CN108762070B - 一种欠驱动无人机的分数阶控制方法 - Google Patents
一种欠驱动无人机的分数阶控制方法 Download PDFInfo
- Publication number
- CN108762070B CN108762070B CN201810441085.5A CN201810441085A CN108762070B CN 108762070 B CN108762070 B CN 108762070B CN 201810441085 A CN201810441085 A CN 201810441085A CN 108762070 B CN108762070 B CN 108762070B
- Authority
- CN
- China
- Prior art keywords
- fractional order
- unmanned aerial
- aerial vehicle
- under
- subsystem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Abstract
本发明公开了一种欠驱动无人机的分数阶控制方法,包括欠驱动无人机级系统级联结构分解、两个子系统的简单分数阶控制律的设计、利用粒子群算法优化参数。将系统进行级联分解,根据无人机内部结构特点分解为x子系统和y与θ级联子系统,解决了控制量之间耦合问题。对第一个x子系统设计简单的分数阶控制律,解决子系统的控制问题,当|w|≤c时,对于第二个y与θ级联子系统,构造出第二个简单分数阶控制律。利用时域适应度函数来评价简单的分数阶控制律,两条简单的分数阶控制律所存在的参数,使用粒子群算法进行优化。
Description
技术领域
本发明涉及无人机技术领域,具体是将欠驱动无人机系统级联分解成简单的两个子系统情况下,分两步设计子系统的简单分数阶控制律,属于单无人机飞行控制领域。
背景技术
欠驱动无人机因为其特殊的结构,因此它同时具备垂直起飞和降落的能力,特别在方向的移动中,不同于固定翼无人机等机型,欠驱动无人机可以进行悬停操作和全方向的移动。正因为其自身的结构特点,欠驱动无人机被广泛的应用在飞行航拍和环境监测等领域中。无人机的运用不仅提高了人类执行任务的效率,也同时确保了人员的安全。
欠驱动无人机的运动控制中既包括了基本的四个方向的运动,又包括了由于自身结构特性和动态性能所独有的垂直起飞和降落的能力,以及空中悬停和改变航向角的能力。在欠驱动无人机的基本运动中,垂直起降的能力是通过同时改变两个尾端旋翼的旋转速度,从而实现无人机垂直起飞和降落。对于本专利,欠驱动无人机只有两个控制输入,三个控制输出,控制系统具有三个自由度,因此欠驱动无人机控制系统是一个欠驱动系统。随着欠驱动无人机飞行控制技术的飞速发展,其结构简单优势已经远远超过固定翼无人机控制技术所带来的便利。基于这种有利的因素,欠驱动无人机的应用领域也得到大大的拓展。
发明内容
发明目的:针对上述现有技术的不足,提出一种欠驱动无人机的分数阶控制方法,将复杂的耦合系统转化分解成两个简单子系统,对于两个子系统单独设计分数阶控制律,使得无人机能够收敛到参考信号。
技术方案:一种欠驱动无人机的分数阶控制方法,包括如下步骤:
步骤1:根据描述欠驱动无人机的运动学模型,将系统分解成互相级联的x子系统和y与θ级联子系统;
步骤2:对于x子系统,设计基于分数阶理论的简单控制律w,用来稳定控制这个子系统,当满足|w|≤c时,将y与θ级联子系统简化成一个二阶积分器系统,在此基础设计基于分数阶理论的简单控制律v;
步骤3:对于步骤2中所得到两条简单分数阶控制律,利用时域适应度函数来评价,对于两个控制律里面的参数,使用粒子群算法进行优化。
进一步的,所述欠驱动无人机的运动学模型为:
对于公式(1)描述的欠驱动无人机系统,经过如下转化:
其中,w是新的控制输入;
将公式(2)带入到(1)中,系统转化成:
从而欠驱动无人机系统转化为如下x子系统:
与y与θ级联子系统为:
其中,c为大于0的常数。
进一步的,所述步骤2中,对于x子系统,新的控制输入w是控制x方向的力,然后给出x子系统的基于分数阶理论的简单控制律:
其中,k1是分数阶的阶次,xd表示x的期望值,k2为控制律的参数,D是微积分算子;
x与θ子系统的基于分数阶理论的简单控制律为:
其中,k3是分数阶的阶次,k4是控制律的参数,yd是y的期望值。
进一步的,所述步骤3中,所述时域适应度函数的性能指标包括上升时间tr、调节时间ts、超调量Mp,适应度函数J为:
J=h1tr+h2ts+h3MP(9)
其中,h1、h2、h3分别为上升时间tr、调节时间ts、超调量Mp对应的权重系数。
有益效果:(1)本发明设计的简单分数阶控制律解决欠驱动无人机控制领域控制应用问题,首先通过简化模型,将强耦合欠驱动模型化两个简单的子系统,分别对两个子系统设计简单分数阶反馈控制律,达到级联控制整个无人机系统。简单分数阶控制律比起现有分数阶控制律拥有更少参数,极大地简化了控制律的难度。
