CN113268072A - 一种基于特征模型的四旋翼无人机抗扰控制方法 - Google Patents
一种基于特征模型的四旋翼无人机抗扰控制方法 Download PDFInfo
- Publication number
- CN113268072A CN113268072A CN202110579632.8A CN202110579632A CN113268072A CN 113268072 A CN113268072 A CN 113268072A CN 202110579632 A CN202110579632 A CN 202110579632A CN 113268072 A CN113268072 A CN 113268072A
- Authority
- CN
- China
- Prior art keywords
- control
- unmanned aerial
- aerial vehicle
- moment
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005096 rolling process Methods 0.000 claims description 27
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000036544 posture Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000011160 research Methods 0.000 description 6
- 239000002131 composite material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000004088 simulation Methods 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)
- Feedback Control In General (AREA)
Abstract
本发明提供一种基于特征模型的四旋翼无人机抗扰控制方法，相比已有特征模型控制方法扰动不够敏感、在时变扰动下性能不佳、只能以较慢地被动式补偿扰动的特点，本发明首先在黄金分割自适应控制律、逻辑微分控制律以及逻辑积分控制律构成的全系数自适应姿态控制器基础上加入前馈跟踪控制通道，再结合扩张状态观测器，以此通过特征建模的方法以自适应的形式控制四旋翼无人机的姿态，能够提升飞行器的跟踪精度，克服现有四旋翼飞行器控制方法存在的控制效果不佳和抗扰性能不足的缺陷。
Description
技术领域
本发明属于无人机控制领域，尤其涉及一种基于特征模型的四旋翼无人机抗扰控制方法。
背景技术
无人机作为无线电遥控飞行或者自主控制飞行的无人驾驶飞行器已经在当今社会中有着重要作用。有关四旋翼飞行器的研究随着微电子技术、自动控制技术等的不断成熟进步日益发展。四旋翼飞行器可以空间全方位飞行动作，对于空间以及环境的依赖性较小，在军用、工用和民用领域具有广泛的应用前景。
由于四旋翼飞行器在众多应用场景中精准悬停和快速准确跟随指令有着重要的地位，所以对无人机的姿态控制研究十分必要，由姿态控制保证快速、精度和鲁棒性。多个高校机构等都对此领域对控制方法有了很多的研究，目前更多的研究选择将四旋翼的动力学模型线性化，并在传统线性控制方法的基础上进行设计，如比例积分微分(PID)控制方法是目前各大开源飞控如PX4和APM的核心应用控制算法。随着现代控制理论的兴起，诞生了很多新的控制方法，包括多种非线性控制如滑模控制以及智能控制方法如模型预测控制。
上述控制方法中，大部分算法都需要依赖于四旋翼飞行器的精准数学模型，且相关参数的选取没有成熟的规律可循，参数的改变对控制效果的影响比较敏感，存在局限性。中国专利CN104570734A中提出一种基于一阶特征模型的全系数自适应控制方法(ACAC)，根据被控对象的特性和控制性能要求，用一个低阶离散时变系统逼近一个高阶非线性/线性系统，文献(Characteristic modeling and all-coefficient adaptive control of aquadrotor，2016 12th World Congress on Intelligent Control and Automation(WCICA).IEEE)在此基础上尝试对四旋翼的姿态控制系统进行特征建模并设计全系数自适应姿态角控制器，提高了控制性能并解决了对数学模型的要求问题，缩小参数量。但是由于四旋翼系统是多变量非线性强耦合系统，且在飞行状态下，四旋翼可能会受到许多因素的影响从而导致不可预测的扰动，精确的扰动模型同样难以建立。
中国专利CN112015192A和CN110531776A都参考了自抗扰控制技术的控制方法，针对飞行器可能受到的扰动和各不确定耦合量进行主动抗扰的控制器设计。通过采用基于扩张状态观测器(ESO)对内外部扰动进行总体的估计，最终通过控制器进行前馈补偿。这种方法提升了系统的控制性能，尤其是在复杂环境中的抗干扰能力，使飞行器姿态具有较强的鲁棒性。但上述方法涉及到自抗扰控制中的控制器部分参数过多，不易调节，且由于仅关注抗干扰性不能保证控制精度以及指令的相应速度，不能得到最佳的控制效果。因此在四旋翼控制方法设计上仍存在稳定性和控制精准快速性的研究需求。
发明内容
为解决上述问题，本发明提供一种基于特征模型的四旋翼无人机抗扰控制方法，能够有效控制四旋翼无人机的姿态，提升飞行器的跟踪精度。
一种基于特征模型的四旋翼无人机抗扰控制方法，分别将无人机俯仰方向、滚转方向以及偏航方向的控制力矩作为当前控制量u(k)代入如下公式，得到k时刻无人机三个方向上的控制力矩，使得无人机根据三个方向上的控制力矩完成自身姿态的调节，实现抗扰控制：
