CN109976363B - 无人机控制方法、装置、计算机设备及存储介质 - Google Patents

无人机控制方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN109976363B
CN109976363B CN201910213754.8A CN201910213754A CN109976363B CN 109976363 B CN109976363 B CN 109976363B CN 201910213754 A CN201910213754 A CN 201910213754A CN 109976363 B CN109976363 B CN 109976363B
Authority
CN
China
Prior art keywords
attitude
controller
control value
expected
angle
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
Application number
CN201910213754.8A
Other languages
English (en)
Other versions
CN109976363A (zh
Inventor
周翊民
曹峻海
吕琴
胡静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201910213754.8A priority Critical patent/CN109976363B/zh
Publication of CN109976363A publication Critical patent/CN109976363A/zh
Application granted granted Critical
Publication of CN109976363B publication Critical patent/CN109976363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Feedback Control In General (AREA)

Abstract

本申请涉及一种无人机控制方法，该方法包括：获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；获取输入的期望位置；将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；根据所述位置控制值和所述姿态控制值对所述无人机进行控制。该方法提高了无人机的鲁棒性和自适应。此外，还提出了一种无人机控制装置、计算机设备及存储介质。

Description

无人机控制方法、装置、计算机设备及存储介质
技术领域
本发明涉及计算机技术领域，尤其是涉及一种无人机控制方法、装置、计算机设备及存储介质。
背景技术
四旋翼无人机广泛的应用于社会各行各业。在军事方面可用来获取地方情报、近距离空中巡逻、地面通讯、地面战场侦查、反恐监控等；在民用方面，主要涉及到航拍摄影、灾后现场搜救、物资小量运送、气候监测、边境巡查等多个领域。四旋翼无人机结构简单，但是控制复杂。
四旋翼无人机飞行器在飞行过程中易受到空气动力、飞行器自身的重力、脱落效应、外部气流等多种物理效应的作用，很难建立一个精确的动力学模型。而飞行器的模型参数和外界环境的异构性，使得对设计四旋翼无人机控制器的鲁棒性、自适应性提出了很高的要求。传统的无人机控制多采用PID(比例-积分-微分控制器)或者串级PID控制，PID控制方法能够基本满足四旋翼飞行器控制的要求，但是鲁棒性、自适应性较差。
发明内容
基于此，有必要针对上述问题，提供了一种提高鲁棒性和自适应的无人机控制方法、装置、计算机设备及存储介质。
第一方面，本发明实施例提供一种无人机控制方法，所述方法包括：
获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；
获取输入的期望位置；
将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；
将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；
根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
第二方面，本发明实施例提供一种无人机控制装置，所述装置包括：
位姿获取模块，用于获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；
期望获取模块，用于获取输入的期望位置；
位置确定模块，用于将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；
姿态确定模块，用于将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；
控制模块，用于根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
第三方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；
获取输入的期望位置；
将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；
将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
第四方面，本发明实施例提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；
获取输入的期望位置；
将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；
将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；
根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
