CN114740732A - 一种无人机模态转换非线性控制方法、设备、介质 - Google Patents
一种无人机模态转换非线性控制方法、设备、介质 Download PDFInfo
- Publication number
- CN114740732A CN114740732A CN202210452031.5A CN202210452031A CN114740732A CN 114740732 A CN114740732 A CN 114740732A CN 202210452031 A CN202210452031 A CN 202210452031A CN 114740732 A CN114740732 A CN 114740732A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- rotor unmanned
- tilt rotor
- actual
- 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
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)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种无人机模态转换非线性控制方法、设备、介质,属于无人机控制领域;所述方法包括如下步骤:建立具凸多面体不确定性参数模型;设计非线性鲁棒状态反馈H∞控制器;将控制设计问题转换为平方和凸优化问题;求解控制器,并搭建仿真平台;本发明率先将参数摄动限制在凸多面体集内,即将其表示为凸多面体不确定性,并相应设计了一种新的基于平方和的非线性鲁棒H∞控制方法;该方法可以很好实现倾转旋翼无人机的模态转换控制,对外部扰动和参数摄动具有较强鲁棒性;本发明采用具凸多面体不确定的非线性变参数模型来描述倾转旋翼无人机模态转换阶段的动力学特征,更能精确刻画其非线性、时变和不确定性,提高了整体控制设计的可靠性和作用范围。
Description
技术领域
本发明涉及无人机控制领域,特别涉及一种无人机模态转换非线性控制方法、设备、存储介质。
背景技术
倾转旋翼无人机兼备直升机与固定翼飞机的优点,既能像直升机一样垂直起降、空中悬停,又可以像固定翼飞机一样做高速长航时飞行,在军事和民用领域用途非常广泛。然而,倾转旋翼无人机动力学系统是非仿射的,具有显著非线性、时变、强耦合和不确定性,这就给其飞行控制设计带来极大的挑战。
增益调度和模型跟踪是倾转旋翼无人机模态转换阶段常用的两种控制方法。然而,增益调度控制方法需要把倾转角度作为调度变量,当调度变量快速变化或难以捕捉对象的非线性特征时,系统性能甚至稳定性都难以保证。另外,模型跟踪的设计方法调参简单方便,但依赖于被控对象的数学模型。近几年来,由于线性变参数(linear parameter-varying,LPV)模型可很好表征被控对象的时变特征,其相应的建模和控制方法受到广泛的关注。与此同时,平方和(sum of squares,SOS)凸优化理论的突破性进展,有力促进了多项式型非线性时不变系统研究。可是,对非线性时变问题来说,这两方面的研究进展虽各具优势但仍很不足。现有基于平方和的多项式系统研究忽视了时变特性,而LPV方法属于分段的类线性系统范畴,未能忠实地反映原被控对象的非线性动力学特征。
鉴于此,申请人提出一种无人机模态转换非线性控制方法;实现倾转旋翼无人机的模态转换控制,且对外部扰动和参数摄动具有较强鲁棒性。解决现有技术的不足。
发明内容
(一)技术方案
本发明通过如下技术方案实现:一种无人机模态转换非线性控制方法,所述方法包括如下步骤:
建立具凸多面体不确定性参数模型;
设计非线性鲁棒状态反馈H∞控制器;
将控制设计问题转换为平方和凸优化问题;
求解控制器,并搭建仿真平台。
作为上述方案的进一步说明,所述建立具凸多面体不确定性参数模型具体包括如下步骤:
建立倾转旋翼无人机纵向动力学模型;
建立倾转旋翼无人机纵向偏差模型;
基于外部扰动和参数摄动转化偏差模型;
基于假设建立具凸多面体不确定性参数模型。
作为上述方案的进一步说明,所述倾转旋翼无人机纵向动力学模型如下:
式中,V表示倾转旋翼无人机实际速度,表示倾转旋翼无人机实际速度的一阶导数,α表示倾转旋翼无人机实际攻角,表示倾转旋翼无人机实际攻角的一阶导数,θ表示倾转旋翼无人机实际俯仰角,表示倾转旋翼无人机实际俯仰角的一阶导数,q表示倾转旋翼无人机的实际俯仰角速率,表示倾转旋翼无人机实际俯仰角速率的一阶导数,H表示倾转旋翼无人机的实际高度,表示倾转旋翼无人机实际高度的一阶导数,m表示倾转旋翼无人机的质量,Iz表示倾转旋翼无人机关于俯仰轴的转动惯量,Fxt表示沿机体x轴的实际分量,Fyt表示沿机体y轴的实际分量,Mz表示机体实际的俯仰力矩,表示倾转旋翼无人机的状态,τ表示倾转旋翼无人机的倾转角,δ表示倾转旋翼无人机的纵向控制面。
