张 博，贾华宇，马 珺

1.太原理工大学 物理与光电工程学院，太原030024

2.太原理工大学 电气与动力工程学院，太原030024

1 引言

无人驾驶飞行器（Unmanned Aerial Vehicle，UAV）具有体积小、质量轻、成本低、结构简单等特点[1-3]，在军事侦察、防恐救生等领域得到广泛应用[4-5]。无人机在飞行过程中受到风的干扰时，需要自主判断风的方向、速度等信息，并根据需要采取相应措施。

目前应用于无人机进行风场估计的方法有很多：马舒庆等人提出水平空速归零法以及解析法测量空速[6-7]，屈耀红等人在此基础上提出矢量三角形法来计算空速[8]。此类方法仅考虑水平二维风速，存在计算过多的问题。周伟静等人根据澳大利亚气象局Dr.Greg Holland提出的皮托管测风方法，提出无人机搭载皮托管的方式测量风速[9-10]，金永奇在此基础上引入加速度修正误差[11]。此类方法基于伯努利流体方程，测量直接，缺点是需要搭载额外设备，压差传感器容易受干扰，无法应用于四旋翼。以上方法虽然可以得到无人机实时受风情况，但需要额外搭载传感器且计算复杂，不利于无人机轻量化发展。

针对上述问题，本文提出了一种基于粗糙集的神经网络无人机风场估计方法[12-13]。利用机载IMU模块提供的姿态数据作为神经网络的输入，将无人机受风的状态按无风及各方向受风依次编码作为对应输出，以建立无人机受风状态估计模型。本文方法不依赖额外传感器，且计算简单，时效性强，可有效解决上述问题。同时，为解决传统神经网络算法训练速度慢、易陷入局部极值的问题，引入粗糙集（Rough Set，RS）和遗传算法（Genetic Algorithm，GA）对神经网络进行优化[14-15]。……