Simulink - 6DOF (Euler Angles)

6DOF模块分为很多种类型,本次主要先介绍基于欧拉角的六自由度模块-6DOF (Euler Angles) 。模块是整个无人机物理仿真模型的绝对核心 。如果你把前面的 Rotor 模块比作无人机的"肌肉"(产生力量),那么这个模块就是"物理定律引擎",将会决定机身如何响应这些力量。该模块专门用于求解刚体六自由度空间运动的 牛顿-欧拉方程。

1.模块输入

模块只有两个输入,力与力矩,两者均为为3维的向量

: 这是当前时刻,无人机在机体坐标系 (Body Frame) 下受到的总合力 。它包含了所有旋翼的推力分量、空气阻尼力,以及重力在机体轴上的投影。

:这是当前时刻,无人机在机体坐标系下受到的总力矩。它包含了旋翼反扭矩、推力偏置力矩以及气动阻尼力矩。

2. 模块的核心物理引擎

在这个黑盒内部,Simulink 以极高的频率(比如你之前设置的 0.01 秒步长)疯狂求解以下两组非线性微分方程

2.1 平动动力学 (牛顿第二定律扩展版)

解算无人机的三轴线速度倒数

这里面巧妙地包含了 科氏加速度项,这是空间六自由度运动特有的

2.2 转动动力学 (欧拉方程)

解算角加速度

3. 模块输出

模块右侧吐出了一大排数据,这些数据将作为传感器的"真实值",反馈给你的控制算法

3.1 导航与轨迹观测系 (Earth Frame / 惯性系):

:在地球坐标系下的北-东-地 (NED) 速度。这是判断无人机往哪个地理方向飞的依据。

: 在地球坐标系下的绝对位置 \[x, y, z\]。其中 z 通常是负值,代表飞行高度(因为 Z 轴向下)。

3.2 姿态观测系

:欧拉角(滚转角、俯仰角、偏航角)

:方向余弦矩阵 (Direction Cosine Matrix),这是比欧拉角更底层的旋转矩阵,用于在机体坐标系和地球坐标系之间转换向量,能有效避免欧拉角在90度时的"万向节死锁"问题。

3.3 机载传感器反馈系

:机体三轴线速度 。正如我们之前所见,它被反馈给了 Rotor 模块去计算风速。

:机体三轴旋转角速度。它是你内环姿态控制(特征建模)最直接的被控变量,也是陀螺仪量测的真实值。

3.4 加速度反馈

:角加速度

:分别是机体坐标系和地球坐标系下的线加速度。这相当于机载加速度计 (IMU) 读取到的原始数据。

4. 参数设置

决定了它对推力和力矩的响应有多"迟钝"或多"灵敏"。

Initial Position (初始位置),

Initial Velocity (初始线速度),

Initial Euler Angles (初始欧拉角),

Initial Body Rotation Rates (初始机体角速度),

Initial mass (初始质量)

对角惯量矩阵设计 (Inertia)

相关推荐
bryant_meng9 分钟前
【Hung-yi Lee】《Introduction to Generative Artificial Intelligence》(11)
人工智能·深度学习·llm·speculative·预言家
OriginHub_元枢智汇10 分钟前
知识图谱的检索增强:图结构与向量化技术的融合实践
人工智能·知识图谱
人工智能AI技术11 分钟前
Python 有序字典与普通字典基础区别
人工智能
胡耀超12 分钟前
从逻辑思维到方法论(DMBOK2)并以知识图谱实践指导:构建企业级思维与执行框架
大数据·人工智能·dama·知识图谱·方法论·逻辑学·思维框架
小敬爱吃饭16 分钟前
知识图谱实战第一章:知识图谱全景解析其定义、技术演进与十大应用场景
人工智能·python·目标检测·自然语言处理·flask·nlp·知识图谱
Jump 不二16 分钟前
揭秘腾讯 Ima 知识库架构:从开源 WeKnora 看 RAG + 知识图谱落地实践
人工智能·语言模型·架构·机器人·开源·知识图谱
武汉知识图谱科技16 分钟前
神经符号AI+知识图谱:可信认知智能新纪元
人工智能
伽蓝_游戏17 分钟前
第一章:解构游戏资源
游戏·unity·性能优化·c#·游戏引擎·游戏程序·assetbundle
鹏子训18 分钟前
六个典型热门AI记忆架构对比:Mem0,Letta,MemoryLake,ZenBrain,MIA,MSA 助你快速选型
人工智能·架构·长短时记忆网络
xier_ran18 分钟前
知识图谱(Knowledge Graph)详解
人工智能·知识图谱