CN113391555B - 基于非线性扰动观测器的四旋翼无人机降落控制方法 - Google Patents
基于非线性扰动观测器的四旋翼无人机降落控制方法 Download PDFInfo
- Publication number
- CN113391555B CN113391555B CN202110789627.XA CN202110789627A CN113391555B CN 113391555 B CN113391555 B CN 113391555B CN 202110789627 A CN202110789627 A CN 202110789627A CN 113391555 B CN113391555 B CN 113391555B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- coordinate system
- rotor unmanned
- nonlinear
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/042—Adaptive 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
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及四旋翼无人机降落控制技术,为提出一种基于非线性扰动观测器的鲁棒控制器,实现四旋翼无人机降落过程中较好地抑制地面效应对无人机的干扰。为此,本发明采用的技术方案是,基于非线性扰动观测器的四旋翼无人机降落控制方法,包括如下步骤:建立四旋翼无人机降落过程的非线性动力学模型,设计非线性终端滑模有限时间收敛观测器,进而设计非线性鲁棒控制器实现四旋翼无人机的降落控制。本发明主要应用于四旋翼无人机降落控制场合。
Description
技术领域
本发明涉及四旋翼无人机降落控制技术,具体讲,涉及针对四旋翼无人机在地面效应影响下的降落控制方法。
背景技术
近年来,四旋翼无人机因其结构简单、能够垂直起降、灵活度高等特点,被广泛应用于救援搜寻、战场巡航、货物运输。完成任务后的无人机回收技术是航空航天领域的关键技术之一。在各种回收方式中,四旋翼无人机的垂直着陆方式占地面积小并且受到地面约束较小。因此,四旋翼无人机的精准降落与自主回收被国内外很多学者所关注。
降落过程中需要对四旋翼无人机的位置进行精准的控制,控制的精度直接影响降落效果。但是由于四旋翼无人机在接近地面的过程中,旋翼产生的下洗气流击打地面,反弹后对无人机造成额外的扰动,产生较大的地面效应,这使降落控制器的设计难度大大增加。对地面效应补偿的研究从1955年Cheeseman-Bennett模型的提出开始,但该模型针对大型直升机。下洗气流较为单一,并且在旋翼距地面高度小于等于1/4旋翼半径时,该模型具有奇异性。对于四旋翼无人机而言,旋翼尺寸小,下洗气流紊乱,与该模型描述不符。对于该问题,LiDanjun等人在Cheeseman-Bennett模型的基础上进行改进,并使用PID控制器进行位置控制(会议:2015 34th Chinese Control Conference(CCC);著者:Li D.J.,Zhou Y.,Shi Z.Y.等;出版年月:2015年;文章题目:Autonomous Landing of Quadrotor Based onGround Effect Modelling;页码:5647-5652)。但是该模型只针对大型四旋翼无人机,并且脚架较高,在不同的地面环境下需要重新拟合模型参数。Guanya Shi等人采用深度学习估计地面效应扰动,并使用谱归一化限制神经网络输出,位置控制采用PD控制器(会议:2018IEEE International Conference on Robotics and Automation(ICRA);著者:Guanya Shi,Xichen Shi,Michael O’Connell等.;出版年月:2019年;文章题目:NeuralLander:StableDrone Landing Control using Learned Dynamics;页码:9784-9790)。但该方法计算量较大,对硬件需求较高,无人机结构变动或者地面环境改变都需要重新训练。
