旋翼无人机的动力学建模方法及装置与流程

本发明涉及无人机技术领域，尤其涉及一种旋翼无人机的动力学建模方法及装置。

背景技术：

旋翼无人机属于微小型无人直升机的一种，具有体积小、重量轻、飞行高度低以及机动性强等优点，具有广阔的应用前景。

通过对旋翼无人机的动力学建模，可以进一步修正旋翼无人机的模拟飞行数据，从而使得其和实际飞行参数相吻合。在传统的动力学建模模型中，一般采用频域建模或时域建模，单纯的频域建模或时域建模不能较为准确表达旋翼无人机的动力学特性，模拟精确度不高。

技术实现要素：

本发明为了解决现有的动力学建模数据不能较为准确表达旋翼无人机的动力学特性，模拟精确度不高的问题，提供了一种旋翼无人机的动力学建模方法及装置。

本发明提供了一种旋翼无人机的动力学建模方法，所述方法包括：

获取旋翼无人机的飞行数据；

根据所述旋翼无人机的飞行数据进行参数估计，得到所述旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值；

通过所述修正参数估值和飞行数据从所述六自由度模型得到所述旋翼无人机的动力学建模。

进一步的，所述飞行数据包括所述旋翼无人机飞行输出的脉冲宽度调制数值和待查询的螺旋桨的总升力，所述获取旋翼无人机的飞行数据，包括：

根据预先构建的脉冲宽度调制数值与螺旋桨的总升力之间的对应关系，以及预先构建的电压与脉冲宽度调制数值的对应关系，获得不同电压下对应的脉冲宽度调制数值和所述螺旋桨的总升力。

进一步的，所述修正参数估值包括动力有效系数，所述根据所述旋翼无人机的飞行数据进行参数估计，得到所述旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值，包括：

以所述旋翼无人机的螺旋桨的总升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到动力有效系数。

进一步的，所述方法还包括：

获取所述旋翼无人机进行动力学建模所对应的风场数据；

所述修正参数估值还包括风场阻力系数，所述以所述旋翼无人机的螺旋桨的总升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到动力有效系数，包括：

以所述飞行数据中的欧拉角、螺旋桨的总升力、所述旋翼无人机的质量、所述旋翼无人机的线位移以及所述风场数据为输入，在所述旋翼无人机的位置自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的动力有效系数和风场阻力系数。

进一步的，所述修正参数估值包括总力矩系数，所述根据所述旋翼无人机的飞行数据进行参数估计，得到所述旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值，包括：

以所述旋翼无人机各个螺旋桨产生的升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到总力矩系数。

进一步的，所述以所述旋翼无人机各个螺旋桨产生的升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到总力矩系数，包括：

以所述飞行数据中的角速度、各个螺旋桨升力、转动惯量、电机转轴到机体坐标轴原点的距离以及电机转轴到机体重心的距离为输入，在所述旋翼无人机的姿态自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的总力矩系数。

本发明还提供了一种旋翼无人机的动力学建模装置，包括：

飞行数据获取模块，用于获取旋翼无人机的飞行数据；

修正参数估值模块，用于根据所述旋翼无人机的飞行数据进行参数估计，得到所述旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值；

动力学建模模块，用于通过所述修正参数估值和飞行数据从所述六自由度模型得到所述旋翼无人机的动力学模型。

进一步的，所述修正参数估值包括动力有效系数，所述修正参数估值模块进一步用于以所述旋翼无人机的螺旋桨的总升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到动力有效系数。

进一步的，还包括：

风场数据获取模块，用于获取所述旋翼无人机进行动力学建模所对应的风场数据；所述修正参数估值还包括风场阻力系数，所述修正参数估值模块进一步用于以所述飞行数据中的欧拉角、螺旋桨的总升力、所述旋翼无人机的质量、所述旋翼无人机的线位移以及所述风场数据为输入，在所述旋翼无人机的位置自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的动力有效系数和风场阻力系数。

