CN111506099B - 一种无人机高度智能控制系统及方法 - Google Patents

一种无人机高度智能控制系统及方法 Download PDF

Info

Publication number
CN111506099B
CN111506099B CN202010470015.XA CN202010470015A CN111506099B CN 111506099 B CN111506099 B CN 111506099B CN 202010470015 A CN202010470015 A CN 202010470015A CN 111506099 B CN111506099 B CN 111506099B
Authority
CN
China
Prior art keywords
expected
corrected
aerial vehicle
unmanned aerial
pitch 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
CN202010470015.XA
Other languages
English (en)
Other versions
CN111506099A (zh
Inventor
刘贞报
许浒
江飞鸿
严月浩
张军红
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202010470015.XA priority Critical patent/CN111506099B/zh
Publication of CN111506099A publication Critical patent/CN111506099A/zh
Application granted granted Critical
Publication of CN111506099B publication Critical patent/CN111506099B/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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
    • G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种无人机高度智能控制系统及方法，通过模型预测控制和总能量控制计算期望油门和期望俯仰角，然后通过姿态控制进行舵机输出和油门输出，实现无人机的高度智能控制。该方法中采用滚动优化策略，能及时弥补由于干扰等因素引起的不确定性，高度控制系统动态性能较好，同时采用总能量计算的方式协调控制速度和俯仰角，使得高度控制系统超调量少，收敛快，能够更精确地控制无人机的高度。

