制模型进行参数整定，得到定参总控制模型；当接收到目标状态指令时，根据目标状态指令获取飞行器的目标状态信息，并获取飞行器当前时刻的飞行姿态；将目标状态信息及当前时刻的飞行姿态输入至定参总控制模型以获取虚拟控制指令，并将虚拟控制指令及当前时刻的飞行姿态输入至定参观测模型以获取飞行控制指令；基于飞行控制指令及动力模型控制飞行器进行飞行姿态调整。使用上述的飞行器控制方法，首先构建动力模型、观测模型、及总控制模型，然后整定观测带宽与总控制模型的参数得到定参观测模型与定参总控制模型，可以通过定参总控制模型、定参观测模型以及动力模型实现对飞行器的高精度控制，并提升总控制模型的稳定性与抗扰动性。

[0055] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

[0056] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0057] 图1是本发明实施例提供的一种飞行器控制方法的场景示意图；

[0058] 图2是本申请实施例提供的一种控制组件的结构示意性框图；

[0059] 图3是本发明实施例提供的一种飞行器控制方法的流程示意图；

[0060] 图4是本发明实施例提供的总控制模型、观测模型、及动力模型的结构性框图；

[0061] 图5是本发明实施例提供的一种飞行器控制方法中的动力模型构建步骤流程示意图；

[0062] 图6是本发明实施例提供的一种飞行器控制方法中的观测模型构建步骤流程示意图；

[0063] 图7是本发明实施例提供的一种飞行器控制方法中的总控制模型构建步骤流程示意图；

[0064] 图8是本发明实施例提供的总控制模型、观测模型、及动力模型的结构性框图；

[0065] 图9是本发明实施例提供的一种飞行器控制方法中的第一函数关系获取步骤流程示意图；

[0066] 图10是本发明实施例提供的一种飞行器控制方法中的定参观测模型获取步骤流程示意图；

[0067] 图11是本发明实施例提供的一种飞行器控制方法中的定参总控制模型获取步骤流程示意图；

[0068] 图12是本发明实施例提供的一种飞行器控制方法中定参总控制模型获取步骤对应的开环频率特性曲线图。

具体实施方式

[0069] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0070] 附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

[0071] 应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

[0072] 还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

[0073] 下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

[0074] 本申请的实施例提供了一种飞行器控制方法，本飞行器控制方法可以应用于飞行器，且飞行器上设置有用于控制飞行器飞行姿态的动力装置，示例性的，飞行器的飞行姿态包括飞行器的飞行位置以及俯仰角、航向角与偏航角中的一者或其组合，飞行器可以是四旋翼无人机或其它无人机。本方法旨在对飞行器进行高精度的控制，并提升飞行器控制的稳定性与抗扰动性。

[0075] 请参阅图1，图1是本发明实施例提供的一种飞行器控制方法的场景示意图。

[0076] 如图1所示，飞行器1与控制台2通信连接，控制台2用于向飞行器1发送目标状态指令，当飞行器1接收到目标状态指令时，飞行器1通过控制动力装置进行飞行姿态的调整，其中控制台2可以是遥控装置、智能手机、平板电脑或笔记本电脑等。

[0077] 具体地，飞行器1包括机身101、机臂102、动力组件103、控制组件104以及传感组件105，其中，机臂102连接于机身101，动力组件103设置于机臂102，用于为飞行器1提供飞行动力，控制组件104及传感组件105与控制组件104电连接，传感组件105用于获取多种飞行器1的传感数据并将获取的传感数据发送给控制组件104，其中，传感数据包括飞行姿态、飞行速度、飞行位置中的任意一者或多者组合。控制组件104根据传感器组件105获取的传感数据及时获知飞行器1当前时刻的飞行姿态，以根据目标状态指令与飞行器1当前时刻的飞行姿态，控制动力组件103工作从而实现飞行器1的飞行姿态调整。

[0078] 需知，图1中的场景仅用于解释本申请实施例提供的飞行器控制方法，但并不构成对本申请实施例提供的飞行器控制方法应用场景的具体限定。

[0079] 请参阅图2，图2为本申请实施例提供的一种控制组件的结构示意性框图。

[0080] 如图2所示，控制组件104包括处理器106和存储器107，处理器106和存储器107通过总线108连接，该总线108比如为I2C(Inter‑integrated Circuit)总线。

[0081] 具体地，处理器106用于提供计算和控制能力，支撑整个计算机设备的运行。处理器106可以是中央处理单元(Central Processing Unit，CPU)，该处理器106还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

[0082] 具体地，存储器107可以是Flash芯片、只读存储器(ROM，Read‑Only Memory)磁盘、光盘、U盘或移动硬盘等。

[0083] 本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请实施例方案相关的部分结构的框图，并不构成对本申请实施例方案所应用于计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

[0084] 其中，处理器用于运行存储在存储器中的计算机程序，并在执行计算机程序时实现本申请实施例提供的任意一种无人机决策模型训练方法与无人机决策模型使用方法。

[0085] 在一实施方式中，处理器106用于运行存储在存储器107中的计算机程序，并在执行计算机程序时实现如下步骤：

[0086] 根据飞行器构建动力模型、观测模型、及总控制模型，观测模型包括待进行参数整定的观测带宽；

[0087] 基于动力模型以及观测模型构建等效受控模型，并获取等效受控模型的频域幅值与观测带宽的第一函数关系；

[0088] 获取频域幅值指标，并根据第一函数关系与频域幅值指标对观测带宽进行参数整定，得到定参观测模型；

[0089] 获取频率响应指标，并根据频率响应指标对总控制模型进行参数整定，得到定参总控制模型；

[0090] 当接收到目标状态指令时，根据目标状态指令获取飞行器的目标状态信息，并获取飞行器当前时刻的飞行姿态；

[0091] 将目标状态信息及当前时刻的飞行姿态输入至定参总控制模型以获取虚拟控制指令，并将虚拟控制指令及当前时刻的飞行姿态输入至定参观测模型以获取飞行控制指令；

