CN111880552B - 多旋翼无人机轨迹跟踪复合控制方法 - Google Patents
多旋翼无人机轨迹跟踪复合控制方法 Download PDFInfo
- Publication number
- CN111880552B CN111880552B CN202010735870.9A CN202010735870A CN111880552B CN 111880552 B CN111880552 B CN 111880552B CN 202010735870 A CN202010735870 A CN 202010735870A CN 111880552 B CN111880552 B CN 111880552B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- rotor unmanned
- representing
- controller module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000002131 composite material Substances 0.000 title claims description 31
- 150000001875 compounds Chemical class 0.000 claims abstract description 37
- 239000013598 vector Substances 0.000 claims description 49
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 5
- 239000011541 reaction mixture Substances 0.000 claims description 5
- 230000017105 transposition Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 230000007704 transition Effects 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
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)
Abstract
本发明提供一种多旋翼无人机轨迹跟踪复合控制方法,包括:建立多旋翼无人机的特征模型,实现高阶、强耦合、非线性多旋翼无人机系统到低阶时变差分模型的等价;采用具有遗忘因子的递推最小二乘法估计特征参量;设计黄金分割自适应反馈控制器模块,保证在过渡过程阶段、参数未收敛情况下的闭环系统稳定;引入前馈控制器模块逐渐逼近特征模型的逆模型,实现不必等到系统出现偏差反馈便可对期望轨迹快速跟踪,提高系统动态控制性能,一旦系统出现扰动,反馈控制及时作用,保证系统具有较强的抗扰动能力。基于特征模型的多旋翼无人机轨迹跟踪复合控制方法为多旋翼无人机轨迹跟踪控制研究提供了新思路,具有一定理论参考意义与实际应用价值。
Description
技术领域
本发明涉及无人机控制技术领域,特别涉及一种基于特征模型的多旋翼无人机轨迹跟踪复合控制方法。
背景技术
多旋翼无人机具有结构简单、飞行方式灵活、可垂直起降等特点,近年来受到国内外学者的广泛关注,在军用与民用领域展现出广阔的应用前景。
多旋翼无人机的精确轨迹跟踪是实现其自主飞行的基本要求。由于多旋翼无人机是一个高阶、强耦合、时变、多输入多输出的非线性系统,想要对此类复杂系统精确建模并且实现准确的轨迹跟踪控制是具有一定的难度。并且多旋翼无人机模型阶次高、结构复杂的特点也不利于控制器设计和实际应用。目前针对实际工程的多旋翼无人机轨迹跟踪控制,往往将多旋翼无人机模型进行简化以实现低阶控制器设计,或者是通过设计一个复杂非线性轨迹跟踪控制器从而控制高阶模型,然而往往复杂的轨迹跟踪算法较难在实际工程中得到良好应用。
发明内容
有鉴于此,本发明提供一种基于特征模型的多旋翼无人机轨迹跟踪复合控制方法,以解决多旋翼无人机在精确建模下的低阶控制器设计以达到高性能控制要求时所面临的难题,提高多旋翼无人机轨迹跟踪动态性能与跟踪效果。
为实现上述目的,本发明采用以下具体技术方案:
本发明提供一种多旋翼无人机轨迹跟踪复合控制方法,包括如下步骤:
S1、根据多旋翼无人机动力学模型、输出轨迹的空间位置与第一预设关系确定多旋翼无人机轨迹跟踪复合控制系统的四阶描述方程;
S2、根据四阶描述方程与第二预设关系确定多旋翼无人机的特征模型;
S3、根据特征模型中的特征参量、预先设定的遗忘因子与第三预设关系确定特征参量的估计值;
S4、根据特征参量的估计值、预先设定的期望飞行轨迹、实际飞行轨迹、黄金分割比系数与第四预设关系确定黄金分割自适应反馈控制器模块的控制量;
S5、根据黄金分割自适应反馈控制器模块的控制量、期望飞行轨迹、预先设定的RBFNN权值、高斯径向基函数与第五预设关系确定前馈控制器模块的控制量;
S6、根据前馈控制器模块的控制量、黄金分割自适应反馈控制器模块的控制量与第六预设关系确定多旋翼无人机轨迹跟踪复合控制系统的控制量。
优选地,第一预设关系为:
式(1)中,x=[x1,x2,x3]T,x1,x2,x3分别表示多旋翼无人机在地面坐标系下的空间位置,即输出轨迹的空间位置;T表示矩阵转置;u=[F,Mx,My,Mz]T为合升力F与三个轴Mx、My、Mz的合力矩;A、B0、B1、B2和C分别表示多旋翼无人机动力学模型;
