CN112034869B - 一种无人机变参神经动力学控制器的设计方法及其应用 - Google Patents

Abstract

本发明公开了一种无人机变参神经动力学控制器的设计方法及其应用，该方法步骤包括：构建无人机模型；基于无人机模型，采用变参递归神经动力学方法设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；将控制目标和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，各个无人机的控制器输出控制分量控制无人机飞行。本发明利用了一种非线性激活函数，得到的控制器能使无人机在误差较大的情况下更快地收敛到目标，在接近任务目标的情况下达到更高的精度，使得无人机能快速、准确、实时地控制无人机跟踪时变轨迹。

Description

一种无人机变参神经动力学控制器的设计方法及其应用

技术领域

本发明涉及无人机控制器技术领域，具体涉及一种无人机变参神经动力学控制器的设计方法及其应用。

背景技术

多旋翼无人机是一种灵活、简单的无人机，为了体现它灵活的优越性，控制器能否快速高效的对多旋翼无人机进行高精度控制就变得尤为重要。

现有的无人机控制器主要采用PID控制器，但由于其本身为非时变算法，导致其收敛速度不足以完成时变任务目标，PID的优势正在逐渐下降，同时，由于其使用参数的复制性，导致它难以完成需要时刻改变参数的高精度的控制任务，而且PID控制器的参数设置过于依赖于设计者的经验。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种无人机变参神经动力学控制器的设计方法，该控制器继承了神经动力学的传统优点，同时，通过利用Power-sigmoid激活函数的非线性特性，得到的控制器可以使无人机在误差较大的情况下更快地收敛到目标，在接近任务目标的情况下达到更高的精度，与以往的神经动力学控制器相比，能够更快地收敛于时变目标。

本发明的第二目的在提供一种无人机变参神经动力学控制器的设计系统。

本发明的第三目的在于提供一种存储介质。

本发明的第四目的在于提供一种计算设备。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种无人机变参神经动力学控制器的设计方法，包括下述步骤：

构建无人机模型；

基于所述无人机模型，采用基于激活函数的变参递归神经动力学方法分别设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；

将控制目标参数和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，各个无人机的控制器输出控制分量控制无人机飞行。

作为优选的技术方案，所述构建无人机模型，具体步骤包括：

无人机的位置状态变量的动力学方程描述为：

其中，X，Y，Z表示无人机重心位置，

为对应的二阶导数，m表示无人机的总质量，S_φ，C_φ，S_θ，C_θ，S_φ，C_ψ分别表示为sinφ，cosφ，sinθ，cosθ，sinψ，cosψ，u_z表示为无人机在机体坐标系oz轴方向上的合力，g为重力加速度，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角；

采用欧拉法，对无人机姿态角运动建模，得到无人机的转动动力学描述为：

其中，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角，

表示对应的二阶导数，J_x，J_y，J_z分别是绕着ox轴、oy轴、oz轴旋转时的固有惯性，u_φ，u_θ，u_ψ分别表示在φ，θ，ψ的旋转方向上的旋转合力，l表示无人机的电机臂长；

无人机模型表示为：

其中，

作为优选的技术方案，所述激活函数采用Power-sigmoid函数，具体表达式为：

其中，p表示一个奇数，ξ表示一个常数，p≥1，ξ≥1，u表示无人机跟踪的位置误差或者速度误差。

作为优选的技术方案，所述采用基于激活函数的变参递归神经动力学方法设计无人机的高度控制器，所述高度控制器表示为：

e_Z3(t)＝a_Zu_Z(t)+b_Z(t)；

e_Z1(t)＝Z(t)-Z_T(t)；

其中，λ＞1，Z(t)表示实际高度值，Z_T(t)表示目标高度值，f(x)表示激活函数，m表示无人机的总质量，C_θ，C_φ分别表示为cosθ和cosφ，u_Z表示无人机在机体坐标系oz轴方向上的控制分量，g为重力加速度，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角，e_Z1(t)表示第一误差函数，e_Z2(t)表示第二误差函数，e_Z3(t)表示第三误差函数。

作为优选的技术方案，所述高度控制器的具体设计步骤包括：

定义第一误差函数为：

其中，Z(t)表示实际高度值，Z_T(t)表示目标高度值；

根据第一误差函数，变参递归神经动力学设计公式定义为：

将e_Z1(t)代入后得到：

定义第二误差函数为：

根据第二误差函数，变参递归神经动力学设计公式定义为：

将e_Z2(t)代入后得到：

定义第三误差函数为：

无人机高度的动力学方程为：

将

代入后得到：

e_Z3(t)＝s_zu_Z(t)+b_Z(t)