其中，总控制量u0(k)＝uh(k)+uD(k)+uI(k)+ut(k)，uh(k)为黄金分割自适应控制律的控制量，uD(k)为逻辑微分控制律的控制量，uI(k)为逻辑积分控制律的控制量，ut(k)为前馈维持跟踪控制律的控制量，z2(k)为根据扩张状态观测器获取的当前控制量u(k)对应的姿态角的角速度量估计值，且姿态角包括滚转角、俯仰角以及偏航角，b为设定的控制参数。
进一步地，所述黄金分割自适应控制律的控制量uh(k)的计算公式为：
其中，β0(k)为控制量u(k)对应的特征参数，λ为设定的遗忘因子，l1和l2为黄金分割系数，且l1＝0.382，l2＝0.618，α1(k)为k时刻的状态量X(k)对应的特征参数，α2(k)为k-1时刻的状态量X(k-1)对应的特征参数，e(k)为k时刻的输入跟踪误差，e(k-1)为k-1时刻的输入跟踪误差，且e(k)＝y(k)-r(k)，e(k-1)＝y(k-1)-r(k-1)，y(k)和y(k-1)分别为当前控制量u(k)对应的姿态角在k时刻和k-1时刻的实际值，r(k)和r(k-1)分别为当前控制量u(k)对应的姿态角在k时刻和k-1时刻的期望值；状态量
表示滚转角，θ(k)表示俯仰角，ψ(k)表示偏航角，T表示转置；
所述逻辑微分控制律的控制量uD(k)的计算公式为：
uD(k)＝kD[e(k)-e(k-1)]
其中，kD为动态调整的微分系数，d为设定常数，N为根据逻辑微分控制律的阶次选取的正常数；
所述逻辑积分控制律的控制量uI(k)的计算的公式为：
uI(k)＝uI(k-1)+kve(k)
其中，kv为动态调整的积分系数，v＝1,2，uI(k-1)为逻辑积分控制律在k-1时刻的控制量，Δ为设定的控制阈值；
所述前馈维持跟踪控制律的控制量ut(k)的计算公式为：
ut(k)＝fut′(k)+(1-f)ut(k-1)
其中，ut′(k)为滤波采样前的前馈维持跟踪控制律的控制量，f为设定的滤波系数，ut(k-1)为前馈维持跟踪控制律在k-1时刻的控制量，r(k-2)为当前控制量u(k)对应的姿态角在k-2时刻的期望值。
进一步地，当无人机俯仰方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的俯仰角实际值，r(k)为无人机的俯仰角期望值；当无人机滚转方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的滚转角实际值，r(k)为无人机的滚转角期望值；当无人机偏航方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的偏航角实际值，r(k)为无人机的偏航角期望值。
进一步地，所述控制量u(k)对应的特征参数β0(k)、k时刻的状态量X(k)对应的特征参数α1(k)以及k-1时刻的状态量X(k-1)对应的特征参数α2(k)的获取方法为：
建立三个特征参数β0(k)、α1(k)、α2(k)与状态量X(k)、X(k-1)满足的二阶差分模型如下：
X(k+1)＝α1(k)X(k)+α2(k)X(k-1)+β0(k)U(k)
其中，控制向量U(k)＝[U2 U3 U4]T，U2、U3以及U4分别为无人机俯仰方向、滚转方向以及偏航方向的控制力矩；
通过递推最小二乘法在线辨识所述二阶差分模型，得到三个特征参数的取值，具体方法如下：
构建递推最小二乘模型如下：
其中，P(k)和K(k)为辨识过程中k时刻的中间变量，P(k-1)为辨识过程中k-1时刻的中间变量，
为辨识得到的k时刻的特征参数向量，且
为辨识得到的k-1时刻的特征参数向量，且
I为单位向量，φ(k)为k时刻的输入变量，φ(k-1)为k-1时刻的输入变量，其中，当无人机俯仰方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的俯仰角实际值，输入变量为无人机的俯仰角期望值；当无人机滚转方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的滚转角实际值，输入变量为无人机的滚转角期望值；当无人机偏航方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的偏航角实际值，输入变量为无人机的偏航角期望值；
分别将无人机的俯仰角期望值、滚转角期望值以及偏航角期望值作为输入变量φ(k)和φ(k-1)代入所述递推最小二乘模型进行迭代更新，直到三个特征参数β0(k)、α1(k)、α2(k)均落入设定的取值范围，分别得到无人机俯仰方向、滚转方向以及偏航方向的控制力矩作为当前控制量u(k)时所对应的特征参数β0(k)、α1(k)、α2(k)。
进一步地，控制力矩U2、U3以及U4的计算方法如下：
其中，Ω1～Ω4分别为四旋翼的转速，d为无人机力矩参数。
进一步地，角速度量估计值z2(k)的获取方法为：
构建如下扩张状态观测器：
其中，z1(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的估计角度，y(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的实际值，e(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的跟踪误差，β1(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的速度特征参数，β2(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的加速度特征参数，