进一步的，所述修正参数估值包括总力矩系数，所述修正参数估值模块进一步用于以所述旋翼无人机各个螺旋桨产生的升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计得到总力矩系数。

本发明通过牛顿定律对旋翼无人机进行建模，构建出表达其动态特征的六自由度模型，模型简化了旋翼无人机的动力学特征表达参数的数量，通过对六个自由度上的任一自由度的动力学特征表达参数的调整，即可进行相关参数的修正，在简化动力学特征的基础上使得无人机动力学特征的模拟更为精准；模拟以飞行数据为基础，各个自由度上的参数估值的修正相互独立，减少了各个自由度上的参数估值的关联性，从而进一步的分别在前后，左右，上下，俯仰，滚转及偏航六个自由度上的模拟的精度的提高。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。

图1是实施例1中旋翼无人机的动力学建模方法的流程示意图；

图2是四旋翼无人机的电机设定示意图；

图3是实施例2中旋翼无人机的动力学建模方法的流程示意图；

图4是旋翼无人机的动力学建模装置的结构示意图；

图5是传统动力学建模仿真结果示意图；

图6是本发明动力学建模仿真结果示意图。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

实施例1：

如图1所示，本实施例提供一种旋翼无人机的动力学建模方法，所述方法包括：

步骤101，获取旋翼无人机的飞行数据。

飞行数据是旋翼无人机在飞行过程中的各种参数，包括但不限于旋翼无人机的质量、转动惯量、重心、螺旋桨升力、欧拉角、角速度等。飞行数据主要包括直接获取以及离线方式获取两种方式。所谓直接获取，是指在飞行过程中可以直接读取的数据；所谓离线方式获取，包括通过预先构建关系对应的关系查询，也包括一些基础物理数据的测量，例如距离、质量等数据。在一具体的实施例中，飞行数据可以包括但不限于旋翼无人机的线位移，旋翼无人机的质量，螺旋桨的总升力，各个螺旋桨的升力，欧拉角，角速度，绕机体坐标轴的转动惯量，电机转轴到机体坐标轴原点的距离和电机转轴到重心的距离等。

飞行数据中的欧拉角和角速度可以直接获取。具体的，欧拉角通过陀螺仪测量获得；角速度通过机体坐标轴上的分量测量获得。

飞行数据中的旋翼无人机的质量，电机转轴到机体坐标轴原点的距离，电机转轴到机体重心的距离，绕机体坐标轴的转动惯量以及各个螺旋桨的升力均采用离线测量的方式获取。具体的，无人机的质量通过离线称量获得；电机转轴到机体坐标轴的距离通过离线直接测量的方式获得；电机转轴到机体重心的距离也可以通过离线直接测量的方式获得，重心的确定可以采取平衡测定的方法，也可以通过假定与机体坐标轴原点重叠的方式确定，从而测量；绕机体坐标轴的转动惯量通过离线测量获得的质量和转动点到转轴的垂直距离的离线测量后计算获得；各个螺旋桨的升力通过离线测量桨叶长度、螺距、桨宽度、转速以及大气压后通过经验系数调整获得。

进一步阐述螺旋桨的总升力的获得方式。

首先构建螺旋桨的总升力与脉冲宽度调制数值的对应关系。通过离线测量的方式测定不同的PWM(Pulse Width Modulation，脉冲宽度调制)数值对应的螺旋桨的总升力，并进行记录，从而获得螺旋桨的总升力与脉冲宽度调制数值的对应关系。

然后测量出在不同电压下的不同PWM数值。具体的，将电压区间分为10等份或者按照一定规则分为20份，PWM区间分为10等份或者按照一定规则分为20份，这样可以测量出在不同电压下的不同PWM值(200＝10×20组数据)，并记录，从而得到电压与PWM数值的对应关系。

通过螺旋桨的总升力与脉冲宽度调制数值的对应关系、电压与PWM数值的对应关系，从而得到不同电压下的螺旋桨的总升力。

步骤102，根据所述旋翼无人机的飞行数据进行参数估计，得到所述旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值。

