CN110908398A - 能量耦合四旋翼无人机吊挂空运系统自适应控制方法 - Google Patents

能量耦合四旋翼无人机吊挂空运系统自适应控制方法 Download PDF

Info

Publication number
CN110908398A
CN110908398A CN201911197469.8A CN201911197469A CN110908398A CN 110908398 A CN110908398 A CN 110908398A CN 201911197469 A CN201911197469 A CN 201911197469A CN 110908398 A CN110908398 A CN 110908398A
Authority
CN
China
Prior art keywords
formula
unmanned aerial
aerial vehicle
transportation system
rotor unmanned
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
Application number
CN201911197469.8A
Other languages
English (en)
Inventor
鲜斌
韩晓薇
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201911197469.8A priority Critical patent/CN110908398A/zh
Publication of CN110908398A publication Critical patent/CN110908398A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及四旋翼无人机吊挂空运系统的精确位置控制和负载摆动的有效抑制,针对具有未知参数(空气阻尼系数)与模型不确定性的四旋翼无人机吊挂空运系统,设计一种基于能量耦合的自适应控制器。本发明,能量耦合四旋翼无人机吊挂空运系统自适应控制方法,基于能量整形控制方法构造能量存储函数以处理状态耦合,然后利用神经网络对未建模动态特性进行在线估计,同时设计参数自适应律在线估计未知系统参数,并采用基于符号函数的鲁棒控制算法补偿神经网络的估计误差,进而实现四旋翼无人机吊挂空运系统自适应控制。本发明主要应用于四旋翼无人机控制。

