CN114185357A - 基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法 - Google Patents

基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法 Download PDF

Info

Publication number
CN114185357A
CN114185357A CN202111399286.1A CN202111399286A CN114185357A CN 114185357 A CN114185357 A CN 114185357A CN 202111399286 A CN202111399286 A CN 202111399286A CN 114185357 A CN114185357 A CN 114185357A
Authority
CN
China
Prior art keywords
attitude
unmanned aerial
aerial vehicle
fuzzy
power
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.)
Granted
Application number
CN202111399286.1A
Other languages
English (en)
Other versions
CN114185357B (zh
Inventor
刘术娟
张洁
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.)
Hefei Zhongke Rongdao Intelligent Technology Co ltd
Original Assignee
Hefei Zhongke Rongdao Intelligent Technology Co ltd
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 Hefei Zhongke Rongdao Intelligent Technology Co ltd filed Critical Hefei Zhongke Rongdao Intelligent Technology Co ltd
Priority to CN202111399286.1A priority Critical patent/CN114185357B/zh
Publication of CN114185357A publication Critical patent/CN114185357A/zh
Application granted granted Critical
Publication of CN114185357B publication Critical patent/CN114185357B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

本发明涉及基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，与现有技术相比解决了难以对电力巡检无人机实现姿态跟踪控制的缺陷。本发明包括以下步骤：参考姿态角信号的设定和数据存储；电力巡检无人机姿态模型的建立；模糊逻辑系统的设计；自适应模糊参数的设计和数据存储；输入饱和补偿动力系统的设计和数据存储；基于自适应有限时间模糊系统姿态控制器的设计；实时姿态角信号的获取和数据存储；电力巡检无人机姿态的控制参数调整。本发明能够保证闭环系统有限时间稳定并且系统跟踪误差能收敛至有界区域，提高了系统的误差收敛速度，消除系统的抖动现象，具有强鲁棒性以及增强了输入饱和的抑制能力。