为z1(k)的导数，
为z2(k)的导数，b0为设定的控制参数；
将当前控制量u(k)在k-1时刻的取值、当前控制量u(k)对应的姿态角在k-1时刻的实际值y(k-1)代入上述扩张状态观测器，得到k时刻的角速度量估计值z2(k)。
进一步地，将当前控制量u(k)在k-1时刻的取值时延t-τd后再代入所述扩张状态观测器，其中，τd为设定的时间常数。
有益效果：
1、本发明提供一种基于特征模型的四旋翼无人机抗扰控制方法，相比已有特征模型控制方法扰动不够敏感、在时变扰动下性能不佳、只能以较慢地被动式补偿扰动的特点，本发明首先在黄金分割自适应控制律、逻辑微分控制律以及逻辑积分控制律构成的全系数自适应姿态控制器基础上加入前馈跟踪控制通道，再结合扩张状态观测器，以此通过特征建模的方法以自适应的形式控制四旋翼无人机的姿态，能够提升飞行器的跟踪精度，克服现有四旋翼飞行器控制方法存在的控制效果不佳和抗扰性能不足的缺陷。
2、本发明在特征模型方法地基础上在姿态角度环和角速度环中引入改进后的扩张状态观测器，加强了实时性并减少观测噪声，提高了系统的鲁棒性。
3、本发明相比于一般自抗扰控制器，创新性的设计了降阶扩张状态观测器并改变观测器结构以减小系统相位延迟，还创新性的加入滤波后的前馈跟踪控制器以提升跟踪速度；也就是说，本发明在反馈回路加入低通滤波器来减弱测量噪声，提升了扰动观测补偿性能，减少控制系统的滞后和损失；在控制量输出时加入时延模块以同步观测器信号，减小控制观测量间延迟。
4、本发明相比于其他诸多姿态控制方法，由于其对于系统自身数学模型的需求性较小，减小了在实际控制应用中对多种控制参数的调试需求，通过特征建模的方法自适应调节控制参数，再通过简单调试线性扰动观测器参数便可以提高系统的动态和稳态控制性能。
5、本发明通过设计扰动来估计补偿扩张状态观测器内外界的扰动，针对传统观测器的局限性进行改进，提高系统的抗扰能力和鲁棒性。
附图说明
图1为本发明提供的一种基于特征模型的四旋翼无人机抗扰控制方法的总体流程图；
图2为基于特征模型理论的全系数自适应姿态控制器的结构图；
图3为本发明提供的一种基于特征模型的四旋翼无人机抗扰控制方法的控制结构图；
图4为本发明提供的改进后基于特征模型的前馈全系数自适应控制器结构图；
图5为无噪声条件下该控制系统俯仰角通道跟踪一阶跃信号的跟踪情况；
图6为为滚转通道加入过程噪声和观测噪声的跟踪相同阶跃信号的跟踪曲线；
图7为实际飞行实验中定点模式在扰动下滚转姿态环的跟踪曲线。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，本发明提供了一种基于特征模型的四旋翼无人机抗扰控制方法，分析四旋翼飞行器的飞行原理并建立其特征模型，设计基于特征模型理论全系数自适应姿态控制器并改进；引入扩张状态观测器并根据实际控制需求进行改进创新提升性能，与特征模型下的前馈全系数自适应控制器相结合，构建复合控制器；建立四旋翼无人机姿态控制串级回路，对姿态角度和角速度进行串级控制。在原基础上将扰动观测器设计应用在姿态角速度部分，并与相同方法设计的姿态角特征模型全系数自适应控制器相结合，起到对扰动更为快速精准地补偿作用；通过复合控制器对四旋翼飞行器姿态进行控制。
也就是说，本发明将四旋翼无人机的姿态通道动力学模型按照通用方法简化为二阶，作为研究的对象，为了再控制过程中的效果和缩减参数，故设计单环姿态控制对姿态角控制。通过改进后的特征建模下前馈全系数自适应控制器结合改进后的线性扩张状态观测器构建，具体如下：
分别将无人机俯仰方向、滚转方向以及偏航方向的控制力矩作为当前控制量u(k)代入如下公式，得到k时刻无人机三个方向上的控制力矩，使得无人机根据三个方向上的控制力矩完成自身姿态的调节，实现抗扰控制：
其中，总控制量u0(k)＝uh(k)+uD(k)+uI(k)+ut(k)，uh(k)为黄金分割自适应控制律的控制量，uD(k)为逻辑微分控制律的控制量，uI(k)为逻辑积分控制律的控制量，ut(k)为前馈维持跟踪控制律的控制量，z2(k)为根据扩张状态观测器获取的当前控制量u(k)对应的姿态角的角速度量估计值，且姿态角包括滚转角、俯仰角以及偏航角，b为设定的控制参数。
需要说明的是，黄金分割自适应控制律、逻辑微分控制律以及逻辑积分控制律构成基于特征模型理论全系数自适应姿态控制器，如图2所示；因此，本发明可以根据特征模型的理论本质，根据被控对象的特性和控制性能要求，用一个低阶离散时变系统逼近一个无人机抗扰控制过程中的高阶非线性/线性系统。特征建模是一种在线适应型建模，以不像降阶模型那样丢弃信息，而将高阶模型的所有信息压缩/集成到几个特征参数中，使其具有简单的线性形式。
此外，当输入信号相同时，在稳定状态下，被控对象特征模型与实际对象的输出是相等的。当系统针对非线性系统，满足系统状态可测时，特征模型可由一慢时变差分方程描述，则四旋翼每个姿态环特征模型可用一个二阶时变差分方程形式描述。
进一步地，所述黄金分割自适应控制律的控制量uh(k)的计算公式为：
其中，β0(k)为控制量u(k)对应的特征参数，λ为设定的遗忘因子，l1和l2为黄金分割系数，且l1＝0.382，l2＝0.618，α1(k)为k时刻的状态量X(k)对应的特征参数，α2(k)为k-1时刻的状态量X(k-1)对应的特征参数，e(k)为k时刻的输入跟踪误差，e(k-1)为k-1时刻的输入跟踪误差，且e(k)＝y(k)-r(k)，e(k-1)＝y(k-1)-r(k-1)，y(k)和y(k-1)分别为当前控制量u(k)对应的姿态角在k时刻和k-1时刻的实际值，r(k)和r(k-1)分别为当前控制量u(k)对应的姿态角在k时刻和k-1时刻的期望值；状态量