Description

能量耦合四旋翼无人机吊挂空运系统自适应控制方法
技术领域
本发明涉及四旋翼无人机吊挂空运系统的精确位置控制和负载摆动的有效抑制。针对该系统存在模型不确定性、未知参数以及欠驱动性问题,提出一种基于能量耦合的自适应控制设计。
背景技术
近年来,四旋翼无人机以其可垂直起降、自主悬停、灵活机动等独特的优势获得了较大的发展,在军用、警用、灾害预警、线路巡检环境保护等诸多领域有着广泛应用。特别是在飞行控制技术的快速发展下,四旋翼无人机的研究成果日新月异,无人机吊挂运输已成为无人机重要的应用方向之一。
四旋翼无人机吊挂空运系统是一种具有八个自由度、四个控制输入信号的典型欠驱动系统。由于吊挂负载不能直接通过驱动器进行控制,只能通过无人机的运动间接对负载进行控制,因此与独立的四旋翼无人机飞行控制相比,其控制问题更加复杂。目前,国内一些研究团队针对四旋翼无人机吊挂空运系统的飞行控制方面提出了多种方法。天津大学研究人员提出了一种自适应耦合的非线性控制算法,在抑制吊挂负载摆动的同时实现了负载质量的在线估计,室内实验平台飞行实验验证了控制算法的减摆效果(期刊:自动化学报;著者:王诗章,鲜斌,杨森;出版年月:2018年;文章题目:无人机吊挂飞行系统的减摆控制设计;页码:1771-1780)。南开大学研究人员利用分层控制方法设计了无人机吊挂空运系统的非线性控制方法,实现了吊挂系统在平衡点处的渐近收敛(期刊:IEEE Transactionson Industrial Electronics;著者:Xiao Liang,Yongchun Fang,Ning Sun,and He Lin;出版年月:2018;文章题目:Nonlinear hierarchical control for unmanned quadrotortransportation systems;页码:3395-3405)。
国外一些研究团队同样针对无人机吊挂空运系统的飞行控制展开了较为深入的研究,并取得了较多的研究成果。美国宾夕法尼亚大学的研究人员利用几何控制(geometric control)算法,实现了四旋翼无人机吊挂系统几乎全局指数稳定的控制效果(会议:Proceedings of the52nd IEEE Conference on Decision and Control;著者:Koushil Sreenath,Taeyoung Lee,Vijay Kumar;出版年月:2013年;文章题目:Geometriccontrol and differential flatness of a quadrotor UAV with a cable-suspendedload;页码:2269-2274)。另外,其研究人员利用混合整数二次规划(mixed integerquadratic program)的方法对吊挂系统建模,采用了两种不同的几何控制方法分别对无负载和带负载的飞行器模型进行控制,通过轨迹规划实现了无人机吊挂负载的避障飞行(会议:IEEE International Conference on Robotics and Automation;著者:Tang S,KumarV,出版年月:2015年;文章题目:Mixed integer quadratic program trajectorygeneration for a quadrotor with a cable-suspended payload,页码:2216-2222)。美国新墨西哥大学同样对无人机吊挂空运系统进行了深入的研究。研究人员将无人机吊挂空运系统升降过程分解为微分平滑混杂系统,并基于混合系统的离散状态生成了一个动态可行的轨迹,设计了基于几何控制算法的轨迹跟踪控制器(会议:Proceedings of2015American Control Conference;著者:Cruz P,Oishi M,Fierro R;出版年月:2015年;文章题目:Lift of a cable-suspended load by a quadrotor:A hybrid systemapproach;页码:1887-1892)。
另外一些研究团队也将不同的控制策略应用于无人机吊挂空运系统。例如,一些研究人员将无人机无负载与带负载两种模式的非线性动力学模型线性化,设计了一种迭代线性二次型(iterative linear quadratic regulator)最优控制器,仿真实验实现了期望轨迹跟踪与负载减摆控制(会议:Proceedings of 2016 8th Computer Science andElectronic Engineering;著者:Alothman Y,Gu D;出版年月:2017年;文章题目:Quadrotor transporting cable-suspended load using iterative Linear Quadraticregulator(iLQR)optimal control;页码:168-173)。
近年来,关于四旋翼无人机吊挂空运系统的研究已经取得了显著成果,但是仍具有一些局限性:1)一些已有的控制设计对无人机吊挂空运系统的动态特性进行线性化处理,从而忽略了非平衡点处的稳定性和控制性能;2)一些控制策略未考虑系统参数未知或对被控模型进行了较多的简化,比如忽略或简化了无人机机体在飞行过程中所受的空气阻力作用;3)一部分控制策略未给出较为严格的稳定性分析证明或未进行实际飞行实验,因此其实际应有效果仍有待检验。
发明内容
为克服现有技术的不足,本发明旨在针对具有未知参数(空气阻尼系数)与模型不确定性的四旋翼无人机吊挂空运系统,设计一种基于能量耦合的自适应控制器。本发明采用的技术方案是,能量耦合四旋翼无人机吊挂空运系统自适应控制方法,步骤是,基于能量整形控制方法构造能量存储函数以处理状态耦合,然后利用神经网络对未建模动态特性进行在线估计,同时设计参数自适应律在线估计未知系统参数,并采用基于符号函数的鲁棒控制算法补偿神经网络的估计误差,进而实现四旋翼无人机吊挂空运系统自适应控制。
具体步骤如下:
1)建立四旋翼无人机吊挂空运系统的动力学模型:
采用四旋翼无人机吊挂空运系统二维平面模型的动力学模型,表达式如下:
Figure BDA0002295030770000021
式(1)中各变量定义如下:q(t)=[y(t) z(t) γ(t)]T∈R3表示系统的状态向量,其中,y(t),z(t)分别是无人机Y方向与Z方向位移,γ(t)表示绳索与机体竖直方向的夹角,
Figure BDA0002295030770000022
分别表示吊挂空运系统的惯性矩阵,向心力矩阵,重力向量,无人机所受到的空气阻力向量及螺旋桨升力向量,在式(1)中,M(q)的表达式为:
