一种无人机指定性能姿态控制方法及系统技术方案

本发明专利技术涉及一种无人机指定性能姿态控制方法及系统，包括以下步骤：对无人机的姿态物理特性建立动力学模型；根据动力学模型建立状态观测器系统模型，并将观测器系统模型转化为无约束的状态模型；根据设定的指定性能模型得到误差转换模型，根据无约束的状态模型和误差转换模型得到误差系统模型；根据误差系统模型确定李雅普诺夫函数，求解得到自适应率和控制律，采用本发明专利技术的方法灵活性好，跟踪精度高。跟踪精度高。跟踪精度高。

【技术实现步骤摘要】
一种无人机指定性能姿态控制方法及系统


[0001]本专利技术涉及无人机控制
，具体涉及一种无人机指定性能姿态控制方法及系统。

技术介绍

[0002]这里的陈述仅提供与本专利技术相关的
技术介绍
，而不必然地构成现有技术。
[0003]四旋翼无人机由于其小巧的机体、灵便的操作、低廉的成本以及较强的环境适应能力，因此无论在民用还是军用方面，四旋翼无人机都有着广泛的应用场景。其中，针对高层灭火问题，如果能够利用四旋翼无人机进行火情侦查，帮助消防人员迅速了解内部情况，做出准确判断。然而，在复杂火场环境下，四旋翼无人机的执行器更容易受到环境影响，导致飞行失稳。因此考虑执行器故障的四旋翼无人机姿态指定性能控制具有十分重要的现实意义。
[0004]近年来，具有执行器故障的四旋翼无人机姿态控制得到了广泛的关注，并取得了许多重要的研究成果。但是专利技术人发现，由于四旋翼无人机姿态系统的执行器故障问题，导致求解出的控制律难以使得系统快速稳定，跟踪准确度不高的问题。