首先对旋翼无人机的飞行模型进行简化，以使飞行模型更容易通过牛顿定律构建六自由度模型进行表达，具体如下：

(1)忽略结构的变形，将旋翼无人机视为刚体；

(2)旋翼无人机机体结构完全对称；

(3)忽略桨叶的变形，将桨叶视为刚体(通过模型参数补偿)；

(4)在旋翼无人机起飞点上地面坐标系与机体坐标系重合；

(5)不考虑旋翼挥舞，升力与反扭力矩与旋翼转速的平方成比例关系(通过模型参数补偿)；

(6)不考虑地面效应的作用；

(7)升力系数与阻力系数为常数；

(8)欧拉角速率等于体坐标系下角速率。

经过上述简化后，旋翼无人机在空间中的运动可认为由空间平动(沿三个轴的线运动)和空间转动(绕三个轴的转动)构成，即可以将其看成一个六自由度的刚体(前后，左右，上下，俯仰，滚转及偏航)。

所谓六自由度指的是位置和姿态，其中位置包括高度方向，南北方向和东西方向；姿态包括俯仰，滚转，偏航三个角度。

飞行数据包括传感器测量得到的无人机的位置，速度信息和姿态信息，以及实际飞行过程中的脉宽调制信号。位置信息为无人机在空中的位置，高度(上下)，东西(左右)，和南北(前后)。速度信息包括在三个位置方向上变化快慢的信息。姿态信息包括俯仰角，滚转角，偏航角以及俯仰角速度，滚转角速度，以及偏航角速度。

进一步，在一个示例性的实施例中，对四旋翼无人机坐标轴进行设定。关于坐标轴的设定：地面坐标系NED(north，east，down),无人机机体坐标系：以重心为原点，x轴，y轴将四旋翼无人机四个电机划分在不同的区域，z轴符合右手定则。假设机体重心和几何中心重合。几何中心定义为平面中心在四个电机轴线连线的中点，与重心在同一平面。如图2所示，电机逆时针编号分别为电机1、电机2、电机3和电机4，电机1位于由x、y轴构建的第一象限中。电机1和电机3逆时针转动，电机2和电机4顺时针转动。

根据模型简化和坐标轴设定，通过牛顿-欧拉方程分别在地面坐标系中建立线运动方程和在机体坐标系中建立方程，获得六自由度模型的数学模型表达式为：

其中，为四旋翼无人机的线位移x，y，z的二阶导数，φ，θ，ψ为欧拉角，T为螺旋桨的总升力，C_x，C_y，C_z为动力有效系数，m为四旋翼无人机的质量；

为p，q，r的一阶导数，p，q，r为角速度在机体坐标轴x_b，y_b，z_b上的分量，I_x，I_y，I_z为绕机体坐标轴的转动惯量，F₁，F₂，F₃，F₄分别为各个螺旋桨产生的升力，C_p，C_q，C_r为总力矩系数，L_e，L_arm分别为电机转轴到机体坐标轴原点的距离以及电机转轴到机体重心的距离。在本实施例中，电机转轴到机体坐标轴原点的距离与电机转轴到机体重心的距离相同。

本实施例是以四旋翼无人机为例，其中的方法可以应用至六旋翼，八旋翼以及其他多旋翼无人机中。根据上述牛顿-欧拉方程可知，对于六旋翼，八旋翼以及其他多旋翼无人机前后，左右和上下自由度并不与各个螺旋桨产生的升力直接相关。与各个螺旋桨产生的升力直接相关的自由度为俯仰，滚转及偏航。因此，将上述牛顿-欧拉方程中的四旋翼螺旋桨产生的升力F₁，F₂，F₃，F₄替换为六旋翼中的六个旋翼对应的升力F₁，F₂，F₃，F₄，F₅，F₆或者八旋翼中的八个旋翼对应的升力F₁，F₂，F₃，F₄，F₅，F₆，F₇，F₈之间的叠加关系即可。