Figure BDA0002295030770000023
Figure BDA0002295030770000024
的表达式为:
Figure BDA0002295030770000031
G(q)的表达式为:
G(q)=[0 (M+m)g mglsinγ]T (4)
Figure BDA0002295030770000032
的表达式为:
Figure BDA0002295030770000033
U的表达式为:
U=[uy uz 0]T (6)
式(2)-式(4)中,M,m分别为无人机质量与吊挂负载质量,l为吊挂绳索长度,式(5)中,Fdy,Fdz分别表示无人机在纵向与垂直方向所受的空气阻力,dy,dz是空气阻尼系数,均为未知量,
Figure BDA0002295030770000034
为空气阻力模型不确定部分,式(6)中,uy,uz分别表示无人机总升力在纵向和垂直方向的分量,将式(2)-式(6)代入式(1)中,得到系统动力学模型的展开式如下:
Figure BDA0002295030770000035
2)设计非线性控制器与自适应律:
本文的控制目标是保证四旋翼无人机纵向和垂直方向运动到给定的目标位置,同时负载摆角渐近收敛到0,即
Figure BDA0002295030770000036
式(8)中,yd,zd表示四旋翼无人机Y、Z方向的期望位置;
为实现以上控制目标,现定义四旋翼无人机Y方向与Z方向的位置误差为:
ey(t)=y(t)-yd ez(t)=z(t)-zd (9)
考虑四旋翼无人机吊挂空运系统在具有未知参数与模型不确定性的条件下,采用能量整形方法构造新型能量存储函数,设计了一种基于能量法的神经网络自适应非线性控制方法;
四旋翼无人机吊挂飞行系统的机械能E(t)定义为:
Figure BDA0002295030770000037
对式(10)求一阶时间导数为:
Figure BDA0002295030770000038
采用能量整形方法引入复合信号δp(t),ρp(t)处理系统的状态耦合:
Figure BDA0002295030770000041
式(12)中,λyz是正实数参数,为方便后续控制设计,定义辅助误差信号ζy(t),ζz(t)为:
Figure BDA0002295030770000042
利用式(13)设计能量函数Ek(t),Ek(t)的一阶时间导数满足如下形式:
Figure BDA0002295030770000043
令λy=λz=λ∈R+,并结合式(7)与式(14),整理得到:
Figure BDA0002295030770000044
为构造新型能量存储函数,定义辅助函数Ep(t):
Ep=kpyln[cosh(ζy)]+kpzln[cosh(ζz)]≥0 (16)
式(16)中kpy,kpz为正实数参数,总存储函数Em(t)为:
Em=Ek+Ep≥0 (17)
由式(7)知四旋翼无人机所受空气阻力动力学模型不确定部分为
Figure BDA0002295030770000045
式(18)中
Figure BDA0002295030770000046
满足①
Figure BDA0002295030770000047
Figure BDA0002295030770000048
Figure BDA0002295030770000049
由此采用以下神经网络算法估计模型不确定部分:
Figure BDA00022950307700000410
式(19)中,
Figure BDA00022950307700000411
分别为输入层和输出层理想权重,
Figure BDA00022950307700000412
为神经网络逼近误差,有||V*||≤VM,||W*||≤WM,
Figure BDA00022950307700000413
σ(·)为神经网络激励函数,采用正弦双曲函数。
Figure BDA00022950307700000414
的估计量
Figure BDA00022950307700000415
Figure BDA00022950307700000416
式(20)中,
Figure BDA00022950307700000417
分别为
Figure BDA00022950307700000418
的估计量,
Figure BDA00022950307700000419
为W*的估计量,
Figure BDA00022950307700000420
选为一个常数矩阵;
输出层权重估计误差
Figure BDA00022950307700000421
与神经网络的估计误差
Figure BDA00022950307700000422
的表达式如下:
Figure BDA00022950307700000423
Figure BDA00022950307700000424
根据系统能量的无源性特性,设计的控制输入uy(t),uz(t)如下:
Figure BDA00022950307700000425
式(23)中,kdy,kdz为正实数参数,
Figure BDA0002295030770000051
分别为dy,dz的在线估计值,βyz为正实数参数;
定义dy与dz的估计误差
Figure BDA0002295030770000052
Figure BDA0002295030770000053
为:
Figure BDA0002295030770000054
设计
Figure BDA0002295030770000055
Figure BDA0002295030770000056
的自适应律
Figure BDA0002295030770000057
Figure BDA0002295030770000058
为:
Figure BDA0002295030770000059
式(25)中,αyz∈R+,同时设计
Figure BDA00022950307700000510
的更新律为:
Figure BDA00022950307700000511
其中,
Figure BDA00022950307700000512
为对角正定矩阵,
Figure BDA00022950307700000513
为保证矩阵
Figure BDA00022950307700000514
的有界性,采用投影算子对矩阵中元素的估计值上下界进行限定,投影算子proj(·)的定义如下:
Figure BDA00022950307700000515
其中,
Figure BDA00022950307700000516
为矩阵
Figure BDA00022950307700000517
中的元素。
Figure BDA00022950307700000518
