基于四旋翼飞行器运动的风场估计：一种机器学习方法
信号处理
2019-07-15 v1 机器学习
机器人学
摘要
在本文中，我们研究了利用小型无人航空系统（sUAS）在大气湍流中进行风场估计这一众所周知的问题。我们提出了一种基于四旋翼飞行器状态测量而不使用风传感器的风速估计机器学习方法。具体做法是：以横滚角和俯仰角以及四旋翼位置作为输入，以强迫风速度为目标，训练长短期记忆（LSTM）神经网络（NN）。数据集由处于湍流风场中的仿真四旋翼生成。训练后的神经网络被用于估计由 Dryden 阵风模型以及平坦地形上近中性大气边界层（ABL）的真实大涡模拟（LES）所生成湍流风。将所得神经网络预测结果与使用倾角作为空速近似的风三角法进行比较。本研究结果表明，与风三角法相比，基于 LSTM-NN 的方法在局部风场的均值和方差上均预测出更小的误差。本文所报道的工作展示了机器学习在无传感器风场估计方面的潜力，并对利用 sUAS 进行环境与自主导航应用的大规模低空大气感知具有重要启示。
引用
@article{arxiv.1907.05720,
title = {Wind Estimation Using Quadcopter Motion: A Machine Learning Approach},
author = {Sam Allison and He Bai and Balaji Jayaraman},
journal= {arXiv preprint arXiv:1907.05720},
year = {2019}
}