Description

一种无人机高度智能控制系统及方法
技术领域
本发明属于无人机控制领域，具体为一种无人机高度智能控制系统及方法。
背景技术
智能无人驾驶飞行器即无人机，近年来正广泛应用到军事和民用领域中，用于空中监视、飞行表演、特种飞行等各种任务。无人机的控制系统是无人机的大脑，时刻控制着无人机的速度和姿态，对无人机的的可靠飞行有着重要作用。而无人机的高度控制在无人机控制系统中，属于位置控制子系统中，用于控制无人机的高度变化，主要通过控制无人机的速度和俯仰角来实现。随着高度的不断变化，无人机的速度和俯仰角也应该时刻变化，而执行器的效用也会发生随着飞行的速度而变化。
现有的控制系统中，高度控制一般单独控制速度和俯仰角，而这两者都会引起高度的变化，因而不能精确的控制无人机的高度。
发明内容
针对现有技术中存在的问题，本发明提供一种无人机高度智能控制系统及方法，通过模型预测控制和总能量控制，实现无人机高度的智能控制。
本发明是通过以下技术方案来实现：
一种无人机高度智能控制方法，包括以下步骤：
步骤1、将无人机的期望高度和期望速度与期望误差进行耦合，得到修正后的期望高度和期望速度；
步骤2、根据无人机修正后的期望高度和期望速度，以及当前高度和速度，确定无人机的总能量和能量平衡，根据总能量确定修正后的期望油门，根据能量平衡确定修正的期望俯仰角；
步骤3、根据修正的期望油门和期望俯仰角，输出舵机控制和油门控制，完成无人机的高度控制。
优选的，步骤1中期望高度和期望速度的确定方法具体如下：
步骤1.1、以无人机的期望高度和期望速度作为控制量，结合无人机纵向运动学模型，得到ki状态到ki+Np状态的预测模型；
步骤1.2、根据ki状态到ki+Np状态的预测模型，确定反馈矫正的性能指标；
步骤1.3、在滚动优化中建立期望误差，并将期望误差和ki+Np的预测模型相加，得到修正后的期望高度和修正期望速度。
优选的，步骤1.1中根据无人机纵向运动学模型
Figure BDA0002514003030000021
令高度误差向量
Figure BDA0002514003030000022
垂直速度误差方向
Figure BDA0002514003030000023
得到状态空间方程：
Figure BDA0002514003030000024
其中，z为无人机高度，Vx为x方向无人机速度，Vy为无人机y方向速度，Vz为无人机z方向速度，uz为无人机速度变化率；
将状态空间方程离散化得到从k状态到k+1状态的预测模型，表达式如下：
x(k+1)＝Ak*x(k)+Bk*u(k)，
Figure BDA0002514003030000025
其中，Ak、Bk为常系数矩阵，x(k)为无人机k时刻状态，u(k)为预测增值；
将k状态到k+1状态的预测模型进行递推得到ki状态到ki+Np状态的预测模型，表达式如下：
Figure BDA0002514003030000031
其中，x(ki+Np|ki)为无人机ki+Np状态。
优选的，步骤1.2中反馈矫正的性能指标的表达式如下：
Figure BDA0002514003030000032
其中，J为代价函数，x(ki+j|ki)T为无人机状态，u(ki+j)为无人机预测增值，rj为常系数；
期望误差的表达式如下：
Ex(i+Np)＝AkEx(i+Np)+BkΔU(1：i+Np)
其中，Ex(i+Np)、Ex(i+Np)为误差状态，ΔU(1：i+Np)为累计误差；
修正后的期望高度和修正期望速度的表达式如下：
X(i+Np)＝[zr(i+Np)；Vxr(i+Np)；Vyr(i+Np)；Vzr(i+Np)]+Ex(i+Np)
优选的，步骤2中所述修正的期望油门的确定方法如下：
根据当前高度和当前速度确定当前位置的总能量E，根据修正期望高度和修正期望速度计算期望位置的总能量Esp；
根据总能量E和总能量Esp确定当前位置和期望位置总能量变化率，进而根据总能量变化率和巡航油门计算期望油门；
根据总能量E和总能量Esp的差进行PID修正得到油门PID修正值，然后将油门PID修正值和期望油门进行相加得到修正的期望油门。