w ij分别表示
Figure BDA00022950307700000519
的上界和下界。
对于如式(7)所示的四旋翼无人机吊挂空运系统,在空气阻力项存在不确定性与未知阻尼系数dy,dz的情况下,当控制增益βyz满足以下条件:
Figure BDA00022950307700000520
此时,式(23)中的非线性控制器,可以使四旋翼无人机从起始位置渐近收敛到目标位置,同时使负载摆角较快地渐近收敛到0,即:
Figure BDA00022950307700000521
所述控制方法采用基于Lyapunov的稳定性分析方法和拉塞尔不变性定理进行证明。
本发明的特点及有益效果是:
本发明针对具有未知参数(空气阻尼系数)与模型不确定性的四旋翼无人机吊挂空运系统,设计了一种基于能量耦合的自适应控制器。该控制器能够有效弥补模型不确定性与未知空气阻尼系数,同时实现了无人机吊挂飞行系统的位置精确控制和负载摆动的有效抑制。
附图说明:
图1是本发明采用的四旋翼无人机吊挂空运系统结构简图;
图2是本发明所设计的四旋翼无人机吊挂空运系统的控制结构图;
图3是本发明所使用的四旋翼无人机吊挂空运系统实验平台示意图;
图4是采用控制方案后四旋翼无人机吊挂空运系统飞行过程的曲线示意图。
a是采用该控制方案后无人机Y、Z方向位置曲线;
b是采用该控制方案后无人机吊挂飞行过程中负载摆角的曲线;
c是采用该控制方案后无人机Y、Z方向控制输入曲线;
d是采用该控制方案后无人机飞行过程的滚转角曲线。
具体实施方式
为克服现有技术的不足,本发明旨在提出一种基于能量耦合的自适应控制方法,在四旋翼无人机吊挂空运系统飞行过程中无人机所受空气阻力存在模型不确定性以及空气阻尼系数未知的情况下,实现四旋翼无人机的位置控制及负载摆角的快速抑制。本发明采用的技术方案是,基于能量整形控制方法构造了一种新型的能量存储函数以处理状态耦合,然后利用神经网络对未建模动态特性进行在线估计,同时设计参数自适应律在线估计未知系统参数,并采用基于符号函数的鲁棒控制算法补偿神经网络的估计误差。包括如下步骤:
图1是本发明采用的四旋翼无人机吊挂空运系统结构简图,本发明采用四旋翼无人机吊挂空运系统二维平面模型的动力学模型,表达式如下:
Figure BDA0002295030770000061
式(1)中各变量定义如下:q(t)=[y(t) z(t) γ(t)]T∈R3表示系统的状态向量,其中,y(t),z(t)分别是无人机Y方向与Z方向位移,γ(t)表示绳索与机体竖直方向的夹角。
Figure BDA0002295030770000062
分别表示吊挂空运系统的惯性矩阵,向心力矩阵,重力向量,无人机所受到的空气阻力向量及螺旋桨升力向量。此外,在式(1)中,M(q)的表达式为:
Figure BDA0002295030770000063
Figure BDA0002295030770000064
的表达式为:
Figure BDA0002295030770000065
G(q)的表达式为:
G(q)=[0 (M+m)g mglsinγ]T (4)
Figure BDA0002295030770000066
的表达式为:
Figure BDA0002295030770000067
U的表达式为:
U=[uy uz 0]T (6)
式(2)-式(4)中,M,m分别为无人机质量与吊挂负载质量,l为吊挂绳索长度。式(5)中,Fdy,Fdz分别表示无人机在纵向与垂直方向所受的空气阻力,dy,dz是空气阻尼系数,均为未知量,
Figure BDA0002295030770000071
为空气阻力模型不确定部分。式(6)中,uy,uz分别表示无人机总升力在纵向和垂直方向的分量。将式(2)-式(6)代入式(1)中,可得到系统动力学模型的展开式如下:
Figure BDA0002295030770000072
本文的控制目标是保证四旋翼无人机纵向(Y方向)和垂直方向(Z方向)运动到给定的目标位置,同时负载摆角渐近收敛到0,即
Figure BDA0002295030770000073
式(8)中,yd,zd表示四旋翼无人机Y、Z方向的期望位置。
为实现以上控制目标,现定义四旋翼无人机Y方向与Z方向的位置误差为:
ey(t)=y(t)-yd ez(t)=z(t)-zd (9)
考虑四旋翼无人机吊挂空运系统在具有未知参数与模型不确定性的条件下,设计如图2所示的四旋翼无人机吊挂空运系统的控制结构图。采用能量整形方法构造新型能量存储函数,设计了一种基于能量法的神经网络自适应非线性控制方法。
四旋翼无人机吊挂飞行系统的机械能E(t)定义为:
Figure BDA0002295030770000074
对式(10)求一阶时间导数为:
Figure BDA0002295030770000075
采用能量整形方法引入复合信号δp(t),ρp(t)处理系统的状态耦合:
Figure BDA0002295030770000076
式(12)中,λyz是正实数参数。为方便后续控制设计,定义辅助误差信号ζy(t),ζz(t):
Figure BDA0002295030770000077
利用式(13)设计能量函数Ek(t),Ek(t)的一阶时间导数满足如下形式:
Figure BDA0002295030770000078
令λy=λz=λ∈R+,并结合式(7)与式(14),整理可以得到:
Figure BDA0002295030770000081
为构造新型能量存储函数,定义如下辅助函数:
Ep=kpyln[cosh(ζy)]+kpzln[cosh(ζz)]≥0 (16)
式(16)中kpy,kpz为正实数参数,总存储函数为:
Em=Ek+Ep≥0 (17)
由式(7)可知四旋翼无人机所受空气阻力动力学模型不确定部分为
Figure BDA0002295030770000082
式(18)中
Figure BDA0002295030770000083
满足①
Figure BDA0002295030770000084
Figure BDA0002295030770000085
Figure BDA0002295030770000086
由此采用以下神经网络算法估计模型不确定部分:
Figure BDA0002295030770000087
式(19)中,
Figure BDA0002295030770000088
分别为输入层和输出层理想权重,
Figure BDA0002295030770000089
为神经网络逼近误差,有||V*||≤VM,||W*||≤WM,
Figure BDA00022950307700000810
σ(·)为神经网络激励函数,本设计中选为正弦双曲函数。
Figure BDA00022950307700000811