表示k时刻的滚转角，θ(k)表示k时刻的俯仰角，ψ(k)表示k时刻的偏航角，T表示转置；状态量
表示k-1时刻的滚转角，θ(k-1)表示k-1时刻的俯仰角，ψ(k-1)表示k-1时刻的偏航角。
其中，当无人机俯仰方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的俯仰角实际值，r(k)为无人机的俯仰角期望值；当无人机滚转方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的滚转角实际值，r(k)为无人机的滚转角期望值；当无人机偏航方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的偏航角实际值，r(k)为无人机的偏航角期望值。
需要说明的是，黄金分割控制律可以保证闭环系统的稳定性，该控制律设计简单，具有较强的鲁棒性。利用到辨识得到的系统参数α1、α2、β0对上一时刻和这一时刻的姿态量进行控制计算。
所述逻辑微分控制律的控制量uD(k)的计算公式为：
uD(k)＝kD[e(k)-e(k-1)]
其中，kD为动态调整的微分系数，d为设定常数，N为根据逻辑微分控制律的阶次选取的正常数。
需要说明的是，与传统微分控制相比，逻辑微分控制律可以动态调整，提高系统的动态品质。在姿态控制中，当状态值与期望产生较大偏差时，能够减小系统阻尼实现快速跟踪，因此减小微分系数。当系统存在轻微振荡时，微分系数加大以增大系统阻尼抑制振荡。
所述逻辑积分控制律的控制量uI(k)的计算的公式为：
uI(k)＝uI(k-1)+kve(k)
其中，kv为动态调整的积分系数，v＝1,2，uI(k-1)为逻辑积分控制律在k-1时刻的控制量，Δ为设定的控制阈值。
需要说明的是，Δ根据所输入的控制信号变化调整积分控制量uI(k)的值，以加快系统的调节速度，本发明还随着跟踪误差e(k)的变化调节积分系数kv。
所述前馈维持跟踪控制律的控制量ut(k)的计算公式为：
ut(k)＝fut′(k)+(1-f)ut(k-1)
其中，ut′(k)为滤波采样前的前馈维持跟踪控制律的控制量，f为设定的滤波系数，且取值范围满足0<f<1，ut(k-1)为前馈维持跟踪控制律在k-1时刻的控制量，r(k-2)为当前控制量u(k)对应的姿态角在k-2时刻的期望值。参数α1、α2、β0由看完通过下述的递推最小二乘法在线辨识得到。
需要说明的是，加入前馈维持跟踪控制律能够提高动态相应的精度和速度，本发明对于传统的前馈维持跟踪控制律ut′(k)进行了改进，为了平滑输出的控制量，对输出使用滤波器进行滤波，最终得到的维持跟踪控制律ut(k)，用于跟踪系统的期望姿态，提高控制响应速度和精度，作用于类似参考模型。
进一步地，所述控制量u(k)对应的特征参数β0(k)、k时刻的状态量X(k)对应的特征参数α1(k)以及k-1时刻的状态量X(k-1)对应的特征参数α2(k)的获取方法为：
根据四旋翼飞行器状态空间模型X(k)、X(k-1)以及输入控制向量U(k)的关系，建立三个特征参数β0(k)、α1(k)、α2(k)与状态量X(k)、X(k-1)满足的二阶差分模型如下：
X(k+1)＝α1(k)X(k)+α2(k)X(k-1)+β0(k)U(k)
其中，控制向量U(k)＝[U2 U3 U4]T，U2、U3以及U4分别为无人机俯仰方向、滚转方向以及偏航方向的控制力矩，且控制力矩U2、U3以及U4的计算方法如下：
其中，Ω1～Ω4分别为四旋翼的转速，b、d均为无人机力矩参数。
通过递推最小二乘法在线辨识所述二阶差分模型，得到三个特征参数的取值，具体方法如下：
构建递推最小二乘模型如下：
其中，P(k)和K(k)为辨识过程中k时刻的中间变量，P(k-1)为辨识过程中k-1时刻的中间变量，λ＝0.97为遗忘因子，
为辨识得到的k时刻的特征参数向量，且
为辨识得到的k-1时刻的特征参数向量，且
I为单位向量，φ(k)为k时刻的输入变量，φ(k-1)为k-1时刻的输入变量，其中，当无人机俯仰方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的俯仰角实际值，输入变量为无人机的俯仰角期望值；当无人机滚转方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的滚转角实际值，输入变量为无人机的滚转角期望值；当无人机偏航方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的偏航角实际值，输入变量为无人机的偏航角期望值；
分别将无人机的俯仰角期望值、滚转角期望值以及偏航角期望值作为输入变量φ(k)和φ(k-1)代入所述递推最小二乘模型进行迭代更新，直到三个特征参数β0(k)、α1(k)、α2(k)均落入设定的取值范围，分别得到无人机俯仰方向、滚转方向以及偏航方向的控制力矩作为当前控制量u(k)时所对应的特征参数β0(k)、α1(k)、α2(k)。
需要说明的是，在具体的特征模型辨识过程中，本发明对每一姿态环，即俯仰方向、滚转方向以及偏航方向各自对应的3个特征参数单独进行辨识，如以滚转姿态为例，在进行辨识时，令
为一1×3向量，内容为辨识目标动态参数[α1,α2,β0]，φ为输入之前步骤提到的滚转角
在此时和上一时刻取值，和上步提到的该姿态通道输入控制量U2构成的1×3向量
利用上述公式进行在线辨识，根据系统自身特点设定3个特征参数的取值范围，在线迭代更新特征参数，实时输出到控制器中用于动态调整系统控制。
利用上一状态的姿态角等特征模型输入输出信息，通过递推最小二乘法在线辨识得到四旋翼姿态角特征模型的特征参数。针对俯仰、滚转、偏航每一个姿态角控制环分别设计最小二乘辨识过程，在系统动态过程得到特征参数，用于下一步控制器设计。