Description

基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控 制方法
技术领域
本发明涉及电力巡检无人机技术领域，具体来说是基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法。
背景技术
由于主发电场与主用电点距离较远，线路长，电网线路区域广，许多高压线路暴露在野外环境中，线路设备极易发生故障，因此对电网系统和设备进行定期巡检是十分必要。传统的电力巡检任务是由电力工人来完成，而人工电力巡检存在效率低、难度大、任务重等许多问题。随着科学技术的发展，尤其是无人机技术的发展，无人机在电力巡检任务中起着越来越重要的作用。
由于电力巡检无人机通常在复杂恶劣的环境中执行飞行任务，通常会遇到强风扰和输入饱和等问题，这些问题会影响到电力巡检无人机飞行控制系统的稳定性和作业的准确性，而飞行控制系统的稳定性对于整个电力巡检任务是十分关键的。
作为电力巡检无人机飞行控制中重要的研究方向之一，姿态跟踪控制已经得到了广泛的关注和研究。主要的姿态跟踪控制方法包括动态反馈线性化、模型预测控制、反步控制设计等。尽管这些控制方法拥有显著的优势，但是控制器设计复杂以及计算任务繁重的不足，使得在实际应用中难以起到有效的作用。滑膜控制作为一种典型的鲁棒控制方法，具有响应速度快、易于实现、鲁棒性强的优势，因此非常适用于电力巡检无人机这种高非线性系统。为了能够有效地抑制扰动的影响，通常需要选择较大的控制增益，然而这会引起抖振现象。为了克服抖振问题，提出了许多解决方法。常见的方法是利用有界层技术或采用连续函数替代控制器中的不连续项，但是这极大地降低了系统的跟踪精度。因此，设计一种连续且不损害系统跟踪性能的控制器就显得十分重要。
除此以外，相较于渐进稳定和指数稳定，有限时间稳定是能够保证系统跟踪误差在有限时间范围内收敛至有界区域，其收敛时间仅仅与控制参数有关，这便于地面操作人员可以根据实际所需的跟踪性能来设定合适的控制参数。同时，现有的模糊系统的模糊规则繁多，模糊参数挑选难度大，不利于实际的应用和推广。
发明内容
本发明的目的是为了解决现有技术中难以对电力巡检无人机实现姿态跟踪控制的缺陷，提供一种基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法来解决上述问题。
为了实现上述目的，本发明的技术方案如下：
一种基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，包括以下步骤：
参考姿态角信号的设定和数据存储：通过地面控制中心设定电力巡检无人机的参考姿态角信号；通过机载信号接收器接收地面控制中心所设定的参考姿态角信号，并将参考姿态角信号保存到数据存储器I中，参考姿态角信号包括：参考翻滚角信号、参考俯仰角信号和参考偏航角信号；
电力巡检无人机姿态模型的建立；
模糊逻辑系统的设计：基于模糊逻辑规则，建立模糊逻辑系统，设计模糊逻辑系统的输出控制信号；
自适应模糊参数的设计和数据存储：基于引入的非奇异快速终端滑模和姿态角速度跟踪误差，设计自适应模糊参数，并将自适应模糊参数保存到数据存储器II中；
输入饱和补偿动力系统的设计和数据存储；
基于自适应有限时间模糊系统姿态控制器的设计；
实时姿态角信号的获取和数据存储；
电力巡检无人机姿态的控制参数调整。
所述电力巡检无人机姿态模型的建立步骤为：根据电力巡检无人机自身的机械结构以及高空巡检时电力巡检无人机所受的外界风扰和输入饱和因素的影响，建立电力巡检无人机姿态模型；其包括以下步骤：
基于欧拉拉格朗日原理，考虑电力巡检无人机自身的机械结构以及在高空巡检时电力巡检无人机所受的外界风扰和输入饱和因素的影响，建立电力巡检无人机的姿态运动学模型，其具体表达式如下所示：
Figure BDA0003364919700000031
其中，
Figure BDA0003364919700000032
表示电力巡检无人机在地球坐标系中的实际姿态角向量，其中φ、θ和
Figure BDA0003364919700000033
分别表示绕xe轴的实际横摇角度数、绕ye轴的实际俯仰角度数和绕ze轴的实际偏航角度数；Ω＝[p,q,r]T表示电力巡检无人机在机体坐标系中的实际姿态角速度向量，其中p、q和r分别表示绕xb轴的实际横摇角速度、绕yb轴的实际俯仰角速度和绕zb轴的实际偏航角速度；
Figure BDA0003364919700000034
表示电力巡检无人机在地球坐标系中的实际姿态角速度向量，其中
Figure BDA0003364919700000035
和
Figure BDA0003364919700000036
分别表示绕xe轴的实际横摇角速度、绕ye轴的实际俯仰角速度和绕ze轴的实际偏航角速度；Rr(Θ)表示欧拉矩阵，其具体表达式如下所示：
Figure BDA0003364919700000037
建立电力巡检无人机的姿态动力学模型，其具体表达式如下所示：
Figure BDA0003364919700000038
其中，M＝diag{M1,M2,M3}表示正定对称惯性矩阵，其中M1、M2和M3分别表示绕xb轴、绕yb轴和绕zb轴的转动惯量系数；
Figure BDA0003364919700000039
表示电力巡检无人机在机体坐标系中的实际姿态角加速度向量，其中
Figure BDA00033649197000000310
和
Figure BDA00033649197000000311
分别表示电力巡检无人机在机体坐标系中绕xb轴的横摇角加速度、绕yb轴的俯仰角加速度和绕zb轴的偏航角加速；d＝[d1,d2,d3]T表示外界风扰，其中d1、d2和d3分别表示在横摇角通道、俯仰角通道和偏航角通道所受的外部风扰影响；
sat(F)＝[sat(F1),sat(F2),sat(F3)]T表示实际控制输入向量，sat(F1)、sat(F2)和sat(F3)分别表示在横摇角通道、俯仰角通道和偏航角通道中的实际控制输入，
sat(Fi)，i＝1,2,3的数学表达式如下：
Figure BDA00033649197000000312
其中，
Figure BDA0003364919700000041
表示控制输入信号Fi的上界值，符号函数sign(Fi)定义为
Figure BDA0003364919700000042
符号(Ω)×表示Ω＝[p,q,r]T的斜对称矩阵，其满足如下数学形式：
Figure BDA0003364919700000043
基于电力巡检无人机的姿态运动学模型和动力学模型，建立考虑外部风扰和输入饱和的电力巡检无人机姿态模型，其具体表达式如下所示：
Figure BDA0003364919700000044
其中，对称正定矩阵N1(Θ)和科里奥利离心矩阵
Figure BDA0003364919700000045
分别表示为
Figure BDA0003364919700000046
和
Figure BDA0003364919700000047
Figure BDA0003364919700000048
表示Rr(Θ)的转置矩阵，集总扰动D表示为
Figure BDA0003364919700000049
假设集总扰动D是有上界的，且满足
Figure BDA00033649197000000410
Figure BDA00033649197000000411
是未知的正数。
所述模糊逻辑系统的设计包括以下步骤：
设定模糊逻辑规则，模糊逻辑规则定义如下：
规则1：如果输入值vi大于0，则输出值ui大于0；
规则2：如果输入值vi等于0，则输出值ui等于0；
规则3：如果输入值vi小于0，则输出值ui小于0；
其中，所有的输入值vi组成一个输入向量v＝[v1,v2,v3]T，以及所有的输出值ui组成一个输出向量u＝[u1,u2,u3]T；
设定模糊逻辑系统的输出信号ui如下：
Figure BDA00033649197000000412
其中，0≤cj≤1，j＝1、2、3表示不同规则下模糊系统的控制强度，ra＝[ra,1,ra,2,ra,3]T表示模糊向量；