的估计量
Figure BDA00022950307700000812
Figure BDA00022950307700000813
式(20)中,
Figure BDA00022950307700000814
分别为
Figure BDA00022950307700000815
的估计量,
Figure BDA00022950307700000816
为W*的估计量,
Figure BDA00022950307700000817
选为一个常数矩阵。
输出层权重估计误差
Figure BDA00022950307700000818
与神经网络的估计误差
Figure BDA00022950307700000819
的表达式如下:
Figure BDA00022950307700000820
Figure BDA00022950307700000821
根据系统能量的无源性特性,设计的控制输入uy(t),uz(t)如下:
Figure BDA00022950307700000822
式(23)中,kdy,kdz为正实数参数,
Figure BDA00022950307700000823
分别为dy,dz的在线估计值,βyz为正实数参数。
定义dy与dz的估计误差
Figure BDA00022950307700000824
Figure BDA00022950307700000825
为:
Figure BDA00022950307700000826
设计
Figure BDA00022950307700000827
Figure BDA00022950307700000828
的自适应律
Figure BDA00022950307700000829
Figure BDA00022950307700000830
为:
Figure BDA00022950307700000831
式(25)中,αyz∈R+,同时设计
Figure BDA0002295030770000091
的更新律为:
Figure BDA0002295030770000092
其中,
Figure BDA0002295030770000093
为对角正定矩阵,
Figure BDA0002295030770000094
为保证矩阵
Figure BDA0002295030770000095
的有界性,采用投影算子对矩阵中元素的估计值上下界进行限定,投影算子proj(·)的定义如下:
Figure BDA0002295030770000096
其中,
Figure BDA0002295030770000097
为矩阵
Figure BDA0002295030770000098
中的元素。
Figure BDA0002295030770000099
w ij分别表示
Figure BDA00022950307700000910
的上界和下界。
对于如式(7)所示的四旋翼无人机吊挂空运系统,在空气阻力项存在不确定性与未知阻尼系数dy,dz的情况下,当控制增益βyz满足以下条件:
Figure BDA00022950307700000911
此时,式(23)中的非线性控制器,可以使四旋翼无人机从起始位置渐近收敛到目标位置,同时使负载摆角较快地渐近收敛到0,即:
Figure BDA00022950307700000912
针对四旋翼无人机吊挂空运系统的自适应控制方法设计完毕。
本发明所要解决的技术问题是,提出一种基于能量耦合的自适应控制方法,实现四旋翼无人机的位置精确控制及负载摆角的快速抑制。
本发明采用的技术方案是:基于能量整形控制方法构造了一种新型的能量存储函数以处理状态耦合,然后利用神经网络对未建模动态特性进行在线估计,同时设计参数自适应律在线估计未知系统参数,并采用基于符号函数的鲁棒控制算法补偿神经网络的估计误差。包括如下步骤:
图1是本发明采用的四旋翼无人机吊挂空运系统结构简图,本发明采用四旋翼无人机吊挂空运系统二维平面模型的动力学模型,表达式如下:
Figure BDA00022950307700000913
式(1)中各变量定义如下:q(t)=[y(t) z(t) γ(t)]T∈R3表示系统的状态向量,其中,y(t),z(t)分别是无人机Y方向与Z方向位移,γ(t)表示绳索与机体竖直方向的夹角。
Figure BDA00022950307700000914
分别表示吊挂空运系统的惯性矩阵,向心力矩阵,重力向量,无人机所受到的空气阻力向量及螺旋桨升力向量。此外,在式(1)中,M(q)的表达式为:
Figure BDA0002295030770000101
Figure BDA0002295030770000102
的表达式为:
Figure BDA0002295030770000103
G(q)的表达式为:
G(q)=[0 (M+m)g mglsinγ]T (4)
Figure BDA0002295030770000104
的表达式为:
Figure BDA0002295030770000105
U的表达式为:
U=[uy uz 0]T (6)
式(2)-式(4)中,M,m分别为无人机质量与吊挂负载质量,l为吊挂绳索长度。式(5)中,Fdy,Fdz分别表示无人机在纵向与垂直方向所受的空气阻力,dy,dz是空气阻尼系数,均为未知量,
Figure BDA0002295030770000106
为空气阻力模型不确定部分。式(6)中,uy,uz分别表示无人机总升力在纵向和垂直方向的分量。将式(2)-式(6)代入式(1)中,可得到系统动力学模型的展开式如下:
Figure BDA0002295030770000107
本文的控制目标是保证四旋翼无人机纵向(Y方向)和垂直方向(Z方向)运动到给定的目标位置,同时负载摆角渐近收敛到0,即
Figure BDA0002295030770000108
式(8)中,yd,zd表示四旋翼无人机Y、Z方向的期望位置。
为实现以上控制目标,现定义四旋翼无人机Y方向与Z方向的位置误差为:
ey(t)=y(t)-yd ez(t)=z(t)-zd (9)
考虑四旋翼无人机吊挂空运系统在具有未知参数与模型不确定性的条件下,设计如图2所示的四旋翼无人机吊挂空运系统的控制结构图。采用能量整形方法构造新型能量存储函数,设计了一种基于能量法的神经网络自适应非线性控制方法。
四旋翼无人机吊挂飞行系统的机械能E(t)定义为:
Figure BDA0002295030770000109
对式(10)求一阶时间导数为:
Figure BDA0002295030770000111
采用能量整形方法引入复合信号δp(t),ρp(t)处理系统的状态耦合:
Figure BDA0002295030770000112
