一种多旋翼无人机实时尾迹的仿真分析系统及方法与流程

[0001]
本发明涉及人在回路仿真领域，尤其涉及一种多旋翼无人机实时尾迹的仿真分析系统及方法。


背景技术：

[0002]
仿真技术是伴随着计算机技术的发展而逐步形成的一类试验研究的新兴方法。由于仿真技术具有安全、高效、可控性、无破坏性、经济性、不受环境气候限制以及可多次重复等特点，其获得了十分广泛地应用。首先，由于仿真技术在应用上的安全性，航天、航空等一直是仿真技术应用的主要领域。其次，仿真技术在应用上的经济性是其被广泛应用的十分重要的因素，因为仿真技术的应用可以用较小的投资换取风险上的大幅度降低。在工程应用领域，根据仿真模型特点和实现方式的不同，飞行仿真大致可分为数字仿真、半实物仿真和人在回路仿真三种形式。数学仿真是指通过建立仿真模型、仿真算法、线性拟合、插值等方法，以纯软件在宿主机上实现仿真运行的一种方法，尤其适用于研究开发、方案论证和设计阶段。含实物仿真又称半实物仿真，这种仿真无需整个系统样机就能对回路的部分实物进行评定，含实物仿真试验必须实时运行。人在回路仿真是一种操作人员、飞行员、宇航员在系统回路中进行操纵的仿真试验。这种仿真试验能够对飞行器性能、回路中的操作人员技能和素质，或者整个人机系统做出评价。由于操纵人员在回路中，人在回路中的仿真系统必须实时运行。
[0003]
在现有技术中，多旋翼无人机各旋翼的推力计算是飞行仿真的重要环节之一，同时旋翼推力也是无人机的动力源。以往通常采用推力系数的方法计算各旋翼的推力，该推力系数一般被设定为常数，由悬停状态下旋翼的推力测试获得。由于无人机飞行状态的复杂化，如飞行速度增大、外界风速升高等，各旋翼的推力不再相等，且随着风速的变化而变化，其各推力波动量也和来流速度的二次方成正比。因此在特殊飞行条件下，传统多旋翼无人机仿真方法已不再能真实地反映无人机的飞行状况。主要表现为以下两个方面：
[0004]
1、入流速度的提高
[0005]
由于飞行速度或外界风速的提高，多旋翼无人机各旋翼的入流速度将得到提高。与此同时，入流速度的提高将引起各旋翼的推力增加，并且推力波动量将随速度升高的二次方加剧。此外，旋翼转速的增加虽可以增加推力，但同时旋翼的平均诱导速度也将得到提高，而且平均诱导速度的变化是非线性的，诱导速度的提高将抵消一部分推力的增加，因此采用入流模型来计算各旋翼的推力将提高多旋翼无人机飞行仿真的准确性。
[0006]
2、旋翼尾迹影响
[0007]
与低速或低风速飞行不同，旋翼入流速度提高到一定阶段，其尾迹对下游流场的影响将显著增加，前方旋翼的尾迹将会对后方旋翼入流速度产生附加效应。并且该附加效应是随前方旋翼入流速度的变化而改变，该过程是非线性的。根据前文的描述，后方旋翼的入流改变引起后方旋翼推力以及推力波动量的改变，准确预测该变化可大大提高多旋翼无人机在复杂飞行状态下的仿真可信度。


技术实现要素：

[0008]
针对现有技术中的传统多旋翼无人机仿真方法不能真实反映无人机的飞行状况这一缺陷，本发明提供一种多旋翼无人机实时尾迹的仿真分析系统及方法。
[0009]
依据本发明的一个方面，提供了一种多旋翼无人机实时尾迹的仿真分析系统，包括操纵输入模块、飞控模块、螺旋桨模块、流场模块、电机模块和飞行动力学模块，其中：
[0010]
操纵输入模块，用于读取操纵杆的输入指令，并将所述输入指令转换成相应的整体电机油门量以及飞行目标量；