在本发明中c1+c2+c3＝1，ri,1＝-ra,i，ri,2＝0，ri,3＝ra,i以及ra,i＞0，
其中，在不同的模糊逻辑规则下，控制强度c1、c2和c3可根据以下四种情况进行选取：
情况1：如果满足规则1时，则c1＝1和c2＝c3＝0；
情况2：如果同时满足规则1和2时，则c1＝1，0＜c2≤1和c3＝0；
情况3：如果同时满足规则2和3时，则c1＝0，0＜c2≤1和0＜c3≤1；
情况4：如果满足规则3时，则c1＝0，c2＝0和c3＝1；
当模糊系统的控制强度c1、c2和c3根按照上述情况1至情况4的选取时，模糊逻辑系统的输出信号ui分别为ui＝ra,i、ui＝c1ra,i、ui＝-c3ra,i和ui＝-ra,i；
综合上述情况1至情况4以及在四种情况下模糊逻辑信号的输出信号ui，得模糊逻辑系统的最终表达式为：
Figure BDA0003364919700000051
所述自适应模糊参数的设计和数据存储包括以下步骤：
引入非奇异快速终端滑膜面s＝[s1,s2,s3]T，其数学表达式如下：
Figure BDA0003364919700000052
其中，定义参考姿态角信号
Figure BDA0003364919700000053
和参考姿态角速度信号
Figure BDA0003364919700000054
其中φd、θd和
Figure BDA0003364919700000055
分别表示电力巡检无人机在地球坐标系中绕xe轴的参考横摇角度数、绕ye轴的参考俯仰角度数和绕ze轴的参考偏航角度数；
Figure BDA0003364919700000056
和
Figure BDA0003364919700000057
分别表示电力巡检无人机在地球坐标系中绕xe轴的参考横摇角速度、绕ye轴的参考俯仰角速度和绕ze轴的参考偏航角速度；
Figure BDA0003364919700000058
表示电力巡检无人机在地球坐标系中的姿态角跟踪误差向量，φe＝φ-φd、θe＝θ-θd和
Figure BDA0003364919700000059
分别横摇角的跟踪误差、俯仰角的跟踪误差和偏航角的跟踪误差；
Figure BDA00033649197000000510
表示电力巡检无人机在地球坐标系中的姿态角速度跟踪误差向量，其中
Figure BDA0003364919700000061
Figure BDA0003364919700000062
和
Figure BDA0003364919700000063
分别表示横摇角速度的跟踪误差、俯仰角速度的跟踪误差和偏航角速度的跟踪误差；β1和β2表示正设计参数；m1、m2和m3表示正奇数，并且满足关系：
Figure BDA0003364919700000064
和
Figure BDA0003364919700000065
基于引入的非奇异快速终端滑模和姿态角速度跟踪误差，设计自适应模糊参数
Figure BDA0003364919700000066
的更新率，其数学表达式如下：
Figure BDA0003364919700000067
其中，
Figure BDA0003364919700000068
表示ra＝[ra,1,ra,2,ra,3]T的估计向量，
Figure BDA0003364919700000069
表示
Figure BDA00033649197000000610
的更新率，
Figure BDA00033649197000000611
是正向量，μ1＞0，μ2＞0，0＜μ3＜1以及σ＞0；
将自适应模糊参数
Figure BDA00033649197000000612
保存到数据存储器II中。
所述输入饱和补偿动力系统的设计和数据存储步骤为：基于引入的非奇异快速终端滑膜面，设计输入饱和补偿动力系统，并将输入饱和补偿动力系统的补偿变量保存到数据存储器III中；其包括以下步骤：
基于引入的非奇异快速终端滑膜面，设计输入饱和补偿动力系统的补偿变量的更新率
Figure BDA00033649197000000613
其数学表达式如下：
Figure BDA00033649197000000614
其中，ΔF＝F-sat(F)，χ表示输入饱和补偿动力系统中的补偿变量信号，n1＞0和n2＞0表示输入补偿辅助系统的控制参数；
将输入饱和补偿动力系统中的补偿变量的更新率进行一次积分求得输入饱和补偿动力系统中的补偿变量，再将输入饱和补偿动力系统中的补偿变量χ保存到数据存储器III中。
所述基于自适应有限时间模糊系统姿态控制器的设计步骤为：基于引入的非奇异快速终端滑膜面、姿态角误差向量、姿态角速度跟踪误差向量、自适应模糊参数和输入饱和补偿动力系统中的补偿变量，设计基于自适应有限时间模糊系统姿态控制器；
基于引入的非奇异快速终端滑膜面、姿态角误差向量、姿态角速度跟踪误差向量、自适应模糊参数和输入饱和补偿动力系统中的补偿变量，设计基于自适应有限时间模糊系统姿态控制器，其数学表达式如下：
Figure BDA0003364919700000071
其中，
Figure BDA0003364919700000072
以及
Figure BDA0003364919700000073
所述实时姿态角信号的获取和数据存储步骤为：将基于自适应有限时间模糊系统姿态控制信号输入到电力巡检无人机姿态模型中，输出实时姿态角加速度信号，并对姿态角加速度信号进行二次积分获得实时姿态角信号，再将实时姿态角信号保存到数据存储器IV中，实时姿态角加速度信号包括：实时翻滚角加速度信号、实时俯仰角加速度信号和实时偏航角加速度信号。实时姿态角信号包括：实时翻滚角信号、实时俯仰角信号和实时偏航角信号；其具体步骤如下：
71)将基于自适应有限时间模糊系统姿态控制信号输入到电力巡检无人机姿态模型中，输出实时姿态角加速度信号
Figure BDA0003364919700000074
72)对实时姿态角加速度信号进行二次积分，获得实时姿态角信号数据
Figure BDA0003364919700000075
再将实时姿态角信号并保存到数据存储器IV中。
所述电力巡检无人机姿态的控制参数调整步骤为：通过观测数据存储器I中的参考姿态角信号与数据存储器IV中的实际姿态角信号的差值变化、数据存储器III中的输入饱和补偿动力系统中的补偿变量信号的变化以及数据存储器II中的自适应模糊参数的变化，然后对基于自适应有限时间模糊系统姿态控制器中的控制参数进行调整，实现电力巡检无人机的高性能姿态跟踪控制；其具体步骤如下：
81)通过将数据存储器I中参考姿态角信号
Figure BDA0003364919700000076
与数据存储器IV中实际姿态角信号
Figure BDA0003364919700000077
进行差值比较，调整控制参数β1的大小：
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[2,∞)范围内变化，则控制参数β1的值按0.2大小增加，直至差值的绝对值之和在[1,2)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[1,2)范围内变化，则控制参数β1的值按0.12大小增加，直至差值的绝对值之和在[0.1,1)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0.1,1)范围内变化，则控制参数β1的值按0.06大小增加，直至差值的绝对值之和在[0.01,0.1)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0.01,0.1)范围内变化，则控制参数β1的值按0.04大小增加，直至差值的绝对值之和在[0,0.01)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0,0.01)范围内变化，则控制参数β1的值不改变，以满足电力巡检无人机姿态跟踪精度的性能要求；
82)观测数据存储器III中输入饱和补偿动力系统中补偿变量的数据变化，调整控制参数n1的大小：
