CN113467244B - 基于控制矩阵重分配的多旋翼无人机容错控制方法及装置 - Google Patents

基于控制矩阵重分配的多旋翼无人机容错控制方法及装置 Download PDF

Info

Publication number
CN113467244B
CN113467244B CN202110802389.1A CN202110802389A CN113467244B CN 113467244 B CN113467244 B CN 113467244B CN 202110802389 A CN202110802389 A CN 202110802389A CN 113467244 B CN113467244 B CN 113467244B
Authority
CN
China
Prior art keywords
rotor
fault
unmanned aerial
aerial vehicle
motor
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
CN202110802389.1A
Other languages
English (en)
Other versions
CN113467244A (zh
Inventor
谢安桓
马宏军
蔡建东
胡易人
白桦
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202110802389.1A priority Critical patent/CN113467244B/zh
Publication of CN113467244A publication Critical patent/CN113467244A/zh
Application granted granted Critical
Publication of CN113467244B publication Critical patent/CN113467244B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

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 Multiple Motors (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种基于控制矩阵重分配的多旋翼无人机容错控制方法及装置，该方法首先基于多旋翼无人机的动力学方程获取多旋翼无人机的飞行状态参数；所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和输出矢量；所述实时姿态角包括横滚角、俯仰角和偏航角；根据所述飞行状态参数和电机转速数据，检测所述多旋翼无人机的旋翼故障编号、类型；根据所述飞行状态参数和所述旋翼故障编号、故障类型，生成所述多旋翼无人机的旋翼容错控制信号。本发明的方法采用整体分配的控制方式，在无人机出现执行器故障或者执行器饱和时，通过电机转速整体分配的方法来保证无人机不坠落，由于没有牺牲偏航，使得发生饱和故障时，无人机的机身更稳定。