对于模型未知的扰动,通常是使用鲁棒控制算法进行抑制。在鲁棒控制算法中,受科研人员关注较多的是滑模控制算法,其针对系统中存在的强不确定性、时变和有界的扰动,定义全局渐近稳定的滑模面作为误差跟踪方程,并且通过李雅普诺夫分析法证明系统状态可以收敛至滑模面。因为滑模面是全局渐进稳定的,所以系统状态最终会趋于平衡点。但是,由于滑模面的趋近率是线性的,稳态误差不能在有限时间内收敛到0。针对此问题,Man Zhihong等人提出了将线性滑模面替换成非线性终端滑模面,使系统状态可以在有限时间内收敛到平衡点(期刊:IEEE Transactionson Circuits and Systems;著者:ManZhihong,Xing Huo Yu;出版年月:1997年;文章题目:Terminal Sliding ModeControl ofMIMO Linear Systems;页码:6)。但是在系统状态越接近平衡点,收敛速度越慢。XinghuoYu等人在终端滑模控制算法的基础上提出了快速终端滑模控制算法,通过在滑模面中增加收敛项,使系统在远离滑模面时的收敛速度更快,进一步缩短了收敛时间(期刊:IEEETransactions on Circuits and Systems I:FundamentalTheory and Applications;著者:Xinghuo Yu,Man Zhihong;出版年月:2002年;文章题目:Fast TerminalSlidingModeControl Design for Nonlinear Dynamical Systems;页码:261-264)。YongFeng等人针对终端滑模控制算法中的奇异性问题,通过调整幂次项的系数使系统消除奇异性(期刊:Automatica;著者:Yong Feng,Xinghuo Yu,Zhihong Man;出版年月:2002年;文章题目:NonsingularTerminal Sliding Mode Control of Rigid Manipulators;页码:2159-2167)。
虽然通过鲁棒算法可以抑制扰动,但是这样一般会给控制输入带来较大的颤震问题,不利于精准的控制。Xiang He等人提出将扰动估计值引入控制器进行前馈控制(期刊:Journal of Dynamic Systems,Measurement,and Control;著者:Xiang He,Gordon Kou,Marc Calaf等人;出版年月:2019年;文章题目:In-Ground-Effect Modeling andNonlinear-Disturbance Observer for Multirotor Unmanned AerialVehicle Control;页码:071013)。对于传感器无法测量的扰动,较为常用的有两种方法可以进行估计,神经网络法和扰动观测器法。使用神经网估计扰动存在计算较大,对无人机机载计算单元硬件要求较高的问题,并且需要庞大的数据集。使用扰动观测器估计扰动计算量小且不需要增加额外的传感器。Wen-Hua Chen等人基于二阶非线性系统设计了非线性扰动观测器,并且通过仿真验证了观测器的有效性(期刊:IEEE Transactions on IndustrialElectronics;著者:Wen-Hua Chen,D.J.Balance,P.J.Gawthrop等人;出版年月:2000年;文章题目:ANonlinear Disturbance Observer forRobotic Manipulators;页码:932-938)。MouChen等人针对单输入单输出系统设计了有限时间收敛的扰动观测器(期刊:ISATransactions;著者:Mou Chen,Qing-Xian Wu,and Rong-Xin Cui;出版年月:2013年;文章题目:Terminalsliding mode tracking control for a class ofSISO uncertainnonlinear systems;页码:198-206)。以上文献都是通过数值仿真来验证算法的有效性。目前的研究中,很少有研究对扰动观测器进行实验验证。
发明内容
为克服现有技术的不足,本发明旨在提出一种基于非线性扰动观测器的鲁棒控制器,实现四旋翼无人机降落过程中较好地抑制地面效应对无人机的干扰。为此,本发明采用的技术方案是,基于非线性扰动观测器的四旋翼无人机降落控制方法,包括如下步骤:建立四旋翼无人机降落过程的非线性动力学模型,设计非线性终端滑模有限时间收敛观测器,进而设计非线性鲁棒控制器实现四旋翼无人机的降落控制。
具体步骤如下:
步骤1)确定四旋翼无人机的坐标系定义;
四旋翼无人机坐标系定义主要涉及两个坐标系,惯性坐标系{I}={OI,xI,yI,zI}和机体坐标系{B}={OB,xB,yB,zB},其中Oi(i=I,B)表示坐标系原点,xi,yi,zi(i=I,B)分别对应坐标系三个主轴方向的单位矢量,各坐标系的定义均遵循右手定则,同时定义四旋翼姿态角在坐标系{I}下表示为η(t)=[φ(t),θ(t),ψ(t)]T,φ(t),θ(t),ψ(t)分别对应滚转角、俯仰角和偏航角,目标位置在坐标系{I}下表示为P(t)=[xd(t),yd(t),zd(t)]T,xd(t),yd(t),zd(t)分别对应目标在惯性坐标系下x轴,y轴,z轴的位置;
