一种基于PID神经元网络控制（PIDNN）的四旋翼飞行器控制方法技术

本发明专利技术揭示了一种基于PID神经元网络控制（PIDNN）的四旋翼飞行器控制方法。首先，通过牛顿—欧拉方程建立了四旋翼飞行器的动力学方程；然后，提出了一种嵌套控制器。基于PIDNN方法设计了内环分散控制器以实现姿态控制，外环采用经典的PID控制方法。再次，采用误差反向传播法实现PIDNN控制器的在线学习，参照PID控制的原理，确定了PIDNN的连接权重初值，并通过离散李雅普诺夫理论选取了合适的学习步长以保证控制器的收敛性。如此，能够有效解决四旋翼飞行器由于自身非线性程度高、耦合性及欠驱动性强，飞行过程中受外界环境扰动大等因素引起的控制问题。

【技术实现步骤摘要】

本专利技术涉及飞行器自动控制
，是基于PID神经元网络控制（PIDNN)方法 实现四旋翼飞行器的飞行控制。
技术介绍
四旋翼飞行器作为垂直起降无人机系列中的一种，在军事和民用领域得到了越来 越广泛的应用。相比固定翼飞机，四旋翼飞行器具有低空飞行、定点悬停等特性。相比于传 统的直升机，四旋翼飞行器具有结构简单、机动性强、体积小、成本低及隐蔽性好等特性。这 些特性使得四旋翼飞行器能够高效可靠地在有限的空间内飞行。 四旋翼飞行器由机身和四个旋翼组成，如图1所示。动力由四个旋翼提供，旋翼分 为两组：（1，3)和（2,4)，转向相反，以抵消因旋翼旋转而产生的空气动力扭矩。控制（1，3) 组旋翼的转速能够控制系统沿y轴的俯仰角及沿X轴的平动，控制（2,4)组旋翼的转速能 够控制系统沿X轴的滚转角及沿y轴的平动，同时改变四个旋翼的转速能控制系统沿z轴 的平动。由于四旋翼飞行器只有4个驱动力但是需要完成6个自由度的运动，故其是一个 欠驱动、强耦合的非线性系统，而且其受外界扰动的影响较大。所以，对四旋翼飞行器的飞 行控制的研究成为了研究的核心问题，控制器性能的好坏很大程度上影响着四旋翼飞行器 的飞行品质。本专利技术基于PID神经元网络控制（PIDNN)提出了一种四旋翼飞行器的控制方 法，以期实现良好的飞行控制。
技术实现思路
本专利技术的目的在于解决四旋翼飞行器的飞行控制问题，提出了一种基于PID神经 元网络（PIDNN)控制的控制方法，以期提高四旋翼飞行器的飞行品质。 为实现上述目的，本专利技术提出如下技术方案：一种基于PID神经元网络（PIDNN)控 制的控制方法，其包括如下步骤： Sl:建立四旋翼飞行器的动力学模型。 假定四旋翼飞行器是刚体且结构完全对称，建立地面坐标系E= {Ex，Ey，Ez}和机体 坐标系B={Bx，By，Bz}，如图1所示。由牛顿一欧拉方程建立四旋翼飞行器的动力学模型，模 型包括x，y，z三个方向的平动方程及滚转角俯仰角0和偏航角V三个方向的转动方 程。【主权项】1. 一种基于PID神经元网络控制的四旋翼飞行器控制方法，其特征在于包括： Sl :建立四旋翼飞行器的动力学模型； 52, 为四旋翼飞行器设计控制器，该控制器由内外环嵌套而成。外环为位置和高度控制 器，采用经典的PID控制，内环为姿态控制，采用分散PID神经元网络（PIDNN)控制； 53, 通过误差反向传播方法，实现PIDNN控制器的在线学习，以调整神经网络的连接权 重； 54, 通过选择合适的连接权重初值和学习步长，保证PIDNN控制器的稳定性。2. 根据权利要求1所示的方法，其特征在于：所述Sl中建立四旋翼飞行器的动力学模 型的方式为： 由牛顿一欧拉方程建立四旋翼飞行器的动力学模型，模型包括X，y，z三个方向的平动 方程及滚转角Φ，俯仰角Θ和偏航角Ψ三个方向的转动方程。其中^^以^^^⑶^^为四旋翼飞行器的质量^^^^分别为三个方 向的转动惯量，1是旋翼的转动惯量，g为重力加速度，U1, U2, U3, U4为控制向量，定义如下：其中，b和d分别为旋翼的拉力系数和阻力系数。U1是旋翼升力的控制量，U2是滚转角 Φ的控制量，U3是俯仰角Θ的控制量，U4是偏航角Ψ的控制量。3. 根据权利要求1所示的方法，其特征在于：所述S2中为四旋翼飞行器设计控制器的 方式为： (1)设计高度PID控制器。 