Description

基于控制矩阵重分配的多旋翼无人机容错控制方法及装置
技术领域
本发明涉及无人机自动控制领域，具体涉及一种基于控制矩阵重分配的多旋翼无人机容错控制方法及装置。
背景技术
近年来，随着科技的不断进步，无人飞行器，尤其是在四旋翼以上的多旋翼无人飞行器领域取得了快速发展。多旋翼无人机是一种配备了数据处理与传输系统、传感器、自动控制系统和通信系统等机载设备的"飞行器，能够进行一定的稳态控制和飞行，而且具备一定的自主飞行能力。当前，多旋翼飞行器现在已广泛应用于农林植保、电力巡检、物流运输等领域，极大程度地方便了人民的生产生活。
当多旋翼无人飞行器部分电机发生故障时，飞行状态会发生突变，从而造成不可估计的后果。
发明内容
有鉴于此，本发明提供一种基于控制矩阵重分配的多旋翼无人机的容错控制方法及装置，主要目的在于解决现有技术中部分电机故障时无人机旋翼的控制方法控制效果不理想，在存在外部干扰、FDD不精确、执行器饱和的情况下，系统的鲁棒性不强，且发送饱和故障时，无人机的机身不稳定。
依据本发明一个方面，提供一种基于控制矩阵重分配的多旋翼无人机容错控制方法，该方法包括如下步骤：
基于多旋翼无人机的动力学方程获取多旋翼无人机的飞行状态参数；所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和输出矢量；所述实时姿态角包括横滚角、俯仰角和偏航角；
根据所述飞行状态参数和电机转速数据，检测所述多旋翼无人机的旋翼故障编号、故障类型；
根据所述飞行状态参数和所述旋翼故障编号、故障类型，生成所述多旋翼无人机的旋翼容错控制信号，具体包括：建立每个电机的转速与控制输入的关联关系；当故障发生后，在预置旋翼控制模型的预置条件约束规则中，查找旋翼特征信息中的故障旋翼编号以及故障类型对应的预置旋翼控制模型；根据所述预置旋翼控制模型以及所述电机的转速与控制输入的关联关系，得到每个电机的最优转速，从而生成所述多旋翼无人机的旋翼容错控制信号；
所述预置旋翼控制模型根据故障类别设计得到，包括：
(1)无人机旋翼部分失效故障的FTC：
Uexp＝Λ*FC
FC＝M*F
其中，Uexp是期望的控制输入，I是单位矩阵，Λ表示控制输入与电机转速之间的转化关系，FC表示部分失效下的期望的电机转速，F是当前电机转速，Υf表示故障发生后控制输入与电机转速之间的转化关系，M＝diag{mi}是电机的故障矩阵，mi∈[0,1]，ΔM＝diag{δmi}是误差不确定度，δmi表示第i个电机的不确定度；||ΔM||≤ρ，ρ表示故障的有界常数值； 是没有考虑误差由故障检测得出的理论值；
(2)无人机旋翼过饱和故障的FTC：
Uexp＝ΛFOP
其中，FOP是期望的电机转速，U是当前的控制输入。
进一步地，所述根据飞行状态参数和电机转速数据，检测所述多旋翼无人机的旋翼故障编号、故障类型，具体包括：
根据多旋翼无人机的动力学方程，计算姿态偏差；
通过残差观测器初步验证检测系统是否发生故障，当检测无人机发生故障时，再通过Datalink数据采集通道采集无人机的转速信息，然后通过对比转速来判断当前无人机旋翼的故障编号和故障类别。
根据本发明的又一方面，提供一种基于控制矩阵重分配的多旋翼无人机容错控制装置，该装置包括：
数据采集模块，用于基于多旋翼无人机的动力学方程获取多旋翼无人机的飞行状态参数；所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和输出矢量；所述实时姿态角包括横滚角、俯仰角和偏航角；
故障检测模块，用于根据所述飞行状态参数和电机转速，检测所述多旋翼无人机的旋翼故障编号和故障类别；
信号生成模块，根据所述飞行状态参数和所述旋翼故障编号、故障类型和预置旋翼控制模型，生成所述多旋翼无人机的旋翼容错控制信号；所述信号生成模块包括：
建立单元，用于建立每个电机的转速与控制输入的关联关系；
查找单元，用于故障发生后，在预置旋翼控制模型的预置条件约束规则中，查找旋翼特征信息中的故障旋翼编号以及故障类型对应的预置旋翼控制模型；
生成单元，根据所述预置旋翼控制模型以及所述电机的转速与控制输入的关联关系，得到每个电机的最优转速，从而生成所述多旋翼无人机的旋翼容错控制信号；
所述预置旋翼控制模型根据故障类别设计得到，包括：
(1)无人机旋翼部分失效故障的FTC：
Uexp＝Λ*FC
FC＝M*F