步骤2)确定四旋翼无人机的动力学模型;
通过分析四旋翼无人机作用原理,用拉格朗日方程来描述其动力学模型为:
式(1)中e3=[0 0 1]T为z轴向量,V(t)∈R3×1为惯性坐标下的线速度,g∈R为重力加速度,m∈R为无人机的机体质量,f(t)∈R1×1为机体坐标系下四个电机在高度方向产生的总升力,d(t)∈R3×1为降落过程中地面效应造成的扰动力,ω(t)∈R3×1为机体坐标系下的角速度,[ω(t)]×∈R3×3为ω(t)张成的反对称矩阵,τ(t)∈R3×1为机体坐标系下的转矩。R为机体坐标系到惯性坐标系的旋转矩阵,如式(2)所示,其中s(·)、c(·)分别代表三角函数sin(·)与cos(·),无人机的转动惯量矩阵为J=diag([Jx Jy Jz]):
为了便于后续的控制设计,定义辅助控制输出信号u(t)∈R3×1和辅助变量D(t)∈R3×1如下所示:
假设1地面效应造成的扰动存在上确界sup(D)。
步骤3)设计非线性终端滑模扰动观测器对地面效应进行估计;
设计滑模面s1(t)∈R3×1为如下形式:
s1=z-x2 (5)
引理1存在连续正方程V(t)满足下列条件:
则V(t)能在有限时间ts内到达特征点
其中α>0,λ>0,0<γ<1。
步骤4)设计快速终端滑模控制器;
四旋翼无人机位置环动力学方程如(4)所示,设计快速终端滑模制器的滑模面s2(t)为:
在式(11)中,e(t)为无人机位置控制误差,其定义为:
e=Pd-P (12)
Pd(t)∈R3×1为无人机期望位置,α1,ξ1∈R为正实数,μ1,v1∈O为正奇数,且μ1<v1。控制器u(t)设计如下所示:
式(13)中α2,ξ2∈R为正实数,μ2,v2∈O为正奇数,并且有μ2<v2;
对于式(11)-(13)中提出的控制器设计,在满足相应的参数要求条件,包括μ1<v1和μ2<v2时,误差e(t)会在有限时间内收敛到0,收敛时间tsc如下所示:
本发明的特点及有益效果是:
1.本发明基于四旋翼无人机的非线性动力学模型,设计了非线性扰动观测器,对地面效应造成的扰动进行估计,并通过基于李雅普诺夫分析的方法证明估计误差的有限时间收敛性;
2.本发明将快速终端滑模控制算法与非线性扰动观测器相结合,设计了一种新型非线性鲁棒控制算法,用于四旋翼无人机的降落控制系统设计,并使用基于李雅普诺夫分析的方法证明了位置控制误差的有限时间收敛性;
3.本发明通过数值仿真验证了所设计的非线性扰动观测器对外界未知扰动的有效估计,然后利用四旋翼无人机平台通过飞行实验验证了本文提出的观测器-控制器的降落控制效果。并与常规滑模控制器以及无地面效应补偿的控制器进行了性能对比实验。实验结果表明本文设计的控制策略对地面效应有较好的补偿效果,提高了无人机降落的控制精度。
附图说明:
图1是本发明控制系统结构图;
图2是MATLAB仿真中高度方向的扰动给定值与扰动估计值曲线图;
图3是本发明所采用的实验平台;
图4是无地面效应补偿高度方向轨迹跟踪实验时给定高度与无人机高度曲线图;
图5是有地面效应补偿高度方向轨迹跟踪实验时给定高度与无人机高度曲线图;
图6是有地面效应补偿高度方向轨迹跟踪实验时xyz三个方向的扰动估计值曲线图;
图7是无地面效应补偿降落控制实验中给定高度与无人机高度曲线图;
图8是有地面效应补偿降落控制实验中给定高度与无人机高度曲线图;
图9是有地面效应补偿降落控制实验中xyz三个方向的扰动估计值曲线图。
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非线性扰动观测器的鲁棒控制器,实现四旋翼无人机降落过程中较好地抑制地面效应对无人机的干扰。为此,本发明采用的技术方案是,基于非线性扰动观测器的四旋翼无人机地面效应补偿降落控制方法,包括如下步骤:建立四旋翼无人机降落过程的非线性动力学模型,设计非线性终端滑模有限时间收敛观测器,进而设计非线性鲁棒控制器实现四旋翼无人机的降落控制。具体步骤如下:
步骤1)确定四旋翼无人机的坐标系定义;
四旋翼无人机坐标系定义主要涉及两个坐标系,惯性坐标系{I}={OI,xI,yI,zI}和机体坐标系{B}={OB,xB,yB,zB},其中Oi(i=I,B)表示坐标系原点,xi,yi,zi(i=I,B)分别对应坐标系三个主轴方向的单位矢量,各坐标系的定义均遵循右手定则,同时定义四旋翼姿态角在坐标系{I}下表示为η(t)=[φ(t),θ(t),ψ(t)]T,φ(t),θ(t),ψ(t)分别对应滚转角、俯仰角和偏航角,目标位置在坐标系{I}下表示为P(t)=[xd(t),yd(t),zd(t)]T,xd(t),yd(t),zd(t)分别对应目标在惯性坐标系下x轴,y轴,z轴的位置;