其中,φ、θ、ψ分别表示多旋翼无人机的姿态欧拉角;p、q、r分别表示机体坐标系相对地面坐标系的转动速度在机体坐标系各轴上的投影;Ix、Iy、Iz分别表示多旋翼无人机对机体坐标系各轴的转动惯量;ξ为旋翼转轴与机体平面的夹角;g表示多旋翼无人机的重力加速度。
优选地,第二预设关系为:
x(k+1)=f1(k)x(k)+f2(k)x(k-1)+g0(k)u(k)+g1(k)u(k-1) (2);
式(2)中,x(k+1)表示多旋翼无人机的特征模型,即表示输出轨迹的空间位置x的第k+1时刻的离散向量,x(k)和x(k-1)分别表示输出轨迹的空间位置x的第k时刻、k-1时刻的离散向量;u(k)、u(k-1)分别表示第k时刻与第k-1时刻的控制量;f1(k)、f2(k)、g0(k)、g1(k)为特征模型的特征参量。
优选地,第三预设关系为:
式(3)中,表示k时刻特征参量的估计值,即特征参量g0(k),g1(k)的估计值;表示k-1时刻特征参量g0(k),g1(k)的估计值;表示信息向量;L(k)表示增益矩阵;P(k)表示k时刻的误差协方差矩阵;P(k-1)表示k-1时刻的误差协方差矩阵;λ表示遗忘因子;I表示单位向量。
优选地,第四预设关系为:
式(4)中,ut(k)为黄金分割自适应反馈控制器模块的控制量,为特征参量的估计值,表示k时刻的飞行轨迹误差;x(k)表示多旋翼无人机轨迹跟踪复合控制系统输出的实际飞行轨迹;xr(k)表示预先设定的期望飞行轨迹;表示k-1时刻的飞行轨迹误差;l1、l2分别表示黄金分割比系数;μ0表示正常数。
优选地,第五预设关系为:
式(5)中,un为前馈控制器模块的控制量;N表示隐含层的个数;Z表示前馈控制器模块的输入向量,Z=[xr(k),ut(k)]T,表示选择期望飞行轨迹xr(k)与黄金分割自适应反馈控制器模块的控制量ut(k)作为前馈控制器模块的输入向量;φ=[φ1,φ2,...φN]T,表示高斯径向基函数;Mj表示第j个隐含层的中心向量,表示第j个隐含层的基宽向量;Wj表示连接第j个隐含层与输出层的权值。
优选地,第六预设关系为:
u(k)=ut(k)+un(k) (6);
式(6)中,u(k)表示多旋翼无人机轨迹跟踪复合控制系统的控制量。
优选地,在步骤S6之后,还包括如下步骤:
S7、多旋翼无人机轨迹跟踪复合控制系统根据确定的控制量对多旋翼无人机的飞行轨迹进行控制。
本发明还一种多旋翼无人机轨迹跟踪复合控制系统,包括:多旋翼无人机特征模型模块、黄金分割自适应反馈控制器模块、前馈控制器模块、特征参量估计模块、第一控制量确定模块、第二控制量确定模块和第三控制量确定模块;其中,
多旋翼无人机特征模型模块用于根据多旋翼无人机动力学模型、输出轨迹的空间位置与第一预设关系确定多旋翼无人机轨迹跟踪复合控制系统的四阶描述方程,以及根据四阶描述方程与第二预设关系确定多旋翼无人机的特征模型;
特征参量估计模块用于根据特征模型中的特征参量、预先设定的遗忘因子与第三预设关系确定特征参量的估计值;
第一控制量确定模块用于根据特征参量的估计值、预先设定的期望飞行轨迹、实际飞行轨迹、黄金分割比系数与第四预设关系确定黄金分割自适应反馈控制器模块的控制量;
第二控制量确定模块用于根据黄金分割自适应反馈控制器模块的控制量、期望飞行轨迹、预先设定的RBFNN权值、高斯径向基函数与第五预设关系确定前馈控制器模块的控制量;
第三控制量确定模块用于根据前馈控制器模块的控制量、黄金分割自适应反馈控制器模块的控制量与第六预设关系确定多旋翼无人机轨迹跟踪复合控制系统的控制量。
本发明还提供一种多旋翼无人机,包括:处理器、与处理器耦接的存储器;其中,存储器存储有用于实现上述多旋翼无人机轨迹跟踪复合控制方法的程序指令;处理器用于执行存储器存储的程序指令以控制多旋翼无人机的飞行轨迹。
本发明还提供一种存储装置,存储有实现如上述多旋翼无人机轨迹跟踪复合控制方法的程序文件。
本发明能够取得以下技术效果:
1、根据多旋翼无人机的动力学特征、环境特征和控制性能要求相结合建立的特征模型,实现高阶、强耦合、非线性系统到低阶时变差分模型的等价,将系统模型的相关信息浓缩到特征参量中,不丢失信息,基于特征模型理论为多旋翼无人机控制研究提供新思路。
2、黄金分割自适应反馈控制器模块能够保证在过渡过程阶段、参数未收敛情况下的闭环系统稳定。
3、前馈控制器模块通过对黄金分割自适应反馈控制器模块的输出学习,使得黄金分割自适应反馈控制器模块的输入趋近于零,前馈控制器模块在控制中占据主导地位,提高多旋翼无人机轨迹跟踪复合控制系统的动态控制性能,一旦多旋翼无人机轨迹跟踪复合控制系统出现扰动,反馈控制及时作用,保证多旋翼无人机轨迹跟踪复合控制系统具有较强的抗扰动能力。
附图说明
图1是根据本发明一个实施例的多旋翼无人机轨迹跟踪复合控制方法的流程示意图。
图2是根据本发明一个实施例的多旋翼无人机轨迹跟踪复合控制方法的控制逻辑示意图。
图3为根据本发明一个实施例的多旋翼无人机轨迹跟踪复合控制方法在五级风扰下六旋翼无人机的纬度实验示意图。
图4为根据本发明一个实施例的多旋翼无人机轨迹跟踪复合控制方法在五级风扰下六旋翼无人机的经度实验示意图。
图5为根据本发明一个实施例的多旋翼无人机轨迹跟踪复合控制方法在五级风扰下六旋翼无人机的高度实验示意图。
图6为根据本发明一个实施例的多旋翼无人机的结构示意图。