上述无人机控制方法、装置、计算机设备及存储介质，通过获取无人机的位姿信息以及期望位置，然后采用位置控制器计算位置控制值，采用姿态控制器计算姿态控制值，其中，位置控制器采用的是模型预测控制算法，姿态控制器采用的是积分滑模控制算法。位置控制器通过采用模型预测控制算法可以实现无人机快速稳定的飞行，而姿态控制器采用积分滑模控制算法可以有效消除系统的稳态误差，提高控制精度。通过将采用模型预测控制算法的位置控制器和采用积分滑模控制算法的姿态控制器结合可以有效提高无人机的鲁棒性和自适应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为一个实施例中无人机控制方法的流程图；
图2为一个实施例中无人机控制方法的原理示意图；
图3为一个实施例中姿态控制器的内部结构图；
图4为一个实施例中位置控制器的内部结构图；
图5为一个实施例中线性扩张状态观测器的原理示意图；
图6为另一个实施例中无人机控制方法的原理示意图；
图7为一个实施例中无人机控制装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，提出了一种无人机控制方法，该无人机控制方法可以应用于无人机，也可以应用于与无人机连接的终端或服务器，本实施例中以应用于无人机为例说明，具体包括以下步骤：
步骤102，获取无人机的位姿信息，位姿信息包括：位置信息和姿态信息。
其中，位姿是指无人机的位置和姿态，一般采用6个量来表示，位置可以采用三维空间坐标(x，y，z)来表示，姿态可以采用与三个坐标轴的夹角(φ，θ，ψ)来表示，φ为滚转角，为围绕X轴旋转的角；θ为俯仰角，是围绕Y轴旋转的角；ψ为偏航角，是围绕Z轴旋转的角。无人机实时获取无人机的当前位姿信息。
步骤104，获取输入的期望位置。
其中，期望位置是指用于参考的位置。期望位置中包含有三个方向坐标，分别为X，Y和Z三个方向的期望坐标。
步骤106，将位置信息和期望位置作为位置控制器的输入，获取位置控制器输出的位置控制值和期望姿态，位置控制器是采用模型预测控制算法设置的。
其中，位置信息包括：X轴的实际坐标、Y轴的实际坐标以及Z轴的实际坐标。期望位置包括：X轴的期望坐标，Y轴的期望坐标以及Z轴的期望坐标。在一个实施例中，将X轴的实际坐标和X轴的期望坐标作为位置控制器的输入，得到X轴的位置控制值，同样地，将Y轴的实际坐标和Y轴的期望坐标作为位置控制器的输入，得到Y轴的位置控制值，将Z轴的实际坐标和Z轴的期望坐标作为位置控制器的输入，得到Z轴的位置控制值。
位置控制器除了输出位置控制值，还输出反推得到的期望姿态。期望姿态用于后续作为姿态控制器的输入，便于得到姿态控制值。
预测控制算法是将模型作为基础，在每个控制时域内，预测控制通过对象历史的输入与输出值，预测将来某段控制时域内的输出值，对加入的输入输出约束条件与预测误差的目标函数进行误差最小求解，由此可以求得未来几个采样时刻的最优控制率，到下一个采样周期时，通过最新得到的数据重复的进行上述优化过程。预测控制算法采用的是现有的方法，本方案的改进是将预测控制算法应用在位置控制器中，从而来实现对无人机位置的调整。
模型预测控制算法可以根据系统的模型来预测其未来行为，同时能够解决输入输出的约束问题，相比传统的PID控制，该模型预测控制算法更适合用于位置控制器，将该模型预测控制算法应用于位置控制器可以实现无人机快速稳定的飞行。
在一个实施例中，在位置模型预测控制器之前包括一个路径发生器，该路径发生器用于输出参考轨迹，将参考轨迹和期望位置和实际位置作为位置控制器的输入，然后输出位置控制值，并通过逆向求解得到三个期望姿态。路径发生器用于根据历史的输入来输出参考轨迹。
步骤108，将姿态信息和期望姿态作为姿态控制器的输入，获取姿态控制器输出的姿态控制值，姿态控制器是采用积分滑模控制算法设置的。
其中，姿态控制器用于计算无人机对应的姿态控制值。姿态信息包括三个姿态角。在一个实施例中，期望姿态中包含有三个期望姿态角，分别将获取到的无人机对应的姿态角和相应的期望姿态角作为姿态控制器的输入，得到每个姿态角对应的姿态控制值。
在一个实施例中，积分滑模控制算法的计算过程如下：设四旋翼无人机姿态环的三个姿态参数分别是俯仰角θ，滚转角φ和偏航角ψ，为更好的消除干扰，保证高精度，可分别设计各姿态角控制器。依据模型建立的动力学方程可表示为：
Figure BDA0002001357880000061
Figure BDA0002001357880000062
Figure BDA0002001357880000063
其中，
Figure BDA0002001357880000064
分别为相应姿态角的二阶微分，即字母上面两个点表示二阶微分(下同)，
Figure BDA0002001357880000065
为相应的姿态角的一阶微分，即字符上面一个点表示一阶微分(下同)。U2,U3,U4分别为相应的三个姿态控制值。Kθ,Kφ,KΨ为相应姿态角对应的参数,r为转子到无人机中心点的距离。
令θd,φD,ΨD分别为俯仰角、滚转角、偏航角的参考值，则其误差分别为：
eθ＝θ-θd
eφ＝φ-φd
eΨ＝Ψ-Ψd
定义积分滑模面为：
Figure BDA0002001357880000066
Figure BDA0002001357880000067
Figure BDA0002001357880000068
其中k1θ,k2θ,k1φ,k2φ,k1Ψ,k2Ψ,为控制器参数。
那么求导后有:
Figure BDA0002001357880000069
Figure BDA00020013578800000610
Figure BDA00020013578800000611
选择指数型趋近律：
Figure BDA0002001357880000071
Figure BDA0002001357880000072
Figure BDA0002001357880000073
其中Mθ,Mφ,MΨ,kθ,kφ,kΨ均为正常数，sgn()为符号函数。
联立方程有：
Figure BDA0002001357880000074
Figure BDA0002001357880000075