[0092] 基于飞行控制指令及动力模型控制飞行器进行飞行姿态调整。

[0093] 在一些实施方式中，处理器106在根据飞行器构建动力模型时，具体包括：

[0094] 根据飞行器的机身质量、飞行器所处环境的空气阻力系数、飞行器所受到的风力扰动以及预设的输入增益构建初始动力模型；

[0095] 根据风力扰动与初始动力模型的系统扰动确定初始动力模型的总扰动，并根据输入增益与总扰动构建动力模型。

[0096] 在一些实施方式中，处理器106在根据飞行器构建观测模型时，具体包括：

[0097] 设置观测器，观测器以观测带宽对当前时刻的飞行姿态及总扰动进行观测，并根据观测结果输出扰动补偿；

[0098] 设置补偿器，补偿器用于根据扰动补偿、虚拟控制指令、以及预设的增益补偿生成飞行控制指令，以使动力模型根据飞行控制指令控制飞行器进行飞行姿态调整；

[0099] 根据观测器与补偿器构建观测模型。

[0100] 在一些实施方式中，等效受控模型包括动态模型与标称模型，动态模型用于根据虚拟控制指令生成动态指令，标称模型用于根据动态指令调整飞行器的飞行姿态；

[0101] 处理器106在获取等效控制模型的频域幅值与观测带宽的第一函数关系时，具体包括：

[0102] 基于等效受控模型的构建过程获取动态模型的频域幅值与观测带宽的第二函数关系，以及标称模型的频域幅值与观测带宽的第三函数关系；

[0103] 根据第二函数关系与第三函数关系确定第一函数关系。

[0104] 在一些实施方式中，频域幅值指标包括工作性能指标与抗扰性能指标；

[0105] 处理器106在根据第一函数关系与频域幅值指标对观测带宽进行参数整定，得到定参观测模型时，具体包括：

[0106] 根据预设的第一频域幅值约束以及工作性能指标确定观测带宽的第一待定范围；

[0107] 根据预设的第二频域幅值约束以及抗扰性能指标确定观测带宽的第二待定范围；

[0108] 根据第一待定范围与第二待选范围确定整定后的观测带宽，得到定参观测模型。

[0109] 在一些实施方式中，处理器106在根据飞行器构建总控制模型时，具体包括：

[0110] 构建预测控制模型，预测控制模型用于根据当前时刻的飞行姿态与目标状态信号预测飞行器在预测时域内的飞行姿态预测序列，并根据飞行姿态预测序列生成在控制时域内的虚拟控制指令序列，虚拟控制指令序列包括与控制时域内多个时刻分别对应的待选虚拟指令；

[0111] 根据预测控制模型构建总控制模型，其中，总控制模型以控制指令序列中最前时刻对应的待选虚拟指令作为虚拟控制指令。

[0112] 在一些实施方式中，处理器106在根据预测控制模型构建总控制模型时，具体包括：

[0113] 根据柔化因子建立柔化序列，并根据柔化序列以及预测状态序列建立响应评价函数；

[0114] 根据控制状态序列与加权因子建立控制量评价函数；

[0115] 根据响应评价函数与控制量评价函数建立预测控制模型对应的预测控制评价函数；

[0116] 确定总控制模型以使控制评价函数输出的评价参数处于预设的评价参数范围。

[0117] 在一些实施方式中，处理器106在根据频率响应指标对总控制模型进行参数整定，得到定参总控制模型时，具体包括：

[0118] 根据总控制模型与等效控制模型构建开环频率曲线模型，并将若干个模型参数组输入开环频率曲线模型以获取与模型参数组对应的开环频率曲线，其中，每一模型参数组至少包括预测时域、控制时域、柔化因子、以及加权因子；

[0119] 根据频率响应指标与开环频率曲线从多个对应的模型参数组中确定目标参数组；

[0120] 根据目标参数组对应的预测时域、控制时域、柔化因子、以及加权因子对总控制模型进行参数整定，获得定参总控制模型。

[0121] 在一些实施方式中，频率响应指标包括稳定性能约束指标、输出扰动性能指标约束指标、以及输入扰动性能约束指标；

[0122] 处理器106在根据频率响应指标与开环频率曲线从多个对应的模型参数组中确定目标参数组时，具体包括：

[0123] 根据预设的稳定性能指标计算公式计算开环频率曲线的稳定性能指标；

[0124] 根据预设的输出扰动性能指标计算公式计算开环频率曲线的输出扰动性能指标；

[0125] 根据预设的输入扰动性能指标计算公式计算开环频率曲线的输入扰动性能指标；

[0126] 在若干个模型参数组中确定目标参数组，以使稳定性能指标小于等于稳定性能约束指标、输出扰动性能指标小于等于输出扰动性能约束指标、且输入扰动性能指标小于等于输入扰动性能约束指标。

[0127] 以下以四旋翼无人机作为飞行器，并结合四旋翼无人机的工作原理，对本申请实施例提供的飞行器控制方法进行详细说明。

[0128] 请参阅图3，图3是本发明实施例提供的一种飞行器控制方法的流程示意图。

[0129] 如图3所示，飞行器控制方法具体包括步骤S1至步骤S7。

[0130] 步骤S1：根据所述飞行器构建动力模型、观测模型、及总控制模型，所述观测模型包括待进行参数整定的观测带宽。

[0131] 根据飞行器上设置的动力装置、飞行器的结构以及飞行器所处的环境构建动力模型，根据飞行器构建观测模型，并构建用于对动力模型与观测模型进行控制的总控制模型，其中，观测模型包括待进行参数整定的观测带宽。