(2)本发明采用粒子群算法优化参数,省去人工选取参数的麻烦,这增加了实用性,能够应用在实践中,无人机控制系统只需要写一段程序,优化得到一组最优解,代入控制律,就能起到稳定控制无人机的作用。参数的快速选择大大增加了简单分数阶控制律的快速性和有效性。
(3)本发明设计的简单分数阶控制律比分数阶全状态反馈控制律相比,控制律中参数更少。在同一个性能指标下,简单分数阶控制律的控制效果更优秀,相比分数阶全状态反馈控制律,在调节时间,上升时间,超调,前者明显小于后者。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示,一种欠驱动无人机的分数阶控制方法,包括如下步骤:
步骤1:根据描述欠驱动无人机的运动学模型,将系统分解成互相级联的x子系统和y与θ级联子系统。
忽略次要因素,只考虑飞机推力的影响,欠驱动无人机的运动学模型为:
第一步,从公式(1)可以看出,该模型是耦合的。为了便于对问题的分析,欠驱动无人机系统转化为:
w是新的控制输入,通过一段时间它都趋向于零,考虑到实际问题公式(1.1)有cos(θ)≠0,因此θ=[-90°,90°]。
第二步,我们将公式(1.1)带入到(1)中,得到如下公式:
步骤2:第一步,根据公式(1.2),在x方向上看成一个子系统,写成如下形式:
从上面的表达式中,新的控制输入w是控制垂直方向的力,然后给出x子系统的基于分数阶理论的简单控制律:
其中,k1是分数阶的阶次,xd表示x的期望值,k2为控制律的参数,D是微积分算子。
第二步,时间足够大之后,有|w|≤c,常数c>0。然后公式(1.2)简化为:
注意c是常数,系统(2.3)简化成级联的二阶积分器系统(2.4),然后给出x与θ子系统的基于分数阶理论的简单控制律为:
其中,k3是分数阶的阶次,k4是控制律中的参数,yd是期望值。
步骤3:对于步骤2中所得到两条简单分数阶控制律,利用时域适应度函数来评价,对于两个控制律里面的参数,将使用粒子群算法进行优化。
时域适应度函数的性能指标包括上升时间tr、调节时间ts、超调量Mp,设计的适应度函数J为:
J=h1tr+h2ts+h3MP (3.1)
其中,h1、h2、h3分别为上升时间tr、调节时间ts、超调量Mp对应的权重系数。采用粒子群算法优化两条控制律存在的参数,根据需要,选择h1=1,h2=1,h3=1。
使用粒子群算法优化控制律参数,通过初始化为一组随机粒子(随机解),然后通过迭代找到全局最优解。在每次迭代中,通过跟踪两个(pbest,gbest)更新粒子。找到两个最优值后,将每个粒子通过以下公式更新其速度和位置:
Vi=aVi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi) (3.2)
xi=xi+Vi (3.3)
i=1、2,...M,M是组中粒子的总数;a是惯性权重;Vi是粒子的速度;xi是粒子的当前位置;c1和c2是学习因子,通常c1=c2=2;rand()是随机函数,pbesti是个体最优,gbesti是全局最优。
在每个维度中,粒子具有最大限制速度Vmax。如果这维速度超过设置的Vmax,则一维速度被限制为Vmax。(Vmax>0)。
执行粒子群算法具体步骤如下:
步骤1:随机初始化粒子群;
步骤2:评估每个粒子的适应值;
步骤3:根据适应值更新pbest、gbest,更新粒子速度和位置;
步骤4:判断达到最大迭代次数或全局最优位置满足最小界限,不满足返回步骤2;
步骤5:结束。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种欠驱动无人机的分数阶控制方法,其特征在于,包括如下步骤:
步骤1:根据描述欠驱动无人机的运动学模型,将系统分解成互相级联的x子系统和y与θ级联子系统;
步骤2:对于x子系统,设计基于分数阶理论的简单控制律w,用来稳定控制这个子系统,当满足|w|≤c时,将y与θ级联子系统简化成一个二阶积分器系统,在此基础设计基于分数阶理论的简单控制律v;
步骤3:对于步骤2中所得到两条简单分数阶控制律,利用时域适应度函数来评价,对于两个控制律里面的参数,使用粒子群算法进行优化;
所述欠驱动无人机的运动学模型为:
对于公式(1)描述的欠驱动无人机系统,经过如下转化:
其中,w是新的控制输入;
将公式(2)带入到(1)中,系统转化成:
从而欠驱动无人机系统转化为如下x子系统:
时间足够大之后,有|w|≤c,得到 y与θ级联子系统简化为:
其中,c为大于0的常数;
所述步骤2中,对于x子系统,新的控制输入w是控制x方向的力,然后给出x子系统的基于分数阶理论的简单控制律:
其中,k1是分数阶的阶次,xd表示x的期望值,k2为控制律的参数,D是微积分算子;
当tan(θ)-θ=0时,公式(5)简化为:
y与θ级联子系统的基于分数阶理论的简单控制律为:
其中,k3是分数阶的阶次,k4是控制律的参数,yd是y的期望值;
所述步骤3中,所述时域适应度函数的性能指标包括上升时间tr、调节时间ts、超调量Mp,适应度函数J为:
J=h1tr+h2ts+h3MP (9)