其中，Uexp是期望的控制输入，I是单位矩阵，Λ表示控制输入与电机转速之间的转化关系，FC表示部分失效下的期望的电机转速，F是当前电机转速，γf表示故障发生后控制输入与电机转速之间的转化关系，M＝diag{mi}是电机的故障矩阵，mi∈[0,1]，ΔM＝diag{δmi}是误差不确定度，δmi表示第i个电机的不确定度；||ΔM||≤ρ，ρ表示故障的有界常数值； 是没有考虑误差由FDD(故障检测)得出的理论值；
(2)无人机旋翼过饱和故障的FTC：
Uexp＝ΛFOP
其中，FOP是期望的电机转速，U是当前的控制输入。
进一步地，所述故障检测模块还包括：
计算单元，用于根据所述预置旋翼控制模型计算姿态偏差；所述姿态偏差为旋翼状态控制信号对应的姿态与实时姿态的偏差；
检测单元，用于根据所述姿态偏差初步判断无人机是否发生故障，若发生故障，则打开Datalink数据采集通道，采集无人机的转速信息，然后通过对比转速来判断当前无人机旋翼的故障编号和故障类别。
根据本发明的又一方面，本发明提供一种计算机存储介质，所述计算机存储介质中存储有至少一种可执行指令，所述可执行指令使处理器执行如上所述的多旋翼无人机的旋翼容错控制方法对应的操作。
根据本发明的再一方面，本发明提供一种计算机设备，包括处理器、存储器、通信接口、datalink、通信总线以及存储在存储器并可在所述处理器中运行的计算机程序，datalink与处理器、存储器通过通信总线完成通信；所述datalink用于从无人机上获取准确的转速信息，并将其传送至所述存储器；所述处理器执行所述计算机程序实现上述的多旋翼无人机的旋翼容错控制方法对应的操作。
本发明的有益效果如下：
(1)本发明的控制方法将电机转速的约束添加到目标函数中，在实际飞行中能够实时检测是否饱和，并且对于饱和时的情况能够给出最优解。即将电机转速的求解问题转换成具有约束的非线性规划求解问题。
(2)本发明的方法引入误差不确定度，从而使得在电机正常情况以及在发生故障后的抗扰能力进一步增强，尤其适用于存在外部干扰、FDD不精确、执行器饱和的情况下，能够确保系统的鲁棒性；并可以保证解在饱和、非饱和情况下都是唯一的，并在区域内可获得。
(3)本发明的方法采用整体分配的控制方式，没有牺牲偏航，使得发生饱和故障时，无人机的机身更稳定。
(4)本发明的方法增加了Datalink这个检测环节，同时Datalink检测的准确的转速信息可以使得控制的更加准确，同时避免由于观测器产生的误差而带来的误判等缺陷。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的基于控制矩阵重分配的多旋翼无人机的容错控制方法的流程图；
图2示出了六旋翼无人机平面结构图；
图3示出了本发明实施例提供的基于控制矩阵重分配的多旋翼无人机的容错控制方法的流程图；
图4示出了本发明实施例提供的另一种基于控制矩阵重分配的六旋翼无人机的容错控制方法控制简图；
图5示出了本发明实施例提供的另一种基于控制矩阵重分配的六旋翼无人机的容错控制装置组成框图；
图6示出了本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面根据附图和优选实施例详细描述本发明，本发明的目的和效果将变得更加明白，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。
如图1和2所示，本发明的基于控制矩阵重分配的多旋翼无人机容错控制方法，首先获取六旋翼无人机的飞行状态参数，根据飞行状态参数，检测六旋翼无人机的旋翼故障编号、故障类型；根据飞行模式、旋翼故障编号、类型和预置旋翼控制模型，生成六旋翼无人机的旋翼容错控制信号。下面具体展开对整个控制方法进行说明。
101：基于多旋翼无人机的动力学方程获取多旋翼无人机的飞行状态参数；所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和输出矢量；所述实时姿态角包括横滚角、俯仰角和偏航角；
在本实施例中，通过px4获取多旋翼无人机的飞行状态参数。
为了构建准确的多旋翼无人机的数学模型，首先要对多旋翼模型进行一定的理想化假设：
(1)无人机是均匀对称的刚体结构；
(2)无人机的几何中心和重心重合；
(3)在建模时忽略旋翼将产生的陀螺效应和涡动效应；
(4)每个旋翼产生的升力与转速的平方近似成正比；
(5)地球的自转对旋翼影响忽略不计；
(6)重力加速度保持不变。