[0132] 具体地，如图4所示，根据飞行器1构建动力模型31、观测模型32、及总控制模型33，当飞行器1接收到目标状态指令时，根据目标状态指令获取飞行器的目标状态信息y1，并获取飞行器当前时刻的飞行姿态y2，然后将目标状态信息y1及当前时刻的飞行姿态y2输入至总控制模型33以获取虚拟控制指令u0，将虚拟控制指令u0及当前时刻的飞行姿态y2输入至观测模型32以获取飞行控制指令u，动力模型31基于飞行控制指令u控制动力装置以对飞行器1进行飞行姿态的调整。其中，目标状态信息y1中的目标状态包括飞行器的飞行位置以及俯仰角、航向角与偏航角中的一者或其组合，飞行器的飞行姿态y2也包括飞行器的飞行位置以及俯仰角、航向角与偏航角中的一者或其组合。

[0133] 示例性地，当飞行器为四旋翼无人机时，飞行器上设置的动力装置至少包括四组电机以及与四组电机分别连接的四组旋翼，四旋翼无人机上四组电机的工作相互独立，执行本方法的四旋翼无人机根据四旋翼无人机的结构以及四旋翼无人机的所处的外部环境建立动力模型。

[0134] 如图5所示，在一些实施方式中，根据飞行器构建动力模型，具体包括步骤S11至步骤S12：

[0135] 步骤S11：根据所述飞行器的机身质量、所述飞行器所处环境的空气阻力系数、所述飞行器所受到的风力扰动以及预设的输入增益构建初始动力模型；

[0136] 步骤S12：根据所述风力扰动与所述初始动力模型的系统扰动确定所述初始动力模型的总扰动，并根据预估增益与所述总扰动构建所述动力模型。

[0137] 首先根据飞行器的机身质量、飞行器所处环境的空气阻力系数、飞行器所受到的风力扰动以及预设的输入增益构建初始动力模型，然后根据风力扰动与初始动力模型的系统扰动确定初始动力模型的总扰动，并根据预估增益与总扰动构建动力模型，其中，初始动力模型的系统扰动基于初始动力模型系统参数的不确定性生成，预估增益基于初始动力模型预估设定。

[0138] 示例性地，根据飞行器的机身质量、飞行器所处环境的空气阻力系数、飞行器所受到的风力扰动以及预设的输入增益构建初始动力模型，则初始动力模型可以表示为：

[0139] y″(t)＝‑ay′(t)+w(t)+bu(t)

[0140] a＝kf/m

[0141] 其中，t为连续时间变量，y(t)为飞行器的飞行姿态，a为预设的模型系数，w(t)为飞行器所受到的风力扰动，b为输入增益，u(t)为飞行控制指令，kf为飞行器所处环境的空气阻力系数，m为飞行器的机身质量。

[0142] 然后根据风力扰动与初始动力模型的系统扰动确定初始动力模型的总扰动，并根据输入增益与总扰动构建动力模型，则动力模型表示为：

[0143] y″(t)＝f+b0u(t)

[0144] f＝‑ay′+w+(b‑b0)u

[0145] 其中，f为总扰动，b0为与输入增益对应的预估增益，可以理解的是，通过输入增益、预估增益、以及飞行控制指令可以表达出初始动力模型的系统扰动，因此可以根据风力扰动与初始动力模型的系统扰动确定初始动力模型的总扰动，并根据预估增益与总扰动构建得到动力模型。

[0146] 如图6所示，在一些实施方式中，根据飞行器构建观测模型，具体包括步骤S13‑步骤S15：

[0147] 步骤S13：设置观测器，所述观测器以所述观测带宽对当前时刻的飞行姿态及总扰动进行观测，并根据观测结果输出扰动补偿；

[0148] 步骤S14：设置补偿器，所述补偿器用于根据所述扰动补偿、所述虚拟控制指令、以及预设的增益补偿生成飞行控制指令，以使所述动力模型根据所述飞行控制指令控制所述飞行器进行飞行姿态调整；

[0149] 步骤S15：根据所述观测器与所述补偿器构建所述观测模型。

[0150] 构建观测模型首先是设置观测器，观测器以观测带宽对当前时刻的飞行姿态及总扰动进行观测，并根据观测结果输出扰动补偿，然后是设置补偿器，补偿器用于根据扰动补偿、虚拟控制指令、以及预设的增益补偿生成飞行控制指令，以使动力模型根据飞行控制指令控制飞行器进行飞行姿态调整，再是根据观测器与补偿器构建观测模型。具体的，观测器可以采用ESO(Extended State Observer，扩张状态观测器)，通过设置ESO可将当前时刻的飞行姿态及总扰动作为扩张状态进行观测。

[0151] 如图4所示，观测模型32至少包括观测器321与补偿器322，观测器321以观测带宽对当前时刻的飞行姿态y2进行观测，并根据观测结果输出扰动补偿z，设置补偿器322，补偿器用于根据扰动补偿z、虚拟控制指令u0、以及预设的增益补偿生成飞行控制指令u，以使动力模型根据飞行控制指令控制飞行器进行飞行姿态调整，其中，观测器中的观测带宽为待整定的参数。

[0152] 可以理解的是，当观测带宽增大时，观测模型32的观测精度与估计精度增高，而由观测模型32与动力模型31组成的系统的响应速度加快，但是系统的输入和输出对噪声更敏感，从而降低了系统的稳定性，而当观测带宽减小时，观测模型32的观测精度与估计精度降低，而由观测模型32与动力模型31组成的系统的响应速度减慢，但系统的稳定性会增加。因此，观测带宽需要限制在合适的范围内，可以实时观测飞行器当前时刻的飞行姿态及总扰动，既能起到滤除噪声的作用，又能保证一定的观测精度与响应速度，从而获得高精度、高稳定性、及高抗扰动性的控制效果。