根据第三误差函数，变参递归神经动力学设计公式定义为：

将e_Z3(t)代入后，得到高度控制器的表达式：

作为优选的技术方案，所述各个无人机的控制器输出控制分量控制无人机飞行，具体步骤包括：

获取无人机传感器采集到的无人机状态信息，将控制目标参数输入到高度控制器和偏航角控制器，得到无人机高度控制分量和偏航角控制分量；

将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到X控制器和Y控制器中，得到X、Y控制分量；

采用反解法计算出满足X、Y控制分量的横滚角和俯仰角，作为横滚角控制器和俯仰角控制器的控制目标；

横滚角控制器和俯仰角控制器计算输出横滚角控制分量和俯仰角控制分量；

所述高度控制分量、偏航角控制分量、横滚角控制分量和俯仰角控制分量用于控制无人机飞行。

为了到达上述第二目的，本发明采用以下技术方案：

本发明提供一种无人机变参神经动力学控制器的设计系统，包括：无人机模型构建模块、无人机参量控制器构建模块和控制器输出控制模块；

所述无人机模型构建模块用于构建无人机模型；

所述无人机参量控制器构建模块用于基于所述无人机模型，采用基于激活函数的变参递归神经动力学方法分别设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；

所述控制器输出控制模块用于将控制目标参数和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，各个无人机的控制器输出控制分量控制无人机飞行。

作为优选的技术方案，所述控制器输出控制模块包括高度控制分量输出单元、偏航角控制分量输出单元、X控制分量输出单元、Y控制分量输出单元、横滚角控制分量输出单元和俯仰角控制分量输出单元；

所述高度控制分量输出单元用于获取无人机传感器采集到的无人机状态信息，将控制目标参数输入到高度控制器，得到无人机高度控制分量；

所述偏航角控制分量输出单元用于获取无人机传感器采集到的无人机状态信息，将控制目标参数输入偏航角控制器，得到偏航角控制分量；

所述X控制分量输出单元用于将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到X控制器中，得到X控制分量；

所述Y控制分量输出单元用于将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到Y控制器中，得到Y控制分量；

所述横滚角控制分量输出单元用于采用反解法计算出满足X、Y控制分量的横滚角，作为横滚角控制器的控制目标，横滚角控制器计算输出横滚角控制分量；

所述俯仰角控制分量输出单元用于采用反解法计算出满足X、Y控制分量的俯仰角，作为俯仰角控制器的控制目标，俯仰角控制器计算输出俯仰角控制分量；

所述高度控制分量、偏航角控制分量、横滚角控制分量和俯仰角控制分量用于控制无人机飞行。

为了达到上述第三目的，本发明采用以下技术方案：

一种存储介质，存储有程序，所述程序被处理器执行时实现上述无人机变参神经动力学控制器的设计方法。

为了达到上述第四目的，本发明采用以下技术方案：

一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述无人机变参神经动力学控制器的设计方法。

本发明与现有技术相比，具有如下优点和有益效果：

(1)本发明采用了基于激活函数的无人机变参神经动力学控制器设计方案，解决了无人机控制中在不同误差下收敛速度一致，无人机收敛精度低的问题，达到了无人机在误差较大的情况下更快地收敛到目标，在接近任务目标的情况下达到更高的精度的技术效果。

(2)本发明的控制器采用神经动力学方法作为控制框架，该方法能够并行计算和高效率的处理任务目标，与以往的传统控制器相比，得到的无人机控制器能够更快地收敛于时变目标，达到高精度、高速度的控制要求。

(3)本发明采用了设计公式本身满足系统稳定要求的技术方案，解决了无人机控制器参数选取导致无人机系统可能出现不稳定的技术问题，达到了设计流程规范且较少地依赖于经验，设计的控制器能使得无人机达到全局稳定的技术效果。