将上述参数代入六自由度模型中，从而获得在与实际数据最接近的情况下的修正参数估值。

在一实施例中，当修正参数估值包括动力有效系数时，通过上述数学模型可以得知，步骤102根据所述旋翼无人机的飞行数据进行参数估计，得到所述旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值的具体实施方式可以为：

以所述旋翼无人机的螺旋桨的总升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到动力有效系数。

具体的，以所述旋翼无人机的螺旋桨的总升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到动力有效系数的具体实施方式进一步可以为：

以所述飞行数据中的欧拉角、螺旋桨的总升力、旋翼无人机的质量以及旋翼无人机的线位移为输入，在所述旋翼无人机的位置自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的动力有效系数。

在一实施例中，当修正参数估值包括总力矩系数时，通过上述数学模型可以得知，步骤102根据所述旋翼无人机的飞行数据进行参数估计，得到所述旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值的具体实施方式可以为：

以所述旋翼无人机各个螺旋桨产生的升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到总力矩系数。

具体的，以所述旋翼无人机各个螺旋桨产生的升力为基准，在所述由牛顿定律构建的六自由度模型中根据所述旋翼无人机的飞行数据进行参数估计，得到总力矩系数的具体实施方式进一步可以为：

以所述飞行数据中的角速度、各个螺旋桨升力、转动惯量、电机转轴到机体坐标轴原点的距离以及电机转轴到机体重心的距离为输入，在所述旋翼无人机的姿态自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的总力矩系数。

步骤103，通过所述修正参数估值和飞行数据从所述六自由度模型得到所述旋翼无人机的动力学模型。

本实施例的修正参数估值具有以下优点：模型简化了旋翼无人机的动力学特征表达参数的数量，通过对六个自由度上的任一自由度的动力学特征表达参数的调整，即可进行相关参数的修正，在简化动力学特征的基础上使得无人机的动力学特征的模拟更为精准；模拟以飞行数据为基础，各个自由度上的参数估值的修正相互独立，减少了各个自由度上的参数估值的关联性，从而进一步的分别在前后，左右，上下，俯仰，滚转及偏航六个自由度上的模拟的精度的提高。带参数的模型中的最后一项偏航角加速度的式子中，滚转角速度采用四旋翼螺旋桨产生的升力F₁，F₂，F₃，F₄，这样可以减少公式中的参数复杂度，提高无人机系统建模的统一性。

实施例2：

在考虑风场的扰动的影响的条件下对旋翼无人机的飞行进行模拟，采用与实施例1相同的假设和坐标系。

如图3所示，本实施例提供一种旋翼无人机的动力学建模方法，模拟方法包括：

步骤201，获取旋翼无人机的飞行数据。

飞行数据的获取方式与实施例1采用相同的方式。

步骤202，获取所述旋翼无人机进行动力学建模所对应的风场数据。

风场数据是指以旋翼无人机为中心，旋翼无人机相对于气流在坐标轴上的相对速度。具体的，通过离线的方式获得旋翼无人机相对于气流的速度。风场数据与旋翼无人机飞行的坐标一一对应，在任一坐标位置，均有一相对应的风场数据。

可以理解的是，步骤202可以后于步骤201执行，也可以先于步骤201执行，还可以与步骤201同步或交叉执行，本发明实施例不作限定。

步骤203，以所述风场数据为负因子，在由牛顿定律构建的六自由度模型中根据旋翼无人机的飞行数据进行参数估计得到修正参数估值。

其中，修正参数估值包括动力有效系数和风场阻力系数。由于风场扰动影响的考虑，可以根据牛顿定律进一步构建在风场扰动影响下的六自由度模型，根据旋翼无人机的飞行数据进行参数估计得到旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值包括的动力有效系数和风场阻力系数。

根据模型简化和坐标轴设定，通过牛顿-欧拉方程分别在地面坐标系中建立线运动方程和在机体坐标系中建立方程，并增加风场扰动相关项，获得四旋翼无人机六自由度模型的数学模型表达式为：