步骤2)确定四旋翼无人机的动力学模型;
通过分析四旋翼无人机作用原理,用拉格朗日方程来描述其动力学模型为:
式(1)中e3=[0 0 1]T为z轴向量,V(t)∈R3×1为惯性坐标下的线速度,g∈R为重力加速度,m∈R为无人机的机体质量,f(t)∈R1×1为机体坐标系下四个电机在高度方向产生的总升力,d(t)∈R3×1为降落过程中地面效应造成的扰动力,ω(t)∈R3×1为机体坐标系下的角速度,[ω(t)]×∈R3×3为ω(t)张成的反对称矩阵,τ(t)∈R3×1为机体坐标系下的转矩。R为机体坐标系到惯性坐标系的旋转矩阵,如式(2)所示。其中s(·)、c(·)分别代表三角函数sin(·)与cos(·),无人机的转动惯量矩阵为J=diag([Jx Jy Jz])。
为了便于后续的控制设计,定义辅助控制输出信号u(t)∈R3×1和辅助变量D(t)∈R3×1如下所示:
假设1地面效应造成的扰动存在上确界sup(D)。
步骤3)设计非线性终端滑模扰动观测器对地面效应进行估计;
设计滑模面s1(t)∈R3×1为如下形式:
s1=z-x2 (5)
引理1假设存在连续正方程V(t)满足下列条件:
则V(t)能在有限时间ts内到达特征点
其中α>0,λ>0,0<γ<1。
步骤4)设计快速终端滑模控制器;
四旋翼无人机位置环动力学方程如(4)所示,设计快速终端滑模制器的滑模面s2(t)为:
在式(11)中,e(t)为无人机位置控制误差,其定义为:
e=Pd-P (12)
Pd(t)∈R3×1为无人机期望位置,α1,ξ1∈R为正实数,μ1,v1∈O为正奇数,且μ1<v1。控制器u(t)设计如下所示:
式(13)中α2,ξ2∈R为正实数,μ2,v2∈O为正奇数,并且有μ2<v2。
对于式(11)-(13)中提出的控制器设计,在满足相应的参数要求条件,包括μ1<v1和μ2<v2时,误差e(t)会在有限时间内收敛到0,收敛时间tsc如下所示:
本发明所要解决的技术问题是:四旋翼无人机在降落过程中会受到地面效应的干扰,增加了降落控制难度,降低了降落的精度。
本发明采取的技术方案是:建立四旋翼无人机降落过程的非线性动力学模型,设计非线性终端滑模有限时间收敛观测器,进而设计非线性鲁棒控制器实现四旋翼无人机的降落控制。具体步骤如下:
步骤1)确定四旋翼无人机的坐标系定义;
小型无人直升机坐标系定义主要涉及两个坐标系,惯性坐标系{I}={OI,xI,yI,zI}和机体坐标系{B}={OB,xB,yB,zB},其中Oi(i=I,B)表示坐标系原点,xi,yi,zi(i=I,B)分别对应坐标系三个主轴方向的单位矢量,各坐标系的定义均遵循右手定则,同时定义直升机姿态角在坐标系{I}下表示为η(t)=[φ(t),θ(t),ψ(t)]T,φ(t),θ(t),ψ(t)分别对应滚转角、俯仰角和偏航角,目标位置在坐标系{I}下表示为P(t)=[xd(t),yd(t),zd(t)]T,xd(t),yd(t),zd(t)分别对应目标在惯性坐标系下x轴,y轴,z轴的位置;
步骤2)确定四旋翼无人机的动力学模型;
通过分析四旋翼无人机作用原理,用拉格朗日方程来描述其动力学模型为:
式(1)中e3=[0 0 1]T为z轴向量,V(t)∈R3×1为惯性坐标下的线速度,g∈R为重力加速度,m∈R为无人机的机体质量,f(t)∈R1×1为机体坐标系下四个电机在高度方向产生的总升力,d(t)∈R3×1为降落过程中地面效应造成的扰动力,ω(t)∈R3×1为机体坐标系下的角速度,[ω(t)]×∈R3×3为ω(t)张成的反对称矩阵,τ(t)∈R3×1为机体坐标系下的转矩。R为机体坐标系到惯性坐标系的旋转矩阵,如式(2)所示。其中s(·)、c(·)分别代表三角函数sin(·)与cos(·),无人机的转动惯量矩阵为J=diag([Jx Jy Jz])。
为了便于后续的控制设计,定义辅助控制输出信号u(t)∈R3×1和辅助变量D(t)∈R3×1如下所示:
假设1地面效应造成的扰动存在上确界sup(D)。
步骤3)设计非线性终端滑模扰动观测器对地面效应进行估计;
设计滑模面s1(t)∈R3×1为如下形式:
s1=z-x2 (5)
引理1假设存在连续正方程V(t)满足下列条件:
则V(t)能在有限时间ts内到达特征点
其中α>0,λ>0,0<γ<1。
步骤4)设计快速终端滑模控制器;
四旋翼无人机位置环动力学方程如(4)所示,设计快速终端滑模制器的滑模面s2(t)为:
在式(11)中,e(t)为无人机位置控制误差,其定义为:
e=Pd-P (12)
Pd(t)∈R3×1为无人机期望位置,α1,ξ1∈R为正实数,μ1,v1∈O为正奇数,且μ1<v1。控制器u(t)设计如下所示:
式(13)中α2,ξ2∈R为正实数,μ2,v2∈O为正奇数,并且有μ2<v2。
对于式(11)-(13)中提出的控制器设计,在满足相应的参数要求条件,包括μ1<v1和μ2<v2时,误差e(t)会在有限时间内收敛到0,收敛时间tsc如下所示:
为验证本文提出本发明的基于非线性扰动观测器的四旋翼无人机地面效应补偿降落控制器的有效性,首先通过MATLAB仿真验证本文设计非线性扰动观测器的有效性,其次搭建实验平台进行实验验证。
一、仿真实验验证
由于实验中地面效应带来的扰动无法直接通过传感器获得,所以无法验证估计出的扰动是否准确。为此,首先使用MATLAB中的Simulink平台进行仿真验证.给定扰动D(t)的形式为D(t)=[5sin(3πt)m,5sin(3πt)m,5sin(3πt)m]T。四旋翼无人机仿真降落控制系统相关参数如表1所示。
表1数值仿真相关参数
变量名称 | 参数值 | 变量名称 | 参数值 |
m | 1 | p<sub>0</sub> | 5 |
g | 9.8 | α<sub>1</sub> | 5 |
J<sub>x</sub> | 0.082 | ξ<sub>1</sub> | 10 |
J<sub>y</sub> | 0.0845 | μ<sub>1</sub> | 5 |
J<sub>z</sub> | 0.1377 | v<sub>1</sub> | 7 |
k | 10 | α<sub>2</sub> | 0.2 |
β | 2 | ξ<sub>2</sub> | 0.1 |
ε | 50 | μ<sub>2</sub> | 1 |
q<sub>0</sub> | 9 | v<sub>2</sub> | 3 |
系统内初始状态的初始值都为0,扰动从t=0秒开始加入。由于三个方向的估计结果都相同,下面仅介绍高度方向的估计结果。扰动观测器估计的扰动值和给定扰动值Dz(t)的曲线如图2所示。从仿真结果可以看出,对于仿真实验中给定的快速时变扰动,扰动观测器估计到的扰动值可以快速准确地跟踪给定扰动D(t),即可以快速的收敛到0。证明本文设计非线性扰动观测器的有效性。
二、实验平台介绍
本文中使用的实验平台由一台PC计算机、一架四旋翼无人机以及运动捕捉系统构成。四旋翼无人机由轴距为0.38m的机架、PixHawk飞行控制器、树莓派4B计算板和电池电机电调动力系统组成。运动捕捉系统实时获取四旋翼无人机的位置信息,通过以太网与PC机连接,以250Hz的频率将消息发送到PC机上。树莓派计算板上运行ROS系统,通过串口与飞控相连。当PixHawk飞行控制器切换到offboard模式时,四旋翼无人机平台运行树莓派中本文设计的控制算法。PC机接收到无人机位置信息后通过WiFi发送给树莓派计算板。无人机质量1.473kg,螺旋桨直径0.228m。如图3所示。实验中的相关参数如表2所示:
表2飞行实验相关参数
变量名称 | 参数值 | 变量名称 | 参数值 |
m | 1.473 | p<sub>0</sub> | 3 |
g | 9.8 | α<sub>1</sub> | 3 |
δ | 0.5 | ξ<sub>1</sub> | 3 |
ρ | 0.2 | μ<sub>1</sub> | 3 |
k<sub>s</sub> | 8 | v<sub>1</sub> | 5 |
k | 10 | α<sub>2</sub> | 4 |
β | 20 | ξ<sub>2</sub> | 6 |
ε | 40 | μ<sub>2</sub> | 3 |
q<sub>0</sub> | 7 | v<sub>2</sub> | 5 |
三、实验验证
下面在搭建的四旋翼无人机实验平台上设计实验,验证本发明设计的非线性扰动观测器与快速终端滑模控制器在实际实验中的有效性及实用性。本节分为两个部分,第一部分是高度通道的轨迹跟踪实验。分别采用不加扰动观测器的快速终端滑模控制算法(实验中标记为FTSMC,即uc(t))、加扰动观测器的快速终端滑模控制算法(实验中标记为D0-FTSMC,即u(t))、不加扰动观测器的常规滑模控制算法(实验中标记为SMC,即us(t))和加扰动观测器的常规滑模控制算法(实验中标记为DO-SMC,即uso(t))进行实验验证,证明本文提出的扰动观测器-快速终端滑模控制算法可以快速精确地跟踪给定轨迹并补偿地面效应扰动;第二部分是四旋翼无人机的降落实验,与第一部分所用控制算法相同,证明本文提出的控制算法可以缩短降落时间并提高降落控制精度。