如果输入饱和补偿动力系统中补偿变量的绝对值在[1,∞)范围内变化，则控制参数n1按0.2大小增加，直至绝对值在[0.5,1)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.5,1)范围内变化，则控制参数n1按0.1大小增加，直至绝对值在[0.1,0.5)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.1,0.5)范围内变化，则控制参数n1按0.05大小增加，直至绝对值在[0.02,0.1)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.02,0.1)范围内变化，则控制参数n1按0.02大小增加，直至绝对值在[0,0.02)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0,0.02)范围内变化，则控制参数n1的值不变，以满足电力巡检无人机对输入饱和补偿动力系统的性能要求；
83)观测数据存储器II中自适应模糊参数的数据变化，调整控制参数σ和μ1的大小：
如果自适应模糊参数随时间始终保持递增变化，则控制参数σ按0.2大小增加同时控制参数μ1按0.3大小增加，直至自适应模糊参数随时间保持波动变化或保持不始终增长变化；
如果自适应模糊参数随时间始终保持递减变化，则控制参数σ按0.2大小减少同时控制参数μ1按0.3大小减少，直至自适应模糊参数随时间保持波动变化或保持不始终减少变化。
有益效果
本发明的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，与现有技术相比能够保证闭环系统有限时间稳定并且系统跟踪误差能收敛至有界区域，提高了系统的误差收敛速度，消除了系统的抖动现象，增强了系统的跟踪品质。为了防止因选取不合适的控制增益而导致能量过多的损耗和引起的系统不稳定，本发明设计了一种自适应算法来实现控制增益在线调整，这有助于提升姿态跟踪系统的自适应抗扰动能力。与此同时，设计了一种输入饱和补偿动力系统以避免输入饱和的问题，提高系统的饱和抑制能力。
附图说明
图1为本发明的方法顺序图；
图2为本发明方法所涉及的实时翻滚角跟踪响应曲线图；
图3是本发明方法所涉及的实时俯仰角跟踪响应曲线图；
图4是本发明方法所涉及的实时偏航角跟踪响应曲线图；
图5是本发明方法所涉及的实时翻滚角跟踪误差响应曲线图；
图6是本发明方法所涉及的实时俯仰角跟踪误差响应曲线图；
图7是本发明方法所涉及的实时偏航角跟踪误差响应曲线图；
图8是本发明方法所涉及的控制输入响应曲线图；
图9是本发明方法所涉及的自适应模糊参数响应曲线图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：
如图1所示，本发明所述的一种基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，包括以下步骤：
第一步，参考姿态角信号的设定和数据存储：通过地面控制中心设定电力巡检无人机的参考姿态角信号；通过机载信号接收器接收地面控制中心所设定的参考姿态角信号，并将参考姿态角信号保存到数据存储器I中，参考姿态角信号包括：参考翻滚角信号、参考俯仰角信号和参考偏航角信号。
第二步，电力巡检无人机姿态模型的建立。根据电力巡检无人机自身的机械结构以及高空巡检时电力巡检无人机所受的外界风扰和输入饱和因素的影响，建立电力巡检无人机姿态模型；其包括以下步骤：
(1)基于欧拉拉格朗日原理，考虑电力巡检无人机自身的机械结构以及在高空巡检时电力巡检无人机所受的外界风扰和输入饱和因素的影响，建立电力巡检无人机的姿态运动学模型，其具体表达式如下所示：
Figure BDA0003364919700000101
其中，
Figure BDA0003364919700000102
表示电力巡检无人机在地球坐标系中的实际姿态角向量，其中φ、θ和
Figure BDA0003364919700000103
分别表示绕xe轴的实际横摇角度数、绕ye轴的实际俯仰角度数和绕ze轴的实际偏航角度数；Ω＝[p,q,r]T表示电力巡检无人机在机体坐标系中的实际姿态角速度向量，其中p、q和r分别表示绕xb轴的实际横摇角速度、绕yb轴的实际俯仰角速度和绕zb轴的实际偏航角速度；
Figure BDA0003364919700000104
表示电力巡检无人机在地球坐标系中的实际姿态角速度向量，其中
Figure BDA0003364919700000105
和
Figure BDA0003364919700000106
分别表示绕xe轴的实际横摇角速度、绕ye轴的实际俯仰角速度和绕ze轴的实际偏航角速度；Rr(Θ)表示欧拉矩阵，其具体表达式如下所示：
Figure BDA0003364919700000107
(2)建立电力巡检无人机的姿态动力学模型，其具体表达式如下所示：
Figure BDA0003364919700000111
其中，M＝diag{M1,M2,M3}表示正定对称惯性矩阵，其中M1、M2和M3分别表示绕xb轴、绕yb轴和绕zb轴的转动惯量系数；
Figure BDA0003364919700000112
表示电力巡检无人机在机体坐标系中的实际姿态角加速度向量，其中
Figure BDA0003364919700000113
和
Figure BDA0003364919700000114
分别表示电力巡检无人机在机体坐标系中绕xb轴的横摇角加速度、绕yb轴的俯仰角加速度和绕zb轴的偏航角加速；d＝[d1,d2,d3]T表示外界风扰，其中d1、d2和d3分别表示在横摇角通道、俯仰角通道和偏航角通道所受的外部风扰影响；
sat(F)＝[sat(F1),sat(F2),sat(F3)]T表示实际控制输入向量，sat(F1)、sat(F2)和sat(F3)分别表示在横摇角通道、俯仰角通道和偏航角通道中的实际控制输入，
sat(Fi)，i＝1,2,3的数学表达式如下：
Figure BDA0003364919700000115
其中，
Figure BDA0003364919700000116
表示控制输入信号Fi的上界值，符号函数sign(Fi)定义为
Figure BDA0003364919700000117
符号(Ω)×表示Ω＝[p,q,r]T的斜对称矩阵，其满足如下数学形式：
Figure BDA0003364919700000118
(3)基于电力巡检无人机的姿态运动学模型和动力学模型，建立考虑外部风扰和输入饱和的电力巡检无人机姿态模型，其具体表达式如下所示：
Figure BDA0003364919700000119
其中，对称正定矩阵N1(Θ)和科里奥利离心矩阵
Figure BDA00033649197000001110
分别表示为
Figure BDA00033649197000001111
和
Figure BDA00033649197000001112
Figure BDA00033649197000001113
表示Rr(Θ)的转置矩阵，集总扰动D表示为
Figure BDA00033649197000001114
假设集总扰动D是有上界的，且满足
Figure BDA00033649197000001115
Figure BDA00033649197000001116
是未知的正数。
在执行高空电力巡检的任务时，电力巡检无人机的姿态调整过程极容易受到外界风扰的影响，尤其是当受到强风的干扰时，这需要电力巡检无人机生成足够大的控制输入以保证系统姿态的稳定，然而这又极易造成输入饱和的问题，破坏了姿态跟踪系统的稳定性，甚至会导致电力巡检任务的失败。因此，在对电力巡检无人机的姿态建模过程中，应当考虑外部风扰和输入饱和的影响，虽然这会增加控制器设计的难度，但这有助于提高姿态跟踪系统的鲁棒性和可靠性。
在本发明中仅仅假设集总扰动是存在上界，并且上界是未知的。而在现有技术方案中不仅需要假设集总扰动存在上界，更为关键的是还要求该上界已知。然而，外部扰动是随机不确定的并且在实际应用中无法通过传感器准确检测出外部扰动的上界，因此假设集总扰动上界已知是不合理的。显然，本发明在此所做的假设是更为合理的。