图7为根据本发明一个实施例的存储装置的结构示意图。
其中的附图标记包括:多旋翼无人机特征模型模块1、黄金分割自适应反馈控制器模块2、RBFNN前馈控制器模块3、多旋翼无人机4、处理器41、存储器42、存储装置5、程序文件6。
具体实施方式
在下文中,将参考附图描述本发明的实施例。在下面的描述中,相同的模块使用相同的附图标记表示。在相同的附图标记的情况下,它们的名称和功能也相同。因此,将不重复其详细描述。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,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用以解释本发明,而不构成对本发明的限制。
以下将结合附图对本发明的具体实施例进行详细描述。
图1是根据本发明一个实施例的多旋翼无人机轨迹跟踪复合控制方法的流程。图2示出了是根据本发明一个实施例的多旋翼无人机轨迹跟踪复合控制方法的控制逻辑。
如图1所示,本发明实施例提供的多旋翼无人机轨迹跟踪复合控制方法是通过多旋翼无人机轨迹跟踪复合控制系统对多旋翼无人机4进行轨迹跟踪控制,多旋翼无人机轨迹跟踪复合控制系统包括:多旋翼无人机特征模型模块1、黄金分割自适应反馈控制器模块2、前馈控制器模块、特征参量估计模块、第一控制量确定模块、第二控制量确定模块和第三控制量确定模块;其中,
多旋翼无人机特征模型模块1用于根据多旋翼无人机动力学模型、输出轨迹的空间位置与第一预设关系确定多旋翼无人机轨迹跟踪复合控制系统的四阶描述方程,以及根据四阶描述方程与第二预设关系确定多旋翼无人机的特征模型。
第一预设关系为:
式(1)中,x=[x1,x2,x3]T,x1,x2,x3分别表示多旋翼无人机在地面坐标系下的空间位置,即输出轨迹的空间位置;T表示矩阵转置;u=[F,Mx,My,Mz]T为合升力F与三个轴Mx、My、Mz的合力矩;A、B0、B1、B2和C分别表示多旋翼无人机动力学模型;
其中,φ、θ、ψ分别表示多旋翼无人机的姿态欧拉角;p、q、r分别表示机体坐标系相对地面坐标系的转动速度在机体坐标系各轴上的投影;Ix、Iy、Iz分别表示多旋翼无人机对机体坐标系各轴的转动惯量;ξ为旋翼转轴与机体平面的夹角;g表示多旋翼无人机的重力加速度。
第二预设关系为:
x(k+1)=f1(k)x(k)+f2(k)x(k-1)+g0(k)u(k)+g1(k)u(k-1)(2);
式(2)中,x(k+1)表示多旋翼无人机的特征模型,即表示输出轨迹的空间位置x的第k+1时刻的离散向量,x(k)和x(k-1)分别表示输出轨迹的空间位置x的第k时刻、k-1时刻的离散向量;u(k)、u(k-1)分别表示第k时刻与第k-1时刻的控制量;f1(k)、f2(k)、g0(k)、g1(k)为特征模型的特征参量。
通过多旋翼无人机特征模型模块1建立多旋翼无人机4的特征模型,实现高阶、强耦合、非线性多旋翼无人机系统到低阶时变差分模型的等价。
特征参量估计模块采用具有遗忘因子的递推最小二乘法估计特征参量,更为具体地,特征参量估计模块用于根据特征模型中的特征参量、预先设定的遗忘因子与第三预设关系确定特征参量的估计值。
第三预设关系为:
式(3)中,表示k时刻特征参量的估计值,即特征参量g0(k),g1(k)的估计值;表示k-1时刻特征参量g0(k),g1(k)的估计值;表示信息向量;L(k)表示增益矩阵;P(k)表示k时刻的误差协方差矩阵;P(k-1)表示k-1时刻的误差协方差矩阵;λ表示遗忘因子;I表示单位向量。
第一控制量确定模块用于根据特征参量的估计值、预先设定的期望飞行轨迹、实际飞行轨迹、黄金分割比系数与第四预设关系确定黄金分割自适应反馈控制器模块2的控制量。
第四预设关系为:
式(4)中,ut(k)为黄金分割自适应反馈控制器模块的控制量,为特征参量的估计值,表示k时刻的飞行轨迹误差;x(k)表示多旋翼无人机轨迹跟踪复合控制系统输出的实际飞行轨迹;xr(k)为预先设定的期望飞行轨迹;表示k-1时刻的飞行轨迹误差;l1、l2分别表示黄金分割比系数;μ0表示正常数。
设计黄金分割自适应反馈控制器模块2的目的是,为了保证在过渡过程阶段、参数未收敛情况下的闭环系统稳定。
第二控制量确定模块用于根据黄金分割自适应反馈控制器模块的控制量、期望飞行轨迹、预先设定的RBFNN权值、高斯径向基函数与第五预设关系确定前馈控制器模块的控制量。
第五预设关系为:
式(5)中,un为前馈控制器模块的控制量;N表示隐含层的个数;Z表示前馈控制器模块的输入向量,Z=[xr(k),ut(k)]T,表示选择期望飞行轨迹xr(k)与黄金分割自适应反馈控制器模块的控制量ut(k)作为前馈控制器模块的输入向量;φ=[φ1,φ2,...φN]T,表示高斯径向基函数;Mj表示第j个隐含层的中心向量,表示第j个隐含层的基宽向量;Wj表示连接第j个隐含层与输出层的权值。
前馈控制器模块为RBFNN(Radial Basis Function,径向基函数神经网络)等神经网络前馈控制器模块,下述以RBFNN前馈控制器模块3为例进行说明。引入RBFNN前馈控制器模块3逐渐逼近特征模型的逆模型,实现不必等到多旋翼无人机轨迹跟踪复合控制系统出现偏差反馈便可对期望轨迹快速跟踪,提高多旋翼无人机轨迹跟踪复合控制系统的动态控制性能,一旦多旋翼无人机轨迹跟踪复合控制系统出现扰动,反馈控制及时作用,保证多旋翼无人机轨迹跟踪复合控制系统具有较强的抗扰动能力。