[0153] 以四旋翼无人机作为执行本方法的飞行器为例，观测器可通过设置于四旋翼无人机上的传感组件观测四旋翼无人机当前时刻的飞行姿态。

[0154] 在一些实施方式中，飞行控制指令与虚拟控制指令的关系可以表示为：

[0155] u＝(u0‑z)/b0

[0156] 其中，u为飞行控制指令，u0为虚拟控制指令，z为扰动补偿，b0为预设的增益补偿。

[0157] 通过观测器观测飞行器在当前时刻的飞行姿态，并根据观测结果输出扰动补偿，然后补偿器根据扰动补偿与预设的增益补偿对输入的虚拟控制指令进行对应的补偿处理，可以获得精准的飞行控制指令，以使动力模型根据飞行控制指令控制飞行器进行飞行姿态调整。

[0158] 如图7所示，在一些实施方式中，根据飞行器构建总控制模型，具体包括步骤S16‑步骤S17：

[0159] 步骤S16：构建预测控制模型，所述预测控制模型用于根据当前时刻的飞行姿态与所述目标状态信号预测所述飞行器在预测时域内的飞行姿态预测序列，并根据所述飞行姿态预测序列生成在控制时域内的虚拟控制指令序列，所述虚拟控制指令序列包括与控制时域内多个时刻分别对应的待选虚拟指令；

[0160] 步骤S17：根据所述预测控制模型构建所述总控制模型，其中，所述总控制模型以所述控制指令序列中最前时刻对应的所述待选虚拟指令作为所述虚拟控制指令。

[0161] 总控制模型中待整定的参数包括预测时域与控制时域。构建预测控制模型，具体可以使用CARMA模型作为模型骨干以构建预测控制模型，然后根据预测控制模型构建总控制模型。预测控制模型用于根据当前时刻的飞行姿态与目标状态信号预测飞行器在预测时域内的飞行姿态预测序列，并根据飞行姿态预测序列生成在控制时域内的虚拟控制指令序列，其中，飞行姿态预测序列包括与预测时域内多个时刻分别对应的飞行器预测姿态，虚拟控制指令序列包括与控制时域内多个时刻分别对应的待选虚拟指令。总控制模型以控制指令序列中最前时刻对应的待选虚拟指令作为虚拟控制指令。

[0162] 以四旋翼无人机作为执行本方法的飞行器为例，观测器可通过设置于四旋翼无人机上的传感组件获取四旋翼无人机当前时刻的飞行姿态。

[0163] 可以理解的是，预测控制模型输出与控制时域内多个时刻分别对应的待选虚拟指令，若依照时间顺序依次向观测模型多个待选虚拟指令则可在控制时域内调整飞行器的飞行姿态，以使飞行器在控制时域结束时刻的飞行姿态趋近于根据目标状态指令获取的目标状态信息。而总控制模型以控制指令序列中最前时刻对应的待选虚拟指令作为虚拟控制指令，即总控制模型在当前时刻根据目标状态信息及当前时刻的飞行姿态确定与控制时域内多个时刻分别对应的待选虚拟指令，但仅向观测模型发送最前时刻对应的待选虚拟指令作为虚拟控制指令，以在下一时刻调整飞行器的飞行姿态，而总控制模型在下一时刻时，根据下一时刻输入的目标状态信息及下一时刻飞行器的飞行姿态确定与控制时域内多个时刻分别对应的待选虚拟指令，但仅向观测模型发送最前时刻对应的待选虚拟指令作为虚拟控制指令，以在下两个时刻调整飞行器的飞行姿态，从而实现即时调整，而不是向观测模型传输与一个目标状态信息对应的全部待选虚拟指令。

[0164] 在一些实施方式中，根据预测控制模型构建所述总控制模型，包括：

[0165] 根据柔化因子建立柔化序列，并根据柔化序列以及预测状态序列建立响应评价函数；

[0166] 根据控制状态序列与加权因子建立控制量评价函数；

[0167] 根据响应评价函数与控制量评价函数建立预测控制模型对应的预测控制评价函数；

[0168] 确定总控制模型以使控制评价函数输出的评价参数处于预设的评价参数范围。

[0169] 总控制模型中待整定的参数除了包括预测时域与控制时域，还包括柔化因子与加权因子，根据柔化因子建立柔化序列，并根据柔化序列以及预测状态序列建立响应评价函数，根据控制状态序列与加权因子建立控制量评价函数，然后根据响应评价函数与控制量评价函数建立预测控制模型对应的预测控制评价函数，预测控制评价函数用于根据控制时域、预测时域、柔化因子、加权因子、虚拟控制指令、及飞行器在对应时刻的飞行姿态生成评价参数。

[0170] 具体的，响应评价函数可如下表示：

[0171]

[0172] 控制量评价函数可如下表示：

[0173]

[0174] 预测评价函数可如下表示：

[0175]

[0176] J1表示响应评价函数输出的响应参数，J2表示控制量评价函数输出的控制量参数，J表示预测评价函数输出的评价参数，N表示预测时域，Nu表示控制时域，k+j‑1表征控制时域内的第k+j‑1个时刻，k+j表征预测时域内的第k+j个时刻，即预测时域中第k+j‑1个时刻的下一时刻，y(k+j)表示飞行器在预测时域内的第k+j个时刻的飞行姿态，v(p)表示与柔化因子对应的柔化序列，λ表示加权因子，u0(k+j‑1)表示在控制时域内的第k+j‑1个时刻输出的虚拟控制指令，其中，柔化序列用于使得飞行器的飞行姿态可以平稳达到目标状态信息中的目标状态。

[0177] 可以理解的是，由预测评价函数的函数结构可知，预测评价函数输出的评价参数与响应评价函数输出的响应参数及控制量评价函数输出的控制量参数同时相关。其中，响应参数用于表征预测控制模型的跟踪误差，当响应参数越小，预测控制模型的跟踪误差越小，其输出的虚拟控制指令使观测模型与动力模型调节飞行器得到的下一时刻的飞行姿态与控制台输入的目标状态误差越小，控制量参数用于表征预测控制模型输出虚拟控制指令的控制量大小，虚拟控制指令的控制量大小影响着预测控制模型的能耗，当控制量参数越小，预测控制模型的能耗越低。因此，评价参数用于表征预测控制模型的响应速度以及能耗的综合性能。