式(12)中,λyz是正实数参数。为方便后续控制设计,定义辅助误差信号ζy(t),ζz(t):
Figure BDA0002295030770000113
利用式(13)设计能量函数Ek(t),Ek(t)的一阶时间导数满足如下形式:
Figure BDA0002295030770000114
令λy=λz=λ∈R+,并结合式(7)与式(14),整理可以得到:
Figure BDA0002295030770000115
为构造新型能量存储函数,定义辅助函数:
Ep=kpy ln[cosh(ζy)]+kpzln[cosh(ζz)]≥0 (16)
式(16)中kpy,kpz为正实数参数,总存储函数Em(t)为:
Em=Ek+Ep≥0 (17)
由式(7)可知四旋翼无人机所受空气阻力动力学模型不确定部分为
Figure BDA0002295030770000116
式(18)中
Figure BDA0002295030770000117
满足①
Figure BDA0002295030770000118
Figure BDA0002295030770000119
Figure BDA00022950307700001110
由此采用以下神经网络算法估计模型不确定部分:
Figure BDA00022950307700001111
式(19)中,
Figure BDA00022950307700001112
分别为输入层和输出层理想权重,
Figure BDA00022950307700001113
为神经网络逼近误差,有||V*||≤VM,||W*||≤WM,
Figure BDA00022950307700001114
σ(·)为神经网络激励函数,本设计中选为正弦双曲函数。
Figure BDA00022950307700001115
的估计量
Figure BDA00022950307700001116
Figure BDA00022950307700001117
式(20)中,
Figure BDA00022950307700001118
分别为
Figure BDA00022950307700001119
的估计量,
Figure BDA00022950307700001120
为W*的估计量,
Figure BDA00022950307700001121
选为一个常数矩阵。
输出层权重估计误差
Figure BDA00022950307700001122
与神经网络的估计误差
Figure BDA00022950307700001123
的表达式如下:
Figure BDA00022950307700001124
Figure BDA00022950307700001125
根据系统能量的无源性特性,设计的控制输入uy(t),uz(t)如下:
Figure BDA0002295030770000121
式(23)中,kdy,kdz为正实数参数,
Figure BDA0002295030770000122
分别为dy,dz的在线估计值,βyz为正实数参数。
定义dy与dz的估计误差
Figure BDA0002295030770000123
Figure BDA0002295030770000124
为:
Figure BDA0002295030770000125
设计
Figure BDA0002295030770000126
Figure BDA0002295030770000127
的自适应律
Figure BDA0002295030770000128
Figure BDA0002295030770000129
为:
Figure BDA00022950307700001210
式(25)中,αyz∈R+,同时设计
Figure BDA00022950307700001211
的更新律为:
Figure BDA00022950307700001212
其中,
Figure BDA00022950307700001213
为对角正定矩阵,
Figure BDA00022950307700001214
为保证矩阵
Figure BDA00022950307700001215
的有界性,采用投影算子对矩阵中元素的估计值上下界进行限定,投影算子proj(·)的定义如下:
Figure BDA00022950307700001216
其中,
Figure BDA00022950307700001217
为矩阵
Figure BDA00022950307700001218
中的元素。
Figure BDA00022950307700001219
w ij分别表示
Figure BDA00022950307700001220
的上界和下界。
对于如式(7)所示的四旋翼无人机吊挂空运系统,在空气阻力项存在不确定性与未知阻尼系数dy,dz的情况下,当控制增益βyz满足以下条件:
Figure BDA00022950307700001221
此时,式(23)中的非线性控制器,可以使四旋翼无人机从起始位置渐近收敛到目标位置,同时使负载摆角较快地渐近收敛到0,即:
Figure BDA00022950307700001222
该结论可采用基于Lyapunov的稳定性分析方法和拉塞尔不变性定理进行证明。
下面给出具体的实例:
一、实验平台介绍
本发明利用图3所示的实验平台验证所设计的自适应控制器的控制效果。该平台采用运动捕捉系统OptiTrack,实时采集无人机吊挂飞行系统的位置和姿态角信息。四旋翼无人机吊挂空运系统实验平台的相关参数为
M=1.055kg m=0.066kg l=0.853m g=9.81m/s2
二、飞行实验结果
为了验证文中所提非线性控制算法与自适应律的有效性与可实现性,本发明上文所述的实验平台上进行了约80秒四旋翼无人机吊挂飞行系统的飞行实验。
设定无人机吊挂空运系统的起始位置和目标位置分别为
y0=0m z0=-1.7m yd=3m zd=-1.7m
通过图4(a)可知,无人机Y方向位移收敛速度快,无超调,调节时间短。对该图进行一定的数值分析可知,该实验Y方向位移约经过5.419s到达目标位置,稳态位置均值与目标位置yd的偏差约0.0097m,稳态后Y方向位移的最大偏差为0.033m;Z方向位移稳态位置均值与目标位置zd的偏差约0.0199m,稳态后Z方向位移的最大偏差为0.029m。通过图4(b)可知,负载摆角在整个飞行过程中变化较小,稳态后负载摆角的最大摆动幅度为1.9481,且能够较快收敛到0附近。通过图4(c)可知,Y,Z方向控制输入量的稳态性能能够合理解释Y,Z方向的位移的变化情况。通过图4(d)可知,无人机滚转角在合理范围内,且振荡次数少,收敛速度较快。
经过上述分析,证明了本发明所提算法的有效性。