Figure BDA0002001357880000076
其中，Ij(j＝X,Y，Z)表示每个轴的转动惯量。
步骤110，根据位置控制值和姿态控制值对无人机进行控制。
其中，在得到了位置控制值和姿态控制值后，就可以根据位置控制值和姿态控制值对无人机进行控制调整，从而实现对无人机的抗干扰控制。
如图2所示，为一个实施例中，上述无人机控制方法的原理示意图，无人机系统中包括：模型预测控制器和积分滑模控制器，即采用模型预测控制器作为位置控制器，采用积分滑模控制器作为姿态控制器。参考信号是指输入的期望的信号，包括三个方向坐标xd，yd和zd，将xd，yd和zd以及无人机输出的x，y和z作为模型预测控制器的输入，得到位置控制值U1和反推得到的姿态角φd、θd、ψd。然后将φd、θd和ψd以及无人机输出的(φ，θ，ψ)作为姿态控制器的输入，得到姿态控制量U2，U3和U4，最后根据U1，U2，U3和U4实现对无人机进行控制。
上述无人机控制方法，通过获取无人机的位姿信息以及期望位置，然后采用位置控制器计算位置控制值，采用姿态控制器计算姿态控制值，其中，位置控制器采用的是模型预测控制算法，姿态控制器采用的是积分滑模控制算法。位置控制器通过采用模型预测控制算法可以实现无人机快速稳定的飞行，而姿态控制器采用积分滑模控制算法可以有效消除系统的稳态误差，提高控制精度。通过将采用模型预测控制算法的位置控制器和采用积分滑模控制算法的姿态控制器结合可以有效提高无人机的鲁棒性和自适应性。
在一个实施例中，所述姿态控制器中包括三个姿态角控制器，分别为第一姿态角控制器，第二姿态角控制器和第三姿态角控制器，所述期望姿态包括第一期望姿态角、第二期望姿态角和第三期望姿态角，所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角；所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的包括：将所述第一期望姿态角和所述第一实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第一姿态控制值；将所述第二期望姿态角和所述第二实际姿态角作为所述第二姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第二姿态控制值；将所述第三期望姿态角和所述第三实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第三姿态控制值。
其中，如图3所示，姿态控制器中包括有三个姿态角控制器，然后分别将不同类型的姿态角输入到相应的姿态角控制器，输出与相应类型的姿态角的控制值。如图3中，将第一实际姿态角和第一期望姿态角作为第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第一姿态控制值，将第二实际姿态角和第二期望姿态角作为第二姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第二姿态控制值，将第三实际姿态角和第三期望姿态角作为第三姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第三姿态控制值。
在一个实施例中，所述位置控制器中包括三个方向控制器，分别为第一方向控制器，第二方向控制器和第三方向控制器；所述位置信息包括：第一方向实际坐标、第二方向实际坐标和第三方向实际坐标，所述期望位置包括：第一方向期望坐标、第二方向期望坐标和第三方向期望坐标；所述将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：将所述第一方向实际坐标和第一方向期望坐标作为第一方向控制器的输入，采用模型预测控制算法进行运算得到输出的第一方向的坐标控制量；将所述第二方向实际坐标和第二方向期望坐标作为第二方向控制器的输入，采用模型预测控制算法进行运算得到输出的第二方向的坐标控制量；将所述第三方向实际坐标和第三方向期望坐标作为第三方向控制器的输入，采用模型预测控制算法进行运算得到输出的第三方向的坐标控制量；根据所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制量得到所述位置控制值。
其中，如图4所示，位置控制器中包括有三个方向控制器，然后分别将不同方向坐标输入到相应的方向控制器，输出相应的方向控制值。如图4中，将第一方向实际坐标和第一方向期望坐标作为第一方向控制器的输入，采用模型预测控制算法进行运算得到输出的第一方向控制值，将第二方向实际坐标和第二方向期望坐标作为第二方向控制器的输入，采用模型预测控制算法进行运算得到输出的第二方向控制值，将第三方向实际坐标和第三方向期望坐标作为第三方向控制器的输入，采用模型预测控制算法进行运算得到输出的第三方向控制值。最后根据三个坐标方向控制量得到位置控制值。
在一个实施例中，所述位置控制器中包括对干扰进行估计以及进行相应补偿的第一扩张状态观测器；所述姿态控制器中包括对干扰进行估计以及进行相应补偿的第二扩张状态观测器。
其中，扩张状态观测器(ESO)是一种具有自抗干扰能力的观测器，能够对系统状态进行干扰估计和补偿。在一个实施例中，扩张状态观测器可以采用线性扩张状态观测器(LESO)。线性扩张状态观测器(Linear Extended State Observer,LESO)具有结构简单，运算量小等优点，可以对系统内部状态、所受外部扰动及内部未建模动态进行估计，将外部扰动和内部扰动组合成总扰动，对其实时观测，并通过控制器进行补偿。通过在位置控制器和姿态控制器中加入扩张状态观测器能够对所受的扰动进行实时估计和补偿，从而可以提高四旋翼无人机的抗扰性能。
如图5所示，为一个实施例中，LESO的原理示意图，图中，b0表示补偿因子，z1、z2分别为每个通道的两个状态变量x1、x2的估计值，z3为系统通道中干扰总和的估计值，其中，v代表输入，u为相应的初步输出。
在一个实施例中，LESO的相应的计算公式可以表示如下：
Figure BDA0002001357880000101