第三步，模糊逻辑系统的设计：基于模糊逻辑规则，建立模糊逻辑系统，设计模糊逻辑系统的输出控制信号。
相较于现有的模糊逻辑系统，本发明的模糊逻辑只有3个模糊逻辑规则，模糊逻辑规则的数量少，且模糊系统中控制强度参数的数量也少，实际只有2个，这些因素都有利于简化模糊逻辑系统的结构，有助于实际的应用和推广。
其具体步骤如下：
(1)设定模糊逻辑规则，模糊逻辑规则定义如下：
规则1：如果输入值vi大于0，则输出值ui大于0；
规则2：如果输入值vi等于0，则输出值ui等于0；
规则3：如果输入值vi小于0，则输出值ui小于0；
其中，所有的输入值vi组成一个输入向量v＝[v1,v2,v3]T，以及所有的输出值ui组成一个输出向量u＝[u1,u2,u3]T。
(2)设定模糊逻辑系统的输出信号ui如下：
Figure BDA0003364919700000131
其中，0≤cj≤1，j＝1、2、3表示不同规则下模糊系统的控制强度，ra＝[ra,1,ra,2,ra,3]T表示模糊参数向量；
在本发明中c1+c2+c3＝1，ri,1＝-ra,i，ri,2＝0，ri,3＝ra,i以及ra,i＞0，
其中，在不同的模糊逻辑规则下，控制强度c1、c2和c3可根据以下四种情况进行选取：
情况1：如果满足规则1时，则c1＝1和c2＝c3＝0；
情况2：如果同时满足规则1和2时，则c1＝1，0＜c2≤1和c3＝0；
情况3：如果同时满足规则2和3时，则c1＝0，0＜c2≤1和0＜c3≤1；
情况4：如果满足规则3时，则c1＝0，c2＝0和c3＝1；
当模糊系统的控制强度c1、c2和c3根按照上述情况1至情况4的选取时，模糊逻辑系统的输出信号ui分别为ui＝ra,i、ui＝c1ra,i、ui＝-c3ra,i和ui＝-ra,i；
综合上述情况1至情况4以及在四种情况下模糊逻辑信号的输出信号ui，得模糊逻辑系统的最终表达式为：
Figure BDA0003364919700000132
第四步，自适应模糊参数的设计和数据存储：基于引入的非奇异快速终端滑模和姿态角速度跟踪误差，设计自适应模糊参数，并将自适应模糊参数保存到数据存储器II中。
由于在实际飞行环境下，集总扰动值的上界是难以确定的，因此模糊参数的选取是十分困难的。如果选取的模糊参数过大，则会导致输出力矩过大，伴随而来的负面影响是损耗的能量越多，严重地甚至会造成执行器饱和；如果选取的模糊参数过小，则会导致输出力矩越小，伴随而来的负面影响是降低了系统的跟踪性能，导致飞行系统的不稳定，甚至任务的失败。因此，为了解决上述这些问题，在本发明中利用自适应算法在线调整模糊参数的大小。
其具体步骤如下：
(1)引入非奇异快速终端滑膜面s＝[s1,s2,s3]T，其数学表达式如下：
Figure BDA0003364919700000141
其中，定义参考姿态角信号
Figure BDA0003364919700000142
和参考姿态角速度信号
Figure BDA0003364919700000143
其中φd、θd和
Figure BDA0003364919700000144
分别表示电力巡检无人机在地球坐标系中绕xe轴的参考横摇角度数、绕ye轴的参考俯仰角度数和绕ze轴的参考偏航角度数；
Figure BDA0003364919700000145
和
Figure BDA0003364919700000146
分别表示电力巡检无人机在地球坐标系中绕xe轴的参考横摇角速度、绕ye轴的参考俯仰角速度和绕ze轴的参考偏航角速度；
Figure BDA0003364919700000147
表示电力巡检无人机在地球坐标系中的姿态角跟踪误差向量，φe＝φ-φd、θe＝θ-θd和
Figure BDA0003364919700000148
分别横摇角的跟踪误差、俯仰角的跟踪误差和偏航角的跟踪误差；
Figure BDA0003364919700000149
表示电力巡检无人机在地球坐标系中的姿态角速度跟踪误差向量，其中
Figure BDA00033649197000001410
Figure BDA00033649197000001411
和
Figure BDA00033649197000001412
分别表示横摇角速度的跟踪误差、俯仰角速度的跟踪误差和偏航角速度的跟踪误差；β1和β2表示正设计参数；m1、m2和m3表示正奇数，并且满足关系：
Figure BDA00033649197000001413
和
Figure BDA00033649197000001414
本发明引入的快速非奇异滑膜面是为了提高系统收敛速度和避免奇异问题，这有助于提高系统的抗抖动能力和姿态跟踪性能。
(2)基于引入的非奇异快速终端滑模和姿态角速度跟踪误差，设计自适应模糊参数
Figure BDA00033649197000001415
的更新率，其数学表达式如下：
Figure BDA00033649197000001416
其中，
Figure BDA00033649197000001417
表示ra＝[ra,1,ra,2,ra,3]T的估计向量，
Figure BDA00033649197000001418
表示
Figure BDA00033649197000001419
的更新率，
Figure BDA00033649197000001420
是正向量，μ1＞0，μ2＞0，0＜μ3＜1以及σ＞0。
(3)将自适应模糊参数
Figure BDA0003364919700000151
保存到数据存储器II中。
第五步，输入饱和补偿动力系统的设计和数据存储。基于引入的非奇异快速终端滑膜面，设计输入饱和补偿动力系统，并将输入饱和补偿动力系统的补偿变量保存到数据存储器III中；其包括以下步骤：
(1)基于引入的非奇异快速终端滑膜面，设计输入饱和补偿动力系统的补偿变量的更新率
Figure BDA0003364919700000152
其数学表达式如下：
Figure BDA0003364919700000153
其中，ΔF＝F-sat(F)，χ表示输入饱和补偿动力系统中的补偿变量信号，n1＞0和n2＞0表示输入补偿辅助系统的控制参数；
(2)将输入饱和补偿动力系统中的补偿变量的更新率进行一次积分求得输入饱和补偿动力系统中的补偿变量，再将输入饱和补偿动力系统中的补偿变量χ保存到数据存储器III中。
第六步，基于自适应有限时间模糊系统姿态控制器的设计。基于引入的非奇异快速终端滑膜面、姿态角误差向量、姿态角速度跟踪误差向量、自适应模糊参数和输入饱和补偿动力系统中的补偿变量，设计基于自适应有限时间模糊系统姿态控制器；
基于引入的非奇异快速终端滑膜面、姿态角误差向量、姿态角速度跟踪误差向量、自适应模糊参数和输入饱和补偿动力系统中的补偿变量，设计基于自适应有限时间模糊系统姿态控制器，其数学表达式如下：
Figure BDA0003364919700000154
其中，
Figure BDA0003364919700000155
以及
Figure BDA0003364919700000156
第七步，实时姿态角信号的获取和数据存储。
将基于自适应有限时间模糊系统姿态控制信号输入到电力巡检无人机姿态模型中，输出实时姿态角加速度信号，并对姿态角加速度信号进行二次积分获得实时姿态角信号，再将实时姿态角信号保存到数据存储器IV中，实时姿态角加速度信号包括：实时翻滚角加速度信号、实时俯仰角加速度信号和实时偏航角加速度信号。实时姿态角信号包括：实时翻滚角信号、实时俯仰角信号和实时偏航角信号；其具体步骤如下：
(1)将基于自适应有限时间模糊系统姿态控制信号输入到电力巡检无人机姿态模型中，输出实时姿态角加速度信号
Figure BDA0003364919700000161
(2)对实时姿态角加速度信号进行二次积分，获得实时姿态角信号数据
Figure BDA0003364919700000162
再将实时姿态角信号并保存到数据存储器IV中。
第八步，电力巡检无人机姿态的控制参数调整。
通过观测数据存储器I中的参考姿态角信号与数据存储器IV中的实际姿态角信号的差值变化、数据存储器III中的输入饱和补偿动力系统中的补偿变量信号的变化以及数据存储器II中的自适应模糊参数的变化，然后对基于自适应有限时间模糊系统姿态控制器中的控制参数进行调整，实现电力巡检无人机的高性能姿态跟踪控制；其具体步骤如下：
