CN109582030A - 一种调整无人机姿态控制中待整定参数方法及相关装置 - Google Patents
一种调整无人机姿态控制中待整定参数方法及相关装置 Download PDFInfo
- Publication number
- CN109582030A CN109582030A CN201811565744.2A CN201811565744A CN109582030A CN 109582030 A CN109582030 A CN 109582030A CN 201811565744 A CN201811565744 A CN 201811565744A CN 109582030 A CN109582030 A CN 109582030A
- Authority
- CN
- China
- Prior art keywords
- setting parameter
- target
- signal
- angle signal
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 abstract description 6
- 239000002245 particle Substances 0.000 description 20
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 18
- 238000006243 chemical reaction Methods 0.000 description 5
- 101710163391 ADP-ribosyl cyclase/cyclic ADP-ribose hydrolase Proteins 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请公开了一种调整无人机姿态控制中待整定参数方法,该方法包括获取目标角度信号,由目标角度信号,经过自抗扰控制处理后生成输出电压信号和输出角度信号;利用目标角度信号,对参与自抗扰控制处理的前次待整定参数进行优化处理,以获得目标待整定参数,待整定参数为无人机姿态控制中的待整定参数,目标待整定参数为适应度值小于或等于第一预设阈值的待整定参数。通过上述方式,可以使得无人机姿态控制中的待整定参数实现自适应调整。本申请还提供一种无人机姿态控制系统、无人机及存储介质。
Description
技术领域
本申请涉及无人机控制领域,特别是涉及一种调整无人机姿态控制中待整定参数方法及相关装置。
背景技术
随着四旋翼无人机的快速发展,四旋翼无人机在多个领域被广泛应用,如航拍摄影、气候检测,边境巡查等,而设计出可实现四旋翼无人机稳定飞行的控制器,具有较强的抗干扰能力,这是无人机领域需要解决的主要技术问题,但是在设计出具有较强抗干扰能力的无人机过程中,则遇到参数多,难调节等技术问题。
发明内容
本申请主要解决的技术问题是使得无人机姿态控制中待整定参数可实现自适应调整。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种调整无人机姿态控制中待整定参数方法,所述方法包括:
获取目标角度信号;
由所述目标角度信号,经过自抗扰控制处理后生成输出电压信号和输出角度信号;
利用所述目标角度信号、所述输出电压信号和所述输出角度信号,对参与所述自抗扰控制处理的前次待整定参数进行优化处理,以获得目标待整定参数,所述待整定参数为无人机姿态控制中待整定参数,所述目标待整定参数为适应度值小于或等于第一预设阈值的所述待整定参数;
采用所述目标待整定参数进行当次自抗扰控制处理。
为解决上述技术问题,本申请采用的另一个技术方案是,提供一种无人机姿态控制系统,所述装置包括相互连接的处理器和存储器;
其中,所述存储器用于存储程序数据;
所述处理器用于运行所述程序数据,以执行如上所述的调整无人机姿态控制中待整定参数方法。
为解决上述技术问题,本申请采用的又一个技术方案是,提供一种无人机,所述无人机包括:处理器、存储器和驱动电路,所述处理器分别与所述存储器和所述驱动电路连接;
其中,所述存储器用于存储程序数据;
所述处理器用于运行所述程序数据,以执行如权利要求1~8任一项所述的方法;
所述驱动电路用于响应所述处理器指令以输出对应所述指令的输出角度信号,用于调整所述无人机的姿态。
为解决上述技术问题,本申请采用的又一个技术方案是,提供一种存储介质,所述存储介质存储有程序数据,所述程序数据被执行时实现如上所述的一种确定无人机姿态控制中待整定参数的方法。
以上方案,通过基于获取目标角度信号,由目标角度信号,生成输出电压信号和输出角度信号,利用目标角度信号、输出电压信号和输出角度信号,对待整定参数进行优化处理,以获得目标待整定参数。其中,待整定参数为无人机姿态控制中待整定参数,目标待整定参数小于或等于第一预设阈值的待整定参数,实现在对无人机姿态控制过程中,可以实现自适应调整待整定参数。