其中，z1、z2分别为每个通道的两个状态变量x1、x2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，u为输入量，l1、l2、l3为观测器增益。
如图6所示，在一个实施例中，位置控制器中包含有第一扩张状态观测器，姿态控制器中包含有第二扩张状态观测器。采用扩张状态观测器(也称为“干扰观测器”)对受到的扰动进行实时估计和补偿可以提高四旋翼无人机的抗扰性能。图6为无人机控制系统的结构图，位置控制器包括模型预测控制器和第一扩张状态观测器，姿态控制器包括：积分滑模控制器和第二扩张状态观测器。参考信号是指输入的期望信号，包括三个方向坐标xb，yb和zb，将xb，yb和zb以及无人机输出的x，y和z作为位置控制器的输入，得到位置控制值U1和反推得到的姿态角φb、θb、ψb。然后将ψb、φb和θb以及无人机输出的(φ，θ，ψ)作为姿态控制器的输入，得到姿态控制量U2，U3和U4，最后根据U1，U2，U3和U4实现对无人机进行控制。
在一个实施例中，所述姿态控制器中还包括：积分滑模模型；所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的，包括：将所述姿态信息作为所述第二扩张状态观测器的输入，获取所述第二扩张状态观测器的输出，将所述第二扩张状态观测器的输出和所述期望姿态作为所述积分滑模模型的输入，获取所述积分滑模模型输出的姿态控制值。
其中，姿态控制器中包含有积分滑模模型和第二扩张状态观测器，积分滑模模型(积分滑模控制器)是指采用积分滑模控制算法进行运算的模型。参考图6，首先，将无人机输出的姿态信息作为第二扩张状态观测器的输入，获取第二扩张状态观测器的输出，然后将第二扩张状态观测器的输出和期望姿态作为积分滑模模型的输入，然后获取积分滑模模型输出的姿态控制值。积分滑模模型(即积分滑模控制器)是指采用积分滑模控制算法设置的模型。
在一个实施例中，所述位置控制器中还包括：位置模型预测；将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：将所述位置信息作为所述第一扩张状态观测器的输入，获取所述第一扩张状态观测器的输出，将所述第一扩展状态观察器的输出和所述期望位置作为所述位置模型预测的输入，获取所述位置模型预测输出的位置控制值。
其中，位置模型预测(模型预测控制器)是指采用预测控制算法得到的模型，其作用是根据历史的位置信息和当前输入的位置信息来预测得到当前输入对应的当前输出值。参考图6，将位置信息作为第一扩张状态观测器的输入，获取第一扩张状态观测器的输出，然后将第一扩展观测器的输出和期望位置作为位置模型预测的输入，即得到了输出的位置控制值。
在一个实施例中，所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制，包括：将所述位置控制值和所述姿态控制值进行控制量转换，得到目标位置控制值和所述目标姿态控制值；根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
其中，姿态控制值中既包含有位置控制值，也包含有姿态控制量，位置控制值中仅包含有位置控制值，位置控制值和姿态控制值都是虚拟的控制值，需要通过控制转换得到目标位置控制值和目标姿态控制值，然后根据目标位置控制值和目标姿态控制值对无人机进行控制。
如图7所示，在一个实施例中，提出了一种无人机控制装置，该装置包括：
位姿获取模块702，用于获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；
期望获取模块704，用于获取输入的期望位置；
位置确定模块706，用于将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；
姿态确定模块708，用于将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；
控制模块710，用于根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
在一个实施例中，所述姿态控制器中包括三个姿态角控制器，分别为第一姿态角控制器，第二姿态角控制器和第三姿态角控制器，所述期望姿态包括第一期望姿态角、第二期望姿态角和第三期望姿态角，所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角；姿态确定模块708还用于将所述第一期望姿态角和所述第一实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第一姿态控制值；将所述第二期望姿态角和所述第二实际姿态角作为所述第二姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第二姿态控制值；将所述第三期望姿态角和所述第三实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第三姿态控制值。
在一个实施例中，所述位置控制器中包括三个方向控制器，分别为第一方向控制器，第二方向控制器和第三方向控制器；所述位置信息包括：第一方向实际坐标、第二方向实际坐标和第三方向实际坐标，所述期望位置包括：第一方向期望坐标、第二方向期望坐标和第三方向期望坐标；
位置确定模块706还用于将所述第一方向实际坐标和第一方向期望坐标作为第一方向控制器的输入，采用模型预测控制算法进行运算得到输出的第一方向的坐标控制量；将所述第二方向实际坐标和第二方向期望坐标作为第二方向控制器的输入，采用模型预测控制算法进行运算得到输出的第二方向的坐标控制量；将所述第三方向实际坐标和第三方向期望坐标作为第三方向控制器的输入，采用模型预测控制算法进行运算得到输出的第三方向的坐标控制量；根据所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制量得到所述位置控制值。
在一个实施例中，所述位置控制器中包括对干扰进行估计以及进行相应补偿的第一扩张状态观测器；所述姿态控制器中包括对干扰进行估计以及进行相应补偿的第二扩张状态观测器。