优选的，所述油门PID修正值表达式如下：
Figure BDA0002514003030000041
期望油门的表达式如下：
Figure BDA0002514003030000042
其中，Tsp为期望油门，Tcrusie为巡航油门，
Figure BDA0002514003030000043
为最大能量变化率，
Figure BDA0002514003030000044
为期望位置的总能量变化率，Tmax为最大油门。
优选的，步骤2中所述修正的期望俯仰角的确定方法如下：
根据当前速度和当前高度计算当前位置的能量平衡，根据修正期望速度和修正期望高度确定期望位置的能量平衡；
将能量平衡对时间的求导确定能力平衡变化率，计算当前位置平衡变化率和期望位置平衡变化率；
根据当前位置和期望位置的能量平衡的差值对期望俯仰角进行PID修正，并通过期望位置的能量平衡变化率获取预测俯仰角，预测俯仰角和俯仰角PID修正值相加得到最终期望俯仰角。
优选的，所述俯仰角PID修正值的表达式如下：
Figure BDA0002514003030000045
所述预测俯仰角的表达式如下：
Figure BDA0002514003030000046
其中，
Figure BDA0002514003030000047
为期望位置的能量平衡变化率，vsp为期望速度，g为重力加速度。
优选的，步骤3中根据修正的期望俯仰角和当前俯仰角确定期望俯仰角速率，然后根据期望俯仰角速率和当前俯仰角速率得到俯仰角加速度，俯仰角加速乘以缩放增益得到舵机控制；修正的期望油门作为油门控制直接输出。
本发明还提供了一种无人机高度智能控制方法的系统，包括模型预测控制模块、总能量控制模块和姿态控制模块；
模型预测控制模块，用于对无人机导航系统中的期望高度和期望速度进行修正，得到修正后的期望高度和期望速度；
总能量控制模块，用于根据修正后的期望高度和期望速度，以及当前高度和速度，确定无人机的总能量和能量平衡，进而得到修正的期望油门和期望俯仰角；
姿态控制模块，根据修正的期望油门和期望俯仰角，输出舵机控制和油门控制。
与现有技术相比，本发明具有以下有益的技术效果：
本发明公开了一种无人机高度智能控制方法，通过模型预测控制和总能量控制计算期望油门和期望俯仰角，然后通过姿态控制进行舵机输出和油门输出，实现无人机的高度智能控制。该方法中采用滚动优化策略，能及时弥补由于干扰等因素引起的不确定性，高度控制系统动态性能较好，同时采用总能量计算的方式协调控制速度和俯仰角，使得高度控制系统超调量少，收敛快，能够更精确地控制无人机的高度。
附图说明
图1为本发明无人机机体参考坐标系；
图2为本发明控制方法的流程图；
图3为本发明模型预测控制流程图；
图4为本发明模型预测控制流程图；
图5为本发明模型预测控制流程图；
图6为本发明模型预测控制流程图。
图中：1为无人机机体坐标系x轴，2为无人机机体坐标系y轴，3为无人机机体坐标系z轴，4为无人机滚转角，5为无人机俯仰角，6为无人机偏航角。
具体实施方式
下面结合附图对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
参阅图1，为无人机的机体参考坐标系参照图，1为无人机机体坐标系x轴，2为无人机机体坐标系y轴，3为无人机机体坐标系z轴，4为无人机滚转角，5为无人机俯仰角，6为无人机偏航角；为实现无人机的高度智能控制，需要控制无人机的俯仰角和油门，油门沿x轴负方向，俯仰角θ绕y轴旋转。
参阅图2，一种无人机高度智能控制方法，包括以下步骤：
步骤1、获取导航系统中无人机的期望高度和期望速度，将期望高度和期望速度与期望误差进行耦合，得到新的期望高度和期望速度。
参阅图3，具体包括以下步骤：
步骤1.1、选取无人机的期望高度和期望速度作为控制量，通过无人机纵向运动学模型
Figure BDA0002514003030000061
令高度误差向量
Figure BDA0002514003030000062
垂直速度误差方向
Figure BDA0002514003030000063