[0011]
飞控模块，与所述操纵输入模块、所述电机模块和所述飞行动力学模块相连接，用于接收来自所述飞行动力学模块的多旋翼无人机的姿态、位置及速度数据，以及接收来自所述操纵输入模块的整体电机油门量以及飞行目标量，并与预先设定的飞行姿态数据相比较，输出各电机油门的转速分配；
[0012]
螺旋桨模块，与所述电机模块、所述流场模块以及所述飞行动力学模块相连接，用于根据旋翼盘平均诱导速度、多旋翼无人机的姿态、速度数据和所述电机的转速，计算各旋翼叶片的分段升力、以及多旋翼无人机的总推力、总推力矩；
[0013]
流场模块，与所述螺旋桨模块和所述飞行动力学模块相连接，用于根据多旋翼无人机的姿态、速度数据以及各旋翼叶片的分段升力来计算旋翼盘产生的平均诱导速度；
[0014]
电机模块，与所述螺旋桨模块和所述电机模块相连接，用于根据来自所述飞控模块的整体电机油门量以及各电机油门分配指令计算各旋翼的电机转速和电机扭矩，将所述电机转速输出至所述螺旋桨模块以及将所述电机转矩输出至所述飞行动力学模块；以及
[0015]
飞行动力学模块，用于根据所述螺旋桨模块输出的总推力、总推力矩以及所述电机模块输出的电机转矩，得到所述多旋翼无人机的姿态和速度数据。
[0016]
在一具体实施例，所述飞行动力学模块根据所接收的总推力和推力矩，及机身参数、上一时间步长的姿态和机体质心运动状态，计算出所述多旋翼无人机当前的飞行状态数据。
[0017]
在一具体实施例，所述多旋翼无人机的飞行姿态数据包括前飞速度、升降速度、侧飞速度、飞行高度、俯仰角、滚转角以及偏航角。
[0018]
在一具体实施例，多旋翼无人机包括前方旋翼与后方旋翼，在高速飞行过程中，当所述前方旋翼的自由入流速度增大时，其尾迹的倾斜角亦随之变大，对所述后方旋翼的入流速度影响加剧。
[0019]
在一具体实施例，后方旋翼的入流速度增量是非线性的，与前方旋翼尾迹的倾斜角、前方旋翼盘内带时滞的诱导速度相关联。
[0020]
在一具体实施例，多旋翼无人机为均匀分布的八旋翼结构。
[0021]
依据本发明的另一个方面，提供了一种多旋翼无人机实时尾迹的仿真分析方法，包括以下步骤：
[0022]
建立所述多旋翼无人机的旋翼桨叶入流模型；
[0023]
根据所建立的旋翼桨叶入流模型，计算所述多旋翼无人机中高速飞行的前方旋翼对后方旋翼的入流影响；以及
[0024]
在考虑入流影响的情形下，将旋翼气动力和气动力矩变化量输入到飞行动力学方程组进行解算，得到所述多旋翼无人机的飞行姿态数据。
[0025]
在一具体实施例，上述建立旋翼桨叶入流模型的步骤还包括：
[0026]
根据旋翼势流流场基本流体动力学方程，并将其按照得到质量守恒方程以及动量守恒方程，其中v
t
为旋翼的总速度，v
∞
为入流速度，为入流单位向量，δv为摄动速度，
[0027]
质量守恒方程：
[0028]
动量守恒方程：
[0029]
其中v为归一化速度，v＝δv/v
∞
；τ为归一化时间，τ＝tv
∞
/r；p为归一化压强，边界条件是旋翼上游流场在无穷远处趋近于零，设定由速度势ψ表示所述归一化速度为代入上述质量守恒方程(1)得：
[0030][0031]
代入上述动量守恒方程(2)，并设定压强势p＝φ，可得：
[0032][0033]
进一步由第一类勒让德函数和第二类勒让德函数来表示压强势