如图3所示，给出了六旋翼无人机的平面结构图。根据上述的6个假设，经过推到可以得到多旋翼无人机的数学模型：
其中，U1,U2,U3,U4代表四个控制输入，是指所述横滚角，θ是指所述俯仰角，Ψ是指所述偏航角，m,g,l分别代表无人机的质量、当地的重力加速度、无人机的中心到电机的轴距，Ix,Iy是无人机在x,y轴上的转动惯量分量。
进一步得到：
其中 是指所述横滚角，θ是指所述俯仰角，Ψ是指所述偏航角，z是指z轴坐标值，A是指系统矩阵，B是指输入矩阵，L是指故障矩阵，C是指输出矩阵，M是指故障矩阵，U＝(U1,U2,U3,U4)是指所述旋翼状态控制信号，U1～U4分别为控制输入信号，h(x(t),MU)是指非线性函数。
102：根据所述飞行状态参数和电机转速数据，检测所述多旋翼无人机的旋翼故障编号、类型；
为了提高检测的效率，首先通过残差初步检测系统是否发生故障。设计的残差观测器如下：
其中，是状态观测器向量，/>是观测输出向量，K是设计矩阵，且/>矩阵Pε由下式得出
ATPε+PεA-CTC+εCTPε＝0
其中ε是一个正值，使得Pε≥0。
残差定义为系统实际输出与状态输出之间的偏差：
通过残差验证用于检测系统是否发生故障，判定逻辑确定如下：
当通过残差验证无人机发生故障，则打开Datalink数据采集通道，采集无人机的转速信息，然后通过对比转速来判断当前无人机旋翼的故障编号和旋翼的故障类别(如卡死、饱和、部分失效)。如图4所示，具体的Datalink数据采集流程如下：
(1)每收到一个字节数据时，都检验该数据是否为包头，如果是包头就将允许存储标志位置；
(2)依次将收到的字节数据转存到一个字符数组中，数组装满后开始读取数据包中数据，并清空相关变量；
(3)先校验通道编号是否正确。每个通道的电气转速数据包括高字节和低字节两个字节，将8个通道的电气转速数据；
(4)读取并转换成10进制数据保存，同时将数据传给px4。
103：根据所述飞行状态参数和所述旋翼故障编号、故障类型，生成所述多旋翼无人机的旋翼容错控制信号。
(1)首先要建立电机转速与控制输入的关联关系，所述关联关系为
其中，Uexp是期望的控制输入，I是单位矩阵，Λ表示控制输入与电机转速之间的转化关系，FC表示部分失效下的期望的电机转速，F是当前电机转速，Υf表示故障发生后控制输入与电机转速之间的转化关系，M＝diag{mi}是电机的故障矩阵，mi∈[0,1]，ΔM＝diag{δmi}是误差不确定度，δmi表示第i个电机的不确定度；||ΔM||≤ρ，ρ表示故障的有界常数值； 是没有考虑误差由FDD(故障检测)得出的理论值；
以六旋翼无人机为例，
M(t)＝diag([m1 m2 … m6])
Uexp＝Λ*FC
Fc＝M*F
进一步地，每个最优转速F与控制输入U之间的关系可以表示为
其中，F1～F6分别为所述旋翼控制电机的转速；
(2)当故障发生后，在预置旋翼控制模型的预置条件约束规则中，查找旋翼特征信息中的故障旋翼编号以及故障类型对应的预置旋翼控制模型；
(3)根据所述预置旋翼控制模型以及所述电机的转速与控制输入的关联关系，得到每个电机的最优转速，从而生成所述多旋翼无人机的旋翼容错控制信号。
所述预置旋翼控制模型根据故障类别设计得到，包括：
(a)无人机旋翼部分失效故障的FTC：
Uexp＝Λ*FC
Fc＝M*F
其中，Uexp是期望的控制输入，I是单位矩阵，Λ表示控制输入与电机转速之间的转化关系，FC表示部分失效下的期望的电机转速，F是当前电机转速，Υf表示故障发生后控制输入与电机转速之间的转化关系，M＝diag{mi}是电机的故障矩阵，mi∈[0,1]，ΔM＝diag{δmi}是误差不确定度，δmi表示第i个电机的不确定度；||ΔM||≤ρ，ρ表示故障的有界常数值； 是没有考虑误差由FDD(故障检测)得出的理论值(b)无人机旋翼过饱和故障的FTC：
Uexp＝ΛFOP
其中，FOP是期望的电机转速，U是当前的控制输入。
本发明实施例还提供了一种基于控制矩阵重分配的六旋翼无人机的容错控制装置，如图5所示，包括：
(a)数据采集模块，用于基于多旋翼无人机的动力学方程获取多旋翼无人机的飞行状态参数；所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和输出矢量；所述实时姿态角包括横滚角、俯仰角和偏航角；
(b)故障检测模块，用于根据所述飞行状态参数和电机转速，检测所述多旋翼无人机的旋翼故障编号和故障类别；该故障检测模块又细分为：