得到如下状态空间方程：
Figure BDA0002514003030000071
其中，z为无人机高度，Vx为x方向无人机速度，Vy为无人机y方向速度，Vz为无人机z方向速度，uz为无人机速度变化率。
步骤1.2、将状态空间方程离散化得到从k状态到k+1状态的预测模型，表达式如下：
x(k+1)＝Ak*x(k)+Bk*u(k)，
Figure BDA0002514003030000072
其中Ak、Bk为常系数矩阵，x(k)为无人机k时刻状态，u(k)为预测增值。
步骤1.2、将预测模型进行递推得到从ki状态到ki+Np状态的预测模型，表达式如下：
Figure BDA0002514003030000073
其中x(ki+Np|ki)为无人机ki+Np状态。
步骤1.3、根据ki+Np状态的预测模型确定反馈矫正的性能指标数学公式：
Figure BDA0002514003030000074
其中J为代价函数，x(ki+j|ki)T为无人机状态，u(ki+j)为无人机预测增值，rj为常系数。
步骤1.4、根据反馈矫正的性能指标数学公式求解最优控制率，得到u(ki+Np)，用于下一次ki+Np+1状态的预测。
最优控制率的表达式如下：
Figure BDA0002514003030000081
求解结果u(ki+Np)为ki+Np+1状态预测增值。
步骤1.5、在滚动优化中建立期望误差表达式：
Ex(i+Np)＝AkEx(i+Np)+BkΔU(1：i+Np)
其中，Ex(i+Np)、Ex(i+Np)为误差状态，ΔU(1：i+Np)为累计误差。
步骤1.6、将ki+Np的预测状态和误差公式相加，得到修正后的期望高度和修正期望速度，预测状态包括预测高度和预测速度。
X(i+Np)＝[zr(i+Np)；Vxr(i+Np)；Vyr(i+Np)；Vzr(i+Np)]+Ex(i+Np)
步骤2、总能量控制环节，根据飞机的当前高度和速度以及步骤1中得到的修正期望高度和修正期望速度，通过总能量计算得到期望油门，修正后最终油门大小，通过能量平衡计算预测俯仰角，并对其修正得到最终期望俯仰角，然后传递到姿态控制环节中；
根据当前高度和当前速度计算当前位置的总能量E，根据修正期望高度和期望速度计算期望位置的总能量Esp，并根据当前位置和期望位置的飞机总能量计算当前和期望位置总能量变化率，利用当前位置和期望位置的总能量差进行PID修正得到油门PID修正值，根据总能量变化率和巡航油门计算期望油门，并根据油门PID修正值计算油门修正值，然后油门修正值与期望油门相加得到最终期望油门大小。
根据当前速度和当前高度计算当前位置的能量平衡，根据步骤1中计算的修正期望速度和修正期望高度计算期望位置的能量平衡，然后将能量平衡对时间的求导得到能力平衡变化率，计算当前位置平衡变化率和期望位置平衡变化率，然后利用当前位置和期望位置的能量平衡差值对期望俯仰角进行PID修正，并通过期望位置的能量平衡变化率可以获取预测俯仰角，预测俯仰角和俯仰角PID修正值相加得到最终期望俯仰角。
具体包括以下步骤，步骤2.1-2.5为期望油门的计算方法，步骤2.6-2.10为期望俯仰角的计算方法：
参阅图4，期望油门的计算方法如下：
步骤2.1、根据当前高度和当前速度计算当前位置的总能量E，根据修正期望高度和期望速度计算期望位置的总能量Esp，飞机的总能量为飞机的动能加上重力势能，表达式如下：
Figure BDA0002514003030000091
其中m为飞机质量，g为重力加速度，h为当前飞机高度，v为当前飞机速度，hsp为期望位置飞机高度，vsp为期望位置飞机速度，E为当前位置的总能量，Esp为期望位置的总能量
步骤2.2、根据当前和期望位置的飞机总能量计算当前和期望位置总能量变化率，飞机的总能量变化率为总能量对时间求导，当前时刻的飞机总能量变化率
Figure BDA0002514003030000092
表达式如下：
Figure BDA0002514003030000093
将总能量变化率离散化得到新表达式如下：