由动力学方程中的高度方程，可推出升力控制量U1 :式中，C41C0尹0, Pz为高度PID控制器，形式如下： 式中，kzP，kzI和kzD分别是控制器的比例，积分和微分系数，k为迭代次数，ts为时步。(2) 设计位置PID控制器。 将U1带入动力学模型中的X和y方向的方程，并认为Ψ很小近似为0,可得： Ρχ = (Pz+gi) tan θ Py = _ (Pz+gi) tan Φ 设计x，y方向的PID控制器为：(3) 设计姿态PIDNN控制器。 滚转角的PIDNN控制器为三层前向反馈网络，由输入层、隐含层和输出层构成。 ?输入层 输入层有两个神经元X1 = Φ (k)及& = Φ,ΟΟ, Φ (k)为滚转角实际值，Φ,ΟΟ为滚 转角设定值，其中，k为迭代次数。 ?隐含层 隐含层是体现PIDNN控制器功能的最重要的层次，包括三个神经元，分别为比例元、积 分元和微分元，它们的输入Uj(k)为：式中，WijGO为输入层至隐含层的连接权重。三个神经元的输出分别为：?输出层 输出层只包含一个神经元，完成网络的输出功能，输出量即为滚转角的控制量u2(k):式中，w' ^k)为隐含层至输出层的连接权重。4.根据权利要求1所示的方法，其特征在于：所述S3中PIDNN控制器的在线学习的方 式为： PIDNN控制器的在线学习算法采用误差反向传播法。该算法以梯度下降法为基础，通过 对网络权重值的修改，达到令目标函数E(k)值最小的目的。目标函数E(k)定义为：式中，ejk) = Φ,ΟΟ-ΦΟΟ为滚转角的误差值。在线学习算法描述如下： 隐含层至输出层权重迭代公式为： W1 j (k+1) = W1 j (k) - η j · Aw15 (k) 为w' ^的学习步长。 输入层至隐含层权重迭代公式为： Wij(k+1) = - Tii · Awij(k) Hi为&的学习步长。5.根据权利要求1所示的方法，其特征在于：所述S4中选择合适的连接权重初值和学 习步长的方式为： (1) 连接权重初值的选择 参照经典PID控制器的特点，来确定PIDNN控制器连接权重的初值。选取输入层至隐 含层的连接权重初值为： Wlj = +1, W2j = -I, j=l, 2, 3 选取隐含层至输出层的连接权重初值为： w' I = KpX S = K1X 3 = Kd 式中，Kp为比例系数，K1为积分系数，Kd为微分系数。 (2) 学习步长的选择 隐含层至输出层的连接权重学习步长为：输入层至隐含层的连接权重学习步长为：【专利摘要】本专利技术揭示了一种基于PID神经元网络控制（PIDNN）的四旋翼飞行器控制方法。首先，通过牛顿—欧拉方程建立了四旋翼飞行器的动力学方程；然后，提出了一种嵌套控制器。基于PIDNN方法设计了内环分散控制器以实现姿态控制，外环采用经典的PID控制方法。再次，采用误差反向传播法实现PIDNN控制器的在线学习，参照PID控制的原理，确定了PIDNN的连接权重初值，并通过离散李雅普诺夫理论选取了合适的学习步长以保证控制器的收敛性。如此，能够有效解决四旋翼飞行器由于自身非线性程度高、耦合性及欠驱动性强，飞行过程中受外界环境扰动大等因素引起的控制问题。【IPC分类】G05D1-08, G05B13-04, G05D1-10【公开号】CN104765272【申请号】CN201410078933【专利技术人】何勇灵, 陈彦民 【申请人】北京航空航天大学【公开日】2015年7月8日【申请日】2014年3月5日本文档来自技高网...

【技术保护点】
一种基于PID神经元网络控制的四旋翼飞行器控制方法，其特征在于包括： S1：建立四旋翼飞行器的动力学模型； S2，为四旋翼飞行器设计控制器，该控制器由内外环嵌套而成。外环为位置和高度控制器，采用经典的PID控制，内环为姿态控制，采用分散PID神经元网络（PIDNN）控制； S3，通过误差反向传播方法，实现PIDNN控制器的在线学习，以调整神经网络的连接权重； S4，通过选择合适的连接权重初值和学习步长，保证PIDNN控制器的稳定性。

【技术特征摘要】

【专利技术属性】
技术研发人员：何勇灵，陈彦民，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11