计算单元，根据所述飞行状态参数和所述旋翼故障编号、故障类型和预置旋翼控制模型，生成所述多旋翼无人机的旋翼容错控制信号。
检测单元，用于根据所述姿态偏差初步判断无人机是否发生故障，若发生故障，则打开Datalink数据采集通道，采集无人机的转速信息，然后通过对比转速来判断当前无人机旋翼的故障编号和故障类别。
(c)信号生成模块，根据所述飞行状态参数和所述旋翼故障编号、故障类型和预置旋翼控制模型，生成所述多旋翼无人机的旋翼容错控制信号。该模块又进一步细分为：
建立单元，用于建立每个电机的转速与控制输入的关联关系；
查找单元，用于故障发生后，在预置旋翼控制模型的预置条件约束规则中，查找旋翼特征信息中的故障旋翼编号以及故障类型对应的预置旋翼控制模型；
生成单元，根据所述预置旋翼控制模型以及所述电机的转速与控制输入的关联关系，得到每个电机的最优转速，从而生成所述多旋翼无人机的旋翼容错控制信号。
所述预置旋翼控制模型根据故障类别设计得到，包括：
(1)无人机旋翼部分失效故障的FTC：
Uexp＝Λ*FC
FC＝M*F
其中，Uexp是期望的控制输入，I是单位矩阵，Λ表示控制输入与电机转速之间的转化关系，FC表示部分失效下的期望的电机转速，F是当前电机转速，Υf表示故障发生后控制输入与电机转速之间的转化关系，M＝diag{mi}是电机的故障矩阵，mi∈[0,1]，ΔM＝diag{δmi}是误差不确定度，δmi表示第i个电机的不确定度；||ΔM||≤ρ，ρ表示故障的有界常数值； 是没有考虑误差由FDD(故障检测)得出的理论值；
(2)无人机旋翼过饱和故障的FTC：
Uexp＝ΛFOP
其中，FOP是期望的电机转速，U是当前的控制输入。
本发明实施例还提供了一种计算机存储介质，计算机存储介质中存储有至少一种可执行指令，所述可执行指令使处理器执行如上述六旋翼无人机的旋翼容错控制方法对应的操作。
如图6所示，本发明实施例还提供了一种计算机设备，该计算机设备可以包括：通信接口(Communications Interface)502、datalink504、通信总线506、程序508、存储器(memory)510以及处理器(processor)512。
其中：处理器512、通信接口502、以及存储器510通过通信总线506完成相互间的通信，datalink504与处理器512、存储器510通过通信总线506完成通信。
通信接口502，用于与其它设备比如客户端或其它服务器等的网元通信。
Datalink504，用于从无人机上获取准确的转速信息，将其传送到存储器510中，然后处理器512根据采集的信息判断当前的故障情况以及选择合适的控制方案。
具体地，程序508可以包括程序代码，该程序代码包括计算机操作指令。
存储器510，用于存放程序508。存储器510可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
处理器512，用于执行程序508，具体可以执行上述多旋翼无人机的旋翼容错控制方法实施例中的相关步骤。
处理器512可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
程序508具体可以用于使得处理器512执行以下操作：
获取六旋翼无人机的飞行状态参数，所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和所述旋翼控制电机的输出矢量，所述实时姿态角包括横滚角、俯仰角和偏航角；
根据所述飞行状态参数和电机转速数据，检测所述多旋翼无人机的旋翼故障编号、故障类型；
根据所述飞行状态参数和所述旋翼故障编号、故障类型，生成所述多旋翼无人机的旋翼容错控制信号。具体包括：建立每个电机的转速与控制输入的关联关系；当故障发生后，在预置旋翼控制模型的预置条件约束规则中，查找旋翼特征信息中的故障旋翼编号以及故障类型对应的预置旋翼控制模型；根据所述预置旋翼控制模型以及所述电机的转速与控制输入的关联关系，得到每个电机的最优转速，从而生成所述多旋翼无人机的旋翼容错控制信号。所述预置旋翼控制模型和上述的都相同。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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，均应包括在本发明的保护范围之内。