Figure BDA0002514003030000094
其中h、v为当前时刻的当前位置高度和速度，h0、v0为上一时刻的当前高度和速度，Δt为两次计算之前的时间差值，
Figure BDA0002514003030000095
为当前时刻的总能量变化率。
同样对于期望位置的总能量变化率公式为：
Figure BDA0002514003030000096
其中hsp、vsp为当前时刻的期望位置高度和速度，hsp0、vsp0为上一时刻的当前高度和速度，Δt为两次的时间差值，
Figure BDA0002514003030000101
为当前时刻的总能量变化率。
步骤2.3、利用当前位置和期望位置的总能量差进行PID修正得到油门PID修正值，并根据油门PID修正值计算油门修正值，其中油门PID修正值表达式为：
Figure BDA0002514003030000102
其中油门修正值表达式为：
油门修正值＝油门PID修正值乘以总能量到油门的增益。
步骤2.4、根据总能量变化率和巡航油门计算期望油门，由于飞机总能量变化率和油门成线性关系，因此，可以得到通过总能量变化率和巡航油门计算期望油门，表达式如下：
Figure BDA0002514003030000103
其中Tsp为期望油门，Tcrusie为巡航油门(固定常数值)，
Figure BDA0002514003030000104
为最大能量变化率(固定常数值)，
Figure BDA0002514003030000105
为期望位置的总能量变化率，Tmax为最大油门(固定常数值)。
步骤2.5、最终目标油门大小为期望油门和油门修正值之和。
最终油门大小＝期望油门+油门修正值
期望俯仰角的计算方法：
步骤2.6、结合图5介绍总能量控制中期望俯仰角的计算，根据当前速度和高度计算当前位置的能量平衡，根据步骤1中计算的修正期望速度和修正期望高度计算期望位置的能量平衡，其中当前位置的能量平衡B的表达式如下：
Figure BDA0002514003030000106
其中m为飞机质量，g为重力加速，v为当前飞机速度，h为当前飞机高度，wh为势能控制权重(常值)，wv为动能控制权重(常值)。
对于期望位置的能量平衡Bsp的表达式如下：
Figure BDA0002514003030000111
其中m为飞机质量，g为重力加速，vsp为期望速度，hsp为期望高度，wh为势能控制权重(常值)，wv为动能控制权重(常值)。
步骤2.7、将能量平衡对时间的求导得到能力平衡变化率，计算当前位置平衡变化率和期望位置平衡变化率，其中当前时刻的平衡变化率
Figure BDA0002514003030000112
的表达式为：
Figure BDA0002514003030000113
将其离散化得到：
Figure BDA0002514003030000114
其中h、v为当前时刻的当前高度和速度，h0、v0为上一时刻的当前高度和速度，Δt为两次计算之前的时间差值，wh为势能控制权重(常值)，wv为动能控制权重(常值)。
同样对于期望位置的平衡变化率
Figure BDA0002514003030000115
的公式：
Figure BDA0002514003030000116
其中，h、v为当前时刻的期望高度和速度，h0、v0为上一时刻的期望高度和速度，Δt为两次计算之前的时间差值。wh为势能控制权重(常值)，wv为动能控制权重(常值)。
步骤2.8、利用当前位置和期望位置的能量平衡差值对期望俯仰角进行PID修正，俯仰角PID修正值的表达式为：
Figure BDA0002514003030000121
步骤2.9、通过期望位置的能量平衡变化率可以获取预测俯仰角，通过期望位置的能量平衡变化率计算预测俯仰角的数学公式：
Figure BDA0002514003030000122
其中
Figure BDA0002514003030000123
为期望位置的能量平衡变化率，vsp为期望速度，g为重力加速度。
步骤2.10、最终期望俯仰角的公式为：
最终俯仰角＝预测俯仰角+俯仰角PID修正值