附图说明
图1是本申请无人机控制系统一实施例中交互示意图;
图2是本申请无人机一实施例结构示意图;
图3是本申请提供的无人机中姿态控制系统控制结构示意图;
图4是本申请一种调整无人机姿态控制中待整定参数方法一实施例的流程示意图;
图5是本申请一种调整无人机姿态控制中待整定参数方法另一实施例的流程示意图;
图6是本申请一种调整无人机姿态控制中待整定参数方法又一实施例的流程示意图;
图7为本申请一种调整无人机姿态控制中待整定参数方法再一实施例中的流程示意图
图8是本申请一实施例中APSO算法的收敛曲线示意图;
图9是本申请一实施例中无人机的目标角度与实际测量无人机的角度之间匹配曲线图;
图10是本申请一种无人机控制系统一实施例结构示意图;
图11是本申请一种无人机一实施例中的结构示意图;
图12是本申请一种存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
需要首先进行说明的是,本申请所提供的技术方案应用于控制四旋翼无人机上,下文将四旋翼无人机简称无人机。请参见图1,图1为本申请无人机控制系统一实施例中交互示意图,具体是四旋翼无人机控制系统10执行控制无人机姿态的交互示意图。
在本申请所提供的技术方案中,对于无人机姿态的控制,首先自获取模块11中获取无人机的目标三维位置信息(xb,yb,zb)以及目标偏航角ψb,由位置控制模块12对无人机的位置信息进行处理转换,以求得无人机的目标横滚角φb和目标俯仰角θb。再将所求得的目标横滚角φb和目标俯仰角θb,及目标偏航角ψb输入至姿态控制模块13,分别求得姿态控制模块的控制量U2、U3和U4,进而与位置控制模块12中所求得的姿态控制模块的控制量U1输出至控制量转换模块14,以求得最终输出至无人机响应模块15的输出电压信号u,实现对无人机的姿态的控制。其中,用户可直接通过获取模块11或间接通过获取模块11输入无人机的位置信息及目标偏航角ψb,经过上述各个模块的处理后,无人机响应模块15可以在接收信号指令时,输出对应的响应指令以控制无人机的姿态。其中,获取模块11、位置控制模块12、姿态控制模块13、控制量转换模块14和无人机响应模块15均是无人机控制系统中处理器(图1未示)的逻辑结构的划分。
请参见图2,图2为四旋翼无人机的结构示意图。图2中的无人机20的飞行姿态是由横滚角、俯仰角和偏航角((φ,θ,ψ))描述,无人机的位置是由(x,y,z)描述,根据牛顿-欧拉公式建立四旋翼无人机的动力学模型请参见下式(1):
对四旋翼无人机中的四个螺旋桨的控制量u如下式(2):
其中,m为四旋翼无人机的自身质量,l为转子到无人机中心点的距离,Ix、Iy和Iz分别为绕x、y和z轴旋转的转动惯量,Jr为惯性惯量,Ω(1,2,3,4)为转子的角速度,b为推力系数,d为阻力系数,u为输出电压信号,其中,带有两点的符号表示的是当前量的加速度,带有一个点的符号表示的是当前量的速度,如表示在x轴向上的加速度,表示是横滚角方向上角速度的加速度,表示的是俯仰角方向上的角速度,其他参数同上。
进一步的,请参见图3,图3为无人机中的姿态控制模块控制结构示意图。具体地,图3所示是对给定的第一个目标航向角(即横滚角、俯仰角和偏航角((φ,θ,ψ))中任意一个)的控制过程示意图。首先,需要说明的是,图1中的姿态控制模块(ADRC)包括:安排过渡过程的跟踪微分器(Tracking Differentiator,下文简称TD模块),估计扰动的扩张状态观测器(Extended State Observer,下文简称ESO模块)以及误差反馈控制律(NonlinearState Error Feedback,下文简称NLSEF模块)三个部分组成。
在TD模块将给定的航向角v0作为参考输入,安排过渡过程,输出跟踪给定信号v1(即可以理解为对v1进行除噪滤波后,将超调量与响应速度进行折中所得的信号)和其微分信号v2(v2是信号v1进行微分后求得的角度速度信号),具体的转换公式参见下述公式(3),
其中,fhan(e0,v2,r0,h0)为最快速跟踪控制综合函数,r0为快速因子,h0为滤波因子,h为积分步长,e0表示的是信号v1和v2的之间的差值信号。
然后分别求取跟踪给定信号v1和其微分信号v2与ESO观测所得的信号z1和z2的误差信号,ESO观测输出三个信号z1、z2和z3。其中,在无人机姿态控制系统中,ESO模块为核心,用于对系统状态和扰动进行实时估计与补偿。具体的,计算公式参见下式(4),
其中,其中,fal(e,a,δ)为非线性函数,z1、z2分别为两个状态变量v1和v2的估计值,z3为系统通道中干扰总和的估计值,b为控制输入系数,β01、β02、β03为待整定参数,下文会用β1、β1、β1表示,待整定参数的准确合理性对整个系统的调节有重大影响,尤其是对估计和补充扰动信号时尤为重要,需要由下文图4至图6所对应的方法实现自适应调整。