附图说明

图1为本实施例无人机模型坐标系示意图；

图2为本实施例激活函数的示意图；

图3为本实施例无人机变参神经动力学控制器的设计方法的整体流程示意图；

图4为本实施例无人机跟踪目标三维示意图；

图5为本实施例无人机跟踪结果三维示意图。

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。

实施例

本实施例提供一种无人机变参神经动力学控制器的设计方法，包括下述步骤：

S1：建立无人机模型，具体步骤包括：

为了准确的定义并描述一个无人机所处的姿态，需要确定六个变量，即无人机所处的三维坐标以及其三个姿态角，本实施例的无人机选用四旋翼无人机；

如图1所示，建立直角坐标系：定义无人机的飞行方向为x轴的正方向，定义垂直于无人机平面的向上方向为z轴的正方向，y轴方向定义为垂直于x轴和z轴的方向，根据上述轴向方向建立描述无人机位置和飞行姿态的坐标系，称为机体坐标系，并且定义X-Y-Z坐标系为地面坐标系，姿态角的定义如下：

φ为侧倾角(即绕ox轴旋转)；

θ为俯仰角(即绕oy轴旋转)；

ψ为偏航角(即绕oz轴旋转)；

首先对无人机位置建模，根据牛顿运动定理，无人机的位置状态变量的动力学方程描述为：

其中，X，Y，Z表示无人机重心位置，

为对应的二阶导数，m表示无人机的总质量，S_φ，C_φ，S_θ，C_θ，S_ψ，C_ψ分别表示为sinφ，cosφ，sinθ，cosθ，sinψ，cosψ，u_z表示为无人机在机体坐标系oz轴方向上的合力，g为重力加速度；

其次使用欧拉法，对无人机姿态角运动建模，得到无人机的转动动力学描述为：

其中，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角，

表示对应的二阶导数，J_x，J_y，J_z分别是绕着ox轴、oy轴、oz轴旋转时的固有惯性，u_φ，u_θ，u_ψ分别表示在φ，θ，ψ的旋转方向上的旋转合力，l表示无人机的电机臂长；

在本实施例中，定义下列式子：

通过上述式子定义后，可以将控制变量突显出来，更好地了解状态变量和控制变量之间的联系；

通过上面的公式定义，本实施例将建模公式简化为：

通过上述式子可知，控制变量都与状态变量的二次导之间有直接关系，所以只要能够得到状态变量的二次导的相关信息，就可以通过控制变量来对状态变量进行设计与控制；

S2：基于步骤S1中的无人机模型，采用基于Power-sigmoid激活函数的无人机的变参神经动力学的方法设计高度Z控制器、偏航角ψ控制器、横滚角φ控制器、俯仰角θ控制器、X控制器、Y控制器；

在本实施例中，设计高度Z控制器的具体步骤包括：

首先，定义第一个误差函数误差，即高度的目标值和高度的实际值之间的误差函数为：

假设上式存在唯一理论解x^*(t)，神经动力学控制器设计方法的目的就是找到x(t)＝x^*(t)，如果误差函数e_Z1(t)收敛到零，即高度的实际值可以收敛到目标高度，则可以得到的唯一理论解x^*(t)，为了保证误差函数e_Z1(t)的收敛性，其时间导数应为负定，因此，将Power-sigmoid变参递归神经动力学的方法的设计公式定义为：

其中，λ＞1，f(x)为Power-sigmoid激活函数，如图2所示，其定义如下：

f(x)中p≥1，且是一个奇数，ξ≥1是一个常数。当自变量的绝对值范围大于1时，表现为指数性质，当自变量绝对值范围小于1时，其表现为幂函数性质。在基于激活函数的变参递归神经动力学无人机控制器设计过程中，该函数自变量为无人机跟踪的位置误差或者速度误差。因此Power-sigmoid函数的使用可以使得无人机在误差较大的情况下更快地收敛到目标，在接近任务目标的情况下达到更高的精度；在

中，(λ+t^λ)是随时间变化的控制参数函数，用于控制求解过程的收敛速度，其中λ的取值取决于硬件系统的限制或特定控制目标的需求。在一般情况下，λ的取值越大表明该控制器的收敛速度越快。在实际应用中，往往不会让(λ+t^λ)增加到无穷大，因为这样会大幅度提高对控制器的硬件的要求。往往会限制一个适当的值，当(λ+t^λ)超过这个值时，让其不在增加，这样既能保证控制器能成功的将状态变量收敛至设定值，还能降低对硬件系统的要求。