进一步地，由以上陈述可知，本发明构建的是根据实际控制需求进行改进创新提升性能的扩张状态观测器与特征模型下的前馈全系数自适应控制器相结合的复合控制器，其中，角速度量估计值z2(k)的获取方法为：
构建如下扩张状态观测器：
其中，z1(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的估计角度，y(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的实际值，e(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的跟踪误差，β1(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的速度特征参数，β2(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的加速度特征参数，
为z1(k)的导数，
为z2(k)的导数，b0为设定的控制参数；
将当前控制量u(k)在k-1时刻的取值时延t-τd后得到的u(k)(t-τd)、当前控制量u(k)对应的姿态角在k-1时刻的实际值y(k-1)代入上述扩张状态观测器，得到k时刻的角速度量估计值z2(k)。
需要说明的是，本发明将改进后的扩张状态观测器融入到全系数自适应控制器框架中，扩张状态观测器用于估计对系统产生的扰动并进行抑制；在控制量u(k)输出处设计加入一时间延迟，使当前控制量u(k)进入LESO前被延迟，达到与LESO输入保持一致，则由于LESO的输入已经由于滤波器而延迟，这将同步进入观测器的信号，并使观测器提供有意义的估计值。
进一步地，本发明提供的降阶线性扩张状态观测器的推导过程如下：
利用基于自抗扰控制中的扩张状态观测器(ESO)观测内外扰动。设计建立改进的降阶线性扩张状态观测器，对输入量进行观测并扩展出总扰动z2在总控制量中进行补偿得到总控制量u；
对于上述四旋翼简化为二阶非线性被控对象：
x1、x2为输入状态量角度角速度，u为输入量，b为控制系数，将外部未知扰动w(t)和时变不确定函数f视为总扰动并扩充为新的状态变量可扩张为一个线性系统：
即扩张出状态量x3，从而构建常用二阶线性扩张状态观测器LESO：
y是系统接收到外部姿态信息，z1、z2为系统的姿态角度和角速度量，也是扩张状态观测器的估计值，通过与给定姿态做差作为特征模型控制器的输入e。β1 β2 β3和b0为需要具体调节的控制参数。如采用正常2阶LESO控制结构与常见线性误差反馈控制器进行结合为图3所示。
由于工程上四旋翼传感器能力限制，不能直接测量得到角加速度，且观测器参数过多较为复杂，不易得到较好效果，故对其进行改进，设计建立降阶线性扩张状态观测器如下：
与传统方法不同在于，本发明对输入量进行观测并扩展出总扰动
在总控制量中进行补偿得到总控制量u。通过降阶设计，减小观测器相位滞后并缩减需要调节的参数，且可以直接通过陀螺仪进行测量姿态角与角速度。估计出了总扰动为系统的不确定性和内外扰动总和，在放大倍数已知的情况下，在控制量的基础上对扰动进行补偿；同时在设计观测器过程中，在反馈回路输入LESO处设计加入一个三阶低通巴特沃斯滤波器衰减测量噪声，其截至频率根据系统设定。
此外，本发明还可以建立四旋翼无人机姿态控制串级回路，对姿态角度和角速度进行串级控制。在原基础上将扰动观测器设计应用在姿态角速度部分，并与相同方法设计的姿态角特征模型全系数自适应控制器相结合，其具体过程不重复说明，可以达到对扰动更为快速精准地补偿作用。
由此可见，本发明提供了一种基于特征模型的四旋翼无人机抗扰控制方法，如图4所示为本发明自抗扰控制器的具体组成框图。为了验证本发明的控制性能，在考虑外部干扰存在的情况下，本实例基于MATLAB仿真环境对本发明算法进行仿真验证控制器的合理可行性，针对对象为四旋翼飞行器。如图5所示，该图为无噪声条件下该控制系统俯仰角通道跟踪一幅值为0.6rad的阶跃信号的跟踪情况；图6则为滚转通道加入均值为0的过程噪声和均值为0的观测噪声的跟踪相同阶跃信号的跟踪曲线。综合可以看出该控制器在无干扰情况下的跟踪精度高，且无明显时间延迟，总体跟随效果较好；在加入一定随机噪声干扰后，其总体控制效果基本不受影响，得到图中的控制效果，进一步证明了发明的姿态控制器鲁棒性。
为了进一步验证上述设计的基于特征模型与扰动观测器的复合四旋翼姿态控制器的有效性，本发明利用基于F450机架的四旋翼飞行器进行实际飞行实验。基于A9开源飞控进行开发并通过F450机架及相关动力系统传感器搭建。旋翼飞行时机体总质量约750g，用作扰动的负载质量约220g。实际飞行实验中从定点模式下验证姿态控制器的性能，无人机在扰动下定点飞行，通过遥控人为给出姿态期望值，同时施加扰动，滚转姿态跟踪误差如图7所示。可以看出在整个定点飞行中，在前30s飞行器处于外加扰动定点悬停状态，此时的姿态误差基本稳定在+-2°，具备一定的跟踪精度；实际跟踪过程中姿态跟踪情况基本满足要求，跟踪误差基本限制在+-1°，总体跟踪效果良好。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种基于特征模型的四旋翼无人机抗扰控制方法，其特征在于，分别将无人机俯仰方向、滚转方向以及偏航方向的控制力矩作为当前控制量u(k)代入如下公式，得到k时刻无人机三个方向上的控制力矩，使得无人机根据三个方向上的控制力矩完成自身姿态的调节，实现抗扰控制：
其中，总控制量u0(k)＝uh(k)+uD(k)+uI(k)+ut(k)，uh(k)为黄金分割自适应控制律的控制量，uD(k)为逻辑微分控制律的控制量，uI(k)为逻辑积分控制律的控制量，ut(k)为前馈维持跟踪控制律的控制量，z2(k)为根据扩张状态观测器获取的当前控制量u(k)对应的姿态角的角速度量估计值，且姿态角包括滚转角、俯仰角以及偏航角，b为设定的控制参数。