步骤3：姿态控制环节，根据最终目标油门和俯仰角，输出舵机控制和油门控制，完成无人机的高度智能控制。
参阅图6，在姿态控制环节中，由外环的俯仰角控制和内环俯仰角速率控制串联组成，外环采用P控制器计算角速度，内环采用PI控制和前馈控制，可以有效地加快姿态控制系统的响应。由于作动器的效用随着飞机速度的增大而增大，内环采用空速缩放来控制作动器的效用，最终产生舵机输出和油门输出，对飞机进行高度控制。
本发明提供的一种无人机高度智能控制方法，通过模型预测控制能够根据系统的现时刻的控制输入以及过程的历史信息，预测过程输出预测值，预测值用于反馈矫正和滚动优化控制模型，最终期望值和参考轨迹耦合控制，使得无人机的高度控制更为平稳流畅。
传统的无人机控制系统中，高度控制一般单独控制速度和俯仰角，而这两者都会引起高度的变化，采用总能量计算的方式协调控制速度和俯仰角，使得高度控制系统超调量少，收敛快，能够更精确地控制无人机的高度。
通过代价函数最优化控制的方式，使得控制系统系统稳定性较好，能够有效地提高无人机高度控制系统的鲁棒性，有效地提高无人机高度控制系统的抗干扰能力。
采用滚动优化策略，而不是全局一次优化，能及时弥补由于干扰等因素引起的不确定性，高度控制系统动态性能较好。
一种无人机高度智能控制系统，包括模型预测控制模块、总能量控制模块和姿态控制模块。
模型预测控制模块，输入无人机导航系统中的期望高度和期望速度，模型预测控制模块用于修正，产生修正期望高度和期望速度。
模型预测控制模块包括预测模型单元、反馈矫正单元、滚动优化单元和参考轨迹单元。
预测模型单元，用于将无人机的期望高度和期望速度最为控制量，并结合无人机纵向运动学模型，输出无人机的预测值，包含预测高度和预测速度。即能够根据无人机系统的现时刻的控制输入以及过程的历史信息，预测过程输出预测值。
反馈矫正单元，用于根据无人机预测高度和预测速度和当前高度和速度的测量值的差值乘以系数，加上累计误差值确定当前时刻的无人机误差。反馈矫正单元输出当前无人机误差。
滚动优化单元，将累计的无人机高度和速度和预测高度和速度建立代价函数，对代价函数求导进行最优化控制，得到下一步的预测增益，结合性能指标计算，优化预测结果，将误差系统降低。
参考轨迹单元，将期望高度和期望速度结合误差进行修正，产生修正期望高度和期望速度。
总能量控制模块，根据修正后的期望高度和期望速度和当前高度和速度计算总能量和能量平衡，并根据总能量和能量能量平衡确定期望油门和最终期望俯仰角。
具体，通过总能量变化率和巡航油门计算期望油门，通过能量平衡变化率计算期望俯仰角，再利用总能量插值修正期望油门，通过能量平衡插值修正期望俯仰角。
姿态控制模块，用于根据最终目标油门和俯仰角，输出舵机控制和油门控制，完成无人机的高度智能控制。
姿态控制模块包括外环俯仰角控制单元和内环俯仰角速率单元。
外环俯仰角控制单元，输入期望俯仰角和当前俯仰角，采用P控制器计算期望俯仰角速率。
内环俯仰角速率单元，输入期望俯仰角速率和当前俯仰角速率，采用PI控制和前馈控制得到俯仰角加速度，俯仰角加速乘以缩放增益得到最终作动器的输出。
该无人机控制系统中，包括无人机和飞行控制器，飞行控制器包括主处理器、协处理器，加速计、陀螺仪传感模块、GPS导航模块、以及数据传输模块，协同工作来实现无人机的高度智能控制。
无人机可以为固定翼无人机，也可以为垂直起降无人机，或者其他具有阻力方向舵、副翼升降舵、水平尾翼的新型无人机。
本发明提供的一种无人机高度智能控制系统，通过模型预测控制和总能量控制计算期望油门和期望俯仰角，然后通过姿态控制进行舵机输出和油门输出，实现无人机的高度智能控制，能够有效地提升无人机高度控制系统的动态性能和鲁棒性，有效地提高无人机高度控制系统的抗干扰能力。
本发明还提供了一种无人机高度智能控制装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现无人机高度智能控制方法。
处理器可能是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (7)