在激活函数f(x)中，p是误差函数在误差较大时所使用的参数，由于要保证误差函数能够收敛到零，控制参数p只能取奇数。p的取值同样取决于硬件系统的限制或特定控制目标的需求。一般情况下p的取值越大，状态变量的收敛速度越快。控制参数ξ是误差函数在误差较小时所使用的参数，它的目的是保证在误差函数小于一时仍能保证高精度并且快速的收敛到目标值。ξ的取值一般情况下不会受到硬件系统的限制，但仍需考虑特定控制目标的需求。一般情况下ξ的取值越大，状态变量的控制精度越好。同时需要说明的是，为了保证状态变量在特殊值即(x＝1，-1)的情况下，控制变量的数值不至于突变，需要通过设置参数p和参数ξ来保证，在1和-1之间的激活函数曲线能够光滑的进行转换。换句话说在x＝1，-1处，激活函数的两种情况的导数应该尽量相等。

在实际运用中，通过利用电路来组成递归神经网络从而实现上述设计公式，因此，该设计方法被称为神经动力学设计方法。

该设计公式的意义是确保误差函数是收敛的，通过将e_Z1(t)求导并将其代入公式(2)，可以得到

上式可以重写为

上述等式是要做到的控制目标，即，如果要使误差函数e_Z1(t)收敛到零，即实际高度可以追踪任务目标，上述等式必须成立；但是，在实际情况下，目前公式(1)的求导与公式(2)并不相等。同时，为了满足控制器设计的要求，不仅要使实际高度收敛到目标高度，还要使实际速度收敛到目标速度。此外，控制变量u_Z没有显式包含在等式(5)中，为了解出相关控制变量与状态变量，需要继续使用基于Power-sigmoid激活函数的无人机的变参神经动力学方法。

第二个误差函数e_Z2(t)，即实际升高速度与目标速度之间的误差，被设置为

根据基于Power-sigmoid激活函数的无人机的变参神经动力学的设计原理，将误差函数e_Z2(t)的导数设置为：

同样的，将公式(6)求导后代入公式(7)，可以得到：

然后，将其重写为：

同样的，这只是设计目标。这意味着，如果要使状态变量Z的导数能够顺利跟踪目标，上述等式需要成立。根据无人机动力学建模的动力学方程式公式(9)，控制变量u_z由

确定。并且控制变量u_z显式地包含在等式(9)中。所以为了使等式(9)成立，即控制变量u_z能够收敛到设定值，仍需要使用基于Power-sigmoid激活函数的无人机的变参神经动力学设计方法。

将第三个误差函数e_Z3设为：

将动力学建模方程式内关于

的定义代入公式(10)，可以将上式重写成：

e_Z3(t)＝a_Zu_Z(t)+b_Z(t) (11)

其中，

根据基于Power-sigmoid激活函数的无人机的变参神经动力学的设计方法，将误差函数e_Z3的导数定义为：

通过将公式(11)求导并代入公式(12)，可以得到：

同样可以将上式重写为：

以上这条公式被称为无人机动力学建模的关于高度的隐式动力学方程式。通过这一条公式，控制变量u_Z就可以通过迭代得到。当控制变量

满足上述等式时，e_Z3(t)将会收敛到零，这意味着等式(9)将会成立，同时等式(5)也将会成立，这说明了高度状态变量Z(t)、

将收敛到目标设定值Z_T(t)、

三个姿态角，即侧倾角φ(t)，俯仰角θ(t)，偏航角ψ(t)，控制器设计与高度控制器设计过程类似，最后得到的控制器为：

其中，

姿态角控制器第三误差函数为：

在b_φ(t)，b_θ(t)，b_ψ(t)，e_φ3(t)，e_θ3(t)，e_ψ3(t)中，姿态角控制器第一误差函数表示为：

姿态角控制器第二误差函数表示为：

X，Y控制器设计过程如下，状态变量X和状态变量Y的无人机动力学建模方程式为：

从中不难发现，无论是状态变量X和状态变量Y的无人机动力学建模方程式里面都包含控制变量u_Z。这意味着，如果使用和高度控制器相似的方法设计状态变量X和状态变量Y的控制器，将解出是哪个不同的控制变量u_Z的值。这显然是不合理的，也就是说，通过这种方法设计出来的位置控制器之间是耦合的。为了能够正确的设计并控制状态变量X和状态变量Y的值，需要通过逆推法来设计相关控制器。通过观察上式，发现可以通过改变侧倾角φ(t)和俯仰角θ(t)来控制状态变量X和状态变量Y的值。在实际情况下来说，通过改变侧倾角φ(t)和俯仰角θ(t)的值，无人机可以获得不同方向的横向运动的推力。