第三控制量确定模块用于根据前馈控制器模块的控制量、黄金分割自适应反馈控制器模块的控制量与第六预设关系确定多旋翼无人机轨迹跟踪复合控制系统的控制量。
第六预设关系为:
u(k)=ut(k)+un(k) (6);
式(6)中,u(k)表示多旋翼无人机轨迹跟踪复合控制系统的控制量。
多旋翼无人机轨迹跟踪复合控制系统根据该控制量对多旋翼无人机的飞行轨迹进行控制。
如图1和图2所示,本发明实施例提供的多旋翼无人机轨迹跟踪复合控制方法,包括如下步骤:
S1、根据多旋翼无人机动力学模型、输出轨迹的空间位置向量与第一预设关系确定多旋翼无人机轨迹跟踪复合控制系统的四阶描述方程。
多旋翼无人机特征模型模块1根据多旋翼无人机动力学模型、输出轨迹的空间位置向量与第一预设关系确定多旋翼无人机轨迹跟踪复合控制系统的四阶描述方程。
式(1)中,x=[x1,x2,x3]T,x1,x2,x3分别表示多旋翼无人机在地面坐标系下的空间位置,即输出轨迹的空间位置;T表示矩阵转置;u=[F,Mx,My,Mz]T为合升力F与三个轴Mx、My、Mz的合力矩;A、B0、B1、B2和C分别表示多旋翼无人机动力学模型;
其中,φ、θ、ψ分别表示多旋翼无人机的姿态欧拉角;p、q、r分别表示机体坐标系相对地面坐标系的转动速度在机体坐标系各轴上的投影;Ix、Iy、Iz分别表示多旋翼无人机对机体坐标系各轴的转动惯量;ξ为旋翼转轴与机体平面的夹角;g表示多旋翼无人机的重力加速度。
S2、根据四阶描述方程的离散化与第二预设关系确定多旋翼无人机的特征模型。
多旋翼无人机特征模型模块1还根据步骤S1确定的四阶描述方程的离散化与第二预设关系建立多旋翼无人机的特征模型。
第二预设关系为:
x(k+1)=f1(k)x(k)+f2(k)x(k-1)+g0(k)u(k)+g1(k)u(k-1) (2);
式(2)中,x(k+1)表示多旋翼无人机的特征模型,即表示输出轨迹的空间位置x的第k+1时刻的离散向量,x(k)和x(k-1)分别表示输出轨迹的空间位置x的第k时刻、k-1时刻的离散向量;u(k)、u(k-1)分别表示第k时刻与第k-1时刻的控制量;f1(k)、f2(k)、g0(k)、g1(k)为特征模型的特征参量。
式(2)可展开可描述为:
其中,xj(k+1)表示空间位置x的第k+1时刻离散向量x(k+1)的第j行状态量;xj(k)表示空间位置x的第k时刻离散向量x(k)的第j行状态量;xj(k-1)表示空间位置x的第k-1时刻离散向量x(k-1)的第j行状态量;fj1(k)、fj2(k)分别表示f1(k)、f2(k)的第j行参量,fj1(k)=2-T采,fj2(k)=T采-1,T采为多旋翼无人机轨迹跟踪复合控制系统的采样周期,在确定采样周期T采后,则f1(k)、f2(k)便可直接确定;g0,jl(k)表示g0(k)的j行l列元素,g1,jl(k)表示g1(k)的j行l列元素,Wj(k)表示建模误差,Bs(x)=(bs,ij(x))3×4,s=0,1,2,i=1,2,3;b0表示Bs(x)=(bs,ij(x))3×4,s=0,1,2,i=1,2,3中当s=0时的矩阵,即第一预设关系中的B0,b1表示Bs(x)=(bs,ij(x))3×4,s=0,1,2,i=1,2,3中当s=1时的矩阵,即第一预设关系中的B1,b2表示Bs(x)=(bs,ij(x))3×4,s=0,1,2,i=1,2,3中当s=2时的矩阵,即第一预设关系中的B2,i、j表示是第i行,第j列,b0、b1 b2均是3×4的矩阵。
由于ul与xj的各阶导数有界,Aj的元素均有界,可以有|Fj(k)|≤Mj,|Fj(k-1)|≤Mj(Mj为正常数),由此有|Wj(k)|≤2MjT采+MjT采 2。即当T采充分小时,特征模型的建模误差可小于给定的误差限。因此,特征模型与多旋翼无人机轨迹跟踪复合控制系统是等价的。
S3、根据特征模型中的特征参量、预先设定的遗忘因子与第三预设关系确定特征参量的估计值。
第三预设关系为:
式(3)中,表示k时刻特征参量的估计值,即特征参量g0(k),g1(k)的估计值,由于f1(k)、f2(k)由采样周期T采确定,则特征模型中只需辨识g0(k)、g1(k);表示k-1时刻特征参量g0(k),g1(k)的估计值;表示信息向量;L(k)表示增益矩阵;P(k)表示k时刻的误差协方差矩阵;P(k-1)表示k-1时刻的误差协方差矩阵;λ表示遗忘因子;I表示单位向量。
S4、根据特征参量的估计值、预先设定的期望飞行轨迹、实际飞行轨迹、黄金分割比系数与第四预设关系确定黄金分割自适应反馈控制器模块的控制量。
第四预设关系为:
式(4)中,ut(k)为黄金分割自适应反馈控制器模块2的控制量,作为黄金分割自适应反馈控制器模块2的输出;为特征参量的估计值,表示k时刻的飞行轨迹误差;x(k)表示多旋翼无人机轨迹跟踪复合控制系统输出的实际飞行轨迹,即(2)中x(k)的实际物理含义;xr(k)为预先设定的期望飞行轨迹;l1、l2分别表示黄金分割比系数,l1=0.382,l2=0.618;μ0表示正常数。
只要保证特征参量在特征模型所推导的范围之内,即使参数估计值未收敛于实际值,黄金分割控制律仍然能够保证闭环系统稳定。
S5、根据黄金分割自适应反馈控制器模块的控制量、期望飞行轨迹、预先设定的RBFNN权值、高斯径向基函数与第五预设关系确定RBFNN前馈控制器模块的控制量。
第五预设关系为:
式(5)中,un为RBFNN前馈控制器模块3的控制量,作为RBFNN前馈控制器模块3的输出;N表示隐含层的个数;Z表示RBFNN前馈控制器模块3的输入向量,Z=[xr(k),ut(k)]T,表示选择期望飞行轨迹xr(k)与黄金分割自适应反馈控制器模块2的控制量ut(k)作为RBFNN前馈控制器模块3的输入向量;φ=[φ1,φ2,...φN]T,表示高斯径向基函数;Mj=[m1j,m2j]T表示第j个隐含层的中心向量,表示第j个隐含层的基宽向量;Wj表示连接第j个隐含层与输出层的权值。
RBFNN权值是指径向基函数神经网络的权值。
上述的隐含层、输出层是指径向基函数神经网络的隐含层、输出层。
S6、根据RBFNN前馈控制器模块的控制量、黄金分割自适应反馈控制器模块的控制量与第六预设关系确定多旋翼无人机轨迹跟踪复合控制系统的控制量。
第六预设关系为:
u(k)=ut(k)+un(k) (6);
式(6)中,u(k)表示多旋翼无人机轨迹跟踪复合控制系统的控制量,作为多旋翼无人机轨迹跟踪复合控制系统的输出,即为多旋翼无人机轨迹跟踪复合控制的输出。
在本发明的一个具体实施例中,在步骤S6之后,还包括如下步骤:
S7、多旋翼无人机轨迹跟踪复合控制系统根据确定的控制量对多旋翼无人机进行轨迹跟踪控制。
本发明提供的基于特征模型的多旋翼无人机轨迹跟踪复合控制方法适用于旋翼式无人机,例如:二旋翼无人机、四旋翼无人机、六旋翼无人机、八旋翼无人机、十旋翼无人机等,本发明对多旋翼无人机的旋翼不做限定。
下面以六旋翼无人机为例,对本发明提供的基于特征模型的多旋翼无人机轨迹跟踪复合控制方法加以说明:
为验证本发明算法的鲁棒性,在室外五级风扰天气进行六旋翼无人机自主轨迹跟踪飞行实验,使用美国Omega风速计测量飞行环境瞬间最大风速为10.1m/s。编写本发明轨迹跟踪复合控制方法的代码,输入到六旋翼机载控制主芯片中,进而完成六旋翼无人机的轨迹跟踪飞行实验。选取采样周期T=0.05,ξ(0)=[0.001,-0.05]T,误差协方差矩阵P(0)=106I,遗忘因子λ=0.996。设定RBFNN前馈控制器模块3的权值为(0,1)内的随机数,隐含层个数N=6,每个隐含层的中心向量均为[1,1]T,基宽向量均为
图3、图4和图5分别描述了六旋翼无人机在纬度、经度和高度上的跟踪结果,由此可见,基于本发明提供的多旋翼无人机轨迹跟踪复合控制方法,六旋翼无人机在无风扰情况下经纬度方向的轨迹跟踪误差在±0.8米以内,高度方向轨迹跟踪误差在±0.5米以内;在五级风扰情况下,经纬度方向跟踪误差在±2米以内,高度方向的跟踪误差在±2米以内。实验表明本发明设计的方法能够保证六旋翼无人机具有良好的轨迹跟踪控制性能,并且能够抵抗外界五级风扰,具有强鲁棒性。
图6示出了根据本发明一个实施例的多旋翼无人机的结构。
如图6所示,该实施例提供的多旋翼无人机4,包括处理器41、与处理器41耦接的存储器42。
存储器42存储有用于实现上述任一实施例所述的轨迹跟踪优化控制方法的程序指令。
处理器41用于执行存储器42存储的程序指令以控制多旋翼无人机的飞行轨迹。其中,处理器41还可以称为CPU(Central Processing Unit,中央处理单元)。处理器41可能是一种集成电路芯片,具有信号的处理能力。处理器41还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
图7示出了根据本发明一个实施例的存储装置的结构。
如图7所示,该实施例提供的存储装置5存储有能够实现上述所有方法的程序文件6,其中,该程序文件6可以以软件产品的形式存储在上述存储装置中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储装置包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (4)
1.一种多旋翼无人机轨迹跟踪复合控制方法,其特征在于,包括如下步骤:
S1、根据多旋翼无人机动力学模型、输出轨迹的空间位置与第一预设关系确定多旋翼无人机轨迹跟踪复合控制系统的四阶描述方程;
S2、根据所述四阶描述方程与第二预设关系确定所述多旋翼无人机的特征模型;
S3、根据所述特征模型中的特征参量、预先设定的遗忘因子与第三预设关系确定所述特征参量的估计值;
S4、根据所述特征参量的估计值、预先设定的期望飞行轨迹、实际飞行轨迹、黄金分割比系数与第四预设关系确定黄金分割自适应反馈控制器模块的控制量;
S5、根据所述黄金分割自适应反馈控制器模块的控制量、所述期望飞行轨迹、预先设定的RBFNN权值、高斯径向基函数与第五预设关系确定前馈控制器模块的控制量;
S6、根据所述前馈控制器模块的控制量、所述黄金分割自适应反馈控制器模块的控制量与第六预设关系确定所述多旋翼无人机轨迹跟踪复合控制系统的控制量;
所述第一预设关系为:
式(1)中,x=[x1,x2,x3]T,x1,x2,x3分别表示所述多旋翼无人机在地面坐标系下的空间位置,即输出轨迹的空间位置;T表示矩阵转置;u=[F,Mx,My,Mz]T为合升力F与三个轴Mx、My、Mz的合力矩;A、B0、B1、B2和C分别表示所述多旋翼无人机动力学模型;
其中,φ、θ、ψ分别表示所述多旋翼无人机的姿态欧拉角;p、q、r分别表示机体坐标系相对地面坐标系的转动速度在所述机体坐标系各轴上的投影;Ix、Iy、Iz分别表示所述多旋翼无人机对所述机体坐标系各轴的转动惯量;ξ为旋翼转轴与机体平面的夹角;g表示所述多旋翼无人机的重力加速度;
所述第二预设关系为:
x(k+1)=f1(k)x(k)+f2(k)x(k-1)+g0(k)u(k)+g1(k)u(k-1) (2);
式(2)中,x(k+1)表示所述多旋翼无人机的特征模型,即表示输出轨迹的空间位置x的第k+1时刻的离散向量,x(k)和x(k-1)分别表示所述多旋翼无人机轨迹跟踪复合 控制系统输出轨迹的空间位置x的第k时刻、k-1时刻的离散向量;
u(k)、u(k-1)分别表示第k时刻与第k-1时刻的控制量;f1(k)、f2(k)、g0(k)、g1(k)为特征模型的特征参量;
所述第三预设关系为:
式(3)中,表示k时刻所述特征参量的估计值,即特征参量g0(k),g1(k)的估计值;表示k-1时刻特征参量g0(k-1),g1(k-1)的估计值;表示信息向量;L(k)表示增益矩阵;P(k)表示k时刻的误差协方差矩阵;P(k-1)表示k-1时刻的误差协方差矩阵;λ表示遗忘因子;I表示单位向量;
所述第四预设关系为:
式(4)中,ut(k)为所述黄金分割自适应反馈控制器模块的控制量,表示所述特征参量的估计值,表示k时刻的飞行轨迹误差;x(k)表示所述多旋翼无人机轨迹跟踪复合控制系统输出轨迹的空间位置x的第k时刻离散向量;xr(k)表示预先设定的期望飞行轨迹;表示k-1时刻的飞行轨迹误差;l1、l2分别表示黄金分割比系数;μ0表示正常数;
所述第五预设关系为:
式(5)中,un为所述前馈控制器模块的控制量;N表示隐含层的个数;Z表示所述前馈控制器模块的输入向量,Z=[xr(k),ut(k)]T,表示选择所述期望飞行轨迹xr(k)与所述黄金分割自适应反馈控制器模块的控制量ut(k)作为所述前馈控制器模块的输入向量;Υ=[Υ1,Υ2,...ΥN]T,表示所述高斯径向基函数;每一个隐含层包含一个中心向量Mj以及一个基宽向量σj,Wj表示连接第j个隐含层与输出层的权值;
所述第六预设关系为:
u(k)=ut(k)+un(k) (6);
式(6)中,u(k)表示所述多旋翼无人机轨迹跟踪复合控制系统的控制量。
2.一种多旋翼无人机轨迹跟踪复合控制系统,其特征在于,包括:多旋翼无人机特征模型模块、黄金分割自适应反馈控制器模块、前馈控制器模块、特征参量估计模块、第一控制量确定模块、第二控制量确定模块和第三控制量确定模块;其中,
所述多旋翼无人机特征模型模块用于根据多旋翼无人机动力学模型、输出轨迹的空间位置与第一预设关系确定多旋翼无人机轨迹跟踪复合控制系统的四阶描述方程,以及根据所述四阶描述方程与第二预设关系确定多旋翼无人机的特征模型;
所述特征参量估计模块用于根据所述特征模型中的特征参量、预先设定的遗忘因子与第三预设关系确定所述特征参量的估计值;
所述第一控制量确定模块用于根据所述特征参量的估计值、预先设定的期望飞行轨迹、实际飞行轨迹、黄金分割比系数与第四预设关系确定所述黄金分割自适应反馈控制器模块的控制量;
所述第二控制量确定模块用于根据所述黄金分割自适应反馈控制器模块的控制量、所述期望飞行轨迹、预先设定的RBFNN权值、高斯径向基函数与第五预设关系确定所述前馈控制器模块的控制量;
所述第三控制量确定模块用于根据所述前馈控制器模块的控制量、所述黄金分割自适应反馈控制器模块的控制量与第六预设关系确定所述多旋翼无人机轨迹跟踪复合控制系统的控制量;
所述第一预设关系为:
式(1)中,x=[x1,x2,x3]T,x1,x2,x3分别表示所述多旋翼无人机在地面坐标系下的空间位置,即输出轨迹的空间位置;T表示矩阵转置;u=[F,Mx,My,Mz]T为合升力F与三个轴Mx、My、Mz的合力矩;A、B0、B1、B2和C分别表示所述多旋翼无人机动力学模型;
其中,φ、θ、ψ分别表示所述多旋翼无人机的姿态欧拉角;p、q、r分别表示机体坐标系相对地面坐标系的转动速度在所述机体坐标系各轴上的投影;Ix、Iy、Iz分别表示所述多旋翼无人机对所述机体坐标系各轴的转动惯量;ξ为旋翼转轴与机体平面的夹角;g表示所述多旋翼无人机的重力加速度;
所述第二预设关系为:
x(k+1)=f1(k)x(k)+f2(k)x(k-1)+g0(k)u(k)+g1(k)u(k-1) (2);
式(2)中,x(k+1)表示所述多旋翼无人机的特征模型,即表示输出轨迹的空间位置x的第k+1时刻的离散向量,x(k)和x(k-1)分别表示所述多旋翼无人机轨迹跟踪复合 控制系统输出轨迹的空间位置x的第k时刻、k-1时刻的离散向量;
u(k)、u(k-1)分别表示第k时刻与第k-1时刻的控制量;f1(k)、f2(k)、g0(k)、g1(k)为特征模型的特征参量;
所述第三预设关系为:
式(3)中,表示k时刻所述特征参量的估计值,即特征参量g0(k),g1(k)的估计值;表示k-1时刻特征参量g0(k-1),g1(k-1)的估计值;表示信息向量;L(k)表示增益矩阵;P(k)表示k时刻的误差协方差矩阵;P(k-1)表示k-1时刻的误差协方差矩阵;λ表示遗忘因子;I表示单位向量;
所述第四预设关系为:
式(4)中,ut(k)为所述黄金分割自适应反馈控制器模块的控制量,表示所述特征参量的估计值,表示k时刻的飞行轨迹误差;x(k)表示所述多旋翼无人机轨迹跟踪复合控制系统输出轨迹的空间位置x的k时刻离散向量;xr(k)表示预先设定的期望飞行轨迹;表示k-1时刻的飞行轨迹误差;l1、l2分别表示黄金分割比系数;μ0表示正常数;
所述第五预设关系为:
式(5)中,un为所述前馈控制器模块的控制量;N表示隐含层的个数;Z表示所述前馈控制器模块的输入向量,Z=[xr(k),ut(k)]T,表示选择所述期望飞行轨迹xr(k)与所述黄金分割自适应反馈控制器模块的控制量ut(k)作为所述前馈控制器模块的输入向量;Υ=[Υ1,Υ2,...ΥN]T,表示所述高斯径向基函数;每一个隐含层包含一个中心向量Mj以及一个基宽向量σj,表示连接第j个隐含层与输出层的权值;
所述第六预设关系为:
u(k)=ut(k)+un(k) (6);
式(6)中,u(k)表示所述多旋翼无人机轨迹跟踪复合控制系统的控制量。
3.一种多旋翼无人机,其特征在于,包括:处理器、与所述处理器耦接的存储器;其中,
所述存储器存储有用于实现如权利要求1所述的多旋翼无人机轨迹跟踪复合控制方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以控制所述多旋翼无人机的飞行轨迹。
4.一种存储装置,其特征在于,存储有实现如权利要求1所述的多旋翼无人机轨迹跟踪复合控制方法的程序文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735870.9A CN111880552B (zh) | 2020-07-28 | 2020-07-28 | 多旋翼无人机轨迹跟踪复合控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735870.9A CN111880552B (zh) | 2020-07-28 | 2020-07-28 | 多旋翼无人机轨迹跟踪复合控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111880552A CN111880552A (zh) | 2020-11-03 |
CN111880552B true CN111880552B (zh) | 2021-07-09 |
Family
ID=73201814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010735870.9A Active CN111880552B (zh) | 2020-07-28 | 2020-07-28 | 多旋翼无人机轨迹跟踪复合控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111880552B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359440B (zh) * | 2021-05-24 | 2023-06-20 | 华南理工大学 | 基于多层积分神经动力学的多旋翼无人机控制器设计方法 |
CN113268072A (zh) * | 2021-05-26 | 2021-08-17 | 北京理工大学 | 一种基于特征模型的四旋翼无人机抗扰控制方法 |
CN117631686B (zh) * | 2023-12-07 | 2024-06-07 | 浙江大学 | 面向多旋翼无人机的路径优化方法以及轨迹跟踪控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780676A (zh) * | 2018-12-29 | 2020-02-11 | 东南大学 | 一种受扰小型无人直升机的复合主动抗干扰轨迹跟踪控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1110729C (zh) * | 2000-11-22 | 2003-06-04 | 中国航天科技集团公司第五研究院第五○二研究所 | 基于对象特征模型描述的黄金分割智能控制方法 |
CN101364085B (zh) * | 2008-09-12 | 2010-06-23 | 北京控制工程研究所 | 非线性微分黄金分割自适应控制方法 |
US9146557B1 (en) * | 2014-04-23 | 2015-09-29 | King Fahd University Of Petroleum And Minerals | Adaptive control method for unmanned vehicle with slung load |
CN106483850A (zh) * | 2016-11-23 | 2017-03-08 | 沈阳航天新光集团有限公司 | 一种航空发动机基于rbf神经网络前馈的模糊自适应pid控制器设计方法 |
CN110244751B (zh) * | 2019-05-24 | 2022-04-22 | 北京控制工程研究所 | 一种高超声速飞行器姿态自适应递推控制方法及系统 |
-
2020
- 2020-07-28 CN CN202010735870.9A patent/CN111880552B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780676A (zh) * | 2018-12-29 | 2020-02-11 | 东南大学 | 一种受扰小型无人直升机的复合主动抗干扰轨迹跟踪控制方法 |
Non-Patent Citations (2)
Title |
---|