[0178] 建立预测控制模型对应的预测控制评价函数之后，基于控制评价函数的函数特征确定总控制模型，以确保控制评价函数输出的评价参数处于预设的评价参数范围。

[0179] 在一些实施方式中，预设的评价参数范围为评价参数的最小值，确定总控制模型以使控制评价函数输出的评价参数处于预设的评价参数范围具体包括：

[0180] 根据控制评价函数调整预测控制模型中的虚拟控制指令确定策略，使得控制评价函数输出的输出值取得最小值；

[0181] 设置采样模型，采样模型用于采样预测控制模型输出的控制指令序列中最前时刻对应的待选虚拟指令，以作为虚拟控制指令进行输出；

[0182] 根据预测控制模型与采样模型构建总控制模型。

[0183] 通过上述方法确定总控制模型，提高了总控制模型的响应速度、能耗以及稳定性。

[0184] 步骤S2：基于所述动力模型以及观测模型构建等效受控模型，并获取所述等效受控模型的频域幅值与所述观测带宽的第一函数关系。

[0185] 如图4与图8所示，构建动力模型31、观测模型32、总控制模型33后，基于动力模型31以及观测模型32构建等效受控模型34，并获取等效受控模型34的频域幅值与观测带宽的第一函数关系，其中等效受控模型34与观测模型32、总控制模型33等效，等效受控模型34用于根据总控制模型33输入的虚拟控制指令u0调整飞行器的飞行姿态y2。

[0186] 如图8所示，在一些实施方式中，等效受控模型包括动态模型与标称模型，动态模型用于根据虚拟控制指令生成动态指令，标称模型用于根据所述动态指令调整所述飞行器的飞行姿态。

[0187] 可以理解的是，等效受控模型以及其中的动态模型、标称模型用于作为总控制模型参数整定时的参考模型。在创建等效受控模型的过程中，动态模型的频率幅值随输入信号的变化而变化，而标称模型的频率幅值固定，且动态模型与标称模型在等效受控模型中的位置可以相互交换。具体地，将标称模型设置为二阶串联积分器，并将等效受控模型中的剩余部分设置为动态模型，使得动态模型的频域幅值接近于1。

[0188] 如图9所示，在一些实施方式中，获取所述等效受控模型的频域幅值与所述观测带宽的第一函数关系，具体包括步骤S21‑S22：

[0189] 步骤S21：基于所述等效受控模型的构建过程获取所述动态模型的频域幅值与所述观测带宽的第二函数关系，以及所述标称模型的频域幅值与所述观测带宽的第三函数关系；

[0190] 步骤S22：根据所述第二函数关系与所述第三函数关系确定所述第一函数关系。

[0191] 具体地，获取所述动态模型的频域幅值与所述观测带宽的第二函数关系，以及所述标称模型的频域幅值与所述观测带宽的第三函数关系包括：获取当前时刻的实际控制指令与飞行器下一时刻的飞行姿态之间的第一传递函数，根据第一传递函数获取当前时刻的虚拟控制指令与飞行器下一时刻的飞行姿态之间的第二传递函数，即与等效受控模型对应的第二传递函数，然后根据第二传递函数获取与动态模型对应的动态传递函数、以及与标称模型对应的标称传递函数，根据动态传递函数确定动态模型的频域幅值与观测带宽之间的第二函数关系，并根据标称传递函数确定标称模型的频域幅值与观测带宽的第三函数关系。

[0192] 以四旋翼无人机在x轴方向上的飞行位置为例，首先获取当前时刻的实际控制指令与飞行器下一时刻的飞行姿态之间的第一传递函数，第一传递函数可表示为：

[0193]

[0194] a＝kf/m

[0195] 其中，G1(s)为第一传递函数，s为拉普拉斯算子，a为预设的模型系数，kf为飞行器所处环境的空气阻力系数，m为飞行器的机身质量。

[0196] 根据第一传递函数获取当前时刻的虚拟控制指令与飞行器下一时刻的飞行姿态之间的第二传递函数，即与等效受控模型对应的第二传递函数，第二传递函数可表示为：

[0197]

[0198] G2(S)＝Gp(S)×G0(S)

[0199] 其中，G2(s)为第二传递函数，Gp(s)为动态传递函数，G0(s)为标称传递函数，ω0为观测带宽。

[0200] 根据第二传递函数确定与标称模型对应的标称传递函数、以及与动态模型对应的动态传递函数，可先设置标称模型，令标称模型的标称传递函数表示为

[0201]

[0202] 然后基于已确定的标称传递函数以及第二传递函数、动态传递函数、标称传递函数三者之间的函数关联确定与动态模型对应的动态传递函数，动态传递函数可表示为：

[0203]

[0204] 根据动态传递函数确定动态模型的频域幅值与观测带宽之间的第二函数关系，并根据标称传递函数确定标称模型的频域幅值与观测带宽的第三函数关系，在此之后，基于动态模型的频域幅值与观测带宽之间的第二函数关系以及标称模型的频域幅值与观测带宽的第三函数关系确定等效受控模型的频域幅值与观测带宽的第一函数关系。

[0205] 步骤S3：获取频域幅值指标，并根据所述第一函数关系与所述频域幅值指标对所述观测带宽进行参数整定，得到定参观测模型。

[0206] 执行本方法的飞行器获取输入的频域幅值指标，并根据等效受控模型的频域幅值与观测带宽的第一函数关系与频域幅值指标整定观测模型的观测带宽，调整观测模型的观测带宽得到定参观测模型。