因此，定义输入的控制变量u_X和u_Y如下：

u_X＝(C_ψS_θC_φ+S_ψS_φ) (17)

u_Y＝(S_ψS_θC_φ-C_ψS_φ) (18)

根据公式(17)和公式(18)，可以将公式(15)和公式(16)简化为：

然后先使用基于Power-sigmoid激活函数的无人机的变参神经动力学的设计方法，求解出关于控制变量u_X和u_Y的隐式动力学方程式。

其中，

X、Y控制器第三误差函数表示为：

在b_X(t)，b_Y(t)，e_X3(t)和e_Y3(t)中，X、Y控制器第一误差函数为：

X、Y控制器第二误差函数为：

通过上述公式，可以迭代得到控制变量u_X和u_Y。根据公式(19)和公式(20)，在给定偏航角ψ(t)的设定值的前提下，使用两个姿态角侧倾角φ(t)和俯仰角θ(t)组成两个控制变量u_X和u_Y。因此，如果在控制无人机时，提前给定控制变量u_X和u_Y以及偏航角ψ(t)的设定值，就可以解出两个姿态角侧倾角φ(t)和俯仰角θ(t)的设定值，从而来控制状态标量X和状态变量Y，那么这时候控制器就成功解耦，控制器的设计也就完成了。本文采用逆推法来求解两个姿态角，求解过程如下:首先，给出控制变量u_X和u_Y以及偏航角的设定值ψ_T(t)。那么就可以通过下列公式求解出侧倾角的设定值φ_T(t)和俯仰角的设定值θ_T(t)：

φ_T＝arcsin(u_XS_ψ-u_YC_ψ)

由于本实施例是通过控制变量u_X和u_Y来求出侧倾角和俯仰角的设定值，所以在设计控制器的时候，侧倾角和俯仰角的设定值是未知的。同时，在求解状态变量

和状态变量

的时候，需要用到侧倾角和俯仰角角速度的设定值。所以考虑使用微分跟踪器来实现对侧倾角和俯仰角设定值的求导。微分跟踪器是一种能够通过跟踪输入信号来求得函数的近似微分的程序。根据控制器的实际情况，将微分跟踪器的参数设置为r＝500000，h＝0.001，这两个参数的意义分别为决定微分跟踪器跟踪速度的快慢以及决定微分跟踪器在收到干扰后，滤波方面应达到的效果。

S3：将控制目标和由无人机携带的传感器得到的实际系统的状态信息输入控制器，由控制器通过迭代计算出控制分量用于控制无人机运动；

在本实施例中，使用Power-sigmoid变参递归神经动力学方法得到的高度Z，偏航角ψ，横滚角φ、俯仰角θ，X，Y控制器控制分量的输出实现如下：

如图3所示，首先通过机载的传感器获取飞行器自身的飞行实时状态信息，并将控制目标输入高度Z和偏航角ψ控制器，得到Z、ψ控制分量；其次，将传感器信息，控制目标和高度及偏航角控制分量输入X、Y控制器，得到X、Y控制分量；之后，利用反解法解出满足X、Y控制分量的横滚角φ、俯仰角θ值，作为φ、θ控制器的控制目标；最后，由φ、θ控制器计算出φ、θ控制分量，将φ、θ控制分量和Z、ψ控制分量传递给控制器控制飞行器运动。

如图4、图5所示，无人机可以很好地跟踪三维的时变轨迹，当无人机到达目标轨迹后，跟踪轨迹与目标轨迹几乎完全重合，说明了跟踪的精确性。同时可以看到，跟踪轨迹不存在超调，跟踪的稳定性能较好，其中，图中的各个坐标数值的单位是：米(m)。

本实施例基于Power-sigmoid激活函数的无人机的变参神经动力学控制器，可快速、准确、实时地逼近问题正确解，得到的控制器可以很好地控制无人机跟踪时变轨迹。

本实施例还提供一种无人机变参神经动力学控制器的设计系统，包括：无人机模型构建模块、无人机参量控制器构建模块和控制器输出控制模块；

在本实施例中，无人机模型构建模块用于构建无人机模型；

在本实施例中，无人机参量控制器构建模块用于基于所述无人机模型，采用基于激活函数的变参递归神经动力学方法分别设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；