Attitude and Orbit Coupled Control and Simulation of Spacecraft Formation by Using Intelligent Adaptive Control Based on Characteristic Model;Wang Yankai,et al.;《2016 IEEE/CSAA International Conference on Aircraft Utility Systems (AUS)》;et.al;20161121;第1-6页 * |
基于特征模型的再入飞行器自适应制导律设计;杨俊春等;《中国科学E辑:信息科学》;20081231;第2134-2149页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111880552A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111880552B (zh) | 多旋翼无人机轨迹跟踪复合控制方法 | |
Wang et al. | Model-free–based terminal SMC of quadrotor attitude and position | |
Szafranski et al. | Different approaches of PID control UAV type quadrotor | |
Al-Qassar et al. | Grey-wolf optimization better enhances the dynamic performance of roll motion for tail-sitter VTOL aircraft guided and controlled by STSMC | |
Yan et al. | Extended state observer‐based sliding mode fault‐tolerant control for unmanned autonomous helicopter with wind gusts | |
CN106406085B (zh) | 基于跨尺度模型的空间机械臂轨迹跟踪控制方法 | |
CN110442020B (zh) | 一种新型的基于鲸鱼优化算法的容错控制方法 | |
CN110320925A (zh) | 基于高阶干扰观测器的四旋翼飞行器安全控制方法 | |
CN106707749B (zh) | 一种针对仿生扑翼飞行机器人的控制方法 | |
Stefansson et al. | Sequential alternating least squares for solving high dimensional linear Hamilton-Jacobi-Bellman equation | |
Chen et al. | Autonomous flight control for multi-rotor UAVs flying at low altitude | |
CN114815861A (zh) | 一种基于时空径向基函数神经网络的容错飞行控制方法 | |
CN109062242B (zh) | 一种新的旋翼无人机控制方法 | |
CN112015192A (zh) | 一种自愈四旋翼无人机抗干扰控制方法与系统 | |
CN115576341A (zh) | 基于函数微分和自适应变增益的无人机轨迹跟踪控制方法 | |
Wang et al. | Disturbance attenuation predictive optimal control for quad-rotor transporting unknown varying payload | |
Al-Darraji et al. | Tilting-rotors quadcopters: a new dynamics modelling and simulation based on the Newton-Euler method with lead compensator control | |
CN115129072A (zh) | 固定翼无人机位置跟踪偏差约束下终端滑模控制方法 | |
Abdou | Integral backstepping/LFT-LPV H∞ control for the trajectory tracking of a quadcopter | |
CN105116905A (zh) | 一种飞行器姿态控制方法 | |
Jiang et al. | A feedback linearization and saturated control structure for quadrotor UAV | |
CN113608541A (zh) | 一种水下航行器姿态控制方法和系统 | |
CN113220031A (zh) | 基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法 | |
Reyad et al. | An optimal PID controller for a qaudrotor system based on DE algorithm | |
CN113238572A (zh) | 基于预设性能控制的预设时间四旋翼无人机姿态跟踪方法 |
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 |