其中，为四旋翼无人机的线位移x，y，z的二阶导数，φ，θ，ψ为欧拉角，T为螺旋桨的总的升力，C_x，C_y，C_z为动力有效系数，v_x，v_y，v_z是四旋翼无人机相对于气流的速度，是风场阻力系数，m为四旋翼无人机的质量；

为p，q，r的一阶导数，p，q，r为角速度在机体坐标轴x_b，y_b，z_b上的分量，I_x，I_y，I_z为绕机体坐标轴的转动惯量，F₁，F₂，F₃，F₄为各个螺旋桨产生的升力，C_p，C_q，C_r为总力矩系数，L_e，L_arm分别为电机转轴到机体坐标轴原点的距离以及电机转轴到机体重心的距离。

从公式可以看出，上面六个方程可以将四旋翼无人机的动力学特征分为六个自由度。从上述数学模型可以看出，总力矩系数C_p，C_q，C_r与风场数据无关，不受风场作用的影响，其具体获取方法可以与实施例1中相同。而动力有效系数C_x，C_y，C_z会受风场作用的影响，其系数大小与风场数据v_x，v_y，v_z有关。

具体的，从上述数学模型可以看出，步骤203以所述风场数据为负因子，在由牛顿定律构建的六自由度模型中根据旋翼无人机的飞行数据进行参数估计得到修正参数估值的具体实施方式可以为：

以所述飞行数据中的欧拉角、螺旋桨的总升力、所述旋翼无人机的质量、所述旋翼无人机的线位移以及所述风场数据为输入，在所述旋翼无人机的位置自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的动力有效系数和风场阻力系数。

为了求得在各自由度上与实际飞行数据更为接近的模拟数据，进一步的，通过定义能量密度的方式来获取在误差e最小的情形下的动力有效系数和风场阻力系数的最优取值以及总力矩系数的最优取值。在各自由度上可以采用类似的方式进行定义和最优值的获取。具体如下：

定义x自由度上的如下能量函数：

J(e)＝min{e^T*e}

f₂(a)＝m*a-m*g

e＝f₁(φ，θ，ψ)*C_x-k_xv_x-f₂(a)

通过最小二乘法，求得在能量函数达到最小值的情况下的c_x，k_x的估测值为：

其中：

测量值的个数为n，加速度测量值为

俯仰角测量值为

滚转角测量为

偏航角为

高度速度测量值为

进一步的，定义y自由度上的如下能量函数：

J(e)＝min{e^T*e}

f₂(a)＝m*a-m*g

e＝f₁(φ，θ，ψ)*Cy-kyvy-f2(a)

通过最小二乘法，求得在能量函数达到最小值的情况下的Cy，ky的估测值为：

其中：

测量值的个数为n，加速度测量值为

俯仰角测量值为

滚转角测量为

偏航角为

高度速度测量值为

进一步的，定义z自由度如下能量函数：

J(e)＝min{eT*e}

f2(a)＝m*a-m*g

e＝f₁(φ，θ，ψ)*C_z-k_zv_z-f₂(a)