技术实现思路

[0005]本专利技术的目的是为克服现有技术的不足，提供一种无人机指定性能姿态控制方法，能够提高跟踪准确度。
[0006]为实现上述目的，本专利技术采用如下技术方案：
[0007]第一方面，本专利技术的实施例提供了一种无人机指定性能姿态控制方法，包括以下步骤：
[0008]对无人机的姿态物理特性建立动力学模型；
[0009]根据动力学模型建立状态观测器系统模型，并将观测器系统模型转化为无约束的状态模型；
[0010]根据设定的指定性能模型得到误差转换模型，根据无约束的状态模型和误差转换模型得到误差系统模型；
[0011]根据误差系统模型确定李雅普诺夫函数，求解得到自适应率和控制律。
[0012]可选的，基于惯性坐标系和机体坐标系建立无人机的动力学模型。
[0013]可选的，将动力学模型转化为状态模型，将状态模型拆解为位置子系统模型和角度子系统模型，结合位置子系统模型、角度子系统模型和执行器故障模型进行转换，针对转换后的各个位置子系统模型和角度子系统模型建立对应的观测器系统模型。
[0014]可选的，基于观测器系统模型反馈的状态信息，将观测器系统模型转换为无约束的状态模型。
[0015]可选的，引入非线性映射技术，基于观测器系统模型反馈的状态信息，将观测器系统模型转换为无约束的状态模型。
[0016]可选的，使用Nussbaum函数补偿执行器故障和神经网络逼近系统非线性函数，求解自适应率和控制率。
[0017]可选的，对无约束的状态模型、误差转换模型求导得到误差系统模型。
[0018]第二方面，本专利技术的实施例提供了一种无人机指定性能姿态控制系统，包括：
[0019]建模模块：用于对无人机的姿态物理特性建立动力学模型；
[0020]无约束状态模型获取模块：用于根据动力学模型建立状态观测器系统模型，并将观测器系统模型转化为无约束的状态模型；
[0021]误差系统模型获取模块：用于根据设定的指定性能模型得到误差转换模型，根据无约束的状态模型、和误差转换模型得到误差系统模型。
[0022]控制率获取模块：用于根据误差系统模型确定李雅普诺夫函数，求解得到自适应率和控制律。
[0023]第三方面，本专利技术的实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的无人机指定性能姿态控制方法。
[0024]第四方面，本专利技术的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的无人机指定性能姿态控制方法。
[0025]本专利技术的有益效果：
[0026]1.本专利技术的方法，通过建立无约束的状态模型，将原来四旋翼无人机系统的状态约束问题转化为传统的无约束控制问题；通过引入指定性能模型，使系统满足预先设定的性能指标。不仅能够增加无人机系统的灵活性，并且通过指定性能模型使得系统跟踪误差按照期望要求收敛到足够小的范围，从而提高跟踪准确度。
[0027]2.本专利技术的方法，通过使用Nussbaum技术处理未知增益问题，补偿执行器故障。相比于一般的控制算法设计，考虑执行器故障更加符合实际系统和环境，具有实际意义。
附图说明
[0028]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的限定。
[0029]图1为本专利技术实施例1方法流程图；
[0030]图2为本专利技术实施例1无人机动力学模型示意图；
[0031]图3为本专利技术实施例1跟踪效果示意图一；
[0032]图4为本专利技术实施例1跟踪效果示意图二；
[0033]图5为本专利技术实施例1跟踪效果示意图三；
具体实施方式
[0034]实施例1
[0035]本实施例公开了一种无人机指定性能姿态控制方法，如图1所示，包括以下步骤：
[0036]步骤1：对无人机的姿态物理特性建立动力学模型
[0037]本实施的四旋翼无人机由一对交叉固定和严格对称的机臂所构成，四旋翼中心为机体重心，且四个旋翼被分别固定在机臂上的四个电机上，四个旋翼位于同一平面上。结构
如图2所示。基于O
e
X
e
Y
e
Z
e
惯性坐标系和O
b
X
b
Y
b
Z
b
机体坐标系，建立如下四旋翼无人机模型：
[0038][0039]其中，x,y,z表示四旋翼无人机质心在惯性坐标系的坐标，φ,θ,ψ分别表示为四旋翼无人机的横滚角、俯仰角和偏航角，m表示质量，l表示螺旋桨中心到重心的距离，g表示重力加速度，I
xx
,I
yy
,I
zz
表示无人机相对于机体坐标系绕x,y,z轴的转动惯量，J
p
表示螺旋桨惯性矩，Ω
r
表示螺旋桨转速裕度，控制器输入为u
i
(i＝z,φ,θ,ψ)。
[0040]那么，四旋翼无人机的动力学模型可进一步转化为状态模型：
[0041][0042]以上状态模型又可拆解为x,y,z位置子系统模型和φ,θ,ψ角度子系统模型。
[0043][0044]其中，a
x
＝a
y
＝0，
[0045]对于执行器u
i
(i＝x,y,z,φ,θ,ψ)，其执行器故障模型如下：
[0046][0047]其中u
i
(t)表示实际控制器的输出，u
if
(t)表示控制器的输入。b
i
表示未知控制方向。表示控制器的加性故障，并且为有界的未知非线性函数。0<s
i<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机指定性能姿态控制方法，其特征在于，包括以下步骤：对无人机的姿态物理特性建立动力学模型；根据动力学模型建立状态观测器系统模型，并将观测器系统模型转化为无约束的状态模型；根据设定的指定性能模型得到误差转换模型，根据无约束的状态模型和误差转换模型得到误差系统模型；根据误差系统模型确定李雅普诺夫函数，求解得到自适应率和控制律。2.如权利要求1所述的一种无人机指定性能姿态控制方法，其特征在于，基于惯性坐标系和机体坐标系建立无人机的动力学模型。3.如权利要求1所述的一种无人机指定性能姿态控制方法，其特征在于，将动力学模型转化为状态模型，将状态模型拆解为位置子系统模型和角度子系统模型，结合位置子系统模型、角度子系统模型和执行器故障模型进行转换，针对转换后的各个位置子系统模型和角度子系统模型建立对应的观测器系统模型。4.如权利要求1所述的一种无人机指定性能姿态控制方法，其特征在于，基于观测器系统模型反馈的状态信息，将观测器系统模型转换为无约束的状态模型。5.如权利要求1所述的一种无人机指定性能姿态控制方法，其特征在于，引入非线性映射技术，基于观测器系统模型反馈的状态信息，将观测器系统模型转换为无约束的状态模型。6.如权利要求1所述的一种无人...

【专利技术属性】
技术研发人员：任鸿儒，邱俊豪，鲁仁全，李鸿一，马慧，刘洋，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：