[0034][0035]
其中ν，η，ψ为无人机旋翼椭球坐标系，将压强展开为：
[0036][0037]
为了满足上述边界条件，速度势重新定义为：
[0038][0039]
由上述可知，流场速度可采用如下表达式：
[0040][0041]
最终将速度表达式和压强表达式代入动量守恒方程(2)，经过伽辽金变换，得到最终的旋翼桨叶入流模型为：
[0042][0043]
其中[m]＝[l]|
尾迹倾斜角＝0
[0044]
v
t
为旋翼的总速度(包括入流速度和诱导速度)，
[0045]
若不考虑旋翼桨叶的挥舞且桨叶为定距，每个旋翼分段升力为：
[0046]
l
kqi
＝0.5ρac
i
[(ω
k
r
i
+μ
k
ω
k
rsinψ
q
)2θ
i-(ω
k
r
i
+μ
k
ω
k
rsinψ
q
)(η
ck
ω
k
r+v
zk
)]；
[0047]
上式k为旋翼的编号，q为旋翼的桨叶编号，i为桨叶分段编号，例如l
125
表示第1个旋翼第2片桨叶的第i段，ω
k
为旋翼k的转速，r为旋翼半径，μ
k
和η
ck
分别为旋翼k的进速比和爬升率，v
zk
为旋翼k在旋翼盘内的平均轴向诱导速度，θ
i
为第i段桨叶元的桨距，r
i
为沿桨叶方向微元段i到旋翼中心的长度，ψ
q
为第q个桨叶的方位角。
[0048]
确定旋翼桨叶入流模型(9)的等式右边载荷函数，则：
[0049]
当m＝0，n＝m+1，m+3，
…
时，
[0050][0051]
当m>0，n＝m+1，m+3，
…
时，
[0052][0053]
其他则有式(10)和式(11)中的j0(x)为第一类贝塞尔函数。
[0054]
在一具体实施例，上述计算所述多旋翼无人机中高速飞行的前方旋翼对后方旋翼的入流影响的步骤还包括：
[0055]
1)确定旋翼k入流的伴随模型为:
[0056][0057]
因此伴随速度为
[0058]
2)确定旋翼k的尾迹倾斜角
[0059]
3)确定后方旋翼w旋翼盘内某一点在旋翼k坐标系的位置{x
k
,y
k
,0},以旋翼k中心为坐标原点在该旋翼盘内建立一个单位圆，将点{x
k
,y
k
,0}到旋翼k坐标系、y坐标轴的距离段分为两部分，分别为圆内段和圆外段，圆内段长度为圆外段长度为σ＝|x
k-s0|；
[0060]
4)确定完全边流速度为：
[0061]
v
ds
＝v(-s0,y
k
,0,t-σsinχ
k
)+v
*
(s0,-y
k
,0,t-σsinχ
k
)；
[0062]
5)确定旋翼k尾迹对旋翼w入流的速度增量为：
[0063]
δv＝v[1-f(σ,χ
k
)]+v
ds
f(σ,χ
k
)
[0064]
其中，上式中的函数f(σ,χ
k
)为
[0065][0066]
式中，g(χ
k
)＝1.84cos
1/2
χ
k-4.06cosχ
k
+11.84cos
3/2
χ
k
。
[0067]
在一具体实施例，上述得到所述多旋翼无人机的飞行姿态数据的步骤还包括：
[0068]
设定多旋翼无人机体相对于地面坐标系的姿态角分别为：偏航角ψ1，俯仰角θ1，滚转角机体质心相对于地面坐标系的位置坐标为x
b
、y
b
、z
b
；则有：
[0069][0070]
式中，t
total
为所有旋翼的合推力，ζ
x
、ζ
y
和ζ
z
分别为多旋翼无人机体水平、侧向、垂向的阻尼系数，在此规定机身俯为正，顺时针滚转为正，逆时针偏航为正；