2.如权利要求1所述的一种基于特征模型的四旋翼无人机抗扰控制方法，其特征在于，所述黄金分割自适应控制律的控制量uh(k)的计算公式为：
其中，β0(k)为控制量u(k)对应的特征参数，λ为设定的遗忘因子，l1和l2为黄金分割系数，且l1＝0.382，l2＝0.618，α1(k)为k时刻的状态量X(k)对应的特征参数，α2(k)为k-1时刻的状态量X(k-1)对应的特征参数，e(k)为k时刻的输入跟踪误差，e(k-1)为k-1时刻的输入跟踪误差，且e(k)＝y(k)-r(k)，e(k-1)＝y(k-1)-r(k-1)，y(k)和y(k-1)分别为当前控制量u(k)对应的姿态角在k时刻和k-1时刻的实际值，r(k)和r(k-1)分别为当前控制量u(k)对应的姿态角在k时刻和k-1时刻的期望值；状态量
表示滚转角，θ(k)表示俯仰角，ψ(k)表示偏航角，T表示转置；
所述逻辑微分控制律的控制量uD(k)的计算公式为：
uD(k)＝kD[e(k)-e(k-1)]
其中，kD为动态调整的微分系数，d为设定常数，N为根据逻辑微分控制律的阶次选取的正常数；
所述逻辑积分控制律的控制量uI(k)的计算的公式为：
uI(k)＝uI(k-1)+kve(k)
其中，kv为动态调整的积分系数，v＝1,2，uI(k-1)为逻辑积分控制律在k-1时刻的控制量，Δ为设定的控制阈值；
所述前馈维持跟踪控制律的控制量ut(k)的计算公式为：
ut(k)＝fut′(k)+(1-f)ut(k-1)
其中，ut′(k)为滤波采样前的前馈维持跟踪控制律的控制量，f为设定的滤波系数，ut(k-1)为前馈维持跟踪控制律在k-1时刻的控制量，r(k-2)为当前控制量u(k)对应的姿态角在k-2时刻的期望值。
3.如权利要求2所述的一种基于特征模型的四旋翼无人机抗扰控制方法，其特征在于，当无人机俯仰方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的俯仰角实际值，r(k)为无人机的俯仰角期望值；当无人机滚转方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的滚转角实际值，r(k)为无人机的滚转角期望值；当无人机偏航方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的偏航角实际值，r(k)为无人机的偏航角期望值。
4.如权利要求2所述的一种基于特征模型的四旋翼无人机抗扰控制方法，其特征在于，所述控制量u(k)对应的特征参数β0(k)、k时刻的状态量X(k)对应的特征参数α1(k)以及k-1时刻的状态量X(k-1)对应的特征参数α2(k)的获取方法为：
建立三个特征参数β0(k)、α1(k)、α2(k)与状态量X(k)、X(k-1)满足的二阶差分模型如下：
X(k+1)＝α1(k)X(k)+α2(k)X(k-1)+β0(k)U(k)
其中，控制向量U(k)＝[U2 U3 U4]T，U2、U3以及U4分别为无人机俯仰方向、滚转方向以及偏航方向的控制力矩；
通过递推最小二乘法在线辨识所述二阶差分模型，得到三个特征参数的取值，具体方法如下：
构建递推最小二乘模型如下：
其中，P(k)和K(k)为辨识过程中k时刻的中间变量，P(k-1)为辨识过程中k-1时刻的中间变量，
为辨识得到的k时刻的特征参数向量，且
为辨识得到的k-1时刻的特征参数向量，且
I为单位向量，φ(k)为k时刻的输入变量，φ(k-1)为k-1时刻的输入变量，其中，当无人机俯仰方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的俯仰角实际值，输入变量为无人机的俯仰角期望值；当无人机滚转方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的滚转角实际值，输入变量为无人机的滚转角期望值；当无人机偏航方向的控制力矩为当前控制量u(k)时，y(k)为无人机当前的偏航角实际值，输入变量为无人机的偏航角期望值；
分别将无人机的俯仰角期望值、滚转角期望值以及偏航角期望值作为输入变量φ(k)和φ(k-1)代入所述递推最小二乘模型进行迭代更新，直到三个特征参数β0(k)、α1(k)、α2(k)均落入设定的取值范围，分别得到无人机俯仰方向、滚转方向以及偏航方向的控制力矩作为当前控制量u(k)时所对应的特征参数β0(k)、α1(k)、α2(k)。
5.如权利要求4所述的一种基于特征模型的四旋翼无人机抗扰控制方法，其特征在于，控制力矩U2、U3以及U4的计算方法如下：
其中，Ω1～Ω4分别为四旋翼的转速，d为无人机力矩参数。
6.如权利要求1～5任一权利要求所述的一种基于特征模型的四旋翼无人机抗扰控制方法，其特征在于，角速度量估计值z2(k)的获取方法为：
构建如下扩张状态观测器：
其中，z1(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的估计角度，y(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的实际值，e(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的跟踪误差，β1(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的速度特征参数，β2(k-1)为当前控制量u(k)对应的姿态角在k-1时刻的加速度特征参数，
为z1(k)的导数，
为z2(k)的导数，b0为设定的控制参数；