第一部分的实验结果如图4,图5,图6所示。图4与图5分别是有地面效应补偿的四旋翼无人机轨迹跟踪高度曲线图和无地面效应补偿的四旋翼无人机轨迹跟踪高度曲线图。对比可知,本发明设计的非线性扰动观测器可以有效的估计地面效应,应用本发明提出的控制策略使无人机可以在近地面精确地跟踪给定轨迹。相比于普通滑模控制算法,本发明提出的算法颤震现象更小,轨迹的跟踪精度更高,证明本发明提出的控制算法可以对地面效应进行良好的补偿,对时变的轨迹也可以精确快速地跟踪。第二部分的实验结果如图7,图8,图9所示。图7与图8分别是有地面效应补偿的四旋翼无人机降落控制高度曲线图和无地面效应补偿的四旋翼无人机降落控制高度曲线图。对比可知,本发明提出的算法可以有效快速的补偿地面效应带来的扰动,使四旋翼无人机成功降落。对比本发明提出的控制算法与常规滑模控制算法可以看出,常规滑模控制算法在降落成功后,由于颤震现象使无人机多次脱离降落点,降落效果较差。证明本发明提出的控制算法可以很好的补偿地面效应,完成降落任务。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于非线性扰动观测器的四旋翼无人机降落控制方法,其特征是,包括如下步骤:建立四旋翼无人机降落过程的非线性动力学模型,设计非线性终端滑模有限时间收敛观测器,进而设计非线性鲁棒控制器实现四旋翼无人机的降落控制;具体步骤如下:
步骤1)确定四旋翼无人机的坐标系定义;
四旋翼无人机坐标系定义主要涉及两个坐标系,惯性坐标系{I}={OI,xI,yI,zI}和机体坐标系{B}={OB,xB,yB,zB},其中Oi(i=I,B)表示坐标系原点,xi,yi,zi(i=I,B)分别对应坐标系三个主轴方向的单位矢量,各坐标系的定义均遵循右手定则,同时定义四旋翼姿态角在坐标系{I}下表示为η(t)=[φ(t),θ(t),ψ(t)]T,φ(t),θ(t),ψ(t)分别对应滚转角、俯仰角和偏航角,目标位置在坐标系{I}下表示为P(t)=[xd(t),yd(t),zd(t)]T,xd(t),yd(t),zd(t)分别对应目标在惯性坐标系下x轴,y轴,z轴的位置;
步骤2)确定四旋翼无人机的动力学模型;
通过分析四旋翼无人机作用原理,用拉格朗日方程来描述其动力学模型为:
式(1)中e3=[0 0 1]T为z轴向量,V(t)∈R3×1为惯性坐标下的线速度,g∈R为重力加速度,m∈R为无人机的机体质量,f(t)∈R1×1为机体坐标系下四个电机在高度方向产生的总升力,d(t)∈R3×1为降落过程中地面效应造成的扰动力,ω(t)∈R3×1为机体坐标系下的角速度,[ω(t)]×∈R3×3为ω(t)张成的反对称矩阵,τ(t)∈R3×1为机体坐标系下的转矩,R为机体坐标系到惯性坐标系的旋转矩阵,如式(2)所示,其中s(·)、c(·)分别代表三角函数sin(·)与cos(·),无人机的转动惯量矩阵为J=diag([Jx Jy Jz]):
为了便于后续的控制设计,定义辅助控制输出信号u(t)∈R3×1和辅助变量D(t)∈R3×1如下所示:
地面效应造成的扰动存在上确界sup(D);
步骤3)设计非线性终端滑模扰动观测器对地面效应进行估计;
设计滑模面s1(t)∈R3×1为如下形式:
s1=z-x2 (5)
引理1存在连续正方程V(t)满足下列条件:
则V(t)能在有限时间ts内到达特征点
其中α>0,λ>0,0<γ<1;
步骤4)设计快速终端滑模控制器;
四旋翼无人机位置环动力学方程如(4)所示,设计快速终端滑模制器的滑模面s2(t)为:
在式(11)中,e(t)为无人机位置控制误差,其定义为:
e=Pd-P (12)
Pd(t)∈R3×1为无人机期望位置,α1,ξ1∈R为正实数,μ1,v1∈O为正奇数,且μ1<v1,控制器u(t)设计如下所示:
式(13)中α2,ξ2∈R为正实数,μ2,v2∈O为正奇数,并且有μ2<v2;
对于式(11)-(13)中提出的控制器设计,在满足相应的参数要求条件,包括μ1<v1和μ2<v2时,误差e(t)会在有限时间内收敛到0,收敛时间tsc如下所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110789627.XA CN113391555B (zh) | 2021-07-13 | 2021-07-13 | 基于非线性扰动观测器的四旋翼无人机降落控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110789627.XA CN113391555B (zh) | 2021-07-13 | 2021-07-13 | 基于非线性扰动观测器的四旋翼无人机降落控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113391555A CN113391555A (zh) | 2021-09-14 |