在一个实施例中，所述姿态控制器中还包括：积分滑模模型；姿态确定模块708还用于将所述姿态信息作为所述第二扩张状态观测器的输入，获取所述第二扩张状态观测器的输出，将所述第二扩展状态观察器的输出和所述期望姿态作为所述积分滑模模型的输入，获取所述积分滑模模型输出的姿态控制值。
在一个实施例中，所述位置控制器中还包括：位置模型预测；位置确定模块706还用于将所述位置信息作为所述第一扩张状态观测器的输入，获取所述第一扩张状态观测器的输出，将所述第一扩展状态观察器的输出和所述期望位置作为所述位置模型预测的输入，获取所述位置模型预测输出的位置控制值。
在一个实施例中，控制模块710还用于将所述位置控制值和所述姿态控制值进行控制量转换，得到目标位置控制值和所述目标姿态控制值；根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备可以是无人机，也可以是与无人机连接的终端或服务器。如图8所示，该计算机设备包括通过系统总线连接的处理器、存储器、和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现无人机控制方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行无人机控制方法。网络接口用于与外接进行通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的无人机控制方法可以实现为一种计算机程序的形式，计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该无人机控制装置的各个程序模板。比如，位姿获取模块702，期望获取模块704，位置确定模块706，姿态确定模块708，控制模块710。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；获取输入的期望位置；将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
在一个实施例中，所述姿态控制器中包括三个姿态角控制器，分别为第一姿态角控制器，第二姿态角控制器和第三姿态角控制器，所述期望姿态包括第一期望姿态角、第二期望姿态角和第三期望姿态角，所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角；所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的包括：将所述第一期望姿态角和所述第一实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第一姿态控制值；将所述第二期望姿态角和所述第二实际姿态角作为所述第二姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第二姿态控制值；将所述第三期望姿态角和所述第三实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第三姿态控制值。
在一个实施例中，所述位置控制器中包括三个方向控制器，分别为第一方向控制器，第二方向控制器和第三方向控制器；所述位置信息包括：第一方向实际坐标、第二方向实际坐标和第三方向实际坐标，所述期望位置包括：第一方向期望坐标、第二方向期望坐标和第三方向期望坐标；所述将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：将所述第一方向实际坐标和第一方向期望坐标作为第一方向控制器的输入，采用模型预测控制算法进行运算得到输出的第一方向的坐标控制量；将所述第二方向实际坐标和第二方向期望坐标作为第二方向控制器的输入，采用模型预测控制算法进行运算得到输出的第二方向的坐标控制量；将所述第三方向实际坐标和第三方向期望坐标作为第三方向控制器的输入，采用模型预测控制算法进行运算得到输出的第三方向的坐标控制量；根据所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制量得到所述位置控制值。
在一个实施例中，所述位置控制器中包括对干扰进行估计以及进行相应补偿的第一扩张状态观测器；所述姿态控制器中包括对干扰进行估计以及进行相应补偿的第二扩张状态观测器。
在一个实施例中，所述姿态控制器中还包括：积分滑模模型；所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的，包括：将所述姿态信息作为所述第二扩张状态观测器的输入，获取所述第二扩张状态观测器的输出，将所述第二扩展状态观察器的输出和所述期望姿态作为所述积分滑模模型的输入，获取所述积分滑模模型输出的姿态控制值。
在一个实施例中，所述位置控制器中还包括：位置模型预测；将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：将所述位置信息作为所述第一扩张状态观测器的输入，获取所述第一扩张状态观测器的输出，将所述第一扩展状态观察器的输出和所述期望位置作为所述位置模型预测的输入，获取所述位置模型预测输出的位置控制值。
在一个实施例中，所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制，包括：将所述位置控制值和所述姿态控制值进行控制量转换，得到目标位置控制值和所述目标姿态控制值；根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；获取输入的期望位置；将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