将当前控制量u(k)在k-1时刻的取值、当前控制量u(k)对应的姿态角在k-1时刻的实际值y(k-1)代入上述扩张状态观测器，得到k时刻的角速度量估计值z2(k)。
7.如权利要求6所述的一种基于特征模型的四旋翼无人机抗扰控制方法，其特征在于，将当前控制量u(k)在k-1时刻的取值时延t-τd后再代入所述扩张状态观测器，其中，τd为设定的时间常数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579632.8A CN113268072A (zh) | 2021-05-26 | 2021-05-26 | 一种基于特征模型的四旋翼无人机抗扰控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579632.8A CN113268072A (zh) | 2021-05-26 | 2021-05-26 | 一种基于特征模型的四旋翼无人机抗扰控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113268072A true CN113268072A (zh) | 2021-08-17 |
Family
ID=77232985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110579632.8A Pending CN113268072A (zh) | 2021-05-26 | 2021-05-26 | 一种基于特征模型的四旋翼无人机抗扰控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113268072A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115857525A (zh) * | 2022-11-29 | 2023-03-28 | 西安工业大学 | 一种无人直升机时变增益自抗扰优化控制方法 |
| CN117452831A (zh) * | 2023-12-26 | 2024-01-26 | 南京信息工程大学 | 一种四旋翼无人机控制方法、装置、系统及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110376883A (zh) * | 2019-06-03 | 2019-10-25 | 济南大学 | 四旋翼无人机终端滑模控制方法、系统、介质及设备 |
| CN110531776A (zh) * | 2019-08-13 | 2019-12-03 | 北京理工大学 | 基于自抗扰控制技术的四旋翼飞行器位置控制方法和系统 |
| CN111880552A (zh) * | 2020-07-28 | 2020-11-03 | 中国科学院长春光学精密机械与物理研究所 | 多旋翼无人机轨迹跟踪复合控制方法 |
-
2021
- 2021-05-26 CN CN202110579632.8A patent/CN113268072A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110376883A (zh) * | 2019-06-03 | 2019-10-25 | 济南大学 | 四旋翼无人机终端滑模控制方法、系统、介质及设备 |
| CN110531776A (zh) * | 2019-08-13 | 2019-12-03 | 北京理工大学 | 基于自抗扰控制技术的四旋翼飞行器位置控制方法和系统 |
| CN111880552A (zh) * | 2020-07-28 | 2020-11-03 | 中国科学院长春光学精密机械与物理研究所 | 多旋翼无人机轨迹跟踪复合控制方法 |
Non-Patent Citations (8)
| Title |
|---|
| HONGYU CHU等: "Quadrotor Attitude Control via Feedforward All-Coefficient Adaptive Theory", 《IEEE ACCESS》 * |
| JIAMING LI等: "Quadrotor modeling and control based on Linear Active Disturbance Rejection Control", 《2016 35TH CHINESE CONTROL CONFERENCE (CCC)》 * |
| 余威等: "四旋翼无模型自适应抗干扰姿态控制器设计", 《电子测量与仪器学报》 * |
| 彭艳等: "无人旋翼机线性自抗扰航向控制", 《仪器仪表学报》 * |
| 杜立夫等: "考虑特征模型的高超声速飞行器全通道自适应控制", 《宇航学报》 * |
| 王丽娇: "基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计", 《空间控制技术与应用》 * |
| 胡军: "高超声速飞行器非线性自适应姿态控制", 《宇航学报》 * |
| 魏伟著: "《生物神经系统同步的抗扰控制设计与仿真》", 31 January 2017, 北京：冶金工业出版社 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115857525A (zh) * | 2022-11-29 | 2023-03-28 | 西安工业大学 | 一种无人直升机时变增益自抗扰优化控制方法 |
| CN115857525B (zh) * | 2022-11-29 | 2023-09-29 | 西安工业大学 | 一种无人直升机时变增益自抗扰优化控制方法 |