在本实施例中，控制器输出控制模块用于将控制目标参数和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，各个无人机的控制器输出控制分量控制无人机飞行。

在本实施例中，控制器输出控制模块包括高度控制分量输出单元、偏航角控制分量输出单元、X控制分量输出单元、Y控制分量输出单元、横滚角控制分量输出单元和俯仰角控制分量输出单元；

在本实施例中，高度控制分量输出单元用于获取无人机传感器采集到的无人机状态信息，将控制目标参数输入到高度控制器，得到无人机高度控制分量；

在本实施例中，偏航角控制分量输出单元用于获取无人机传感器采集到的无人机状态信息，将控制目标参数输入偏航角控制器，得到偏航角控制分量；

在本实施例中，X控制分量输出单元用于将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到X控制器中，得到X控制分量；

在本实施例中，Y控制分量输出单元用于将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到Y控制器中，得到Y控制分量；

在本实施例中，横滚角控制分量输出单元用于采用反解法计算出满足X、Y控制分量的横滚角，作为横滚角控制器的控制目标，横滚角控制器计算输出横滚角控制分量；

在本实施例中，俯仰角控制分量输出单元用于采用反解法计算出满足X、Y控制分量的俯仰角，作为俯仰角控制器的控制目标，俯仰角控制器计算输出俯仰角控制分量；

在本实施例中，高度控制分量、偏航角控制分量、横滚角控制分量和俯仰角控制分量用于控制无人机飞行。

本实施例还提供一种存储介质，存储介质可以是ROM、RAM、磁盘、光盘等储存介质，该存储介质存储有一个或多个程序，所述程序被处理器执行时，实现上述无人机变参神经动力学控制器的设计方法。

本实施例还提供一种计算设备，所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有显示功能的终端设备，该计算设备包括该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，实现上述无人机变参神经动力学控制器的设计方法。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种无人机变参神经动力学控制器的设计方法，其特征在于，包括下述步骤：

构建无人机模型；

基于所述无人机模型，采用基于激活函数的变参递归神经动力学方法分别设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；

所述激活函数采用Power-sigmoid函数，所述高度控制器表示为：

e_Z3(t)＝a_Zu_Z(t)+b_Z(t)；

e_Z1(t)＝Z(t)-Z_T(t)；

其中，λ＞1，Z(t)表示实际高度值，Z_T(t)表示目标高度值，f(x)表示激活函数，m表示无人机的总质量，C_θ，C_φ分别表示为cosθ和cosφ，u_z表示无人机在机体坐标系oz轴方向上的控制分量，g为重力加速度，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角，e_Z1(t)表示第一误差函数，e_Z2(t)表示第二误差函数，e_Z3(t)表示第三误差函数；

f(x)为Power-sigmoid激活函数，其定义如下：

其中，p≥1，且是一个奇数，ξ≥1是一个常数；

将Power-sigmoid变参递归神经动力学的方法的设计公式定义为：

其中，(λ+t^λ)是随时间变化的控制参数函数，用于控制求解过程的收敛速度；

将e_Z1(t)代入后得到：

将控制目标参数和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，各个无人机的控制器输出控制分量控制无人机飞行。

2.根据权利要求1所述无人机变参神经动力学控制器的设计方法，其特征在于，所述构建无人机模型，具体步骤包括：

无人机的位置状态变量的动力学方程描述为：

其中，X，Y，Z表示无人机重心位置，

为对应的二阶导数，m表示无人机的总质量，S_φ，C_φ，S_θ，C_θ，S_ψ，C_ψ分别表示为sinφ，cosφ，sinθ，cosθ，sinψ，cosψ，u_z表示为无人机在机体坐标系oz轴方向上的合力，g为重力加速度，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角；

采用欧拉法，对无人机姿态角运动建模，得到无人机的转动动力学描述为：

其中，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角，

表示对应的二阶导数，J_x，J_y，J_z分别是绕着ox轴、oy轴、oz轴旋转时的固有惯性，u_φ，u_θ，u_ψ分别表示在φ，θ，ψ的旋转方向上的旋转合力，l表示无人机的电机臂长；