在一个实施例中，所述姿态控制器中包括三个姿态角控制器，分别为第一姿态角控制器，第二姿态角控制器和第三姿态角控制器，所述期望姿态包括第一期望姿态角、第二期望姿态角和第三期望姿态角，所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角；所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的包括：将所述第一期望姿态角和所述第一实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第一姿态控制值；将所述第二期望姿态角和所述第二实际姿态角作为所述第二姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第二姿态控制值；将所述第三期望姿态角和所述第三实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第三姿态控制值。
在一个实施例中，所述位置控制器中包括三个方向控制器，分别为第一方向控制器，第二方向控制器和第三方向控制器；所述位置信息包括：第一方向实际坐标、第二方向实际坐标和第三方向实际坐标，所述期望位置包括：第一方向期望坐标、第二方向期望坐标和第三方向期望坐标；所述将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：将所述第一方向实际坐标和第一方向期望坐标作为第一方向控制器的输入，采用模型预测控制算法进行运算得到输出的第一方向的坐标控制量；将所述第二方向实际坐标和第二方向期望坐标作为第二方向控制器的输入，采用模型预测控制算法进行运算得到输出的第二方向的坐标控制量；将所述第三方向实际坐标和第三方向期望坐标作为第三方向控制器的输入，采用模型预测控制算法进行运算得到输出的第三方向的坐标控制量；根据所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制量得到所述位置控制值。
在一个实施例中，所述位置控制器中包括对干扰进行估计以及进行相应补偿的第一扩张状态观测器；所述姿态控制器中包括对干扰进行估计以及进行相应补偿的第二扩张状态观测器。
在一个实施例中，所述姿态控制器中还包括：积分滑模模型；所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的，包括：将所述姿态信息作为所述第二扩张状态观测器的输入，获取所述第二扩张状态观测器的输出，将所述第二扩展状态观察器的输出和所述期望姿态作为所述积分滑模模型的输入，获取所述积分滑模模型输出的姿态控制值。
在一个实施例中，所述位置控制器中还包括：位置模型预测；将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：将所述位置信息作为所述第一扩张状态观测器的输入，获取所述第一扩张状态观测器的输出，将所述第一扩展状态观察器的输出和所述期望位置作为所述位置模型预测的输入，获取所述位置模型预测输出的位置控制值。
在一个实施例中，所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制，包括：将所述位置控制值和所述姿态控制值进行控制量转换，得到目标位置控制值和所述目标姿态控制值；根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种无人机控制方法，其特征在于，所述方法包括：
获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；
获取输入的期望位置；
将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；
将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；
根据所述位置控制值和所述姿态控制值对所述无人机进行控制；
其中，所述姿态控制器中包括三个姿态角控制器，分别为第一姿态角控制器，第二姿态角控制器和第三姿态角控制器，所述期望姿态包括第一期望姿态角、第二期望姿态角和第三期望姿态角，所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角；
所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的包括：
将所述第一期望姿态角和所述第一实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第一姿态控制值；
将所述第二期望姿态角和所述第二实际姿态角作为所述第二姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第二姿态控制值；
将所述第三期望姿态角和所述第三实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第三姿态控制值；
其中，所述积分滑模控制算法包括：
Figure FDA0003593968630000011
Figure FDA0003593968630000021
Figure FDA0003593968630000022
式中，俯仰角θ，滚转角φ和偏航角ψ，U2,U3,U4分别为相应的第一姿态控制值、第二姿态控制值及第三姿态控制值，Ij(j＝X,Y，Z)表示每个轴的转动惯量，
Figure FDA0003593968630000023
分别为相应姿态角的二阶微分，
Figure FDA0003593968630000024
为相应的姿态角的一阶微分，Kθ,Kφ,KΨ为相应姿态角对应的参数,r为转子到无人机中心点的距离，Mθ,Mφ,MΨ,kθ,kφ,kΨ均为正常数，sgn()为符号函数，Sθ，Sφ，SΨ为相应的积分滑模面，θd，φd，ψd分别为俯仰角、滚转角、偏航角的参考值。
2.根据权利要求1所述的方法，其特征在于，所述位置控制器中包括三个方向控制器，分别为第一方向控制器，第二方向控制器和第三方向控制器；所述位置信息包括：第一方向实际坐标、第二方向实际坐标和第三方向实际坐标，所述期望位置包括：第一方向期望坐标、第二方向期望坐标和第三方向期望坐标；
所述将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：
将所述第一方向实际坐标和第一方向期望坐标作为第一方向控制器的输入，采用模型预测控制算法进行运算得到输出的第一方向的坐标控制量；