Claims (3)

1.一种能量耦合四旋翼无人机吊挂空运系统自适应控制方法,其特征是,基于能量整形控制方法构造能量存储函数以处理状态耦合,然后利用神经网络对未建模动态特性进行在线估计,同时设计参数自适应律在线估计未知系统参数,并采用基于符号函数的鲁棒控制算法补偿神经网络的估计误差,进而实现四旋翼无人机吊挂空运系统自适应控制。
2.如权利要求1所述的能量耦合四旋翼无人机吊挂空运系统自适应控制方法,其特征是,具体步骤如下:
1)建立四旋翼无人机吊挂空运系统的动力学模型:
采用四旋翼无人机吊挂空运系统二维平面模型的动力学模型,表达式如下:
Figure FDA0002295030760000011
式(1)中各变量定义如下:q(t)=[y(t) z(t) γ(t)]T∈R3表示系统的状态向量,其中,y(t),z(t)分别是无人机Y方向与Z方向位移,γ(t)表示绳索与机体竖直方向的夹角,
M(q),
Figure FDA0002295030760000012
G(q),
Figure FDA0002295030760000013
U∈R3分别表示吊挂空运系统的惯性矩阵,向心力矩阵,重力向量,无人机所受到的空气阻力向量及螺旋桨升力向量,在式(1)中,M(q)的表达式为:
Figure FDA0002295030760000014
Figure FDA0002295030760000015
的表达式为:
Figure FDA0002295030760000016
G(q)的表达式为:
G(q)=[0 (M+m)g mglsinγ]T (4)
Figure FDA0002295030760000017
的表达式为:
Figure FDA0002295030760000018
U的表达式为:
U=[uy uz 0]T (6)
式(2)-式(4)中,M,m分别为无人机质量与吊挂负载质量,l为吊挂绳索长度,式(5)中,Fdy,Fdz分别表示无人机在纵向与垂直方向所受的空气阻力,dy,dz是空气阻尼系数,均为未知量,
Figure FDA0002295030760000019
为空气阻力模型不确定部分,式(6)中,uy,uz分别表示无人机总升力在纵向和垂直方向的分量,将式(2)-式(6)代入式(1)中,得到系统动力学模型的展开式如下:
Figure FDA0002295030760000021
2)设计非线性控制器与自适应律:
本文的控制目标是保证四旋翼无人机纵向和垂直方向运动到给定的目标位置,同时负载摆角渐近收敛到0,即
Figure FDA0002295030760000022
式(8)中,yd,zd表示四旋翼无人机Y、Z方向的期望位置;
为实现以上控制目标,现定义四旋翼无人机Y方向与Z方向的位置误差为:
ey(t)=y(t)-yd ez(t)=z(t)-zd (9)
考虑四旋翼无人机吊挂空运系统在具有未知参数与模型不确定性的条件下,采用能量整形方法构造新型能量存储函数,设计了一种基于能量法的神经网络自适应非线性控制方法;
四旋翼无人机吊挂飞行系统的机械能E(t)定义为:
Figure FDA0002295030760000023
对式(10)求一阶时间导数为:
Figure FDA0002295030760000024
采用能量整形方法引入复合信号δp(t),ρp(t)处理系统的状态耦合:
Figure FDA0002295030760000025
式(12)中,λyz是正实数参数,为方便后续控制设计,定义辅助误差信号ζy(t),ζz(t)为:
Figure FDA0002295030760000026
利用式(13)设计能量函数Ek(t),Ek(t)的一阶时间导数满足如下形式:
Figure FDA0002295030760000027
令λy=λz=λ∈R+,并结合式(7)与式(14),整理得到:
Figure FDA0002295030760000028
为构造新型能量存储函数,定义辅助函数Ep(t):
Ep=kpyln[cosh(ζy)]+kpzln[cosh(ζz)]≥0 (16)
式(16)中kpy,kpz为正实数参数,总存储函数Em(t)为:
Em=Ek+Ep≥0 (17)
由式(7)知四旋翼无人机所受空气阻力动力学模型不确定部分为
Figure FDA0002295030760000031
式(18)中
Figure FDA0002295030760000032
满足①
Figure FDA0002295030760000033
Figure FDA0002295030760000034
Figure FDA0002295030760000035
由此采用以下神经网络算法估计模型不确定部分:
Figure FDA0002295030760000036
式(19)中,
Figure FDA0002295030760000037
分别为输入层和输出层理想权重,
Figure FDA0002295030760000038
为神经网络逼近误差,有||V*||≤VM,||W*||≤WM,||
Figure FDA00022950307600000329
σ(·)为神经网络激励函数,采用正弦双曲函数。
Figure FDA0002295030760000039
的估计量
Figure FDA00022950307600000310
Figure FDA00022950307600000311
式(20)中,
Figure FDA00022950307600000312
分别为
Figure FDA00022950307600000313
的估计量,
Figure FDA00022950307600000314
为W*的估计量,
Figure FDA00022950307600000315
选为一个常数矩阵;
输出层权重估计误差
Figure FDA00022950307600000316
与神经网络的估计误差
Figure FDA00022950307600000317
的表达式如下:
Figure FDA00022950307600000318
Figure FDA00022950307600000319
根据系统能量的无源性特性,设计的控制输入uy(t),uz(t)如下:
Figure FDA00022950307600000320
式(23)中,kdy,kdz为正实数参数,
Figure FDA00022950307600000321
分别为dy,dz的在线估计值,βyz为正实数参数;
定义dy与dz的估计误差
Figure FDA00022950307600000322
Figure FDA00022950307600000323
为:
Figure FDA00022950307600000324
设计
Figure FDA00022950307600000325
Figure FDA00022950307600000326
的自适应律
Figure FDA00022950307600000327
Figure FDA00022950307600000328
为:
Figure FDA0002295030760000041
式(25)中,αyz∈R+,同时设计
Figure FDA0002295030760000042
的更新律为:
Figure FDA0002295030760000043
其中,
Figure FDA0002295030760000044
为对角正定矩阵,
Figure FDA0002295030760000045
为保证矩阵
Figure FDA0002295030760000046
的有界性,采用投影算子对矩阵中元素的估计值上下界进行限定,投影算子proj(·)的定义如下:
Figure FDA0002295030760000047
其中,
Figure FDA0002295030760000048
为矩阵
Figure FDA0002295030760000049
中的元素。
Figure FDA00022950307600000410
w ij分别表示
Figure FDA00022950307600000411
的上界和下界。
对于如式(7)所示的四旋翼无人机吊挂空运系统,在空气阻力项存在不确定性与未知阻尼系数dy,dz的情况下,当控制增益βyz满足以下条件:
Figure FDA00022950307600000412
Figure FDA00022950307600000413
此时,式(23)中的非线性控制器,可以使四旋翼无人机从起始位置渐近收敛到目标位置,同时使负载摆角较快地渐近收敛到0,即:
Figure FDA00022950307600000414
Figure FDA00022950307600000415
3.如权利要求1或2所述的能量耦合四旋翼无人机吊挂空运系统自适应控制方法,其特征是,所述控制方法采用基于Lyapunov的稳定性分析方法和拉塞尔不变性定理进行证明。
CN201911197469.8A 2019-11-29 2019-11-29 能量耦合四旋翼无人机吊挂空运系统自适应控制方法 Pending CN110908398A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911197469.8A CN110908398A (zh) 2019-11-29 2019-11-29 能量耦合四旋翼无人机吊挂空运系统自适应控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911197469.8A CN110908398A (zh) 2019-11-29 2019-11-29 能量耦合四旋翼无人机吊挂空运系统自适应控制方法