NLSEF模块是一种能独立改善动态性能且不增加计算复杂度的非线性控制模块结构。在NLSEF模块进一步将所求得的u0与ESO模块观测所得的第三个信号z3进行组合,得到最终的控制量u,即输出电压信号,将输出电压信号u其作为补偿量加到ESO模块中,实现对z3实时估计和补偿,以克服因内外部扰动带来的姿态误差,实现提高无人机飞行过程中抑制干扰的能力。具体的,NLSEF模块中的计算逻辑参见下式(5),
其中,b0为补偿因子,预先确定b0;k1、k2为待整定参数,相当于PID控制器中的比例项和微分项系数,可选用下述图4至图6及其对应的实施例所述的方法进行自适应调整。
由上可以得知,在无人机的控制中,需要对很多参数进行定义和调整,这样就会造成一定的难度,且不可以灵活地跟随外部的信号变化自适应进行调整,进而又会因无法灵活调整参数使得无人机的姿态控制准确度下降,进而使得无人机的抗干扰能力下降。
请参见图4,图4为本申请一种调整无人机姿态控制中待整定参数方法一实施例的流程示意图。在当前实施例中,本申请所提供的方法包括:
S410:获取目标角度信号。
其中,目标角度信号是指用户希望无人机在某个航向上的角度,具体的,目标角度信号可以是目标横滚角信号、目标俯仰角信号或目标偏航角信号中的任意一种。目标角度信号的输入可以是由用户的自输入的,也可以是自上一级模块输出至获取模块中的。
S420:由目标角度信号,经过自抗扰控制处理后生成输出电压信号和输出角度信号。
在获取到目标角度信号后,基于目标角速度信号,进一步经过自抗扰控制处理(即ADRC模块处理转换)后生成输出电压信号,以及输出角度信号。在获取到目标角度信号后,进一步对待整定参数进行初始化处理。其中,待整定参数的初始化值和待整定参数所属的范围,均是由用户基于预先经验值进行设定调整的。如,可以将待整定参数的范围设定为[0,1]。
具体地,自抗扰控制处理过程为:在获取到目标角度信号v0后,对目标角度信号v0进行微分处理后求得跟踪给定信号v1和角度速度信号v2,再获取实时观测所得的角度估计值z1和角速度的估计值z2,然后分别求取跟踪给定信号v1和观测所得的z1与角速度信号v2和观测所得的z2之间的信号差e1和e2。然后再基于信号差e1和e2求得非线性状态误差信号u0,然后将所得的非线性状态误差信号u0,与观测所得的总扰动信号z3进行组合求得输出电压信号u。具体地,由目标角度信号v0到输出电压信号之间的计算过程具体请参见上文公式(3)到(5),在此不再赘述。
而输出电压信号u和输出角度信号y之间的转换关系是由上述公式(2)定义,具体请参见上文。
S430:利用目标角度信号、输出电压信号和输出角度信号,对参与自抗扰控制处理的前次待整定参数进行优化处理,以获得目标待整定参数。
其中,待整定参数为无人机姿态控制中待整定参数,数量为至少一个,即待整定参数的数量可以为多个。目标待整定参数为适应度值小于或等于第一预设阈值的待整定参数,目标待整定参数的数量等于待整定参数的数量,参与自抗扰控制处理的前次待整定参数是指的是最近一次的自抗扰控制处理过程中所使用的待整定参数,对目标角度信号进行自抗扰控制处理过程至少指的是:基于目标角度信号求取得到输出电压信号的过程。优化处理即为计算求取目标待整定参数的过程,具体的可以是调用自适应粒子群算法(APSO算法)求取目标待整定参数。
进一步地,待整定参数包括:上文公式(4)中的β01、β02、β03,以及公式(5)中的k1、k2。可以理解的,在其他实施例中,待整定参数还可以包括其他类型参数,具体不一一列举。
S440:采用目标待整定参数进行当次自抗扰控制处理。
在求得目标待整定参数之后,则会将自抗扰控制处理逻辑中的目标待整定参数进行更新,即采用所述目标待整定参数进行当次和/或接下来的自抗扰控制处理,以实现对无人机姿态的更准确控制,直至对当前的目标待整定参数进行优化处理后求得新的目标待整定参数。
在当前实施例中,通过由获取的目标角度信号,生成输出电压信号和输出角度信号,然后利用目标角度信号、输出电压信号和输出角度信号,对参与自抗扰控制处理的前次待整定参数进行优化处理,以获得目标待整定参数,实现在对无人机姿态控制过程中,可以且在充分考虑到外部扰动等不定因素情况下,实现自适应调整待整定参数,使得无人机姿态控制中待整定参数的调整更为简单快速。相比于现有技术中,待整定参数是由工作人员设定一初始值且不会因外部扰动变化进行调整,本申请所提供的方案可以依据外部扰动以及目标角度的变化,实现对待整定参数的自适应调整,从而实现更为稳定的控制无人机姿态。
首先对调用粒子群算法求取目标待整定参数做进一步的解释,在求取目标待整定参数过程中,将待整定参数β01、β02、β03、k1、k2中各个量想象为一个粒子i,(β01、β02、β03、k1、k2)则对应抽象为粒子群I,每个粒子i所在位置xi即为每个参数的值。在当前实施例中,用粒子速度表示对待整定参数的搜索的快慢,对应的粒子速度决定量每个时刻,各个粒子所在的位置。