通过最小二乘法，求得在能量函数达到最小值的情况下的C_z，k_z的估测值为：

其中：

测量值的个数为n，加速度测量值为

俯仰角测量值为

滚转角测量为

偏航角为

高度速度测量值为

进一步的，定义p自由度如下能量函数：

J(e)＝min{e^T*e}

通过最小二乘法，求得在能量函数达到最小值的情况下C_p的估测值为：

其中：

测量值的个数为n，

通过测量角加速度并转换得到

四个螺旋桨产生的升力分别为F₁，F₂，F₃和F₄，

进一步的，定义q自由度如下能量函数：

J(e)＝min{e^T*e}

通过最小二乘法，求得在能量函数达到最小值的情况下C_q的估测值为：

其中：

测量值的个数为n，

通过测量角加速度并转换得到

四个螺旋桨产生的升力分别为F₁，F₂，F₃和F₄，

进一步的，定义r自由度如下能量函数：

J(e)＝min{e^T*e}

通过最小二乘法，求得在能量函数达到最小值的情况下C_r的估测值为：

其中：

测量值的个数为n，加速度测量值为

俯仰角测量值为

滚转角测量为

偏航角为

高度速度测量值为

步骤204，通过所述修正参数估值和飞行数据从所述六自由度模型得到所述旋翼无人机的动力学模型。

由图5可以看到采用传统的纯理论模型，模型与测量数据的关系，V(z)和Accel(z)分别为高度自由度上速度和加速度。可以看出纯理论模型能够表达一定的加速度准度，准度只能够达到65.38％。速度准度为-700.2％，在这种情况下，速度误差随时间积累发散很快。

由图6可以看到采用本发明的模型，模型与测量数据的关系，V(z)和Accel(z)分别为高度自由度上速度和加速度。可以看出本发明的模型能够表达一定的加速度准度，准度能够达到88.21％。速度准度能达到为83.54％，高度自由度上的速度和加速度能够很大程度上接近于实际情况。

本实施例在实施例1的四旋翼无人机动力学方程的基础上引入了风场扰动项，能够将风场的影响精确的反映在模型之中，依据该模型编制仿真程序，能够提高仿真系统的仿真精度，使得仿真系统与实际情况更为贴近。

实施例3：

本实施例还提供了一种旋翼无人机的动力学建模装置，该装置可以用于执行上述实施例1与实施例2中任一项所述的方法。如图4所示，该装置包括：飞行数据获取模块301，修正参数估值模块302和动力学建模模块303。

飞行数据获取模块301用于获取旋翼无人机的飞行数据；修正参数估值模块302用于根据旋翼无人机的飞行数据进行参数估计，得到旋翼无人机在由牛顿定律构建的六自由度模型中的修正参数估值；动力学建模模块303用于通过修正参数估值和飞行数据从六自由度模型得到旋翼无人机的动力学模型。

飞行数据包括旋翼无人机飞行输出的脉冲宽度调制数值和待查询的螺旋桨的总升力，飞行数据获取模块301具体用于根据预先构建的脉冲宽度调制数值与螺旋桨的总升力之间的对应关系，以及预先构建的电压与脉冲宽度调制数值的对应关系，获得不同电压下对应的脉冲宽度调制数值和所述螺旋桨的总升力。

修正参数估值可以包括动力有效系数，修正参数估值模块302进一步用于以旋翼无人机的螺旋桨的总升力为基准，在由牛顿定律构建的六自由度模型中根据旋翼无人机的飞行数据进行参数估计，得到动力有效系数。

具体的，修正参数估值模块302以飞行数据中的欧拉角、螺旋桨的总升力、所述旋翼无人机的质量以及旋翼无人机的线位移为输入，在旋翼无人机的位置自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的动力有效系数。

飞行数据获取模块301获取旋翼无人机的飞行数据后，经过修正参数估值模块302进行参数估计，得到修正参数估值后应用于动力学建模模块303，以获得动力学建模模型。

在其他的实施例中，该装置还可以包括风场数据获取模块，用于获取旋翼无人机进行动力学建模所对应的风场数据。

修正参数估值还包括风场阻力系数，修正参数估值模块302进一步用于以飞行数据中的欧拉角、螺旋桨的总升力、所述旋翼无人机的质量、所述旋翼无人机的线位移以及所述风场数据为输入，在旋翼无人机的位置自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的动力有效系数和风场阻力系数。

修正参数估值包括总力矩系数，修正参数估值模块302进一步用于以旋翼无人机各个螺旋桨产生的升力为基准，在由牛顿定律构建的六自由度模型中根据旋翼无人机的飞行数据进行参数估计得到总力矩系数。

具体的，修正参数估值模块302以飞行数据中的角速度、各个螺旋桨升力、转动惯量、电机转轴到机体坐标轴原点的距离以及电机转轴到机体重心的距离为输入，在旋翼无人机的姿态自由度上采用最小二乘法，获得在能量函数达到最小值的情况下的总力矩系数。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。