1.一种无人机高度智能控制方法，其特征在于，包括以下步骤：
步骤1、将无人机的期望高度和期望速度与期望误差进行耦合，得到修正后的期望高度和期望速度；
期望高度和期望速度的确定方法具体如下：
步骤1.1、以无人机的期望高度和期望速度作为控制量，结合无人机纵向运动学模型，得到ki状态到ki+Np状态的预测模型；
步骤1.2、根据ki状态到ki+Np状态的预测模型，确定反馈矫正的性能指标；
步骤1.3、在滚动优化中建立期望误差，并将期望误差和ki+Np的预测模型相加，得到修正后的期望高度和修正期望速度；
步骤2、根据无人机修正后的期望高度和期望速度，以及当前高度和速度，确定无人机的总能量和能量平衡，根据总能量确定修正后的期望油门，根据能量平衡确定修正的期望俯仰角；
所述修正的期望油门的确定方法如下：
根据当前高度和当前速度确定当前位置的总能量E，根据修正期望高度和修正期望速度计算期望位置的总能量Esp；
根据总能量E和总能量Esp确定当前位置和期望位置总能量变化率，进而根据总能量变化率和巡航油门计算期望油门；
根据总能量E和总能量Esp的差进行PID修正得到油门PID修正值，然后将油门PID修正值和期望油门进行相加得到修正的期望油门；
所述修正的期望俯仰角的确定方法如下：
根据当前速度和当前高度计算当前位置的能量平衡，根据修正期望速度和修正期望高度确定期望位置的能量平衡；
将能量平衡对时间的求导确定能力平衡变化率，计算当前位置平衡变化率和期望位置平衡变化率；
根据当前位置和期望位置的能量平衡的差值对期望俯仰角进行PID修正，并通过期望位置的能量平衡变化率获取预测俯仰角，预测俯仰角和俯仰角PID修正值相加得到最终期望俯仰角；
步骤3、根据修正的期望油门和期望俯仰角，输出舵机控制和油门控制，完成无人机的高度控制。
2.根据权利要求1所述的一种无人机高度智能控制方法，其特征在于，步骤1.1中根据无人机纵向运动学模型
Figure FDA0003851991080000021
令高度误差向量
Figure FDA0003851991080000022
Figure FDA0003851991080000023
垂直速度误差方向
Figure FDA0003851991080000024
得到状态空间方程：
Figure FDA0003851991080000025
其中，z为无人机高度，Vx为x方向无人机速度，Vy为无人机y方向速度，Vz为无人机z方向速度，uz为无人机速度变化率；
将状态空间方程离散化得到从k状态到k+1状态的预测模型，表达式如下：
x(k+1)＝Ak*x(k)+Bk*u(k)，
Figure FDA0003851991080000026
其中，Ak、Bk为常系数矩阵，x(k)为无人机k时刻状态，u(k)为预测增值；
将k状态到k+1状态的预测模型进行递推得到ki状态到ki+Np状态的预测模型，表达式如下：
Figure FDA0003851991080000031
其中，x(ki+Np|ki)为无人机状态。
3.根据权利要求1所述的一种无人机高度智能控制方法，其特征在于，步骤1.2中反馈矫正的性能指标的表达式如下：
Figure FDA0003851991080000032
其中，J为代价函数，x(ki+Np|ki)T为无人机状态，u(ki+j)为无人机高度变化值，rj为常系数；
期望误差的表达式如下：
Ex(i+Np)＝AkEx(i+Np)+BkΔU(1：i+Np)
其中，Ex(i+Np)、Ex(i+Np)为误差状态，ΔU(1：i+Np)为累计误差；
修正后的期望高度和修正期望速度的表达式如下：
X(i+Np)＝[zr(i+Np)；Vxr(i+Np)；Vyr(i+Np)；Vzr(i+Np)]+Ex(i+Np)。
4.根据权利要求1所述的一种无人机高度智能控制方法，其特征在于，所述油门PID修正值表达式如下：
Figure FDA0003851991080000033
期望油门的表达式如下：
Figure FDA0003851991080000034
其中，Tsp为期望油门，Tcrusie为巡航油门，
Figure FDA0003851991080000035
为最大能量变化率，
Figure FDA0003851991080000036
为期望位置的总能量变化率，Tmax为最大油门。
5.根据权利要求1所述的一种无人机高度智能控制方法，其特征在于，所述俯仰角PID修正值的表达式如下：
Figure FDA0003851991080000041
所述预测俯仰角的表达式如下：
Figure FDA0003851991080000042
其中，
Figure FDA0003851991080000043
为期望位置的能量平衡变化率，vsp为期望速度，g为重力加速度。
6.根据权利要求1所述的一种无人机高度智能控制方法，其特征在于，步骤3中根据修正的期望俯仰角和当前俯仰角确定期望俯仰角速率，然后根据期望俯仰角速率和当前俯仰角速率得到俯仰角加速度，俯仰角加速乘以缩放增益得到舵机控制；修正的期望油门作为油门控制直接输出。
7.一种权利要求1-6任一项所述的一种无人机高度智能控制方法的系统，其特征在于，包括模型预测控制模块、总能量控制模块和姿态控制模块；
模型预测控制模块，用于对无人机导航系统中的期望高度和期望速度进行修正，得到修正后的期望高度和期望速度；
总能量控制模块，用于根据修正后的期望高度和期望速度，以及当前高度和速度，确定无人机的总能量和能量平衡，进而得到修正的期望油门和期望俯仰角；
姿态控制模块，根据修正的期望油门和期望俯仰角，输出舵机控制和油门控制。
CN202010470015.XA 2020-05-28 2020-05-28 一种无人机高度智能控制系统及方法 Active CN111506099B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010470015.XA CN111506099B (zh) 2020-05-28 2020-05-28 一种无人机高度智能控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010470015.XA CN111506099B (zh) 2020-05-28 2020-05-28 一种无人机高度智能控制系统及方法