[0207] 如图10所示，在一些实施方式中，频域幅值指标包括工作性能指标与抗扰性能指标，根据第一函数关系与频域幅值指标对观测带宽进行参数整定，得到定参观测模型，具体包括步骤S31‑步骤S33：

[0208] 步骤S31：根据预设的第一频域幅值约束以及所述工作性能指标确定所述观测带宽的第一待定范围。

[0209] 可以理解的是，基于将标称模型设置为二阶串联积分器，并将等效受控模型中的剩余部分设置为动态模型，标称模型的频域幅值为定值，因此可根据第一函数关系确定动态模型的频域幅值与观测带宽之间的第二函数关系。确定第二函数关系后，执行本方法的飞行器根据预设的频域幅值指标以及第二函数关系对观测带宽进行参数整定，得到定参观测模型。

[0210] 具体地，频域幅值指标包括工作性能指标与抗扰性能指标，预设的第一频域幅值约束可以表示为：

[0211]

[0212] |20lg|Gp(jω)||≤mp

[0213] 其中，ω0为观测带宽，s为拉普拉斯算子，a为预设的模型系数，ω为观测器的角频率变量，|Gp(jω)|为将动态模型在时域中的动态传递函数Gp(s)转为频域幅值函数后与观测器的工作角频率对应的频域幅值，观测器的工作角频率包括预设的第一角频率范围，|20lg|Gp(jω)||为与第一角频率范围对应的分贝值，mp为第一约束指标中的工作性能指标。

[0214] 将动态模型在时域中的动态传递函数转化为频域中的频域幅值函数后，根据预设的第一角频率范围确定观测器在工作角频率下频域幅值的波动范围，并根据观测器在工作角频率下频域幅值的波动范围、工作性能指标、以及第一频域幅值约束确定观测器观测带宽的第一待定范围，以使观测器在工作角频率下频域幅值的最大值小于等于工作性能指标。

[0215] 步骤S32：根据预设的第二频域幅值约束以及所述抗扰性能指标确定所述观测带宽的第二待定范围。

[0216] 其中，预设的第二频域幅值约束可以表示为：

[0217]

[0218] 20lg|Gn(j0)|≤mn

[0219] 其中，ω0为观测带宽，s为拉普拉斯算子，a为预设的模型系数，ω为观测器的角频率变量，Gn(s)为动态模型在时域中的抗扰传递函数，|Gn(jω)|为将动态模型在时域中的抗扰传递函数Gn(s)转为频域幅值函数后与观测器的抗扰角频率对应的频域幅值，观测器的抗扰角频率包括预设的第二角频率范围，20lg|Gn(jω)|分别为与第二角频率范围对应的分贝值，mn为第一约束指标中的抗扰性能指标。

[0220] 将动态模型在时域中的抗扰传递函数转化为频域中的频域幅值函数后，根据第二角频率范围确定观测器在抗扰角频率下频域幅值的波动范围，并根据观测器在抗扰角频率下频域幅值的波动范围、抗扰性能指标、以及第二频域幅值约束条件确定观测器的观测带宽的第二待定范围，以使观测器在抗扰角频率下频域幅值的最大值小于等于抗扰性能指标。

[0221] 可以理解的是，针对观测器而言，噪声属于高频段信号，因此观测器的工作频率一般小于抗扰频率，观测器的工作频率一般设置在低频、中频段，观测器的抗扰频率一般设置在高频段，因此预设的第一角频率范围与第二角频率范围可以是个分立的取值范围，且第二角频率范围大于等于第一角频率范围，执行本方法的飞行器可根据预设的第一角频率范围、预设的第一频域幅值约束、以及工作性能指标确定观测器观测带宽的第一待定范围，并可根据第二角频率范围、预设的第二频域幅值约束、以及抗扰性能指标确定观测器观测带宽的第二待定范围。

[0222] 步骤S33：根据所述第一待定范围与所述第二待选范围确定整定后的所述观测带宽，得到所述定参观测模型。

[0223] 确定观测器观测带宽的第一待定范围与第二待定范围后，根据第一待定范围与第二待定范围对观测带宽进行整定，示例性地，可以获取第一待定范围与第二待定范围的交集作为带宽待定范围，并在带宽待定范围中确定整定后的观测带宽取值，应用该取值作为观测带宽便得到定参观测模型。

[0224] 步骤S4：获取频率响应指标，并根据频率响应指标对所述总控制模型进行参数整定，得到定参总控制模型。

[0225] 具体地，总控制模型中待整定的参数包括预测时域、控制时域、柔化因子、以及加权因子，根据稳定性能约束指标、输出扰动性能指标约束指标、以及输入扰动性能约束指标对总控制模型中的预测时域、控制时域、柔化因子、以及加权因子进行参数整定，并将整定后的参数应用于总控制模型，获得定参总控制模型。

[0226] 如图11所示，步骤S4中根据频率响应指标对总控制模型进行参数整定，得到定参总控制模型，具体包括步骤S41‑步骤S43：

[0227] 步骤S41：根据所述总控制模型与所述等效控制模型构建开环频率曲线模型，并将若干个模型参数组输入所述开环频率曲线模型以获取与所述模型参数组对应的开环频率曲线，其中，每一所述模型参数组至少包括所述预测时域、所述控制时域、所述柔化因子、以及所述加权因子；

[0228] 步骤S42：根据所述频率响应指标与所述开环频率曲线从多个对应的所述模型参数组中确定目标参数组；

[0229] 步骤S43：根据所述目标参数组对应的所述预测时域、所述控制时域、所述柔化因子、以及所述加权因子对所述总控制模型进行参数整定，获得定参总控制模型。

[0230] 执行本方法的飞行器根据总控制模型与等效控制模型构建开环频率曲线模型，其中，开环频率曲线模型用于根据模型参数组输出开环频率曲线，然后根据输出的开环频率曲线对开环频率曲线模型进行模型调试，具体地，将若干个模型参数组输入开环频率曲线模型以获取与所述模型参数组对应的开环频率曲线，每一模型参数组至少包括预测时域、控制时域、柔化因子、以及加权因子，若干个模型参数组中的预测时域、控制时域、柔化因子、以及加权因子为预设值且若干个模型参数组相互离散。