Claims (6)

1.一种基于控制矩阵重分配的多旋翼无人机容错控制方法，其特征在于，该方法包括如下步骤：
基于多旋翼无人机的动力学方程获取多旋翼无人机的飞行状态参数；所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和输出矢量；所述实时姿态角包括横滚角、俯仰角和偏航角；
根据所述飞行状态参数和电机转速数据，检测所述多旋翼无人机的旋翼故障编号、故障类型；
根据所述飞行状态参数和所述旋翼故障编号、故障类型，生成所述多旋翼无人机的旋翼容错控制信号，具体包括：建立每个电机的转速与控制输入的关联关系；当故障发生后，在预置旋翼控制模型的预置条件约束规则中，查找旋翼特征信息中的故障旋翼编号以及故障类型对应的预置旋翼控制模型；根据所述预置旋翼控制模型以及所述电机的转速与控制输入的关联关系，得到每个电机的最优转速，从而生成所述多旋翼无人机的旋翼容错控制信号；
所述预置旋翼控制模型根据故障类别设计得到，包括：
(1)无人机旋翼部分失效故障的FTC：
Uexp＝Λ*FC
FC＝M*F
其中，Uexp是期望的控制输入，I是单位矩阵，Λ表示控制输入与电机转速之间的转化关系，FC表示部分失效下的期望的电机转速，F是当前电机转速，γf表示故障发生后控制输入与电机转速之间的转化关系，M＝diag{mi}是电机的故障矩阵，mi∈[0,1]，ΔM＝diag{δmi}是误差不确定度，δmi表示第i个电机的不确定度；||ΔM||≤ρ，ρ表示故障的有界常数值； 是没有考虑误差由FDD(故障检测)得出的理论值；
(2)无人机旋翼过饱和故障的FTC：
Uexp＝ΛFOP
其中，FOP是期望的电机转速，U是当前的控制输入。
2.根据权利要求1所述的基于控制矩阵重分配的多旋翼无人机容错控制方法，其特征在于，所述根据飞行状态参数和电机转速数据，检测所述多旋翼无人机的旋翼故障编号、故障类型，具体包括：
根据多旋翼无人机的动力学方程，计算姿态偏差；
通过残差观测器初步验证检测系统是否发生故障，当检测无人机发生故障时，再通过Datalink数据采集通道采集无人机的转速信息，然后通过对比转速来判断当前无人机旋翼的故障编号和故障类别。
3.一种基于控制矩阵重分配的多旋翼无人机容错控制装置，其特征在于，该装置包括：
数据采集模块，用于基于多旋翼无人机的动力学方程获取多旋翼无人机的飞行状态参数；所述飞行状态参数包括实时姿态角、旋翼控制电机的输入矢量和输出矢量；所述实时姿态角包括横滚角、俯仰角和偏航角；
故障检测模块，用于根据所述飞行状态参数和电机转速，检测所述多旋翼无人机的旋翼故障编号和故障类别；
信号生成模块，根据所述飞行状态参数和所述旋翼故障编号、故障类型和预置旋翼控制模型，生成所述多旋翼无人机的旋翼容错控制信号；所述信号生成模块包括：
建立单元，用于建立每个电机的转速与控制输入的关联关系；
查找单元，用于故障发生后，在预置旋翼控制模型的预置条件约束规则中，查找旋翼特征信息中的故障旋翼编号以及故障类型对应的预置旋翼控制模型；
生成单元，根据所述预置旋翼控制模型以及所述电机的转速与控制输入的关联关系，得到每个电机的最优转速，从而生成所述多旋翼无人机的旋翼容错控制信号；
所述预置旋翼控制模型根据故障类别设计得到，包括：
(1)无人机旋翼部分失效故障的FTC：
Uexp＝Λ*FC
FC＝M*F
其中，Uexp是期望的控制输入，I是单位矩阵，Λ表示控制输入与电机转速之间的转化关系，FC表示部分失效下的期望的电机转速，F是当前电机转速，γf表示故障发生后控制输入与电机转速之间的转化关系，M＝diag{mi}是电机的故障矩阵，mi∈[0,1]，ΔM＝diag{δmi}是误差不确定度，δmi表示第i个电机的不确定度；||ΔM||≤ρ，ρ表示故障的有界常数值； 是没有考虑误差由故障检测得出的理论值：
(2)无人机旋翼过饱和故障的FTC：
Uexp＝ΛFOP
其中，FOP是期望的电机转速，U是当前的控制输入。
4.根据权利要求3所述的多旋翼无人机的旋翼容错控制装置，其特征在于，所述故障检测模块还包括：
计算单元，用于根据所述预置旋翼控制模型计算姿态偏差；所述姿态偏差为旋翼状态控制信号对应的姿态与实时姿态的偏差；
检测单元，用于根据所述姿态偏差初步判断无人机是否发生故障，若发生故障，则打开Datalink数据采集通道，采集无人机的转速信息，然后通过对比转速来判断当前无人机旋翼的故障编号和故障类别。
5.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一种可执行指令，所述可执行指令使处理器执行如权利要求1～4中任一项所述的多旋翼无人机的旋翼容错控制方法对应的操作。
6.一种计算机设备，其特征在于，包括：处理器、存储器、通信接口、datalink、通信总线以及存储在存储器并可在所述处理器中运行的计算机程序，datalink与处理器、存储器通过通信总线完成通信；所述datalink用于从无人机上获取准确的转速信息，并将其传送至所述存储器；所述处理器执行所述计算机程序实现权利要求1～4中任一项所述的多旋翼无人机的旋翼容错控制方法对应的操作。
CN202110802389.1A 2021-07-15 2021-07-15 基于控制矩阵重分配的多旋翼无人机容错控制方法及装置 Active CN113467244B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110802389.1A CN113467244B (zh) 2021-07-15 2021-07-15 基于控制矩阵重分配的多旋翼无人机容错控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110802389.1A CN113467244B (zh) 2021-07-15 2021-07-15 基于控制矩阵重分配的多旋翼无人机容错控制方法及装置