作为上述方案的进一步说明,所述设计非线性鲁棒状态反馈H∞控制器具体包括如下步骤:
根据具凸多面体不确定性参数模型建立状态反馈控制器;
建立具凸多面体不确定性参数模型闭环系统。
作为上述方案的进一步说明,所述状态反馈控制器如下所示:
作为上述方案的进一步说明,所述具凸多面体不确定性参数模型闭环系统如下所示:
作为上述方案的进一步说明,所述求解控制器,并搭建仿真平台具体包括如下步骤:
确定参考轨迹以及相应的参考控制输入参数;
采用7段加减速算法来规划倾转角轨迹τ;
确定模态转换阶段中动力学参数及约束条件;
搭建倾转旋翼无人机模态转换阶段仿真平台。
作为上述方案的进一步说明,所述参考轨迹以及相应的参考控制输入参数具体包括:参考速度、参考攻角、参考俯仰角、参考俯仰角速率、参考高度、沿机体x轴和y轴的参考分量以及沿机体的参考俯仰力矩。
本发明还提出一种无人机模态转换非线性控制设备,包括处理器、存储器以及存储在所述存储器内的计算机程序,所述计算机程序能够被所述处理器执行以实现一种无人机模态转换非线性控制方法。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行一种无人机模态转换非线性控制方法。
(二)有益效果
本发明相对于现有技术,具有以下有益效果:
本发明率先将倾转旋翼无人机模态转换阶段的参数摄动限制在凸多面体集内,即将其表示为凸多面体不确定性,并相应设计了一种新的基于平方和的非线性鲁棒H∞控制方法。该方法不仅可以很好实现倾转旋翼无人机的模态转换控制,且对外部扰动和参数摄动具有较强鲁棒性。本发明采用具凸多面体不确定的非线性变参数模型来描述倾转旋翼无人机模态转换阶段的动力学特征,更能精确刻画其非线性、时变和不确定性,提高了整体控制设计的可靠性和作用范围。把倾转旋翼无人机的倾转角τ看成时变参量,并非控制输入,避免了传统倾转旋翼无人机建模产生的耦合项,并在平方和框架下,将具多项式约束的非线性时变鲁棒H∞控制问题转化为相应的凸优化问题,有效解决了计算困难的问题。本发明所得控制器对倾转旋翼无人机模态转换阶段的外部扰动和参数摄动具有较强鲁棒性,且仅是关于系统状态和时变参数的多项式或有理函数,便于工程设计实现。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明新型的其它特征、目的和优点将会变得更明显:
图1为发明方法流程示意图;
图2为实施例中参数h构成的凸八面体图;
图3为实施例规划的倾转角轨迹图;
图4为实施例规划的倾转角速度轨迹图;
图5为实施例规划的倾转角加速度的轨迹图;
图6为实施例速度状态响应曲线图;
图7为实施例攻角状态响应曲线图;
图8为实施例俯仰角状态响应曲线图;
图9为实施例俯仰角速率状态响应曲线图;
图10为实施例高度状态响应曲线图;
图11为实施例外部扰动图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
实施例
请参阅图1,一种无人机模态转换非线性控制方法。在对各步骤进行说明前,相关符号规定说明如下:Rn、Rm×n和I分别表示n维实向量集、m×n维实矩阵集和适当维的单位矩阵;Φsos表示平方和多项式集;对x∈Rn,||x||表示x的2范数;对方阵A,He(A)=A+AT。
所述方法包括如下步骤:
S1,建立具凸多面体不确定性参数模型;包括如下步骤:建立倾转旋翼无人机纵向动力学模型;建立倾转旋翼无人机纵向偏差模型;基于外部扰动和参数摄动转化偏差模型;基于假设建立具凸多面体不确定性参数模型。具体如下:针对倾转旋翼无人机模态转换阶段存在动力学参数摄动情形,建立其相应的具凸多面体不确定性的非线性变参数模型。
首先,考虑如下倾转旋翼无人机纵向动力学模型:
式中,V表示倾转旋翼无人机实际速度,表示倾转旋翼无人机实际速度的一阶导数,α表示倾转旋翼无人机实际攻角,表示倾转旋翼无人机实际攻角的一阶导数,θ表示倾转旋翼无人机实际俯仰角,表示倾转旋翼无人机实际俯仰角的一阶导数,q表示倾转旋翼无人机的实际俯仰角速率,表示倾转旋翼无人机实际俯仰角速率的一阶导数,H表示倾转旋翼无人机的实际高度,表示倾转旋翼无人机实际高度的一阶导数,m表示倾转旋翼无人机的质量,Iz表示倾转旋翼无人机关于俯仰轴的转动惯量,Fxt表示沿机体x轴的实际分量,Fyt表示沿机体y轴的实际分量,Mz表示机体实际的俯仰力矩,表示倾转旋翼无人机的状态,τ表示倾转旋翼无人机的倾转角,δ表示倾转旋翼无人机的纵向控制面。