[0071]
对于多旋翼无人机体的姿态角，其动力学方程为：
[0072][0073]
式中，τ
x
和τ
y
分别为各旋翼推力对机体坐标系x方向和y方向的总推力矩，τ
z
为各旋翼电机总扭矩，i
x
、i
y
和i
z
分别为多旋翼无人机体三个方向的惯性矩，ζ
θ
和ζ
ψ
分别为三向旋转阻尼系数。
[0074]
采用本发明的多旋翼无人机实时尾迹的仿真分析系统及仿真分析方法，其包括操纵输入模块、飞控模块、螺旋桨模块、流场模块、电机模块和飞行动力学模块。操纵输入模块读取操纵杆的输入指令，并将输入指令转换成相应的整体电机油门量以及飞行目标量。飞控模块接收多旋翼无人机的姿态、位置及速度数据，以及接收整体电机油门量、飞行目标量并与预先设定的飞行姿态数据相比较，输出各电机油门的转速分配。螺旋桨模块根据旋翼盘平均诱导速度、多旋翼无人机的姿态、速度数据和电机的转速，计算各旋翼叶片的分段升力、以及多旋翼无人机的总推力、总推力矩。流场模块根据多旋翼无人机的姿态、速度数据以及各旋翼叶片的分段升力来计算旋翼盘产生的平均诱导速度。电机模块根据整体电机油门量以及各电机油门分配指令计算各旋翼的电机转速和电机扭矩。飞行动力学模块根据螺旋桨模块输出的总推力、总推力矩及电机模块输出的电机转矩，得到多旋翼无人机的姿态和速度数据。
[0075]
相比于现有技术，本发明的仿真分析系统及方法能够有效地模拟入流速度增加对旋翼推力平均值和波动量的影响、上游旋翼尾迹对下游旋翼入流的影响，将入流影响下的旋翼气动力和气动力矩变化量输入到飞行动力学模块进行解算，从而可更加准确地模拟中高速入流状态对多旋翼无人机飞行性能和飞行品质的影响，以便提高中高速入流下的飞行仿真精度，让得到的仿真飞行状态更接近于实际运动状态。
附图说明
[0076]
读者在参照附图阅读了本发明的具体实施方式以后，将会更清楚地了解本发明的各个方面。其中，
[0077]
图1示出依据本发明的一个方面，用于多旋翼无人机实时尾迹的仿真分析系统的结构框图；
[0078]
图2示出图1的仿真分析系统中，上游旋翼尾迹对下游旋翼入流的影响示意图；
[0079]
图3示出根据入流速度计算完全边流速度的示意图；以及
[0080]
图4示出依据本发明的另一方面，用于多旋翼无人机实时尾迹的仿真分析方法的流程框图。
具体实施方式
[0081]
为了使本申请所揭示的技术内容更加详尽与完备，可参照附图以及本发明的下述各种具体实施例，附图中相同的标记代表相同或相似的组件。然而，本领域的普通技术人员应当理解，下文中所提供的实施例并非用来限制本发明所涵盖的范围。此外，附图仅仅用于示意性地加以说明，并未依照其原尺寸进行绘制。
[0082]
下面参照附图，对本发明各个方面的具体实施方式作进一步的详细描述。
[0083]
图1示出依据本发明的一个方面，用于多旋翼无人机实时尾迹的仿真分析系统的结构框图。图2示出图1的仿真分析系统中，上游旋翼尾迹对下游旋翼入流的影响示意图。图3示出根据入流速度计算完全边流速度的示意图。
[0084]
参照图1，在该实施方式中，本申请的仿真分析系统包括操纵输入模块、飞控模块、电机模块、螺旋桨模块、飞行动力学模块和流场模块。其中，飞控模块连接至操纵输入模块、飞行动力学模块和电机模块。螺旋桨模块连接至电机模块、飞行动力学模块和流场模块。飞行动力学模块连接至飞控模块、电机模块、螺旋桨模块和流场模块。