Publications (2)

Publication Number Publication Date
CN113467244A CN113467244A (zh) 2021-10-01
CN113467244B true CN113467244B (zh) 2024-03-26

Family

ID=77880575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110802389.1A Active CN113467244B (zh) 2021-07-15 2021-07-15 基于控制矩阵重分配的多旋翼无人机容错控制方法及装置

Country Status (1)

Country Link
CN (1) CN113467244B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741549B (zh) * 2021-11-04 2022-02-08 普宙科技(深圳)有限公司 一种多旋翼无人机控制量分配方法
CN115407802B (zh) * 2022-10-26 2023-03-24 广东汇天航空航天科技有限公司 多旋翼飞行器及其控制方法、设备、计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965414A (zh) * 2015-06-30 2015-10-07 天津大学 针对四旋翼无人机执行器部分失效的容错控制方法
CN110502027A (zh) * 2019-09-16 2019-11-26 南京邮电大学 一种基于自适应终端滑模的四旋翼无人机姿态容错控制方法
CN110888451A (zh) * 2019-12-20 2020-03-17 国网山西省电力公司电力科学研究院 一种多旋翼无人机容错控制方法及系统
CN111880410A (zh) * 2020-08-11 2020-11-03 北京航空航天大学 一种针对电机故障的四旋翼无人机容错控制方法
CN112327896A (zh) * 2020-10-29 2021-02-05 东北大学 旋翼容错控制方法、装置、计算机存储介质及计算机设备
CN112925338A (zh) * 2021-05-10 2021-06-08 北京三快在线科技有限公司 多旋翼无人机的控制方法、装置、存储介质和无人机