[0231] 在此之后，根据频率响应指标与开环频率曲线从多个对应的模型参数组中确定目标参数组，并将目标参数组对应的预测时域、控制时域、柔化因子、以及加权因子的取值应用于总控制模型定，获得定参总控制模型。

[0232] 在一些实施方式中，频率响应指标包括稳定性能约束指标、输出扰动性能指标约束指标、以及输入扰动性能约束指标，根据频率响应指标与开环频率曲线从多个对应的模型参数组中确定目标参数组，包括：

[0233] 根据预设的稳定性能指标计算公式计算开环频率曲线的稳定性能指标；

[0234] 根据预设的输出扰动性能指标计算公式计算开环频率曲线的输出扰动性能指标；

[0235] 根据预设的输入扰动性能指标计算公式计算开环频率曲线的输入扰动性能指标；

[0236] 在若干个模型参数组中确定目标参数组，以使稳定性能指标小于等于稳定性能约束指标、输出扰动性能指标小于等于输出扰动性能约束指标、且输入扰动性能指标小于等于输入扰动性能约束指标。

[0237] 首先根据预设的稳定性能指标计算公式计算开环频率曲线的稳定性能指标，根据预设的输出扰动性能指标计算公式计算开环频率曲线的输出扰动性能指标，根据预设的输入扰动性能指标计算公式计算开环频率曲线的输入扰动性能指标，其中，稳定性能指标用于表征鲁棒稳定性的性能，输出扰动性能指标可以为输出扰动传递函数的频域幅值，输出扰动性能指标可以为输入扰动传递函数的频域幅值。

[0238] 具体的，预设的稳定性能指标计算公式可表示为：

[0239]

[0240] 预设的输出扰动性能指标计算公式可表示为：

[0241]

[0242] 预设的输入扰动性能指标计算公式可表示为：

[0243]

[0244] 其中，ω为角频率变量，C(jω)为总控制模型的频域特性，G2(jω)为等效受控模型的频域特性，A为稳定性能指标值、B为输出扰动性能指标值、C为输入扰动性能指标值。

[0245] 在此之后，基于每一模型参数组所对应的稳定性能指标值、输出扰动性能指标值、输入扰动性能指标值、以及预先输入的稳定性能约束指标、输出扰动性能约束指标、输入扰动性能约束指标在若干个模型参数组中确定目标参数组，以使稳定性能指标小于等于稳定性能约束指标、输出扰动性能指标小于等于输出扰动性能约束指标、且输入扰动性能指标小于等于输入扰动性能约束指标。

[0246] 具体地，稳定性能指标小于等于稳定性能约束指标、输出扰动性能指标小于等于输出扰动性能约束指标、且输入扰动性能指标小于等于输入扰动性能约束指标可表示为：

[0247] A≤W1,B≤W2，C≤W3

[0248] 其中，A为稳定性能指标值、B为输出扰动性能指标值、C为输入扰动性能指标值，W1为预设的稳定性能指标约束，W2为预设的输出扰动性能指标约束，W3为预设的输入扰动性能指标约束。

[0249] 通过上述的稳定性能指标计算公式、输出扰动性能指标计算公式、输入扰动性能指标计算公式、稳定性能指标约束、输出扰动性能指标约束、以及输入扰动性能指标约束可从多个模型参数组中确定目标参数组，并将目标参数组中预测时域、控制时域、柔化因子、以及加权因子的取值应用于总控制模型，得到定参总控制模型。

[0250] 在一些实施方式中，在若干个模型参数组中确定目标参数组，以使稳定性能指标小于等于稳定性能约束指标、输出扰动性能指标小于等于输出扰动性能约束指标、且输入扰动性能指标小于等于输入扰动性能约束指标，具体包括：将若干个目标参数组对应的开环频率曲线绘制在预设的开环频率特性曲线图上，并将多个预设的频率幅值参考线绘制在同一开环频率特性曲线图上，根据频率幅值参考线从多个目标参数组对应的开环频率曲线中确定整定开环频率曲线，然后以整定开环频率曲线对应的模型参数组作为目标参数组，其中，多个频率幅值参考线分别对应着观测器处于多个观测带宽之时开环频率模型输出的开环频率曲线。

[0251] 可以理解的是，将开环频率曲线模型的调试步骤转化为在开环频率特性曲线图上的边界限制，使得开环频率曲线模型的调试步骤更为直观，且更加快捷简便。

[0252] 具体的，开环频率曲线模型可以表示为：

[0253] L(jω)＝C(jω)×G2(jω)

[0254] 其中，L(jω)为开环频率曲线模型，C(jω)为总控制模型的频率特性模型，G2(jω)为等效受控模型的频率特性模型，根据总控制模型的频率特性模型与等效控制模型的频率特性模型可确定开环频率曲线模型的开环频率曲线模型。

[0255] 开环频率特性曲线图以相位作为横坐标，以频率幅值作为纵坐标，且相位的单位为度，频率幅值的单位为分贝，并在开环频率特性曲线图上绘制多个目标参数组对应的开环频率曲线以及多个预设的频率幅值参考线。根据频率幅值参考线从多个目标参数组对应的开环频率曲线确定整定开环频率曲线具体包括：对开环频率曲线上的点位进行采样，得到多个对应不同观测带宽的幅值点位，以曲线上所有幅值点位的位置在其对应观测带宽的频率幅值参考线上方的开环频率曲线作为整定开环频率曲线。