| CN117452831A (zh) * | 2023-12-26 | 2024-01-26 | 南京信息工程大学 | 一种四旋翼无人机控制方法、装置、系统及存储介质 |
| CN117452831B (zh) * | 2023-12-26 | 2024-03-19 | 南京信息工程大学 | 一种四旋翼无人机控制方法、装置、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sun et al. | Fixed-time sliding mode disturbance observer-based nonsmooth backstepping control for hypersonic vehicles | |
| CN107491081B (zh) | 一种抗干扰四旋翼无人机姿态控制方法 | |
| Modirrousta et al. | A novel nonlinear hybrid controller design for an uncertain quadrotor with disturbances | |
| Ghadiri et al. | Adaptive super-twisting non-singular terminal sliding mode control for tracking of quadrotor with bounded disturbances | |
| Zeng et al. | Adaptive feedforward control for gust load alleviation | |
| CN111324142B (zh) | 一种导弹驾驶仪扰动补偿控制方法 | |
| CN113268072A (zh) | 一种基于特征模型的四旋翼无人机抗扰控制方法 | |
| CN109471449B (zh) | 一种无人机控制系统及控制方法 | |
| CN113419565B (zh) | 四旋翼飞行器预设性能轨迹跟踪反演控制方法及系统 | |
| Durmaz et al. | Sliding mode control for non-linear systems with adaptive sliding surfaces | |
| CN111176312A (zh) | 一种四旋翼无人机姿态自抗扰动态面控制方法及存储介质 | |
| Zhang et al. | Improved finite-time command filtered backstepping fault-tolerant control for flexible hypersonic vehicle | |
| Van Oort et al. | Full-envelope modular adaptive control of a fighter aircraft using orthogonal least squares | |
| Huang et al. | Finite-time control for a UAV system based on finite-time disturbance observer | |
| Zhang et al. | Robust nonlinear close formation control of multiple fixed-wing aircraft | |
| CN113885543B (zh) | 一种复杂海况干扰下的航行体自抗扰横滚控制器的设计方法 | |
| Ansari et al. | Retrospective cost adaptive control of generic transport model under uncertainty and failure | |
| CN115826394A (zh) | 基于分数阶pid与分数阶终端滑模的四旋翼无人机控制方法 | |
| Kumtepe et al. | Flight control law design using hybrid incremental nonlinear dynamic inversion | |
| Stebler et al. | Dynamic neural network-based sliding mode estimation of quadrotor systems | |
| CN116442223A (zh) | 一种机械手系统轨迹跟踪的非线性动态控制器设计方法 | |
| CN116088311A (zh) | 基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法 | |
| Shen et al. | An improved chattering-free sliding mode control with finite time convergence for reentry vehicle | |
| Fu et al. | Design Of ADRC For Unmanned Surface Vehicle Heading Based On Immune Particle Swarm Optimization | |
| Di et al. | High performance L 1 adaptive control design for longitudinal dynamics of fixed-wing UAV |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210817 |