接着,为将倾转旋翼无人机模态转换阶段的控制问题转化为对倾转旋翼无人机广义过渡路径的跟踪问题,需根据广义过渡路径建立相应的倾转旋翼无人机纵向偏差模型。给定倾转旋翼无人机广义过渡路径相关物理量为:参考速度V*、参考攻角α*、参考俯仰角θ*、参考俯仰角速率q*、参考高度H*、沿机体x轴和y轴的参考分量和以及沿机体的参考俯仰力矩再令ΔV=V-V*,Δα=α-α*,Δθ=θ-θ*,Δq=q-q*,ΔH=H-H*,和则可在模型(1)的基础上,推导出倾转旋翼无人机纵向偏差模型:
式中,
然后,进一步考虑倾转旋翼无人机模态转换阶段存在外部扰动和参数摄动情形,可将模型(2)转化为下列对应的状态空间描述:
式中,x=[ΔV Δα Δθ Δq ΔH]T∈R5,u=[ΔFxt ΔFyt ΔMz]T∈R3和z分别是系统状态,控制输入和被控输出,w是外部扰动且满足 为时变参数向量,τ为倾转角,为倾转角速度;ΔA(x,σ)和ΔB2(x,σ)是不确定矩阵,B1=[1 0 0 00]T,C=[1 0 1 1 7],D=[0 0 1],A51=Δθ-Δα,A53=V*,A52=-V*,
对上述系统给出如下假设:
假设给定向量h(1),h(2),.......,h(p)∈Rq并定义下列多面体集
则对于h=h(t):=[h1 h2 … hq]T∈α,设
显见,h被限制在由h(1),h(2),.......,h(p)这些顶点构成的凸多面体内,即设系统(3)具有形如式(4)的凸多面体不确定性。
最终,结合式(3)和(4),可建立具凸多面体不确定性的倾转旋翼无人机模态转换阶段的非线性变参数模型为:
S2,设计非线性鲁棒状态反馈H∞控制器;包括根据具凸多面体不确定性参数模型建立状态反馈控制器;建立具凸多面体不确定性参数模型闭环系统。具体如下:
针对系统(5)设计下列状态反馈控制器,
结合式(5)和(6),可得相应闭环系统为
S3,将控制设计问题转换为平方和凸优化问题;将具凸多面体不确定性的倾转旋翼无人机模态转换阶段的非线性鲁棒H∞控制设计问题转换为平方和凸优化问题。具体如下:
为推导出该步骤的结论,需先给出下列定义和引理:
由上述定义可知,f(x)是SOS多项式就意味着f(x)≥0,反之则不一定成立。虽然平方和条件是多项式非负的一个充分条件,但已有数值仿真结果表明由此带来的保守性很小,在某些情况下两者甚至是等价的,例如二次多项式。
引理1:设P(x)为对称多项式矩阵,若其对所有x∈Rn都非奇异,则
(i)S<0;
接着,采用Lyapunov稳定性理论结合平方和凸优化方法,可得出具凸多面体不确定性的倾转旋翼无人机非线性鲁棒H∞控制问题的可解性条件。
则存在一个非线性状态反馈鲁棒H∞控制器(6)能保证闭环系统(7)在零平衡点一致渐近稳定且有L2-增益≤γ,相应控制器增益矩阵 其中:τ0∈R5,τ1∈R5,δj∈R7,σk为σ的第k行, 为h(j)的第i行元素。
证明:
这意味着V(x,σ)是正定且有界的。
当w=0时,由式(12)、(14)和(15),可知
因此,由式(11)和(16)成立,可知闭环系统(7)在零平衡点一致渐近稳定。
最后,当w≠0时,
根据定义1,由式(10)成立,易知
对其分别左乘和右乘diag(P-1(σ),I,I),并根据引理1、2和式(17),可知
在V(x(0),σ(0))=0条件下,对上式从t=0到t=T进行积分,可得
根据定义2,可知系统(7)有L2-增益≤γ。证毕。
S4,求解控制器,并搭建仿真平台,包括如下步骤:确定参考轨迹以及相应的参考控制输入参数;采用7段加减速算法来规划倾转角轨迹;确定模态转换阶段中动力学参数及约束条件;搭建倾转旋翼无人机模态转换阶段仿真平台。本步骤采用Matlab/SOSTOOLS求解非线性鲁棒H∞控制器,并通过Matlab/Simulink搭建倾转旋翼无人机模态转换阶段仿真平台,以验证所设计控制方法的有效性。具体如下:
首先,给出本发明中倾转旋翼无人机的状态参考轨迹以及相应的参考控制输入:
另外,采用CNC系统常用的7段加减速算法来规划倾转角轨迹τ,使得轨迹的设计更加系统化。设计的倾转角轨迹为:
其次,给定倾转旋翼无人机模态转换阶段动力学参数a=8.791×10-4,b=-0.03274,c=0.3491,m=2kg和Iz=0.0514kg·m2,并考虑受多方面因素影响,参数a,b和c存在大范围摄动情形,将其表示为形如式(4)的凸多面体不确定性,相关量具体如下:
此外,将h限制在由6个顶点h(1)=[0.5 0 0]T,h(2)=[-0.5 0 0]T,h(3)=[0 0.5 0]T,h(4)=[0 -0.5 0]T,h(5)=[0 0 0.5]T和h(6)=[0 0 -0.5]T构成的凸八面体内,如图2所示。根据定理1,给定ε3j=1×10-5(j=1,2,…,6),ε2=1,ε1=1×10-8和γ=0.9,并采用Matlab/SOSTOOLS进行求解,就可得出相应的非线性鲁棒H∞控制器(6)。