CN113391555B true CN113391555B (zh) | 2022-08-19 |
Family
ID=77625889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110789627.XA Active CN113391555B (zh) | 2021-07-13 | 2021-07-13 | 基于非线性扰动观测器的四旋翼无人机降落控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391555B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115542727A (zh) * | 2022-09-23 | 2022-12-30 | 亿航智能设备(广州)有限公司 | 一种抗地效扰动控制方法、设备及计算机可读存储介质 |
CN115840367B (zh) * | 2022-12-21 | 2024-04-09 | 南通大学 | 受扰四旋翼无人机姿态与高度系统的非线性鲁棒控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665865A (zh) * | 2020-06-16 | 2020-09-15 | 天津大学 | 基于虚拟结构法的多无人机编队鲁棒控制方法 |
CN112223275A (zh) * | 2020-09-01 | 2021-01-15 | 上海大学 | 基于有限时间跟踪控制的协作机器人控制方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283949B (zh) * | 2017-07-19 | 2021-09-10 | 广州极飞科技股份有限公司 | 电子调速器过温保护方法、调整方法和装置、无人机 |
CN107479567B (zh) * | 2017-09-13 | 2018-10-30 | 山东大学 | 动态特性未知的四旋翼无人机姿态控制器及方法 |
CN109188913A (zh) * | 2018-10-18 | 2019-01-11 | 南京邮电大学 | 一种无人机姿态的鲁棒控制方法和实现该方法的鲁棒控制器 |
CN111722634B (zh) * | 2020-05-28 | 2022-09-23 | 南京邮电大学 | 一种基于非线性扰动观测器的四旋翼飞行器滑模控制方法 |
CN111650954B (zh) * | 2020-06-16 | 2022-07-12 | 天津大学 | 基于深度学习的四旋翼无人机地面效应补偿降落控制方法 |
CN112104279B (zh) * | 2020-09-23 | 2022-07-08 | 中国人民解放军陆军工程大学 | 一种基于非线性终端滑模算法的轮毂电机控制方法 |
CN112256063B (zh) * | 2020-11-16 | 2023-01-03 | 天津航天中为数据系统科技有限公司 | 一种具有高可靠性的无人机精准降落方法及系统 |
CN112859594B (zh) * | 2020-12-31 | 2022-06-10 | 安徽大学 | 一种用于永磁球形电机轨迹跟踪的终端滑模控制方法 |
-
2021
- 2021-07-13 CN CN202110789627.XA patent/CN113391555B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665865A (zh) * | 2020-06-16 | 2020-09-15 | 天津大学 | 基于虚拟结构法的多无人机编队鲁棒控制方法 |
CN112223275A (zh) * | 2020-09-01 | 2021-01-15 | 上海大学 | 基于有限时间跟踪控制的协作机器人控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113391555A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105159305B (zh) | 一种基于滑模变结构的四旋翼飞行控制方法 | |
Bisheban et al. | Geometric adaptive control with neural networks for a quadrotor in wind fields | |