粒子i位置:xi=(xi1,xi2,xi3,xi4,xi5),首先基于粒子i的位置求取适应度函数中的常量:目标角度信号v0、第一误差信号e和输出电压信号u,然后在粒子位置以及所求得的各个常量值带入对应适应度函数公式求适应度值。
粒子i速度:vi=(vi1,vi2,vi3,vi4,vi5);当基于适应度值判断参与自抗扰控制处理的前次待整定参数不是目标待整定参数后,进一步基于粒子i的速度更新粒子的位置,以获取新的待整定参数,再次进行判断所获取的待整定参数是否是目标待整定参数。
粒子i个体经历的最好位置:pbesti=(pi1,pi2,pi3,pi4,pi5)种群所经历的最好位置:gbest=(g1,g2,g3,g4,g5),在本申请所提供的技术方案中,会对pbest和gbest分别进行记录和跟踪。
粒子i的第d维(即第d次迭代)速度更新公式如公式(6)所示:
粒子i的第d维位置更新公式如公式(7)所示:
对应的,在调用粒子群算法求取目标待整定参数之前会需要对粒子的位置进行初始化,以获得初始化值,即为待整定参数赋初始值,后续在判断参与自抗扰控制处理的前次待整定参数不是目标待整定参数时,基于自适应调整所得的惯性权重值依次利用公式(6)、(7)更新求得新的待整定参数,然后基于所求的新的待整定参数计算出对应目标角度信号的输出电压信号和输出角度信号,然后再进一步基于适应度函数求得新的待整定参数的适应度值,再基于对应的适应度值判断当前待整定参数是否是目标待整定参数,以此循环直至计算求得目标待整定参数或计算次数(与调整惯性权重次数相等)到达设定上限时,退出当前循环逻辑。
请参见图5,图5为本申请一种调整无人机姿态控制中待整定参数方法在另一实施例中的流程示意图。在当前实施例中,本申请所提供的技术方案包括:
S501:获取目标角度信号。
S502:由目标角度信号,经过自抗扰控制处理后生成输出电压信号和输出角度信号。
S503:调用适应度函数,并将目标角度信号、输出电压信号和输出角度信号作为适应度函数的输入,计算求得前次待整定参数的适应度值。
求取目标角度信号和输出角度信号的差值,以获得第一误差信号,即e=v0-y。
在求得第一误差信号后,判断第一误差信号与零的大小关系,以确认适应度函数。当第一误差信号大于零时,则适应度函数为公式a所示,具体则基于公式a求取待整定参数的适应度值。当第一误差信号小于或等于零时,则适应度函数为公式b所示,对应的会基于公式b求取待整定参数的适应度值。
其中,公式a为f=∫(w1*|e|*t+w2*u2+w3*|e|)dt,
公式b为f=∫(w1*|e|*t+w2*u2)dt,其中,f为当前适应度值,e为第一误差信号,u为输出电压信号,y为输出角度信号,w1,w2,w3均为惯性权重常数值。
进一步地,在另一实施例中,在计算求得前次待整定参数的适应度值之后,还会将前次待整定参数和适应度值关联保存至目标角度信号对应的历史记录。如,根据设定会对每组待整定参数最高迭代50次,对应的在每次计算前次待整定参数的适应度值之后,会对应将前次待整定参数、计算所得的适应度值关联保存至当前目标角度信号对应的历史记录,以备调用。如当目标角度信号发生改变时,则会对应保存为不同的历史记录,即将一个时间内的一个目标角度信号保存为一组历史记录。
S504:判断适应度值是否大于第一预设阈值。
判断适应度值是否大于第一预设阈值,是以判断是否需要对待整定参数进行优化处理。在求取到参与自抗扰控制处理的前次待整定参数对应的适应度值后,进一步判断适应度值是否大于第一预设阈值,并根据判断结果确定是否需要对前次的待整定参数进行优化处理。
S505:当判断适应度值大于第一预设阈值时,则执行对前次待整定参数进行优化处理。
进一步地,对参与自抗扰控制处理的前次待整定参数进行优化处理包括:获取所述前次待整定参数对应的平均适应度值。其中,前次待整定参数对应的平均适应度值是指的对前次待整定参数中各个参数对应的适应度值间的平均值,具体的,如将前次待整定参数中某个参数的适应度值记为fi t,待整定参数对应的平均适应度值记为则对应的和fi t之间的转换关系请参见公式(8),其中,N表示是待整定参数的数量。
然后再根据前次待整定参数对应的适应度值和平均适应度值,调用参数调整函数及相关函数式调整惯性权重,以获取待整定参数的优化值。其中,惯性权重w是用于定义待整定参数的搜索范围。及其相关函数式请参见公式(8)。
其中,st为趋同因子,定量描述粒子分布;N为粒子数量;t当前迭代次数;m为调整因子,取值为0.1;fi t为第i个粒子在第t次迭代的适应度值;为N个粒子在第t次迭代的平均适应度值;为参数调整函数,fi k为第k次迭代中种群的最小适应度值,wmax,wmin为惯性权重的上下界。
进一步地,在当前实施例中,调用参数调整函数更新惯性权重,以获取第一预参数的优化值包括:采用粒子群更新函数更新待整定参数。其中,粒子群更新函数包括:
其中,为更新后待整定参数,为更新前前次待整定参数,pbestid为待整定参数的当前最优值,gbestid待整定参数的历史最优值,w惯性权重,vid用于表示待整定参数变化的搜索能力,c1,c2为加速度常数取值范围在[0,1]。
在另一实施例中,当判断前次待整定参数的适应度值小于或等于第一预设阈值时,则会将当前的该待整定参数输出为目标待整定参数。直至获取到新的目标角度信号或是扰动发生改变,则会对待整定参数再次进行判断是否需要优化和/或对待整定参数进行优化处理。
在当前实施例中,请步骤S501和步骤S502与图4所示实施例中的步骤S410和步骤S420相同,请参见上文,具体在此不再详述。
请参见图6,图6为本申请一种调整无人机姿态控制中待整定参数方法又一实施例流程示意图。
在当前实施例中,当判断适应度值大于第一预设阈值时,本申请所提供技术方案还包括:
S601:判断对惯性权重的调整次数是否大于或等于第二预设阈值。其中,第二预设阈值是预先设定的对惯性权重的调整次数上限值。
在当前实施例中,会记录对惯性权重的调整次数,并在每次判断得到适应度值大于第一预设值时,判断对惯性权重的调整次数是否大于或等于第二预设阈值,以基于判断结果选择是继续进行优化处理以获取目标待整定参数,还是选择结束当前的循环。
其中,第二预设阈值的设定主要是依据经验值进行设定。请同时结合图8,图8是本申请一实施例中APSO算法的收敛曲线示意图,由图8中APSO的收敛曲线可以得知,为求得更准确稳定的适应度值,可将调整惯性权重次数的上限设置为50次。
S602:当判断对惯性权重的调整次数大于或等于第二预设阈值时,则获取目标角度信号对应的历史记录中最小适应度值对应的待整定参数,并输出为目标待整定参数。
当判断对惯性权重的调整次数大于或等于第二预设阈值次数,则表示经过设定次数的优化处理依旧没有获得适应度值小于或等于第一预设阈值的待整定参数。此时会结束优化处理的循环,并调用当前目标角度对应的历史记录中最小适应度值对应的待整定参数,并将其输出为目标待整定参数。
请参见图7,图7为本申请一种调整无人机姿态控制中待整定参数方法再一实施例中的流程示意图。在当前实施例中,在经过APSO模块71计算获得目标待整定参数β1、β1、β1、k1、k2之后,进一步将目标待整定参数β1、β1、β1、k1、k2输入至ADRC模块72,用于更新ADRC模块72中的β1、β1、β1、k1、k2,以求取到更为准确的u,将u输入至无人机响应模块73,用于实现在对无人机姿态控制时对外部扰动和内部扰动等进行实时补偿,使得无人机飞行姿态更为稳定。其中,W(t)是定义输出电压信号u与输出角度信号之间的转换关系。
请结合图9,图9是本申请一实施例中无人机的目标角度与实际测量无人机的角度之间匹配曲线图。由图9可以得知,经过本申请所提供的方案可以较好的实现,经过使得待整定参数的自适应调整,使得无人机的目标角度与实际测量无人机的角度间的误差被较好地补偿,使得无人机的姿态更为稳定。参见图10,本申请还提供一种无人机姿态控制系统100。其中,无人机姿态控制系统100包括:处理器101,以及与处理器101连接的存储器102。其中,存储器102存储程序数据和处理器101工作执行的结果。而处理器101在运行所存储的程序数据时,用于执行如上述各个实施例中所述的一种调整无人机姿态控制中待整定参数方法。
请参见图11,图11为本申请一种无人机一实施例结构示意图。该无人机1100包括:处理器1101、存储器1102和驱动电路1103。处理器1101分别与存储器1102和驱动电路1103连接。
其中,存储器1102用于存储程序数据。
处理器1101用于运行存储器1102所存储的程序数据,以执行如图4至图7及其对应的实施例所述的调整无人机姿态控制中待整定参数方法。
驱动电路1103用于响应处理器1101的控制指令,输出对应控制指令我的输出角度信号,用于调整无人机1100的姿态,以实现使得无人机1100按用户输入的目标角度飞行。
参见图12,图12为本申请一种存储介质一实施例结构示意图。该存储介质1200存储有程序数据1201,该程序数据1201被执行时实现如上所述一种调整无人机姿态控制中待整定参数方法及各个实施例中所描述的方法。具体的,上述具有存储功能的存储介质1200可以是存储器、个人计算机、服务器、网络设备,或者U盘等其中的一种。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种调整无人机姿态控制中待整定参数方法,其特征在于,所述方法包括:
获取目标角度信号;
由所述目标角度信号,经过自抗扰控制处理后生成输出电压信号和输出角度信号;
利用所述目标角度信号、所述输出电压信号和所述输出角度信号,对参与所述自抗扰控制处理的前次待整定参数进行优化处理,以获得目标待整定参数,所述待整定参数为无人机姿态控制中待整定参数,所述目标待整定参数为适应度值小于或等于第一预设阈值的所述待整定参数;
采用所述目标待整定参数进行当次自抗扰控制处理。