[0256] 请参阅图12，图12是本发明实施例提供的一种飞行器控制方法中定参总控制模型获取步骤对应的开环频率特性曲线图。

[0257] 如图12所示，开环频率特性曲线图可以使用尼柯尔斯图(Nichols plot)，将多个目标参数组对应的开环频率曲线绘制在尼柯尔斯图上，其中，尼柯尔斯图以相位作为横坐标，以频率幅值作为纵坐标，且相位的单位为度，频率幅值的单位为分贝。

[0258] 其中，L1与L2为对应不同模型参数组的开环频率曲线，对开环频率曲线L2上的点位进行采样，得到多个对应不同观测带宽的幅值点位，P1、P2、P3分别为对应观测带宽为0.01rad/s、0.05rad/s、0.1rad/s的幅值点位，结合开环频率特性曲线图以及开环频率特性曲线图上的频率幅值参考线可知，幅值点位P1在对应观测带宽为0.01rad/s的频率幅值参考线上方，幅值点位P2在对应观测带宽为0.05rad/s的频率幅值参考线上方，幅值点位P3在对应观测带宽为0.5rad/s的频率幅值参考线上方，且结合开环频率特性曲线图可知开环频率曲线L1并不符合幅值点位与频率幅值参考线的位置关系限定，因此，以开环频率曲线L2作为对应的整定开环频率曲线，以开环频率曲线L2对应的模型参数组作为目标参数组。

[0259] 本申请提供的方法通过将多个目标参数组对应的开环频率曲线以及多个预设的频率幅值参考线绘制在开环频率特性曲线图上，并使用图解的方式从多个对应的模型参数组中确定目标参数组。确定目标参数组之后，根据目标参数组对应的预测时域、控制时域、柔化因子、以及加权因子对总控制模型进行参数整定，获得定参总控制模型，动力模型、定参观测模型、及定参总控制模型组成的系统用于控制飞行器进行飞行姿态的调整。

[0260] 在另一些实施方式中，在步骤S43之后还包括：根据定参总控制模型获取与定参总控制模型对应的滤波器模型，确定滤波器模型的闭环传递函数，获取输入的闭环传递函数约束条件，并判断滤波器模型的闭环传递函数是否满足闭环传递函数约束条件，若闭环传递函数符合闭环传递函数约束条件，则使用定参总控制模型进行本飞行器控制方法的后续步骤，若闭环传递函数不符合闭环传递函数约束条件，则根据开环频率曲线从多个对应的模型参数组中确定第二目标参数组，并根据第二目标参数组对应的预测时域、控制时域、柔化因子、以及加权因子对总控制模型进行参数整定，获得定参总控制模型。

[0261] 步骤S5：当接收到目标状态指令时，根据所述目标状态指令获取所述飞行器的目标状态信息，并获取所述飞行器当前时刻的飞行姿态。

[0262] 当执行本方法的飞行器接收到目标状态指令时，根据目标状态指令获取飞行器的目标状态信息，并获取飞行器当前时刻的飞行姿态，具体的，目标状态信息中的目标状态包括飞行器的飞行位置以及俯仰角、航向角与偏航角中的一者或其组合，飞行器的飞行姿态也包括飞行器的飞行位置以及俯仰角、航向角与偏航角中的一者或其组合。

[0263] 以四旋翼无人机作为执行本方法的飞行器为例，观测器可通过设置于四旋翼无人机上的传感组件获取四旋翼无人机当前时刻的飞行姿态。

[0264] 步骤S6：将所述目标状态信息及所述当前时刻的飞行姿态输入至所述定参总控制模型以获取虚拟控制指令，并将所述虚拟控制指令及所述当前时刻的飞行姿态输入至所述定参观测模型以获取飞行控制指令。

[0265] 执行本方法的飞行器将目标状态信息及当前时刻的飞行姿态输入到预测时域、控制时域、柔化因子以及加权因子整定后的定参总控制模型，定参总控制模型根据目标状态信息及当前时刻的飞行姿态输出对应的虚拟控制指令，并将观测带宽整定后的虚拟控制指令及当前时刻的飞行姿态输入至定参观测模型以获取与当前时刻对应的飞行控制指令，易知当前时刻对应的飞行控制指令用于控制动力模型以调整飞行器在下一时刻的飞行姿态。

[0266] 步骤S7：基于所述飞行控制指令及所述动力模型控制所述飞行器进行飞行姿态调整。

[0267] 执行本方法的飞行器将飞行控制指令输入到动力模型，通过动力模型控制设置飞行器上的电机工作，以调整飞行器在下一时刻的飞行姿态。以飞行器为四旋翼无人机为例，四旋翼无人机上四组电机的工作相互独立，飞行控制指令可以包括四旋翼无人机上至少一组电机在下一时刻的工作电流，将飞行控制指令输入至对应四旋翼无人机的动力模型，设置于四旋翼无人机电机上的电机基于飞行控制指令中的下一时刻的工作电流工作，以调整四旋翼无人机的飞行姿态。

[0268] 综上，本申请提供的飞行器控制方法通过构建动力模型、观测模型、及总控制模型，根据获取的频域幅值指标对观测模型中的观测带宽进行参数整定，得到定参观测模型，并根据获取的频率响应指标对总控制模型进行参数整定，得到定参总控制模型，动力模型、定参观测模型、及定参总控制模型组成的系统可用于控制飞行器进行飞行姿态的调整。具体地，当接收到目标状态指令时，执行本方法的飞行器根据目标状态指令获取飞行器的目标状态信息并获取飞行器当前时刻的飞行姿态，然后将目标状态信息及当前时刻的飞行姿态输入至定参总控制模型，并以通过定参总控制模型、定参观测模型以及动力模型调整飞行器飞行姿态以获取虚拟控制指令，并将虚拟控制指令及当前时刻的飞行姿态输入至定参观测模型以获取飞行控制指令；基于飞行控制指令及动力模型控制飞行器进行飞行姿态调整实现了对飞行器的高精度控制，并提升总控制模型的稳定性与抗扰动性。

[0269] 应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

[0270] 还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0271] 上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅是本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。