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10416669B2 (en) * 2016-09-30 2019-09-17 Sony Interactive Entertainment Inc. Mechanical effects by way of software or real world engagement
US11635734B2 (en) * 2019-01-10 2023-04-25 Dalian University Of Technology Interval error observer-based aircraft engine active fault tolerant control method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965414A (zh) * 2015-06-30 2015-10-07 天津大学 针对四旋翼无人机执行器部分失效的容错控制方法
CN110502027A (zh) * 2019-09-16 2019-11-26 南京邮电大学 一种基于自适应终端滑模的四旋翼无人机姿态容错控制方法
CN110888451A (zh) * 2019-12-20 2020-03-17 国网山西省电力公司电力科学研究院 一种多旋翼无人机容错控制方法及系统
CN111880410A (zh) * 2020-08-11 2020-11-03 北京航空航天大学 一种针对电机故障的四旋翼无人机容错控制方法
CN112327896A (zh) * 2020-10-29 2021-02-05 东北大学 旋翼容错控制方法、装置、计算机存储介质及计算机设备
CN112925338A (zh) * 2021-05-10 2021-06-08 北京三快在线科技有限公司 多旋翼无人机的控制方法、装置、存储介质和无人机

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
含控制分配的六旋翼无人机模型参考容错控制;王思明;李伟杰;韩乐乐;梁旭东;;飞行力学;20171225(第02期);全文 *
基于自适应滑模的六旋翼无人机鲁棒容错控制;姜陶然;华秀峰;李涛;;机械设计与制造工程;20200215(第02期);全文 *

Also Published As

Publication number Publication date
CN113467244A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN113467244B (zh) 基于控制矩阵重分配的多旋翼无人机容错控制方法及装置
CN110888451B (zh) 一种多旋翼无人机容错控制方法及系统
CN107121961B (zh) 一种基于迭代学习干扰观测器的航天器姿态容错控制方法
Thu et al. Designing and modeling of quadcopter control system using L1 adaptive control
Saied et al. Fault diagnosis and fault-tolerant control strategy for rotor failure in an octorotor
Lu et al. Real-time simulation system for UAV based on Matlab/Simulink
CN111221345B (zh) 一种基于决策树的飞行器动力系统故障在线辨识方法
CN111880410B (zh) 一种针对电机故障的四旋翼无人机容错控制方法
CN112327896A (zh) 旋翼容错控制方法、装置、计算机存储介质及计算机设备
CN108614573A (zh) 六旋翼无人机的自动容错姿态控制方法
CN108341072B (zh) 无人机动力系统故障检测的方法、装置及无人机
Ren Observer design for actuator failure of a quadrotor
Wang et al. Hybrid modeling based double-granularity fault detection and diagnosis for quadrotor helicopter
CN113219852A (zh) 一种针对多旋翼飞行器容错控制实验平台设计
Chabir et al. Fault diagnosis in a networked control system under communication constraints: A quadrotor application
CN115906295B (zh) 基于数字孪生的无人机健康监测方法和装置
CN113482862B (zh) 一种风电机组运行状态监控方法及系统
CN111722614B (zh) 一种基于广义观测器的四旋翼无人机故障估计方法
Baldini et al. Estimation of actuator faults in quadrotor vehicles: from theory to validation with experimental flight data
Zhang et al. Fault monitoring and diagnosis of aerostat actuator based on pca and state observer
CN113867397A (zh) 一种智能飞行器动力自主管理方法及系统
Zogopoulos-Papaliakos et al. A fault diagnosis framework for mavlink-enabled uavs using structural analysis
CN116088557B (zh) 一种全驱动型六旋翼无人机位姿控制方法及装置
Kong et al. A new integrated health management for quadrotors based on deep learning
Jin et al. Research on coupling system of unmanned helicopter

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