2.根据权利要求1所述的方法,其特征在于,所述利用所述目标角度信号、所述输出电压信号和所述输出角度信号,对参与所述自抗扰控制处理的前次待整定参数进行优化处理之前,所述方法包括:
调用适应度函数,并将所述目标角度信号、所述输出电压信号和所述输出角度信号作为所述适应度函数的输入,计算求得所述前次待整定参数的所述适应度值;
判断所述适应度值是否大于所述第一预设阈值;
当判断所述适应度值大于所述第一预设阈值时,执行对所述前次待整定参数进行所述优化处理的步骤。
3.根据权利要求2所述的方法,其特征在于,所述调用适应度函数,并将所述目标角度信号、所述输出电压信号和所述输出角度信号作为所述适应度函数的输入,计算求得所述前次待整定参数的所述适应度值包括:
求取所述目标角度信号和所述输出角度信号的差值,以获得第一误差信号;
当所述第一误差信号大于零时,则基于公式a求取所述待整定参数的适应度值;或
当所述第一误差信号小于或等于零时,则基于公式b求取所述待整定参数的适应度值;
其中,所述公式a为f=∫(w1 *|e|*t+w2*u2+w3*|e|)dt,
所述公式b为f=∫(w1*|e|*t+w2*u2)dt,其中,所述f为所述前次待整定参数的适应度值,所述e为所述第一误差信号,所述u为所述输出电压信号,所述t为时间,所述w1,w2,w3均为惯性权重常数值。
4.根据权利要求2所述的方法,其特征在于,所述参与所述自抗扰控制处理的前次待整定参数进行优化处理包括:
获取所述前次待整定参数对应的平均适应度值;
调用参数调整函数,将所述前次待整定参数对应的适应度值和所述平均适应度值作为所述参数调整函数的输入,计算惯性权重以获取所述待整定参数的优化值,所述惯性权重用于定义所述待整定参数的搜索范围。
5.根据权利要求4所述的方法,其特征在于,所述调用参数调整函数,将所述前次待整定参数对应的适应度值和所述平均适应度值作为所述参数调整函数的输入,计算惯性权重以获取所述待整定参数的优化值还包括:
采用粒子群更新函数更新所述待整定参数,其中,所述粒子群更新函数包括:
其中,为更新后所述待整定参数,为所述前次待整定参数,pbestid为待整定参数中一个参数的最优值,gbestid待整定参数中的最优值,w惯性权重,vid用于表示待整定参数变化的搜索能力。
6.根据权利要求2所述的方法,其特征在于,所述计算求得所述前次待整定参数的适应度值之后,所述方法还包括:
将所述前次待整定参数和所述适应度值关联保存至所述目标角度信号对应的历史记录。
7.根据权利要求6所述的方法,其特征在于,当判断所述适应度值大于所述第一预设阈值时,所述方法还包括:
进一步判断对所述惯性权重的调整次数是否大于或等于第二预设阈值;
当判断所述次数大于或等于所述第二预设阈值时,则获取所述目标角度信号对应的历史记录中最小适应度值对应的所述待整定参数,并输出为所述目标待整定参数,所述第二预设阈值是预先设定的对所述惯性权重的调整次数上限值。
8.根据权利要求2所述的方法,其特征在于,当判断所述待整定参数的适应度值小于或等于所述第一预设阈值时,则将所述待整定参数输出为所述目标待整定参数。
9.一种无人机姿态控制系统,其特征在于,所述系统包括相互连接的处理器和存储器;
其中,所述存储器用于存储程序数据;
所述处理器用于运行所述程序数据,以执行如权利要求1~8任一项所述的方法。
10.一种无人机,其特征在于,所述无人机包括:处理器、存储器和驱动电路,所述处理器分别与所述存储器和所述驱动电路连接;
其中,所述存储器用于存储程序数据;
所述处理器用于运行所述程序数据,以执行如权利要求1~8任一项所述的方法;
所述驱动电路用于响应所述处理器指令以输出对应所述指令的输出角度信号,用于调整所述无人机的姿态。
11.一种存储介质,其特征在于,所述存储介质存储有程序数据,所述程序数据被执行时实现如权利要求1~8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811565744.2A CN109582030A (zh) | 2018-12-20 | 2018-12-20 | 一种调整无人机姿态控制中待整定参数方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811565744.2A CN109582030A (zh) | 2018-12-20 | 2018-12-20 | 一种调整无人机姿态控制中待整定参数方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109582030A true CN109582030A (zh) | 2019-04-05 |
Family