(1)通过将数据存储器I中参考姿态角信号
Figure BDA0003364919700000163
与数据存储器IV中实际姿态角信号
Figure BDA0003364919700000164
进行差值比较，调整控制参数β1的大小：
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[2,∞)范围内变化，则控制参数β1的值按0.2大小增加，直至差值的绝对值之和在[1,2)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[1,2)范围内变化，则控制参数β1的值按0.12大小增加，直至差值的绝对值之和在[0.1,1)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0.1,1)范围内变化，则控制参数β1的值按0.06大小增加，直至差值的绝对值之和在[0.01,0.1)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0.01,0.1)范围内变化，则控制参数β1的值按0.04大小增加，直至差值的绝对值之和在[0,0.01)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0,0.01)范围内变化，则控制参数β1的值不改变，以满足电力巡检无人机姿态跟踪精度的性能要求。
(2)观测数据存储器III中输入饱和补偿动力系统中补偿变量的数据变化，调整控制参数n1的大小：
如果输入饱和补偿动力系统中补偿变量的绝对值在[1,∞)范围内变化，则控制参数n1按0.2大小增加，直至绝对值在[0.5,1)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.5,1)范围内变化，则控制参数n1按0.1大小增加，直至绝对值在[0.1,0.5)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.1,0.5)范围内变化，则控制参数n1按0.05大小增加，直至绝对值在[0.02,0.1)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.02,0.1)范围内变化，则控制参数n1按0.02大小增加，直至绝对值在[0,0.02)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0,0.02)范围内变化，则控制参数n1的值不变，以满足电力巡检无人机对输入饱和补偿动力系统的性能要求。
(3)观测数据存储器II中自适应模糊参数的数据变化，调整控制参数σ和μ1的大小：
如果自适应模糊参数随时间始终保持递增变化，则控制参数σ按0.2大小增加同时控制参数μ1按0.3大小增加，直至自适应模糊参数随时间保持波动变化或保持不始终增长变化；
如果自适应模糊参数随时间始终保持递减变化，则控制参数σ按0.2大小减少同时控制参数μ1按0.3大小减少，直至自适应模糊参数随时间保持波动变化或保持不始终减少变化。只要自适应模糊参数随时间不始终保持递增变化或不始终保持递减变化，这就满足电力巡检无人机对自适应模糊参数变化的性能要求。
为了证明所有闭环系统中的信号是一致有界并且跟踪误差信号能在有限时间内收敛至有界区域，设计如下李雅普诺夫函数V：
Figure BDA0003364919700000181
其中，
Figure BDA0003364919700000182
表示估计误差，
Figure BDA0003364919700000183
表示
Figure BDA0003364919700000184
的上界。
将考虑外部风扰和输入饱和的电力巡检无人机姿态模型、模糊逻辑信号的输出信号、非奇异快速终端滑膜面、自适应模糊参数的更新率、输入饱和补偿动力系统的补偿变量的更新率和设计基于自适应有限时间模糊系统姿态控制器，代入李雅普诺夫函数V的一阶导数中，可得：
Figure BDA0003364919700000185
其中，
Figure BDA0003364919700000186
M3＝min{2λmin(M1),2(n1-1),μ1}以及
Figure BDA0003364919700000187
根据李雅普诺夫有限时间稳定性定理可知，李雅普诺夫函数V在有限时间t1收敛至有界区域Ω1，其中，t1和Ω1可根据如下数学公式计算：
Figure BDA0003364919700000188
Figure BDA0003364919700000189
其中，0＜ε1＜1，t0表示初始时间。因此，进一步可得非奇异快速终端滑膜面s和
Figure BDA00033649197000001810
在有限时间内分别收敛至如下有界区域：
Figure BDA0003364919700000191
Figure BDA0003364919700000192
其中，0＜ε2＜1。
基于s的有界收敛域，可知姿态跟踪误能够在有限时间t2收敛至有界区域Ω4，其中，t2和Ω4可根据如下数学公式计算：
Figure BDA0003364919700000193
Figure BDA0003364919700000194
其中，
Figure BDA0003364919700000195
因此，电力巡检无人机的姿态角信号从初始状态趋近到参考姿态角信号所需的收敛时间是t＝t1+t2。
综上所述，本发明考虑了电力巡检无人机在受到外界风扰和输入饱和的影响，设计了一种基于自适应模糊机制的电力巡检无人机姿态控制器，它能够保证闭环系统有限时间稳定，加快了系统的收敛速度，消除系统的抖动现象，提高了系统的鲁棒性和跟踪品质。同时，利用自适应算法在线调整控制增益，避免因选取不合适的控制增益造成更多的能量损耗增加和执行器饱和问题，提高系统的自适应抗扰动能力。
为了验证本发明所提控制器的优越性，在具体地实施例中，设定的参考姿态角信号为
Figure BDA0003364919700000201
(单位：rad)，惯性矩阵为M＝diag{M1,M2,M3}＝diag{0.01175,0.01175,0.02229}(单位：N·m·s2/rad)，控制输入信号上界
Figure BDA0003364919700000206
(单位：N·m)，电力巡检无人机的初始姿态信号为
Figure BDA0003364919700000202
选取的控制参数如下：
μ1＝μ2＝0.015,μ3＝0.001,m1＝19,m2＝17,m3＝1.1,k1＝k3＝40,k3＝13,k4＝15,β1＝3,β2＝0.1,
Figure BDA0003364919700000203
σ＝0.05,n1＝15,n2＝10,
Figure BDA0003364919700000204
χ(0)＝[0,0,0]T，以及采样时间设定为ts＝0.01(单位：s)。
图2是本发明的实时翻滚角跟踪响应曲线图，图3是本发明的实时俯仰角跟踪响应曲线图，图4是本发明的实时偏航角跟踪响应曲线图，图5是本发明的实时翻滚角跟踪误差响应曲线图，图6是本发明的实时俯仰角跟踪误差响应曲线图，图7是本发明的实时偏航角跟踪误差响应曲线图，图8是本发明的控制输入响应曲线图，图9是本发明的自适应模糊参数响应曲线图。从图2至图4可以看出，电力巡检无人机在外部风扰和输入饱和的影响下，其实时翻滚角信号、实时俯仰角信号和实时偏航角信号能分别快速准确地跟踪上参考翻滚角信号、参考俯仰角信号和参考偏航角信号。从图5至图7可以看出本发明所设计的姿态控制方法能够保证姿态角误差信号收敛到0附近。从图8可以看出控制输入信号在任意时刻都被约束在0.2[N·m]范围内，满足电力巡检无人机的输入饱和的约束要求。从图9中可以看出自适应模糊参数
Figure BDA0003364919700000205
的动态变化情况。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (8)

1.一种基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，包括以下步骤：
11)参考姿态角信号的设定和数据存储：通过地面控制中心设定电力巡检无人机的参考姿态角信号；通过机载信号接收器接收地面控制中心所设定的参考姿态角信号，并将参考姿态角信号保存到数据存储器I中，参考姿态角信号包括：参考翻滚角信号、参考俯仰角信号和参考偏航角信号；
12)电力巡检无人机姿态模型的建立；
13)模糊逻辑系统的设计：基于模糊逻辑规则，建立模糊逻辑系统，设计模糊逻辑系统的输出控制信号；
14)自适应模糊参数的设计和数据存储：基于引入的非奇异快速终端滑模和姿态角速度跟踪误差，设计自适应模糊参数，并将自适应模糊参数保存到数据存储器II中；
15)输入饱和补偿动力系统的设计和数据存储；
16)基于自适应有限时间模糊系统姿态控制器的设计；
17)实时姿态角信号的获取和数据存储；
18)电力巡检无人机姿态的控制参数调整。
2.根据权利要求1所述的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，所述电力巡检无人机姿态模型的建立步骤为：根据电力巡检无人机自身的机械结构以及高空巡检时电力巡检无人机所受的外界风扰和输入饱和因素的影响，建立电力巡检无人机姿态模型；其包括以下步骤：
21)基于欧拉拉格朗日原理，考虑电力巡检无人机自身的机械结构以及在高空巡检时电力巡检无人机所受的外界风扰和输入饱和因素的影响，建立电力巡检无人机的姿态运动学模型，其具体表达式如下所示：
Figure FDA0003364919690000011
其中，
Figure FDA0003364919690000012
表示电力巡检无人机在地球坐标系中的实际姿态角向量，其中φ、θ和
Figure FDA0003364919690000013
分别表示绕xe轴的实际横摇角度数、绕ye轴的实际俯仰角度数和绕ze轴的实际偏航角度数；Ω＝[p,q,r]T表示电力巡检无人机在机体坐标系中的实际姿态角速度向量，其中p、q和r分别表示绕xb轴的实际横摇角速度、绕yb轴的实际俯仰角速度和绕zb轴的实际偏航角速度；
Figure FDA0003364919690000021
表示电力巡检无人机在地球坐标系中的实际姿态角速度向量，其中
Figure FDA0003364919690000022
和
Figure FDA0003364919690000023
分别表示绕xe轴的实际横摇角速度、绕ye轴的实际俯仰角速度和绕ze轴的实际偏航角速度；Rr(Θ)表示欧拉矩阵，其具体表达式如下所示：
Figure FDA0003364919690000024
22)建立电力巡检无人机的姿态动力学模型，其具体表达式如下所示：
Figure FDA0003364919690000025
其中，M＝diag{M1,M2,M3}表示正定对称惯性矩阵，其中M1、M2和M3分别表示绕xb轴、绕yb轴和绕zb轴的转动惯量系数；
Figure FDA0003364919690000026
表示电力巡检无人机在机体坐标系中的实际姿态角加速度向量，其中
Figure FDA0003364919690000027
和
Figure FDA0003364919690000028
分别表示电力巡检无人机在机体坐标系中绕xb轴的横摇角加速度、绕yb轴的俯仰角加速度和绕zb轴的偏航角加速；d＝[d1,d2,d3]T表示外界风扰，其中d1、d2和d3分别表示在横摇角通道、俯仰角通道和偏航角通道所受的外部风扰影响；
sat(F)＝[sat(F1),sat(F2),sat(F3)]T表示实际控制输入向量，sat(F1)、sat(F2)和sat(F3)分别表示在横摇角通道、俯仰角通道和偏航角通道中的实际控制输入，
sat(Fi)，i＝1,2,3的数学表达式如下：
Figure FDA0003364919690000029
其中，
Figure FDA00033649196900000210
表示控制输入信号Fi的上界值，符号函数sign(Fi)定义为
Figure FDA00033649196900000211
符号(Ω)×表示Ω＝[p,q,r]T的斜对称矩阵，其满足如下数学形式：
Figure FDA00033649196900000212
23)基于电力巡检无人机的姿态运动学模型和动力学模型，建立考虑外部风扰和输入饱和的电力巡检无人机姿态模型，其具体表达式如下所示：
Figure FDA0003364919690000031
其中，对称正定矩阵N1(Θ)和科里奥利离心矩阵
Figure FDA0003364919690000032
分别表示为
Figure FDA0003364919690000033
和
Figure FDA0003364919690000034
Figure FDA0003364919690000035
表示Rr(Θ)的转置矩阵，集总扰动D表示为
Figure FDA0003364919690000036
假设集总扰动D是有上界的，且满足
Figure FDA0003364919690000037
Figure FDA0003364919690000038
是未知的正数。
3.根据权利要求1所述的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，所述模糊逻辑系统的设计包括以下步骤：
31)设定模糊逻辑规则，模糊逻辑规则定义如下：
规则1：如果输入值vi大于0，则输出值ui大于0；
规则2：如果输入值vi等于0，则输出值ui等于0；
规则3：如果输入值vi小于0，则输出值ui小于0；
其中，所有的输入值vi组成一个输入向量v＝[v1,v2,v3]T，以及所有的输出值ui组成一个输出向量u＝[u1,u2,u3]T；
32)设定模糊逻辑系统的输出信号ui如下：
Figure FDA0003364919690000039
其中，0≤cj≤1，j＝1、2、3表示不同规则下模糊系统的控制强度，ra＝[ra,1,ra,2,ra,3]T表示模糊向量；
c1+c2+c3＝1，ri,1＝-ra,i，ri,2＝0，ri,3＝ra,i以及ra,i＞0，
其中，在对应的模糊逻辑规则下，控制强度c1、c2和c3根据以下四种情况进行选取：
情况1：如果满足规则1时，则c1＝1和c2＝c3＝0；
情况2：如果同时满足规则1和2时，则c1＝1，0＜c2≤1和c3＝0；
情况3：如果同时满足规则2和3时，则c1＝0，0＜c2≤1和0＜c3≤1；
情况4：如果满足规则3时，则c1＝0，c2＝0和c3＝1；
当模糊系统的控制强度c1、c2和c3根按照上述情况1至情况4的选取时，模糊逻辑系统的输出信号ui分别为ui＝ra,i、ui＝c1ra,i、ui＝-c3ra,i和ui＝-ra,i；
综合上述情况1至情况4以及在四种情况下模糊逻辑信号的输出信号ui，得模糊逻辑系统的最终表达式为：
Figure FDA0003364919690000041
4.根据权利要求1所述的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，所述自适应模糊参数的设计和数据存储包括以下步骤：
41)引入非奇异快速终端滑膜面s＝[s1,s2,s3]T，其数学表达式如下：
Figure FDA0003364919690000042
其中，定义参考姿态角信号
Figure FDA0003364919690000043
和参考姿态角速度信号
Figure FDA0003364919690000044
其中φd、θd和
Figure FDA0003364919690000045
分别表示电力巡检无人机在地球坐标系中绕xe轴的参考横摇角度数、绕ye轴的参考俯仰角度数和绕ze轴的参考偏航角度数；
Figure FDA0003364919690000046
和
Figure FDA0003364919690000047
分别表示电力巡检无人机在地球坐标系中绕xe轴的参考横摇角速度、绕ye轴的参考俯仰角速度和绕ze轴的参考偏航角速度；
Figure FDA0003364919690000048
表示电力巡检无人机在地球坐标系中的姿态角跟踪误差向量，φe＝φ-φd、θe＝θ-θd和
Figure FDA0003364919690000049
分别横摇角的跟踪误差、俯仰角的跟踪误差和偏航角的跟踪误差；
Figure FDA00033649196900000410
表示电力巡检无人机在地球坐标系中的姿态角速度跟踪误差向量，其中
Figure FDA00033649196900000411
Figure FDA00033649196900000412
和
Figure FDA00033649196900000413
分别表示横摇角速度的跟踪误差、俯仰角速度的跟踪误差和偏航角速度的跟踪误差；β1和β2表示正设计参数；m1、m2和m3表示正奇数，并且满足关系：
Figure FDA0003364919690000051
和
Figure FDA0003364919690000052
42)基于引入的非奇异快速终端滑模和姿态角速度跟踪误差，设计自适应模糊参数
Figure FDA0003364919690000053
的更新率，其数学表达式如下：
Figure FDA0003364919690000054
其中，
Figure FDA0003364919690000055
表示ra＝[ra,1,ra,2,ra,3]T的估计向量，
Figure FDA0003364919690000056
表示
Figure FDA0003364919690000057
的更新率，
Figure FDA0003364919690000058
是正向量，μ1＞0，μ2＞0，0＜μ3＜1以及σ＞0；
43)将自适应模糊参数
Figure FDA0003364919690000059
保存到数据存储器II中。
5.根据权利要求1所述的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，所述输入饱和补偿动力系统的设计和数据存储步骤为：基于引入的非奇异快速终端滑膜面，设计输入饱和补偿动力系统，并将输入饱和补偿动力系统的补偿变量保存到数据存储器III中；其包括以下步骤：
51)基于引入的非奇异快速终端滑膜面，设计输入饱和补偿动力系统的补偿变量的更新率
Figure FDA00033649196900000510
其数学表达式如下：
Figure FDA00033649196900000511
其中，ΔF＝F-sat(F)，χ表示输入饱和补偿动力系统中的补偿变量信号，n1＞0和n2＞0表示输入补偿辅助系统的控制参数；
52)将输入饱和补偿动力系统中的补偿变量的更新率进行一次积分求得输入饱和补偿动力系统中的补偿变量，再将输入饱和补偿动力系统中的补偿变量χ保存到数据存储器III中。
6.根据权利要求1所述的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，所述基于自适应有限时间模糊系统姿态控制器的设计步骤为：基于引入的非奇异快速终端滑膜面、姿态角误差向量、姿态角速度跟踪误差向量、自适应模糊参数和输入饱和补偿动力系统中的补偿变量，设计基于自适应有限时间模糊系统姿态控制器；
基于引入的非奇异快速终端滑膜面、姿态角误差向量、姿态角速度跟踪误差向量、自适应模糊参数和输入饱和补偿动力系统中的补偿变量，设计基于自适应有限时间模糊系统姿态控制器，其数学表达式如下：
Figure FDA0003364919690000061
其中，
Figure FDA0003364919690000062
以及
Figure FDA0003364919690000063
7.根据权利要求1所述的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，所述实时姿态角信号的获取和数据存储步骤为：将基于自适应有限时间模糊系统姿态控制信号输入到电力巡检无人机姿态模型中，输出实时姿态角加速度信号，并对姿态角加速度信号进行二次积分获得实时姿态角信号，再将实时姿态角信号保存到数据存储器IV中，实时姿态角加速度信号包括：实时翻滚角加速度信号、实时俯仰角加速度信号和实时偏航角加速度信号；实时姿态角信号包括：实时翻滚角信号、实时俯仰角信号和实时偏航角信号；其具体步骤如下：
71)将基于自适应有限时间模糊系统姿态控制信号输入到电力巡检无人机姿态模型中，输出实时姿态角加速度信号
Figure FDA0003364919690000064
72)对实时姿态角加速度信号进行二次积分，获得实时姿态角信号数据
Figure FDA0003364919690000065
再将实时姿态角信号并保存到数据存储器IV中。
8.根据权利要求1所述的基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法，其特征在于，所述电力巡检无人机姿态的控制参数调整步骤为：通过观测数据存储器I中的参考姿态角信号与数据存储器IV中的实际姿态角信号的差值变化、数据存储器III中的输入饱和补偿动力系统中的补偿变量信号的变化以及数据存储器II中的自适应模糊参数的变化，然后对基于自适应有限时间模糊系统姿态控制器中的控制参数进行调整，实现电力巡检无人机的高性能姿态跟踪控制；其具体步骤如下：
81)通过将数据存储器I中参考姿态角信号
Figure FDA0003364919690000071
与数据存储器IV中实际姿态角信号
Figure FDA0003364919690000072
进行差值比较，调整控制参数β1的大小：
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[2,∞)范围内变化，则控制参数β1的值按0.2大小增加，直至差值的绝对值之和在[1,2)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[1,2)范围内变化，则控制参数β1的值按0.12大小增加，直至差值的绝对值之和在[0.1,1)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0.1,1)范围内变化，则控制参数β1的值按0.06大小增加，直至差值的绝对值之和在[0.01,0.1)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0.01,0.1)范围内变化，则控制参数β1的值按0.04大小增加，直至差值的绝对值之和在[0,0.01)范围内变化；
如果三种参考姿态角度数与相应的实时姿态角度差值的绝对值之和在[0,0.01)范围内变化，则控制参数β1的值不改变，以满足电力巡检无人机姿态跟踪精度的性能要求；
82)观测数据存储器III中输入饱和补偿动力系统中补偿变量的数据变化，调整控制参数n1的大小：
如果输入饱和补偿动力系统中补偿变量的绝对值在[1,∞)范围内变化，则控制参数n1按0.2大小增加，直至绝对值在[0.5,1)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.5,1)范围内变化，则控制参数n1按0.1大小增加，直至绝对值在[0.1,0.5)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.1,0.5)范围内变化，则控制参数n1按0.05大小增加，直至绝对值在[0.02,0.1)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0.02,0.1)范围内变化，则控制参数n1按0.02大小增加，直至绝对值在[0,0.02)范围内变化；
如果输入饱和补偿动力系统中补偿变量的绝对值在[0,0.02)范围内变化，则控制参数n1的值不变，以满足电力巡检无人机对输入饱和补偿动力系统的性能要求；
83)观测数据存储器II中自适应模糊参数的数据变化，调整控制参数σ和μ1的大小：
如果自适应模糊参数随时间始终保持递增变化，则控制参数σ按0.2大小增加同时控制参数μ1按0.3大小增加，直至自适应模糊参数随时间保持波动变化或保持不始终增长变化；
如果自适应模糊参数随时间始终保持递减变化，则控制参数σ按0.2大小减少同时控制参数μ1按0.3大小减少，直至自适应模糊参数随时间保持波动变化或保持不始终减少变化。
CN202111399286.1A 2021-11-19 2021-11-19 基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法 Active CN114185357B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111399286.1A CN114185357B (zh) 2021-11-19 2021-11-19 基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111399286.1A CN114185357B (zh) 2021-11-19 2021-11-19 基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法

Publications (2)

Publication Number Publication Date
CN114185357A true CN114185357A (zh) 2022-03-15
CN114185357B CN114185357B (zh) 2022-06-10

Family

ID=80541304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111399286.1A Active CN114185357B (zh) 2021-11-19 2021-11-19 基于自适应有限时间模糊系统的电力巡检无人机姿态跟踪控制方法

Country Status (1)

Country Link
CN (1) CN114185357B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950898A (zh) * 2015-06-10 2015-09-30 北京理工大学 一种再入飞行器全阶非奇异终端滑模姿态控制方法
CN106444799A (zh) * 2016-07-15 2017-02-22 浙江工业大学 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法
CN106774373A (zh) * 2017-01-12 2017-05-31 哈尔滨工业大学 一种四旋翼无人机有限时间姿态跟踪控制方法
CN106886149A (zh) * 2017-02-23 2017-06-23 哈尔滨工业大学 一种航天器鲁棒有限时间饱和姿态跟踪控制方法
CN108803317A (zh) * 2018-05-08 2018-11-13 天津大学 自适应多变量四旋翼无人机有限时间容错控制方法
CN109062042A (zh) * 2018-08-01 2018-12-21 吉林大学 一种旋翼飞行器的有限时间航迹跟踪控制方法
CN109164824A (zh) * 2018-10-25 2019-01-08 北京航空航天大学 一种考虑飞轮不确定性的航天器姿态控制方法
CN109597303A (zh) * 2018-11-29 2019-04-09 南京航空航天大学 一种复合式旋翼飞行器全模式飞行控制方法
CN109901606A (zh) * 2019-04-11 2019-06-18 大连海事大学 一种用于四旋翼精确轨迹跟踪的混合有限时间控制方法
CN110347173A (zh) * 2019-08-21 2019-10-18 哈尔滨工业大学 一种基于非连续自适应控制的航天器姿态跟踪控制方法
CN110377044A (zh) * 2019-07-24 2019-10-25 东南大学 一种无人直升机的有限时间高度和姿态跟踪控制方法
AU2021101247A4 (en) * 2021-01-28 2021-05-06 Guangdong University Of Technology Human-in-the-Loop Consensus Control for High-Rise Firefighting Multi-MUAV Systems with Unknown Disturbances and Actuator Failures
CN113220031A (zh) * 2021-05-13 2021-08-06 中国科学院合肥物质科学研究院 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

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950898A (zh) * 2015-06-10 2015-09-30 北京理工大学 一种再入飞行器全阶非奇异终端滑模姿态控制方法
CN106444799A (zh) * 2016-07-15 2017-02-22 浙江工业大学 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法
CN106774373A (zh) * 2017-01-12 2017-05-31 哈尔滨工业大学 一种四旋翼无人机有限时间姿态跟踪控制方法
CN106886149A (zh) * 2017-02-23 2017-06-23 哈尔滨工业大学 一种航天器鲁棒有限时间饱和姿态跟踪控制方法
CN108803317A (zh) * 2018-05-08 2018-11-13 天津大学 自适应多变量四旋翼无人机有限时间容错控制方法
CN109062042A (zh) * 2018-08-01 2018-12-21 吉林大学 一种旋翼飞行器的有限时间航迹跟踪控制方法
CN109164824A (zh) * 2018-10-25 2019-01-08 北京航空航天大学 一种考虑飞轮不确定性的航天器姿态控制方法
CN109597303A (zh) * 2018-11-29 2019-04-09 南京航空航天大学 一种复合式旋翼飞行器全模式飞行控制方法
CN109901606A (zh) * 2019-04-11 2019-06-18 大连海事大学 一种用于四旋翼精确轨迹跟踪的混合有限时间控制方法
CN110377044A (zh) * 2019-07-24 2019-10-25 东南大学 一种无人直升机的有限时间高度和姿态跟踪控制方法
CN110347173A (zh) * 2019-08-21 2019-10-18 哈尔滨工业大学 一种基于非连续自适应控制的航天器姿态跟踪控制方法
AU2021101247A4 (en) * 2021-01-28 2021-05-06 Guangdong University Of Technology Human-in-the-Loop Consensus Control for High-Rise Firefighting Multi-MUAV Systems with Unknown Disturbances and Actuator Failures
CN113220031A (zh) * 2021-05-13 2021-08-06 中国科学院合肥物质科学研究院 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

Also Published As

Publication number Publication date
CN114185357B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
Sun et al. Fixed-time sliding mode disturbance observer-based nonsmooth backstepping control for hypersonic vehicles
CN110018687B (zh) 基于强化学习方法的无人水面船最优轨迹跟踪控制方法
Zheng et al. Finite-time path following control for a stratospheric airship with input saturation and error constraint
CN109189087B (zh) 一种垂直起降重复使用运载器的自适应容错控制方法
CN109100939B (zh) 考虑输入饱和的水面无人艇全状态约束轨迹跟踪控制方法
Zhao et al. Command filtered backstepping-based attitude containment control for spacecraft formation
CN106773679B (zh) 一种基于角速度观测器的航天器容错控制方法
CN111290421A (zh) 一种考虑输入饱和的高超声速飞行器姿态控制方法
CN107577145B (zh) 编队飞行航天器反步滑模控制方法
Hu et al. Spacecraft anti-unwinding attitude control with actuator nonlinearities and velocity limit
Bu et al. High-order tracking differentiator based adaptive neural control of a flexible air-breathing hypersonic vehicle subject to actuators constraints
CN110347170B (zh) 可重复使用运载器再入段鲁棒容错制导控制系统及工作方法
An et al. Robust fixed-time tracking control for underactuated AUVs based on fixed-time disturbance observer
CN102880060A (zh) 再入飞行器自适应指数时变滑模姿态控制方法
Zhang et al. Adaptive nonsingular terminal sliding mode control design for near space hypersonic vehicles
CN111367182A (zh) 考虑输入受限的高超声速飞行器抗干扰反步控制方法
Zhang et al. Neuro-adaptive trajectory tracking control of underactuated autonomous surface vehicles with high-gain observer
Jiang et al. Novel integral sliding mode control for small-scale unmanned helicopters
CN112631316B (zh) 变负载四旋翼无人机的有限时间控制方法
Xingling et al. Prescribed fast tracking control for flexible air-breathing hypersonic vehicles: An event-triggered case
Dai et al. Finite-time trajectory tracking for marine vessel by nonsingular backstepping controller with unknown external disturbance
Chu et al. Quadrotor attitude control via feedforward all-coefficient adaptive theory
Tong An adaptive error constraint line-of-sight guidance and finite-time backstepping control for unmanned surface vehicles
An et al. Adaptive terminal sliding mode control for reentry vehicle based on nonlinear disturbance observer
Luo et al. Adaptive neural control of hypersonic vehicles with actuator constraints

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