将所述第二方向实际坐标和第二方向期望坐标作为第二方向控制器的输入，采用模型预测控制算法进行运算得到输出的第二方向的坐标控制量；
将所述第三方向实际坐标和第三方向期望坐标作为第三方向控制器的输入，采用模型预测控制算法进行运算得到输出的第三方向的坐标控制量；
根据所述第一方向的坐标控制量、第二方向的坐标控制量和第三方向的坐标控制量得到所述位置控制值。
3.根据权利要求1所述的方法，其特征在于，所述位置控制器中包括对干扰进行估计以及进行相应补偿的第一扩张状态观测器；所述姿态控制器中包括对干扰进行估计以及进行相应补偿的第二扩张状态观测器。
4.根据权利要求3所述的方法，其特征在于，所述姿态控制器中还包括：积分滑模模型；
所述将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的，包括：
将所述姿态信息作为所述第二扩张状态观测器的输入，获取所述第二扩张状态观测器的输出，将所述第二扩张状态观测器的输出和所述期望姿态作为所述积分滑模模型的输入，获取所述积分滑模模型输出的姿态控制值。
5.根据权利要求3所述的方法，其特征在于，所述位置控制器中还包括：位置模型预测；
将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的，包括：
将所述位置信息作为所述第一扩张状态观测器的输入，获取所述第一扩张状态观测器的输出，将所述第一扩张状态观测器的输出和所述期望位置作为所述位置模型预测的输入，获取所述位置模型预测输出的位置控制值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述位置控制值和所述姿态控制值对所述无人机进行控制，包括：
将所述位置控制值和所述姿态控制值进行控制量转换，得到目标位置控制值和所述目标姿态控制值；
根据所述目标位置控制值和所述目标姿态控制值对所述无人机进行控制。
7.一种无人机控制装置，其特征在于，所述装置包括：
位姿获取模块，用于获取无人机的位姿信息，所述位姿信息包括：位置信息和姿态信息；
期望获取模块，用于获取输入的期望位置；
位置确定模块，用于将所述位置信息和所述期望位置作为位置控制器的输入，获取所述位置控制器输出的位置控制值和期望姿态，所述位置控制器是采用模型预测控制算法设置的；
姿态确定模块，用于将所述姿态信息和所述期望姿态作为姿态控制器的输入，获取所述姿态控制器输出的姿态控制值，所述姿态控制器是采用积分滑模控制算法设置的；其中，所述姿态控制器中包括三个姿态角控制器，分别为第一姿态角控制器，第二姿态角控制器和第三姿态角控制器，所述期望姿态包括第一期望姿态角、第二期望姿态角和第三期望姿态角，所述姿态信息中包括与第一期望姿态角对应的第一实际姿态角、与第二期望姿态角对应的第二实际姿态角和与第三期望姿态角对应的第三实际姿态角；所述姿态确定模块具体用于，将所述第一期望姿态角和所述第一实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第一姿态控制值；将所述第二期望姿态角和所述第二实际姿态角作为所述第二姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第二姿态控制值；将所述第三期望姿态角和所述第三实际姿态角作为所述第一姿态角控制器的输入，采用积分滑模控制算法进行运算得到输出的第三姿态控制值；
其中，所述积分滑模控制算法包括：
Figure FDA0003593968630000041
Figure FDA0003593968630000042
Figure FDA0003593968630000043
式中，俯仰角θ，滚转角φ和偏航角ψ，U2,U3,U4分别为相应的第一姿态控制值、第二姿态控制值及第三姿态控制值，Ij(j＝X,Y，Z)表示每个轴的转动惯量，
Figure FDA0003593968630000044
分别为相应姿态角的二阶微分，
Figure FDA0003593968630000045
为相应的姿态角的一阶微分，Kθ,Kφ,KΨ为相应姿态角对应的参数,r为转子到无人机中心点的距离，Mθ,Mφ,MΨ,kθ,kφ,kΨ均为正常数，sgn()为符号函数，Sθ，Sφ，SΨ为相应的积分滑模面，θd，φd，ψd分别为俯仰角、滚转角、偏航角的参考值；
控制模块，用于根据所述位置控制值和所述姿态控制值对所述无人机进行控制。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
CN201910213754.8A 2019-03-20 2019-03-20 无人机控制方法、装置、计算机设备及存储介质 Active CN109976363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910213754.8A CN109976363B (zh) 2019-03-20 2019-03-20 无人机控制方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910213754.8A CN109976363B (zh) 2019-03-20 2019-03-20 无人机控制方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN109976363A CN109976363A (zh) 2019-07-05
CN109976363B true CN109976363B (zh) 2022-08-09

Family

ID=67079713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910213754.8A Active CN109976363B (zh) 2019-03-20 2019-03-20 无人机控制方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN109976363B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111203808B (zh) * 2020-01-16 2022-03-18 江苏大学 高效横纵喷钢箱梁用喷砂除锈并联机器人结构及其射流反作用力控制方法