CN107357166B (zh) | 小型无人直升机的无模型自适应鲁棒控制方法 | |
CN109116860B (zh) | 三旋翼无人机的非线性鲁棒控制方法 | |
Li et al. | Robust tracking control strategy for a quadrotor using RPD-SMC and RISE | |
Chen et al. | Design of Flight Control System for a Novel Tilt‐Rotor UAV | |
Lu et al. | Real-time simulation system for UAV based on Matlab/Simulink | |
CN113391555B (zh) | 基于非线性扰动观测器的四旋翼无人机降落控制方法 | |
Lv et al. | Design and control of a novel coaxial tilt-rotor UAV | |
CN109885074B (zh) | 四旋翼无人机有限时间收敛姿态控制方法 | |
Huang et al. | Finite-time control for a UAV system based on finite-time disturbance observer | |
CN109597426A (zh) | 基于l1自适应控制的四旋翼直升机轨迹跟踪控制方法 | |
Zhang et al. | Cascaded control for balancing an inverted pendulum on a flying quadrotor | |
Gajbhiye et al. | Geometric finite-time inner-outer loop trajectory tracking control strategy for quadrotor slung-load transportation | |
Liu et al. | Quantitative stability of quadrotor unmanned aerial vehicles | |
Razinkova et al. | Constant altitude flight control for quadrotor UAVs with dynamic feedforward compensation | |
Ahmad et al. | Modeling and simulation of a quadcopter with altitude and attitude control. | |
Wei et al. | Research on a combinatorial control method for coaxial rotor aircraft based on sliding mode | |
Basri | Robust backstepping controller design with a fuzzy compensator for autonomous hovering quadrotor UAV | |
CN116300992A (zh) | 一种基于l1自适应动态逆的变体飞行器控制方法 | |
Qingtong et al. | Backstepping-based attitude control for a quadrotor UAV using nonlinear disturbance observer | |
Shu et al. | Robust adaptive control for a novel fully-actuated octocopter UAV with wind disturbance | |
Yang et al. | Robust optimal transition maneuvers control for tail‐sitter unmanned aerial vehicles | |
Chen et al. | Adaptive attitude control for a coaxial tilt-rotor UAV via immersion and invariance methodology | |
Xu et al. | Modelling and hovering control of a novel multi-tandem ducted fan vehicle |
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 |