最后,通过Matlab/Simulink搭建倾转旋翼无人机模态转换阶段仿真平台。为保证倾转旋翼无人机在模态转换阶段安全、稳定,需要对倾转角轨迹进行合理设计。设计时需尽量保持倾转角轨迹的平滑,避免因不平滑轨迹引起加速度信号的不连续,对倾转机构造成冲击。规划的倾转角、倾转角速度和倾转角加速度的轨迹如图3-5所示。从图上可看出,倾转角和倾转角速度轨迹都是平滑的,保证了倾转角加速度的连续。另外,为验证本发明的可行性和有效性,给定初始状态x(0)=[10.010.010.010.1]T,并针对下列三种不同情况进行仿真,相应状态响应曲线如图6-10所示,外部扰动如图11所示。
a.无外部扰动和参数不确定情况下的状态参考轨迹;
b.受扰且不确定系统1(disturbed and uncertain system 1,DUS1)
c.受扰且不确定系统2(disturbed and uncertain system 2,DUS2)
从这些仿真效果图可看出,随着时间增长,参数不确定性或扰动对倾转旋翼无人机系统影响逐渐消失,在22s左右,两个受扰且不确定情形下的系统响应与预期状态参考轨迹保持一致。在39s左右,倾转旋翼无人机完成从直升机到固定翼飞机的模态转换,随后以23.5m·s-1的速度在固定翼模式保持稳定的飞行。仿真结果表明,本发明所得非线性鲁棒H∞控制器不仅实现了倾转旋翼无人机的模态转换控制,且较好地抑制外部扰动和适应大范围参数不确定性。
本发明率先将倾转旋翼无人机模态转换阶段的参数摄动限制在凸多面体集内,即将其表示为凸多面体不确定性,并相应设计了一种新的基于平方和的非线性鲁棒H∞控制方法。该方法不仅可以很好实现倾转旋翼无人机的模态转换控制,且对外部扰动和参数摄动具有较强鲁棒性。本发明采用具凸多面体不确定的非线性变参数模型来描述倾转旋翼无人机模态转换阶段的动力学特征,更能精确刻画其非线性、时变和不确定性,提高了整体控制设计的可靠性和作用范围。把倾转旋翼无人机的倾转角τ看成时变参量,并非控制输入,避免了传统倾转旋翼无人机建模产生的耦合项,并在平方和框架下,将具多项式约束的非线性时变鲁棒H∞控制问题转化为相应的凸优化问题,有效解决了计算困难的问题。本发明所得控制器对倾转旋翼无人机模态转换阶段的外部扰动和参数摄动具有较强鲁棒性,且仅是关于系统状态和时变参数的多项式或有理函数,便于工程设计实现。
本发明还提出一种无人机模态转换非线性控制设备,包括处理器、存储器以及存储在所述存储器内的计算机程序,所述计算机程序能够被所述处理器执行以实现一种无人机模态转换非线性控制方法。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备,执行一种无人机模态转换非线性控制方法。
示例性的,所述计算机程序可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在无人机模态转换非线性控制方法设备中的执行过程。
所述一种无人机模态转换非线性控制设备可包括但不仅限于处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是一种无人机模态转换非线性控制设备的示例,并不构成对无人机模态转换非线性控制方法设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述无人机模态转换非线性控制方法设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述无人机模态转换非线性控制设备的控制中心,利用各种接口和线路连接整个无人机模态转换非线性控制设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述无人机模态转换非线性控制的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述无人机模态转换非线性控制方法设备集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施例中的实施方案可以进一步组合或者替换,且实施例仅仅是对本发明的优选实施例进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域中专业技术人员对本发明的技术方案作出的各种变化和改进,均属于本发明的保护范围。
Claims (10)
1.一种无人机模态转换非线性控制方法,其特征在于,所述方法包括如下步骤:
建立具凸多面体不确定性参数模型;
设计非线性鲁棒状态反馈H∞控制器;
将控制设计问题转换为平方和凸优化问题;
求解控制器,并搭建仿真平台。
2.根据权利要求1所述的一种无人机模态转换非线性控制方法,其特征在于,
所述建立具凸多面体不确定性参数模型具体包括如下步骤:
建立倾转旋翼无人机纵向动力学模型;
建立倾转旋翼无人机纵向偏差模型;
基于外部扰动和参数摄动转化偏差模型;
基于假设建立具凸多面体不确定性参数模型。
3.根据权利要求2所述的一种无人机模态转换非线性控制方法,其特征在于,
所述倾转旋翼无人机纵向动力学模型如下:
式中,V表示倾转旋翼无人机实际速度,表示倾转旋翼无人机实际速度的一阶导数,α表示倾转旋翼无人机实际攻角,表示倾转旋翼无人机实际攻角的一阶导数,表示倾转旋翼无人机实际俯仰角,表示倾转旋翼无人机实际俯仰角的一阶导数,q表示倾转旋翼无人机的实际俯仰角速率,表示倾转旋翼无人机实际俯仰角速率的一阶导数,H表示倾转旋翼无人机的实际高度,表示倾转旋翼无人机实际高度的一阶导数,m表示倾转旋翼无人机的质量,Iz表示倾转旋翼无人机关于俯仰轴的转动惯量,Fxt表示沿机体x轴的实际分量,Fyt表示沿机体y轴的实际分量,Mz表示机体实际的俯仰力矩,表示倾转旋翼无人机的状态,τ表示倾转旋翼无人机的倾转角,δ表示倾转旋翼无人机的纵向控制面。
4.根据权利要求1所述的一种无人机模态转换非线性控制方法,其特征在于,
所述设计非线性鲁棒状态反馈H∞控制器具体包括如下步骤:
根据具凸多面体不确定性参数模型建立状态反馈控制器;
建立具凸多面体不确定性参数模型闭环系统。
7.根据权利要求1所述的一种无人机模态转换非线性控制方法,其特征在于,
所述求解控制器,并搭建仿真平台具体包括如下步骤:
确定参考轨迹以及相应的参考控制输入参数;
采用7段加减速算法来规划倾转角轨迹τ;
确定模态转换阶段中动力学参数及约束条件;
搭建倾转旋翼无人机模态转换阶段仿真平台。
8.根据权利要求7所述的一种无人机模态转换非线性控制方法,其特征在于,
所述参考轨迹以及相应的参考控制输入参数具体包括:参考速度、参考攻角、参考俯仰角、参考俯仰角速率、参考高度、沿机体x轴和y轴的参考分量以及沿机体的参考俯仰力矩。
9.一种无人机模态转换非线性控制设备,其特征在于:包括处理器、存储器以及存储在所述存储器内的计算机程序,所述计算机程序能够被所述处理器执行以实现如权利要求1至8任意一项所述的一种无人机模态转换非线性控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8任意一项所述的一种无人机模态转换非线性控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210452031.5A CN114740732A (zh) | 2022-04-27 | 2022-04-27 | 一种无人机模态转换非线性控制方法、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210452031.5A CN114740732A (zh) | 2022-04-27 | 2022-04-27 | 一种无人机模态转换非线性控制方法、设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114740732A true CN114740732A (zh) | 2022-07-12 |
Family
ID=82282693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210452031.5A Pending CN114740732A (zh) | 2022-04-27 | 2022-04-27 | 一种无人机模态转换非线性控制方法、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114740732A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115933383A (zh) * | 2022-11-21 | 2023-04-07 | 中国矿业大学 | 一种基于强化学习的非线性双时间尺度工业系统h无穷组合控制方法 |
-
2022
- 2022-04-27 CN CN202210452031.5A patent/CN114740732A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115933383A (zh) * | 2022-11-21 | 2023-04-07 | 中国矿业大学 | 一种基于强化学习的非线性双时间尺度工业系统h无穷组合控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108919835B (zh) | 无人飞行器编队的控制方法、装置及控制器 | |
CN108681327B (zh) | 基于分数阶饱和函数切换控制律的四旋翼飞行控制方法 | |