ID=65931157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811565744.2A Pending CN109582030A (zh) | 2018-12-20 | 2018-12-20 | 一种调整无人机姿态控制中待整定参数方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109582030A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110376900A (zh) * | 2019-08-16 | 2019-10-25 | 中国科学院深圳先进技术研究院 | 参数优化方法、终端设备以及计算机存储介质 |
CN111965970A (zh) * | 2019-05-20 | 2020-11-20 | 杭州海康机器人技术有限公司 | 一种控制参数自整定方法、装置和系统 |
CN112596390A (zh) * | 2020-12-18 | 2021-04-02 | 哈尔滨工业大学 | 一种航天器姿控系统pwpf调制器参数确定方法 |
CN114333429A (zh) * | 2021-12-21 | 2022-04-12 | 中国电子科技集团公司第五十四研究所 | 一种面向多无人机目标覆盖任务的规则提取方法 |
CN115202213A (zh) * | 2022-08-02 | 2022-10-18 | 北京理工大学 | 一种基于自抗扰控制的四旋翼飞行器控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681345A (zh) * | 2016-12-28 | 2017-05-17 | 广西师范大学 | 基于人群搜索算法的无人机自抗扰控制方法 |
CN107300925A (zh) * | 2017-07-12 | 2017-10-27 | 西北工业大学 | 基于改进鱼群算法的四旋翼无人机姿控参数整定方法 |
CN107943070A (zh) * | 2017-11-01 | 2018-04-20 | 贾杰 | 一种无人直升机自抗扰飞行速度和姿态控制方法 |
CN108829123A (zh) * | 2018-07-18 | 2018-11-16 | 广西师范大学 | 一种四旋翼飞行器控制方法、系统和装置 |
CN108958274A (zh) * | 2018-06-25 | 2018-12-07 | 南京理工大学 | 一种基于pso的刚柔液耦合系统姿态机动路径规划方法 |
-
2018
- 2018-12-20 CN CN201811565744.2A patent/CN109582030A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681345A (zh) * | 2016-12-28 | 2017-05-17 | 广西师范大学 | 基于人群搜索算法的无人机自抗扰控制方法 |
CN107300925A (zh) * | 2017-07-12 | 2017-10-27 | 西北工业大学 | 基于改进鱼群算法的四旋翼无人机姿控参数整定方法 |
CN107943070A (zh) * | 2017-11-01 | 2018-04-20 | 贾杰 | 一种无人直升机自抗扰飞行速度和姿态控制方法 |
CN108958274A (zh) * | 2018-06-25 | 2018-12-07 | 南京理工大学 | 一种基于pso的刚柔液耦合系统姿态机动路径规划方法 |
CN108829123A (zh) * | 2018-07-18 | 2018-11-16 | 广西师范大学 | 一种四旋翼飞行器控制方法、系统和装置 |
Non-Patent Citations (2)
Title |
---|
乔俊飞: "一种具有局部搜索的自适应粒子群算法", 《信息与控制》 * |
周志刚: "基于人群搜索算法的自抗扰控制器", 《热力发电》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111965970A (zh) * | 2019-05-20 | 2020-11-20 | 杭州海康机器人技术有限公司 | 一种控制参数自整定方法、装置和系统 |
CN111965970B (zh) * | 2019-05-20 | 2023-01-31 | 杭州海康机器人技术有限公司 | 一种控制参数自整定方法、装置和系统 |
CN110376900A (zh) * | 2019-08-16 | 2019-10-25 | 中国科学院深圳先进技术研究院 | 参数优化方法、终端设备以及计算机存储介质 |
CN110376900B (zh) * | 2019-08-16 | 2022-06-07 | 中国科学院深圳先进技术研究院 | 参数优化方法、终端设备以及计算机存储介质 |
CN112596390A (zh) * | 2020-12-18 | 2021-04-02 | 哈尔滨工业大学 | 一种航天器姿控系统pwpf调制器参数确定方法 |