[0085]
详细而言，操纵输入模块用于读取操纵杆的输入指令，并将输入指令转换成相应的整体电机油门量以及飞行目标量。飞控模块用于接收来自飞行动力学模块的多旋翼无人机的姿态、位置及速度数据，并且接收来自操纵输入模块的整体电机油门量以及飞行目标量，与预先设定的飞行姿态数据相比较，输出各电机油门的转速分配。例如，多旋翼无人机为均匀分布的八旋翼结构。螺旋桨模块用于根据旋翼盘平均诱导速度、多旋翼无人机的姿态、速度数据和电机的转速，计算各旋翼叶片的分段升力以及多旋翼无人机的总推力、总推力矩。流场模块用于根据多旋翼无人机的姿态、速度数据以及各旋翼叶片的分段升力来计算旋翼盘产生的平均诱导速度。由此可知，流场模块的输入参数需要从螺旋桨模块提供，而螺旋桨模块的输入参数又需要从流场模块提供，因此这两个模块是并行计算的。
[0086]
电机模块用于根据来自飞控模块的整体电机油门量及各电机油门分配指令，计算各旋翼的电机转速和电机扭矩，然后将电机转速输出至螺旋桨模块以及将电机转矩输出至飞行动力学模块。飞行动力学模块用于根据螺旋桨模块输出的总推力与总推力矩、电机模块输出的电机转矩，得到多旋翼无人机的姿态和速度数据。较佳地，飞行动力学模块根据所接收的总推力和推力矩，及机身参数、上一时间步长的姿态和机体质心运动状态，计算出多旋翼无人机当前的飞行状态数据。在此，多旋翼无人机的飞行姿态数据包括前飞速度、升降速度、侧飞速度、飞行高度、俯仰角、滚转角以及偏航角。
[0087]
在一具体实施例，多旋翼无人机包括前方旋翼与后方旋翼，在高速飞行过程中，当前方旋翼的自由入流速度增大时，其尾迹的倾斜角亦随之变大，对后方旋翼的入流速度影响加剧。进一步而言，后方旋翼的入流速度增量是非线性的，且与前方旋翼尾迹的倾斜角、前方旋翼盘内带时滞的诱导速度相关联。容易知晓，前方旋翼产生的诱导流会影响到后方旋翼的入流，入流的变化使得旋翼推力发生变化，最终使得后方旋翼的推力受到前方旋翼诱导流的影响。在入流和旋翼推力非线性变化过程中，需要使用本申请的入流模型进行实时计算。如果在低速飞行的时候，各个旋翼之间基本没有干涉，此时可分别计算各自旋翼的各种参数；如果在中高速飞行的时候，前方旋翼与后方旋翼将产生干涉。在干涉的时候，前面旋翼相当于一个风扇作用，吹风到后方旋翼，从而会给后方旋翼产生一个额外的入流速度。而这个入流速度就会影响气动力和气动力矩的变化，进而影响中高速飞行时的数据计算精度。
[0088]
图4示出依据本发明的另一方面，用于多旋翼无人机实时尾迹的仿真分析方法的流程框图。
[0089]
参照图4，并结合图2和图3，在该仿真分析方法中，首先执行步骤s101，建立多旋翼无人机的旋翼桨叶入流模型，接着执行步骤s103，根据所建立的旋翼桨叶入流模型，计算多旋翼无人机中高速飞行的前方旋翼对后方旋翼的入流影响，最后执行步骤s105，在考虑入流影响的情形下，将旋翼气动力和气动力矩变化量输入到飞行动力学方程组进行解算，得到多旋翼无人机的飞行姿态数据。
[0090]
于步骤s101中，上述建立旋翼桨叶入流模型的步骤还包括：
[0091]
根据旋翼势流流场基本流体动力学方程，并将其按照得到质量守恒方程以及动量守恒方程，其中v
t
为旋翼的总速度，v
∞
为入流速度，为入流单位向量，δv为摄动速度，
[0092]
质量守恒方程：
[0093]
动量守恒方程：
[0094]