其中,h1、h2、h3分别为上升时间tr、调节时间ts、超调量Mp对应的权重系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441085.5A CN108762070B (zh) | 2018-05-10 | 2018-05-10 | 一种欠驱动无人机的分数阶控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441085.5A CN108762070B (zh) | 2018-05-10 | 2018-05-10 | 一种欠驱动无人机的分数阶控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108762070A CN108762070A (zh) | 2018-11-06 |
CN108762070B true CN108762070B (zh) | 2021-04-20 |
Family
ID=64009952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810441085.5A Active CN108762070B (zh) | 2018-05-10 | 2018-05-10 | 一种欠驱动无人机的分数阶控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108762070B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110262226B (zh) * | 2019-03-29 | 2022-05-06 | 浙江理工大学 | 一种欠驱动系统控制方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102566420A (zh) * | 2012-03-01 | 2012-07-11 | 北京航空航天大学 | 一种垂直起降飞行器的滑模控制方法 |
CN103455035A (zh) * | 2013-08-26 | 2013-12-18 | 北京理工大学 | 基于反步设计和非线性反馈的pd+姿态控制律设计方法 |
CN103838145A (zh) * | 2014-01-17 | 2014-06-04 | 南京航空航天大学 | 基于级联观测器的垂直起降飞机鲁棒容错控制系统及方法 |
CN104142626A (zh) * | 2014-04-22 | 2014-11-12 | 广东工业大学 | 一种基于逆系统和内模控制的船舶动力定位控制方法 |
CN105159306A (zh) * | 2015-08-12 | 2015-12-16 | 山东劳动职业技术学院 | 一种基于全局稳定的四旋翼飞行器滑模控制方法 |
CN107992082A (zh) * | 2017-12-26 | 2018-05-04 | 电子科技大学 | 基于分数阶幂次切换律的四旋翼无人机飞行控制方法 |
-
2018
- 2018-05-10 CN CN201810441085.5A patent/CN108762070B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102566420A (zh) * | 2012-03-01 | 2012-07-11 | 北京航空航天大学 | 一种垂直起降飞行器的滑模控制方法 |
CN103455035A (zh) * | 2013-08-26 | 2013-12-18 | 北京理工大学 | 基于反步设计和非线性反馈的pd+姿态控制律设计方法 |
CN103838145A (zh) * | 2014-01-17 | 2014-06-04 | 南京航空航天大学 | 基于级联观测器的垂直起降飞机鲁棒容错控制系统及方法 |
CN104142626A (zh) * | 2014-04-22 | 2014-11-12 | 广东工业大学 | 一种基于逆系统和内模控制的船舶动力定位控制方法 |
CN105159306A (zh) * | 2015-08-12 | 2015-12-16 | 山东劳动职业技术学院 | 一种基于全局稳定的四旋翼飞行器滑模控制方法 |
CN107992082A (zh) * | 2017-12-26 | 2018-05-04 | 电子科技大学 | 基于分数阶幂次切换律的四旋翼无人机飞行控制方法 |
Non-Patent Citations (3)
Title |
---|
Fractional attitude-reactive control for robust quadrotor position stabilization without resolving underactuation;C. Izaguirre-Espinosa et al.;《Control Engineering Practice》;20160511;第47-56页 * |
基于双闭环滑模结构的自动泊车路径跟踪控制;江浩斌 等;《重庆理工大学学报(自然科学)》;20171031;第31卷(第10期);第6-11、27页 * |