CN111399529B (zh) * 2020-04-02 2021-05-14 上海交通大学 一种基于非线性滑模与前置的飞行器复合导引方法
CN113900440B (zh) * 2021-07-21 2023-03-14 中国电子科技集团公司电子科学研究院 一种无人机控制律设计方法、装置及可读存储介质
CN115357049B (zh) * 2022-09-14 2024-04-16 广东工业大学 基于视觉的无人机非合作目标有限时间跟踪方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108803648A (zh) * 2018-08-17 2018-11-13 北京航空航天大学 无人飞行器鲁棒姿态控制方法、装置及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102955477B (zh) * 2012-10-26 2015-01-14 南京信息工程大学 一种四旋翼飞行器姿态控制系统及控制方法
CN109189091B (zh) * 2018-07-25 2021-11-02 西北工业大学 基于积分滑模与模型预测控制的多航天器协同控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108803648A (zh) * 2018-08-17 2018-11-13 北京航空航天大学 无人飞行器鲁棒姿态控制方法、装置及电子设备

Also Published As

Publication number Publication date
CN109976363A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN109976363B (zh) 无人机控制方法、装置、计算机设备及存储介质
CN109917800B (zh) 无人机控制方法、装置、计算机设备及存储介质
WO2020177267A1 (zh) 四旋翼无人机的控制方法、装置、设备及可读介质
Bircher et al. Three-dimensional coverage path planning via viewpoint resampling and tour optimization for aerial robots
Schiano et al. A rigidity-based decentralized bearing formation controller for groups of quadrotor UAVs
CN106325291B (zh) 基于滑模控制律和eso的四旋翼飞行器姿态控制方法及系统
Zhao et al. Quadcopter formation flight control combining MPC and robust feedback linearization
Shen et al. Autonomous multi-floor indoor navigation with a computationally constrained MAV
Yan et al. Consensus formation tracking for multiple AUV systems using distributed bioinspired sliding mode control
CN113342037B (zh) 具有输入饱和的多旋翼无人机时变编队控制方法及系统
CN107563044B (zh) 基于在线安全学习的四旋翼无人机路径跟踪控制方法
CN111580535B (zh) 一种基于凸优化的再入轨迹三维剖面规划方法及系统
CN111026160B (zh) 一种四旋翼无人机轨迹跟踪控制方法
CN111538255B (zh) 一种反蜂群无人机的飞行器控制方法及系统
Zhao et al. Vision-based tracking control of quadrotor with backstepping sliding mode control
CN108829123A (zh) 一种四旋翼飞行器控制方法、系统和装置
Fahimi et al. An alternative closed-loop vision-based control approach for Unmanned Aircraft Systems with application to a quadrotor
Trujillo et al. A cooperative aerial robotic approach for tracking and estimating the 3D position of a moving object by using pseudo-stereo vision
CN116954258A (zh) 未知扰动下多四旋翼无人机编队的分层控制方法及装置
Zhang et al. Vision‐based tracking control of quadrotor for a moving target with nonlinear angular velocity observer
CN116149193A (zh) 一种基于视觉的旋翼无人机抗扰动控制方法及系统
Chen et al. Leader-Follower UAV formation flight control based on feature modelling
CN115857544A (zh) 一种无人机集群编队飞行控制方法、装置及设备
CN112506209B (zh) 一种基于自适应预测周期的再入飞行器预测控制方法
CN113515142B (zh) 无人机轨迹跟踪控制方法、装置、无人机和存储介质

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