CN112596390B (zh) * | 2020-12-18 | 2021-10-19 | 哈尔滨工业大学 | 一种航天器姿控系统pwpf调制器参数确定方法 |
CN114333429A (zh) * | 2021-12-21 | 2022-04-12 | 中国电子科技集团公司第五十四研究所 | 一种面向多无人机目标覆盖任务的规则提取方法 |
CN114333429B (zh) * | 2021-12-21 | 2022-12-09 | 中国电子科技集团公司第五十四研究所 | 一种面向多无人机目标覆盖任务的规则提取方法 |
CN115202213A (zh) * | 2022-08-02 | 2022-10-18 | 北京理工大学 | 一种基于自抗扰控制的四旋翼飞行器控制方法 |
CN115202213B (zh) * | 2022-08-02 | 2023-05-12 | 北京理工大学 | 一种基于自抗扰控制的四旋翼飞行器控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109582030A (zh) | 一种调整无人机姿态控制中待整定参数方法及相关装置 | |
CN106094860B (zh) | 四旋翼飞行器及其控制方法 | |
CN110673620A (zh) | 一种基于深度强化学习的四旋翼无人机航线跟随控制方法 | |
CN107272403A (zh) | 一种基于改进粒子群算法的pid控制器参数整定算法 | |
CN111079936B (zh) | 基于强化学习的波动鳍推进水下作业机器人追踪控制方法 | |
CN108445766A (zh) | 基于rpd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法 | |
CN109725644A (zh) | 一种高超声速飞行器线性优化控制方法 | |
CN112861427A (zh) | 一种基于改进灰狼优化算法的永磁同步电机参数辨识方法 | |
CN110806759A (zh) | 一种基于深度强化学习的飞行器航线跟踪方法 | |
CN110597058A (zh) | 一种基于增强学习的三自由度自主水下航行器控制方法 | |
Mohammed et al. | Design optimal PID controller for quad rotor system | |
CN107092987B (zh) | 一种中小型无人机自主着舰风速预测方法 | |
CN115016496A (zh) | 基于深度强化学习的水面无人艇路径跟踪方法 | |
CN113541192A (zh) | 基于深度强化学习的海上风电场无功-电压协调控制方法 | |
CN116520909A (zh) | 哈里斯鹰算法优化模糊pid参数的高值耗材柜温度控制方法 | |
Chowdhary et al. | Experimental results of concurrent learning adaptive controllers | |
CN114895696A (zh) | 外部扰动下的多航天器姿态跟踪预设性能控制方法及系统 | |
Connor et al. | Using particle swarm optimization for PID optimization for altitude control on a quadrotor | |
dos Santos et al. | An experimental validation of reinforcement learning applied to the position control of UAVs | |
CN117215197B (zh) | 四旋翼飞行器在线轨迹规划方法、系统、电子设备及介质 | |
Glida et al. | Trajectory tracking control of a coaxial rotor drone: Time-delay estimation-based optimal model-free fuzzy logic approach | |
Abdulla et al. | Roll control system design using auto tuning LQR technique | |
CN117093033A (zh) | 基于粒子群算法优化pid参数的电阻加热炉温度控制系统 | |
CN116755323A (zh) | 一种基于深度强化学习的多旋翼无人机pid自整定方法 | |
CN115453914B (zh) | 一种考虑海浪干扰的无人艇回收分布式决策仿真系统 |
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 |