Publications (1)

Publication Number Publication Date
CN110908398A true CN110908398A (zh) 2020-03-24

Family

ID=69820420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911197469.8A Pending CN110908398A (zh) 2019-11-29 2019-11-29 能量耦合四旋翼无人机吊挂空运系统自适应控制方法

Country Status (1)

Country Link
CN (1) CN110908398A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113467252A (zh) * 2021-08-06 2021-10-01 南开大学 基于负载广义位移的双无人机吊运系统非线性自适应控制方法
CN113759979A (zh) * 2021-09-23 2021-12-07 天津大学 基于事件驱动的无人机吊挂系统在线轨迹规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107765553A (zh) * 2017-11-02 2018-03-06 天津大学 针对旋翼无人机吊挂运输系统的非线性控制方法
CN108052117A (zh) * 2017-12-12 2018-05-18 天津大学 基于部分反馈线性化四旋翼无人机吊挂飞行控制方法
CN108508746A (zh) * 2018-01-30 2018-09-07 天津大学 四旋翼无人机吊挂运输系统的自适应控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107765553A (zh) * 2017-11-02 2018-03-06 天津大学 针对旋翼无人机吊挂运输系统的非线性控制方法
CN108052117A (zh) * 2017-12-12 2018-05-18 天津大学 基于部分反馈线性化四旋翼无人机吊挂飞行控制方法
CN108508746A (zh) * 2018-01-30 2018-09-07 天津大学 四旋翼无人机吊挂运输系统的自适应控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TOMIC T 等: "Toward a fully autonomous UAV: Research platform for indoor and outdoor urban search and rescue", 《IEEE ROBOTICS & AUTOMATION MAGAZINE》 *
韩晓薇 等: "无人机吊挂空运系统的自适应控制设计", 《道客巴巴》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113467252A (zh) * 2021-08-06 2021-10-01 南开大学 基于负载广义位移的双无人机吊运系统非线性自适应控制方法
CN113467252B (zh) * 2021-08-06 2022-06-24 南开大学 基于负载广义位移的双无人机吊运系统非线性自适应控制方法
CN113759979A (zh) * 2021-09-23 2021-12-07 天津大学 基于事件驱动的无人机吊挂系统在线轨迹规划方法
CN113759979B (zh) * 2021-09-23 2023-11-21 天津大学 基于事件驱动的无人机吊挂系统在线轨迹规划方法

Similar Documents

Publication Publication Date Title
CN107765553B (zh) 针对旋翼无人机吊挂运输系统的非线性控制方法
CN108508746B (zh) 四旋翼无人机吊挂运输系统的自适应控制方法
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
CN109976366B (zh) 旋翼无人机吊挂负载系统非线性轨迹跟踪控制方法
He et al. A simple attitude control of quadrotor helicopter based on Ziegler‐Nichols rules for tuning PD parameters
CN107562068B (zh) 一种四旋翼飞行器姿态的动态面输出调节控制方法
CN107357166B (zh) 小型无人直升机的无模型自适应鲁棒控制方法
CN105159305B (zh) 一种基于滑模变结构的四旋翼飞行控制方法
Zhen et al. Adaptive super-twisting control for automatic carrier landing of aircraft
CN109460050B (zh) 一种针对变体无人机的复合分层抗干扰控制方法
Morel et al. Direct adaptive tracking control of quadrotor aerial vehicles
CN113759979B (zh) 基于事件驱动的无人机吊挂系统在线轨迹规划方法
CN111008467A (zh) 无人机吊挂飞行运输系统的减摆轨迹在线规划方法
CN112327926B (zh) 一种无人机编队的自适应滑模控制方法
CN110908398A (zh) 能量耦合四旋翼无人机吊挂空运系统自适应控制方法
Wei et al. Backstepping approach for controlling a quadrotor using Barrier Lyapunov Functions
El Houm et al. Optimal new sliding mode controller combined with modified supertwisting algorithm for a perturbed quadrotor UAV
Xue et al. A moving target tracking control of quadrotor UAV based on passive control and super-twisting sliding mode control
Zhao et al. A novel sliding mode fault‐tolerant control strategy for variable‐mass quadrotor
CN114003052B (zh) 一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法
Xie et al. Disturbance observer based control of multirotor helicopters based on a universal model with unstructured uncertainties
CN113885549B (zh) 基于维度裁剪的ppo算法的四旋翼姿态轨迹控制方法
Brahim et al. Finite Time Adaptive SMC for UAV Trajectory Tracking Under Unknown Disturbances and Actuators Constraints
Ma et al. Nonlinear control for automatic carrier landing with deck motion compensation
Wang et al. Integrated 3‐D flight trajectory tracking control with aerodynamic constraints on attitude and control surfaces

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200324