Eliker et al. | Practical finite time adaptive robust flight control system for quad-copter UAVs | |
CN109521786A (zh) | 基于比例积分观测器的四旋翼无人机滑模姿态控制方法 | |
Tripathi et al. | Finite‐time super twisting sliding mode controller based on higher‐order sliding mode observer for real‐time trajectory tracking of a quadrotor | |
CN112987567B (zh) | 非线性系统的固定时间自适应神经网络滑模控制方法 | |
Cheng et al. | Neural-networks control for hover to high-speed-level-flight transition of ducted fan uav with provable stability | |
CN108549398B (zh) | 基于分数阶饱和函数幂次切换律的四旋翼飞行控制方法 | |
CN113253603A (zh) | 基于fopso算法的无人机自抗扰控制器设计方法 | |
CN114740732A (zh) | 一种无人机模态转换非线性控制方法、设备、介质 | |
Taamallah et al. | Trajectory planning and trajectory tracking for a small-scale helicopter in autorotation | |
Liu et al. | Antisaturation fixed-time attitude tracking control based low-computation learning for uncertain quadrotor UAVs with external disturbances | |
CN113900440B (zh) | 一种无人机控制律设计方法、装置及可读存储介质 | |
Cui et al. | Fixed‐time backstepping distributed cooperative control for multiple unmanned aerial vehicles | |
Shao et al. | Robust discrete‐time fractional‐order control for an unmanned aerial vehicle based on disturbance observer | |
CN117452975A (zh) | 一种四旋翼无人机集群的保性能协同编队控制设计方法 | |
Sato | Robust gain-scheduled flight controller using inexact scheduling parameters | |
Alam et al. | On the internal stability of non‐linear dynamic inversion: application to flight control | |
CN116654295A (zh) | 一种针对双自旋稳定系统的加速集成值迭代控制方法 | |
CN113985732B (zh) | 针对飞行器系统的自适应神经网络控制方法及装置 | |
Bouzid et al. | 3d trajectory tracking control of quadrotor UAV with on-line disturbance compensation | |
CN115407661A (zh) | 基于方位测量信息多无人机系统非线性鲁棒跟踪控制方法 | |
CN110109357A (zh) | 针对非标准型非线性航空器的半全局自适应控制方法 | |
Zhou et al. | UAV based adaptive trajectory tracking control with input saturation and unknown time‐varying disturbances | |
Ruiz et al. | Assessment of Quadrotor PID Control Algorithms using six-Degrees of Freedom CFD simulations |
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 |