高超声速飞行器横侧向欠驱动控制技术研究;牛毅可;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20180331(第03期);正文第22-45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108762070A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Modeling, autopilot design, and field tuning of a UAV with minimum control surfaces | |
Ahmad et al. | Dynamic modeling and optimal control of a twin rotor MIMO system | |
CN109856972B (zh) | 一种无人直升机鲁棒容错跟踪控制方法 | |
CN109976361B (zh) | 面向事件触发的四旋翼无人机姿态控制方法 | |
CN111625019B (zh) | 基于强化学习的四旋翼无人机悬挂空运系统轨迹规划方法 | |
Maqsood et al. | Optimization of transition maneuvers through aerodynamic vectoring | |
CN111459175B (zh) | 一种基于l1自适应控制器的尾座式无人机轨迹跟踪容错控制方法 | |
Pucci et al. | Nonlinear control of PVTOL vehicles subjected to drag and lift | |
Eltayeb et al. | Adaptive fuzzy gain scheduling sliding mode control for quadrotor UAV systems | |
CN112631335A (zh) | 一种基于事件触发的多四旋翼无人机固定事件编队方法 | |
CN112327926A (zh) | 一种无人机编队的自适应滑模控制方法 | |
CN108762070B (zh) | 一种欠驱动无人机的分数阶控制方法 | |
Lyu et al. | Tilting path optimization of tilt quad rotor in conversion process based on ant colony optimization algorithm | |
CN111781945A (zh) | 具有随机时延的多智能体编队控制方法 | |
Chen | Research on AI application in the field of quadcopter UAVs | |
Siqi et al. | Modeling and flapping vibration suppression of a novel tailless flapping wing micro air vehicle | |
Yang et al. | A decentralised control strategy for formation flight of unmanned aerial vehicles | |
CN111532428B (zh) | 一种自由起降的倾转动力微型固定翼无人机 | |
Rehan et al. | Vertical take-off and landing hybrid unmanned aerial vehicles: An overview | |
Seah et al. | Bilinear modelling and attitude control of a quadrotor | |
Wang et al. | Adaptive attitude control for a tail-sitter UAV with single thrust-vectored propeller | |
Zaker et al. | On the performance of an intelligently tuned fractional order PID roll controller | |
Dziuk et al. | Fuzzy logic controlled UAV autopilot using C-Mean clustering | |
Keshavarzian et al. | PSO-based online estimation of aerodynamic ground effect in the backstepping controller of quadrotor | |
Pedai et al. | Comparison of single-rate and two-rate neural control approaches for coaxial rotor/ducted-fan TUAV for situational awareness applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |