小型无人直升机的无模型自适应鲁棒控制方法技术

本发明专利技术涉及无人机控制方法，为针对小型无人直升机，设计一种鲁棒性较好，同时可以弥补动力学系统不确定性的自适应律与非线性控制器。本发明专利技术采用的技术方案是，小型无人直升机的无模型自适应鲁棒控制方法，步骤如下：设计控制器，用于根据前一时刻的姿态采样数据以及控制器输出采样数据，对当前时刻控制器的输出数据进行实时调整和补偿，从而达到良好的小型无人直升机姿态控制；其中：(1)建立小型无人直升机相关的坐标系：(2)建立以无人机利用直升机的横向周期变距、纵向周期变距以及尾桨总距与无人机滚转角、俯仰角、偏航角的之间的动力学模型；(3)设计非线性控制器。本发明专利技术主要应用于无人机控制场合。

Model free adaptive robust control method for small unmanned helicopter

The invention relates to an unmanned aerial vehicle (UAV) control method, and designs an adaptive law and a nonlinear controller for a small unmanned helicopter, which has better robustness and can compensate for the uncertainty of the dynamic system. The technical scheme of the invention is that no model control method, adaptive robust small unmanned helicopter comprises the following steps: to design the controller according to the previous attitude controller output sampling data and sampling data, the output data of the current controller for real-time adjustment and compensation, so as to achieve good control of small unmanned helicopter attitude; of which: (1) the establishment of relevant coordinates of small unmanned helicopter: (2) to establish the dynamic model of UAV with transverse periodic helicopter pitch, longitudinal cyclic pitch and the total distance and the tail rotor UAV roll angle, pitch angle and yaw angle between the nonlinear controller design (3). The invention is mainly applied to the unmanned aerial vehicle control occasions.

【技术实现步骤摘要】
小型无人直升机的无模型自适应鲁棒控制方法
本专利技术涉及一种无人机控制方法，特别是涉及一种基于无模型自适应控制理论的控制方法。具体讲,涉及小型无人直升机的无模型自适应鲁棒控制方法。
技术介绍
小型无人直升机是不需要人驾驶，能够完成自主飞行任务的特殊飞行器。此类飞行器具有垂直起降、低空飞行等诸多特点，在各个领域得到了广泛的应用。同时，由于无人直升机具有强耦合、非线性、数学模型复杂等特点，使得对无人直升机的动力学分析建模和控制器设计都较为困难。随着小型无人直升机的应用范围日益增大，针对小型无人直升机的控制算法研究成为无人机研究领域的热点问题之一。无人直升机执行的任务越来越复杂，PID以及LQR等控制已无法满足控制精度的要求，我们需要找出更有效的非线性控制算法来控制无人机，如滑膜控制，鲁棒控制，神经网络控制，数据驱动控制，机器学习等，完成更复杂的任务。北京航空航天大学的研究者们自主研究的无人直升机具有一定的代表性。他们将Raptor90和AF25B型小型工业用直升机改造成全自主无人机。随着软硬件升级和控制任务要求，研究者们逐渐研究成一系列的全自主无人飞行器(期刊：ActaAutomaticaSinica；著者：杜玉虎,房建成,盛蔚等；出版年月：2012年；文章题目：一种小型无人直升机自主起飞控制方法；页码：1385-1392)(期刊：机器人；著者：杜玉虎,房建成,盛蔚等；出版年月：2012年；文章题目：基于最小二乘与自适应免疫遗传算法的小型无人直升机系统辨识，页码：72-77)。清华大学的研究人员针对共轴式无人直升机非线性、强耦合的动力学特性，提出了一种基于动态反馈线性化方法的鲁棒跟踪控制策略。首先根据叶素理论、Pitt-Peters动态入流模型、上下旋翼气动干扰分析建立了共轴式无人直升机的数学模型，然后对于髙度-姿态子系统，通过扩展状态变量对其进行了动态反馈线性化，分析了零动态特性。根据内环期望跟踪特性对解耦后的子系统进行极点配置。通过设计鲁棒补偿器实现了对高度与姿态指令的鲁棒跟踪。在此基础上，针对水平面内的位置子系统设计了外环比例微分控制器以实现位置跟踪。最后，通过内环跟踪仿真验证了反馈线性化方法良好的解耦特性，通过干扰条件下的轨迹跟踪仿真验证了所设计控制器具有较好的控制性能与鲁棒性(期刊：控制理论与应用；著者：袁夏明,朱纪洪,毛漫；出版年月：2014年；文章题目：共轴式无人直升机建模与鲁棒跟踪控制；页码：1285-1294)。斯坦福大学利用所研发的无人直升机进行空中运输，考虑到当今运输的货物越来越重，运输距离越来越远，斯坦福大学的研究人员们，希望使用两架直升机携带一个负载，称为双提升，来满足直升机载重提升的需求，从而避免了设计和开发非常昂贵的重型直升机(期刊：AmericanHelicopterSociety；著者：BerriosMG,TischlerMB,CicolaniLS,etal；2014年；文章题目：Stability,control,andsimulationofadualliftsystemusingautonomousr-maxhelicopters；页码：134-142)。在2013年的无人机创新大赛中，新加坡国立大学设计了一个基于视觉的无人直升机，可以自主地在两个平台之间转移货物，他们利用的核心算法包括基于视觉的Camshift检测算法、目标跟踪算法和位置估计算法。最终新加坡国立大学在最后一轮的比赛中取得了第一名的成绩(期刊：IEEETransactionsonIndustrialElectronics；著者：ZhaoS,HuZ,YinM,etal；2015年；文章题目：Arobustreal-timevisionsystemforautonomouscargotransferbyanunmannedhelicopter；页码：1210-1219)。近年来无模型自适应的控制方法在也得到了广泛的应用。例如无模型自适应控制应用于直线电机控制中，以及将无模型自适应控制和神经网络控制相结合，利用神经网络实时在线调节控制器参数，并将其应用于三容立体水箱实验中。(期刊：控制理论与应用；著者：曹荣敏,周惠兴,侯忠生；出版年月：2012年；文章题目：数据驱动的无模型自适应直线伺服系统精密控制和实现；页码：310–316)(期刊：IEEETransactionsonNeuralNetworksandLearningSystems；著者：YuanmingZhuandZhongshengHou；出版年月：2014年；文章题目：Data-drivenmfacforaclassofdiscrete-timenonlinearsystemswithrbfnn，页码：1013–1020)。
技术实现思路
为克服现有技术的不足，本专利技术旨在针对小型无人直升机，设计一种鲁棒性较好，同时可以弥补动力学系统不确定性的自适应律与非线性控制器。本专利技术采用的技术方案是，小型无人直升机的无模型自适应鲁棒控制方法，步骤如下：设计控制器，用于根据前一时刻的姿态采样数据以及控制器输出采样数据，对当前时刻控制器的输出数据进行实时调整和补偿，从而达到良好的小型无人直升机姿态控制；其中：(1)建立小型无人直升机相关的坐标系：为了便于非线性控制器与自适应律的设计，设定如下定义：两个坐标系，分别为惯性坐标系{I}和体坐标系{B}，二者均满足右手定则，惯性坐标系{I}原点位于地面，体坐标系{B}原点位于无人机的质心，{xIyIzI}和{xByBzB}分别表示惯性坐标系{I}和体坐标系{B}对应的三个主轴；(2)建立以无人机利用直升机的横向周期变距、纵向周期变距以及尾桨总距与无人机滚转角、俯仰角、偏航角的之间的动力学模型：以横向周期变距、纵向周期变距以及尾桨总距作为控制输入，以无人机的三个姿态角作为被控量，无人直升机的动力学模型如下：其中M(η)代表惯性矩阵，代表科氏力矩阵，τd代表有界扰动力矩向量，S代表角速度变换矩阵，A∈R3×3,B∈R3×1代表旋翼动力学相关矩阵，D∈R3×3代表旋翼挥舞角动力学相关矩阵，η(k)＝[φ(k)θ(k)ψ(k)]T代表姿态角，φ(k)为滚转角,θ(k)俯仰角,ψ(k)为偏航角，分别代表η(k)的一阶以及二阶导数；δ(k)＝[δlat(k)δlon(k)δped(k)]T代表控制输入，δlat(k)代表横向周期变距，δlon(k)代表纵向周期变距，δped(k)代表尾桨总距；(3)设计非线性控制器采用上文所述的姿态动力学模型时，在模型中存在未知常参数扰动τd，以及未知的代表无人机系统模型的A、B、C、D、M矩阵，设计控制输入设计δ(k)为：δ(k)＝δMFA(k)+KδSM(k),-(1-qT)s(k)+εTsign(s(k)),其中，λ>0，ρ∈(0,1]是步长因子，T是采样时间，k代表离散时间参数，yd(k)＝ηd(k)代表期望轨迹，y(k)＝η(k)代表姿态角，△y(k)＝y(k)-y(k-1)，ey(k)＝yd(k)-y(k)代表姿态角的误差；s(k)＝ey(k)，sign()代表标准符号函数，ε>0,q>0,且满足1-qT>0Φ(k)＝[φ1(k)φ2(k)]T，φ1(k)本文档来自技高网...

【技术保护点】
一种小型无人直升机的无模型自适应鲁棒控制方法，其特征是，步骤如下：设计控制器，用于根据前一时刻的姿态采样数据以及控制器输出采样数据，对当前时刻控制器的输出数据进行实时调整和补偿，从而达到良好的小型无人直升机姿态控制；其中：(1)建立小型无人直升机相关的坐标系：为了便于非线性控制器与自适应律的设计，设定如下定义：两个坐标系，分别为惯性坐标系{I}和体坐标系{B}，二者均满足右手定则，惯性坐标系{I}原点位于地面，体坐标系{B}原点位于无人机的质心，{xI yI zI}和{xB yB zB}分别表示惯性坐标系{I}和体坐标系{B}对应的三个主轴；(2)建立以无人机利用直升机的横向周期变距、纵向周期变距以及尾桨总距与无人机滚转角、俯仰角、偏航角的之间的动力学模型：以横向周期变距、纵向周期变距以及尾桨总距作为控制输入，以无人机的三个姿态角作为被控量，无人直升机的动力学模型如下：

【技术特征摘要】
1.一种小型无人直升机的无模型自适应鲁棒控制方法，其特征是，步骤如下：设计控制器，用于根据前一时刻的姿态采样数据以及控制器输出采样数据，对当前时刻控制器的输出数据进行实时调整和补偿，从而达到良好的小型无人直升机姿态控制；其中：(1)建立小型无人直升机相关的坐标系：为了便于非线性控制器与自适应律的设计，设定如下定义：两个坐标系，分别为惯性坐标系{I}和体坐标系{B}，二者均满足右手定则，惯性坐标系{I}原点位于地面，体坐标系{B}原点位于无人机的质心，{xIyIzI}和{xByBzB}分别表示惯性坐标系{I}和体坐标系{B}对应的三个主轴；(2)建立以无人机利用直升机的横向周期变距、纵向周期变距以及尾桨总距与无人机滚转角、俯仰角、偏航角的之间的动力学模型：以横向周期变距、纵向周期变距以及尾桨总距作为控制输入，以无人机的三个姿态角作为被控量，无人直升机的动力学模型如下：其中M(η)代表惯性矩阵，代表科氏力矩阵，τd代表有界扰动力矩向量，S代表角速度变换矩阵，A∈R3×3,B∈R3×1代表旋翼动力学相关矩阵，D∈R3×3代表旋翼挥舞角动力学相关矩阵，η(k)＝[φ(k)θ(k)ψ(k)]T代表姿态角，φ(k)为滚转角,θ(k)俯仰角,ψ(k)为偏航角，分别代表η(k)的一阶以及二阶导数；δ(k)＝[δlat(k)δlon(k)δped(k)]T代表控制输入，δlat(k)代表...

【专利技术属性】
技术研发人员：鲜斌，潘晓龙，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12