无人机模型表示为：

其中，

3.根据权利要求1所述无人机变参神经动力学控制器的设计方法，其特征在于，所述高度控制器的具体设计步骤包括：

定义第一误差函数为：

其中，Z(t)表示实际高度值，Z_T(t)表示目标高度值；

根据第一误差函数，变参递归神经动力学设计公式定义为：

将e_Z1(t)代入后得到：

定义第二误差函数为：

根据第二误差函数，变参递归神经动力学设计公式定义为：

将e_Z2(t)代入后得到：

定义第三误差函数为：

无人机高度的动力学方程为：

将

代入后得到：

e_Z3(t)＝a_Zu_Z(t)+b_Z(t)

根据第三误差，变参递归神经动力学设计公式定义为：

将e_Z3(t)代入后，得到高度控制器的表达式：

4.根据权利要求1所述无人机变参神经动力学控制器的设计方法，其特征在于，所述各个无人机的控制器输出控制分量控制无人机飞行，具体步骤包括：

获取无人机传感器采集到的无人机状态信息，将控制目标参数输入到高度控制器和偏航角控制器，得到无人机高度控制分量和偏航角控制分量；

将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到X控制器和Y控制器中，得到X、Y控制分量；

采用反解法计算出满足X、Y控制分量的横滚角和俯仰角，作为横滚角控制器和俯仰角控制器的控制目标；

横滚角控制器和俯仰角控制器计算输出横滚角控制分量和俯仰角控制分量；

所述高度控制分量、偏航角控制分量、横滚角控制分量和俯仰角控制分量用于控制无人机飞行。

5.一种无人机变参神经动力学控制器的设计系统，其特征在于，包括：无人机模型构建模块、无人机参量控制器构建模块和控制器输出控制模块；

所述无人机模型构建模块用于构建无人机模型；

所述无人机参量控制器构建模块用于基于所述无人机模型，采用基于激活函数的变参递归神经动力学方法分别设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；

所述激活函数采用Power-sigmoid函数，所述高度控制器表示为：

e_Z3(t)＝a_Zu_Z(t)+b_Z(t)；

e_Z1(t)＝Z(t)-Z_T(t)；

其中，λ＞1，Z(t)表示实际高度值，Z_T(t)表示目标高度值，f(x)表示激活函数，m表示无人机的总质量，C_θ，C_φ分别表示为cosθ和cosφ，u_z表示无人机在机体坐标系oz轴方向上的控制分量，g为重力加速度，φ表示侧倾角，θ表示俯仰角，ψ表示偏航角，e_Z1(t)表示第一误差函数，e_Z2(t)表示第二误差函数，e_Z3(t)表示第三误差函数；

f(x)为Power-sigmoid激活函数，其定义如下：

其中，p≥1，且是一个奇数，ξ≥1是一个常数；

将Power-sigmoid变参递归神经动力学的方法的设计公式定义为：

其中，(λ+t^λ)是随时间变化的控制参数函数，用于控制求解过程的收敛速度；

所述控制器输出控制模块用于将控制目标参数和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，各个无人机的控制器输出控制分量控制无人机飞行。

6.根据权利要求5所述无人机变参神经动力学控制器的设计系统，其特征在于，所述控制器输出控制模块包括高度控制分量输出单元、偏航角控制分量输出单元、X控制分量输出单元、Y控制分量输出单元、横滚角控制分量输出单元和俯仰角控制分量输出单元；

所述高度控制分量输出单元用于获取无人机传感器采集到的无人机状态信息，将控制目标参数输入到高度控制器，得到无人机高度控制分量；

所述偏航角控制分量输出单元用于获取无人机传感器采集到的无人机状态信息，将控制目标参数输入偏航角控制器，得到偏航角控制分量；

所述X控制分量输出单元用于将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到X控制器中，得到X控制分量；

所述Y控制分量输出单元用于将所述无人机状态信息、控制目标参数、无人机高度控制分量和偏航角控制分量输入到Y控制器中，得到Y控制分量；

所述横滚角控制分量输出单元用于采用反解法计算出满足X、Y控制分量的横滚角，作为横滚角控制器的控制目标，横滚角控制器计算输出横滚角控制分量；

所述俯仰角控制分量输出单元用于采用反解法计算出满足X、Y控制分量的俯仰角，作为俯仰角控制器的控制目标，俯仰角控制器计算输出俯仰角控制分量；

所述高度控制分量、偏航角控制分量、横滚角控制分量和俯仰角控制分量用于控制无人机飞行。

7.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4任一项所述无人机变参神经动力学控制器的设计方法。

8.一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-4任一项所述无人机变参神经动力学控制器的设计方法。

Images