Publications (2)

Publication Number Publication Date
CN111506099A CN111506099A (zh) 2020-08-07
CN111506099B true CN111506099B (zh) 2023-03-14

Family

ID=71864422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010470015.XA Active CN111506099B (zh) 2020-05-28 2020-05-28 一种无人机高度智能控制系统及方法

Country Status (1)

Country Link
CN (1) CN111506099B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110578B (zh) * 2021-04-16 2023-03-10 成都纵横自动化技术股份有限公司 一种无人机的控制方法、系统及装置
CN113485406B (zh) * 2021-08-06 2024-03-15 北京航空航天大学 基于总能量控制的固定翼无人机纵向位速控制系统
CN113778116A (zh) * 2021-09-01 2021-12-10 中国航空工业集团公司西安飞行自动控制研究所 一种民用客机的飞行高度层改变控制装置及其控制方法
CN115407663B (zh) * 2022-10-31 2023-01-31 北京大学 无人船控制方法、装置、设备及计算机存储介质
CN116774734B (zh) * 2023-08-24 2023-10-24 北京中景合天科技有限公司 一种基于无人机的智慧旅游景区数字孪生巡查方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718994A (zh) * 2009-11-12 2010-06-02 北京航空航天大学 一种无人机自动着陆拉平控制方法
CN103472850A (zh) * 2013-09-29 2013-12-25 合肥工业大学 一种基于高斯分布预测的多无人机协同搜索方法
CN204341410U (zh) * 2014-12-04 2015-05-20 南京航空航天大学 一种舰载无人机自主着舰的飞行控制系统
CN106569503A (zh) * 2016-10-26 2017-04-19 湖北工业大学 一种基于触发式预测控制的飞行器控制方法
CN107526296A (zh) * 2017-09-05 2017-12-29 西北工业大学 基于预测建模的高超声速飞行器神经网络学习控制方法
US9886040B1 (en) * 2014-09-24 2018-02-06 Rockwell Collins, Inc. System and method for platform alignment, navigation or targeting
CN110134135A (zh) * 2019-05-27 2019-08-16 郑州轻工业学院 基于改进mpc-pid的四旋翼飞行器控制方法
CN110456636A (zh) * 2019-07-11 2019-11-15 西北工业大学 基于不确定性上界估计的飞行器离散滑模自适应控制方法
CN110908395A (zh) * 2019-11-26 2020-03-24 西北工业大学 改进的无人机航迹实时规划方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101718994A (zh) * 2009-11-12 2010-06-02 北京航空航天大学 一种无人机自动着陆拉平控制方法
CN103472850A (zh) * 2013-09-29 2013-12-25 合肥工业大学 一种基于高斯分布预测的多无人机协同搜索方法
US9886040B1 (en) * 2014-09-24 2018-02-06 Rockwell Collins, Inc. System and method for platform alignment, navigation or targeting
CN204341410U (zh) * 2014-12-04 2015-05-20 南京航空航天大学 一种舰载无人机自主着舰的飞行控制系统
CN106569503A (zh) * 2016-10-26 2017-04-19 湖北工业大学 一种基于触发式预测控制的飞行器控制方法
CN107526296A (zh) * 2017-09-05 2017-12-29 西北工业大学 基于预测建模的高超声速飞行器神经网络学习控制方法
CN110134135A (zh) * 2019-05-27 2019-08-16 郑州轻工业学院 基于改进mpc-pid的四旋翼飞行器控制方法
CN110456636A (zh) * 2019-07-11 2019-11-15 西北工业大学 基于不确定性上界估计的飞行器离散滑模自适应控制方法
CN110908395A (zh) * 2019-11-26 2020-03-24 西北工业大学 改进的无人机航迹实时规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
史从乐等.改进预测函数控制及其在四旋翼飞行器的应用.《自动化与仪表》.2016,(第5期),第49-53页. *

Also Published As

Publication number Publication date
CN111506099A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN111506099B (zh) 一种无人机高度智能控制系统及方法
CN107844123B (zh) 一种非线性飞行器航迹控制方法
CN108873929B (zh) 一种固定翼飞机自主着舰方法及系统
CN113220021B (zh) 基于虚拟领导者的飞行编队协同自适应跟踪控制方法
CN111538255B (zh) 一种反蜂群无人机的飞行器控制方法及系统
CN111290278B (zh) 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法
CN113220022B (zh) 基于事件触发估计信息传输的飞行编队有限时间自适应控制方法
CN114488803A (zh) 基于事件触发的无人船/机鲁棒自适应神经协同控制方法
CN114564045A (zh) 一种考虑降雨和阵风条件的无人机飞行控制律设计方法
CN112558621A (zh) 一种基于解耦控制的飞行机械臂系统
CN105116914A (zh) 一种平流层飞艇解析模型预测路径跟踪控制方法
CN111077897B (zh) 一种改进型非线性pid的四旋翼飞行器控制方法
Ferrier et al. Active gust load alleviation of high-aspect ratio flexible wing aircraft
CN113419431B (zh) 一种基于事件触发的平流层飞艇轨迹跟踪控制方法及系统
CN108958278B (zh) 一种空天飞行器巡航段快速抗干扰制导方法
CN112180961B (zh) 一种全状态受限平流层飞艇轨迹跟踪控制方法及系统
CN113110593A (zh) 基于虚拟结构和估计信息传输的飞行编队协同自适应控制方法
CN109857146B (zh) 一种基于前馈和权值分配的分层无人机跟踪控制方法
CN105094144A (zh) 一种无人飞艇自适应抗风路径跟踪控制方法
CN116088549B (zh) 一种尾座式垂直起降无人机姿态控制方法
CN114564047B (zh) 一种考虑气象条件的无人机等速飞行控制方法
CN113848982B (zh) 一种四旋翼无人机栖停机动轨迹规划、跟踪控制方法
CN112558620B (zh) 一种欠驱动自主水下航行器的航向修正路径跟踪方法
CN114167720A (zh) 基于观测器的倾转式三旋翼无人机轨迹跟踪控制方法
Huang et al. Cascade optimization control of unmanned vehicle path tracking under harsh driving conditions

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