其中v为归一化速度，v＝δv/v
∞
；τ为归一化时间，τ＝tv
∞
/r；p为归一化压强，边界条件是旋翼上游流场在无穷远处趋近于零，设定由速度势ψ表示所述归一化速度为代入上述质量守恒方程(1)得：
[0095][0096]
代入上述动量守恒方程(2)，并设定压强势p＝φ，可得：
[0097][0098]
进一步由第一类勒让德函数和第二类勒让德函数来表示压强势
[0099][0100]
其中ν，η，ψ为无人机旋翼椭球坐标系，将压强展开为：
[0101]
[0102]
为了满足上述边界条件，速度势重新定义为：
[0103][0104]
由上述可知，流场速度可采用如下表达式：
[0105][0106]
最终将速度表达式和压强表达式代入动量守恒方程(2)，经过伽辽金变换，得到最终的旋翼桨叶入流模型为：
[0107][0108]
其中[m]＝[l]|
尾迹倾斜角＝0
[0109]
v
t
为旋翼的总速度(包括入流速度和诱导速度)，
[0110]
若不考虑旋翼桨叶的挥舞且桨叶为定距，每个旋翼分段升力为：
[0111]
l
kqi
＝0.5ρac
i
[(ω
k
r
i
+μ
k
ω
k
rsinψ
q
)2θ
i-(ω
k
r
i
+μ
k
ω
k
rsinψ
q
)(η
ck
ω
k
r+v
zk
)]；
[0112]
上式k为旋翼的编号，q为旋翼的桨叶编号，i为桨叶分段编号，例如l
125
表示第1个旋翼第2片桨叶的第i段，ω
k
为旋翼k的转速，r为旋翼半径，μ
k
和η
ck
分别为旋翼k的进速比和爬升率，v
zk
为旋翼k在旋翼盘内的平均轴向诱导速度，θ
i
为第i段桨叶元的桨距，r
i
为沿桨叶方向微元段i到旋翼中心的长度，ψ
q
为第q个桨叶的方位角。
[0113]
确定旋翼桨叶入流模型(9)的等式右边载荷函数，则：
[0114]
当m＝0，n＝m+1，m+3，
…
时，
[0115][0116]
当m>0，n＝m+1，m+3，
…
时，
[0117][0118]
其他则有式(10)和式(11)中的j0(x)为第一类贝塞尔函数。
[0119]
于步骤s103中，上述计算所述多旋翼无人机中高速飞行的前方旋翼对后方旋翼的入流影响的步骤还包括：
[0120]
1)确定旋翼k入流的伴随模型为:
[0121][0122]
因此伴随速度为
[0123]
2)确定旋翼k的尾迹倾斜角
[0124]
3)确定后方旋翼w旋翼盘内某一点在旋翼k坐标系的位置{x
k
,y
k
,0},以旋翼k中心为坐标原点在该旋翼盘内建立一个单位圆，将点{x
k
,y
k
,0}到旋翼k坐标系、y坐标轴的距离段分为两部分，分别为圆内段和圆外段，圆内段长度为圆外段长度为σ＝|x
k-s0|；
[0125]
4)确定完全边流速度(如图3所示)为：
[0126]
v
ds
＝v(-s0,y
k
,0,t-σsinχ
k
)+v
*
(s0,-y
k
,0,t-σsinχ
k
)；
[0127]
5)确定旋翼k尾迹对旋翼w入流的速度增量(如图2所示)为：
[0128]
δv＝v[1-f(σ,χ
k
)]+v
ds
f(σ,χ
k
)
[0129]
其中，上式中的函数f(σ,χ
k
)为
[0130][0131]
式中，g(χ
k
)＝1.84cos
1/2
χ
k-4.06cosχ
k
+11.84cos
3/2
χ
k
。
[0132]
于步骤s105中，上述得到所述多旋翼无人机的飞行姿态数据的步骤还包括：
[0133]
设定多旋翼无人机体相对于地面坐标系的姿态角分别为：偏航角ψ1，俯仰角θ1，滚转角机体质心相对于地面坐标系的位置坐标为x
b
、y
b
、z
b
；则有：
[0134][0135]
式中，t
total
为所有旋翼的合推力，ζ
x
、ζ
y
和ζ
z
分别为多旋翼无人机体水平、侧向、垂向的阻尼系数，在此规定机身俯为正，顺时针滚转为正，逆时针偏航为正；
[0136]
对于多旋翼无人机体的姿态角，其动力学方程为：
[0137][0138]
式中，τ
x
和τ
y
分别为各旋翼推力对机体坐标系x方向和y方向的总推力矩，τ
z
为各旋
翼电机总扭矩，i
x
、i
y
和i
z
分别为多旋翼无人机体三个方向的惯性矩，ζ
θ
和ζ
ψ
分别为三向旋转阻尼系数。
[0139]
由上述可知，该仿真分析方法针对中高速入流对旋翼推力的影响，以及前方旋翼(或称为上游旋翼)尾迹对后方旋翼(或称为下游旋翼)入流的增量效应，提出了一种鲁棒性的多旋翼诱导流实时计算方法，用于适应更多应用场景的多旋翼无人机人在回路飞行实时仿真。当前方旋翼的自由入流速度增大时，其尾迹的倾斜角将变大，对后方旋翼的入流速度影响加剧，该速度增量是非线性的，且和尾迹倾斜角、上游旋翼盘内带时滞的诱导速度相关，如图2所示。此外，处于旋翼下游的完全边流诱导速度可由旋翼盘内两点带时滞的诱导速度进行计算，如图3所示。计算结果表明，该模拟算法建立的鲁棒仿真模型在多旋翼无人机中高速入流状态下更接近于实际特性。它可用于针对执行特殊任务或恶劣飞行条件下的多旋翼无人机的控制设计以及飞行训练，具有一定的实用价值和应用前景。
[0140]
采用本发明的多旋翼无人机实时尾迹的仿真分析系统及仿真分析方法，其包括操纵输入模块、飞控模块、螺旋桨模块、流场模块、电机模块和飞行动力学模块。操纵输入模块读取操纵杆的输入指令，并将输入指令转换成相应的整体电机油门量以及飞行目标量。飞控模块接收多旋翼无人机的姿态、位置及速度数据，以及接收整体电机油门量、飞行目标量并与预先设定的飞行姿态数据相比较，输出各电机油门的转速分配。螺旋桨模块根据旋翼盘平均诱导速度、多旋翼无人机的姿态、速度数据和电机的转速，计算各旋翼叶片的分段升力、以及多旋翼无人机的总推力、总推力矩。流场模块根据多旋翼无人机的姿态、速度数据以及各旋翼叶片的分段升力来计算旋翼盘产生的平均诱导速度。电机模块根据整体电机油门量以及各电机油门分配指令计算各旋翼的电机转速和电机扭矩。飞行动力学模块根据螺旋桨模块输出的总推力、总推力矩及电机模块输出的电机转矩，得到多旋翼无人机的姿态和速度数据。
[0141]
相比于现有技术，本发明的仿真分析系统及方法能够有效地模拟入流速度增加对旋翼推力平均值和波动量的影响、上游旋翼尾迹对下游旋翼入流的影响，将入流影响下的旋翼气动力和气动力矩变化量输入到飞行动力学模块进行解算，从而可更加准确地模拟中高速入流状态对多旋翼无人机飞行性能和飞行品质的影响，以便提高中高速入流下的飞行仿真精度，让得到的仿真飞行状态更接近于实际运动状态。
[0142]
上文中，参照附图描述了本发明的具体实施方式。但是，本领域中的普通技术人员能够理解，在不偏离本发明的精神和范围的情况下，还可以对本发明的具体实施方式作各种变更和替换。这些变更和替换都落在本发明权利要求书所限定的范围内。