一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法

1.本發明涉及無人機控制的技術領域，尤其涉及一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法。


背景技術：

2.無人機作為一種成本低、可靠性高、機動能力強的無人系統，已經在軍用和民用領域發揮了巨大的作用，并將在各個領域得到更為廣泛和深入的應用。
3.軌跡跟蹤控制是無人機應用中的核心技術難點之一，實際任務中如偵查、監視、集群攻擊、巡檢、測繪和林火檢測等往往需要預先設計飛行軌跡或實時進行軌跡規劃，無人機沿著期望軌跡飛行進而實現預定任務。但當無人機工作于復雜環境時，如存在障礙區，禁飛區、強電磁干擾區以及高溫區等復雜環境時，通常要求無人機在安全通道內飛行，超出安全通道外會導致無人機受到極大安全威脅，在這種情況下往往通過對無人機的狀態進行約束進而保證其處于安全通道之內，并且考慮到一般情況，其安全通道是時變的，因而研究狀態約束下四旋翼無人機軌跡跟蹤控制十分必要。另外考慮到環境因素以及自身參數不確定等對無人機存在干擾將導致無人機的控制性能下滑進而出現無人機飛出安全通道之外的情況，在進行軌跡跟蹤控制器設計時需進一步考慮環境干擾和參數不確定性的影響。


技術實現要素：

4.本發明提出一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法，所述方法可以實現干擾和模型不確定存在情況下，四旋翼無人機軌跡跟蹤且姿態穩定，并且在整個飛行任務過程中無人機一直處于時變狀態約束范圍之內。
5.本發明實施例的第一方面提供了一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法，所述方法包括：
6.1)建立四旋翼無人機位姿動力學方程；
7.2)通過非線性變換得到無人機位置動力學等價模型；
8.3)設計神經網絡系統對位置系統中出現的不確定量δ1和δ2進行估計；
9.4)設計無人機位置虛擬控制率α
p
；
10.5)設計無人機位置控制率v
p
；
11.6)設計無人機的期望姿態軌跡；
12.7)設計神經網絡系統對位置系統中出現的不確定量δ3進行估計；
13.8)設計無人機的姿態控制率va。
14.在第一方面的一種可能的實現方式中，所述建立四旋翼無人機位姿動力學方程，具體為：
15.[0016][0017][0018][0019]
δa＝δ
a,d
+δ
a,e
[0020]
其中，ζ
p
＝[x y z]
t
為四旋翼無人機位置向量。為ζ
p
的二階導數，a為無人機空氣阻力系數矩陣，δ
p
為位置模型不確定項，m為無人機質量，g為重力加速度，四旋翼無人機四個電機產生的推力值分別為f1、f2、f3和f4，總推力u1＝f1+f2+f3+f4，c
ib
為無人機本體系到慣性系的旋轉矩陣，為四旋翼無人機的絕對姿態角。
[0021]
在第一方面的一種可能的實現方式中，所述通過非線性變換得到無人機位置動力學等價模型，具體為：
[0022][0023]
h1＝diag(h
x1
(x,x
l
,xu),h
y1
(y,y
l
,yu),h
z1
(z,z
l
,zu))
[0024]
h2＝[h
x1
(x,x
l
,xu),h
y1
(y,y
l
,yu),h
z1
(z,z
l
,zu)]
t
[0025]
其中：
[0026][0027][0028][0029][0030][0031][0032]
其中，為ζ
p
的一階導數。x
l
、y
l
和z
l
分別為x、y和z的下界，xu、yu和zu分別為x、y和z的下界。和分別為x
l
、y
l
和z
l
的一階導數。
[0033]
在第一方面的一種可能的實現方式中，所述設計神經網絡系統對位置系統中出現的不確定量δ1和δ2進行估計，具體為：
[0034]
令δ1＝-h1σ
p
，δ2＝-δ
p
；
[0035]
利用rbf神經網絡系統θ
t
s對系統中出現的不確定量δ1和δ2進行估計；
[0036]
δ
1,i
＝θ
1,i*ts1,i
+ρ
1,i
[0037]
δ
2,i
＝θ
2,i*ts2,i
+ρ
2,i
[0038]
其中，s
1,i
和s
2,i
為高斯基函數。ρ
1,i
和ρ
2,i
為神經網絡最小逼近偏差；θ
1,i*
和θ
2,i*
是神經網絡的理想權值。
[0039]
在第一方面的一種可能的實現方式中，所述設計無人機位置虛擬控制率α
p
，具體為：
[0040]
定義跟蹤誤差為ε
p1
＝ξ
pd-ξ
p
,
[0041]
ξ
pd
為期望位置軌跡。為α
p
通過一階濾波器得到的估計值；
[0042]
所述一階濾波器為：
[0043][0044]
其中，ε為濾波常數；
[0045]
設計無人機位置虛擬控制率α
p
：
[0046][0047]
其中，k1為正定對稱矩陣，稱矩陣，為w
1,i
的估計。a1為正數。
[0048]
在第一方面的一種可能的實現方式中，所述設計無人機位置控制率v
p
，具體為：
[0049]
設計自適應率為：
[0050][0051][0052]
其中，γ
1,i
和γ
2,i
均為正數；
[0053]
設計位置控制率v
p
為：
[0054][0055]
其中，k2為正定對稱矩陣，正定對稱矩陣，為w
2,i
的估計。a2為正數。
[0056]
在第一方面的一種可能的實現方式中，所述設計無人機的期望姿態軌跡，具體為：
[0057]
令v
p
＝[v
p1 v
p2 v
p3
]
t
，由于則：
[0058][0059][0060][0061]
根據期望偏航角ψd以及上式可以得到u1、期望俯仰角和期望滾轉角為：
[0062][0063][0064][0065]
為保證四旋翼無人機安全，四旋翼無人機通常有最大傾斜角限制，令該角度為κ，給出的指令也不宜超過該限制，對u1、期望俯仰角和期望滾轉角的公式進行如下修正：
[0066][0067][0068]
設計如下一階濾波器：
[0069][0070][0071]
可以得到以及可以得到四旋翼無人機的期望角速度為：
[0072][0073]
在第一方面的一種可能的實現方式中，所述設計神經網絡系統對位置系統中出現的不確定量δ3進行估計，具體為：
[0074]
假設姿態動力學系統參數偏差有界，未知外部干擾有界且有界，令，c
ib,d
期望姿態對應旋轉矩陣；
[0075]
利用神經網絡系統θ
t
s對系統中出現的不確定量δ3進行估計：
[0076]
δ
3,i
＝θ
3,i*ts3,i
+ρ
3,i
[0077]
其中，s
3,i
為高斯基函數。ρ
3,i
為神經網絡最小逼近偏差。θ
3,i*
是神經網絡的理想權值。
[0078]
在第一方面的一種可能的實現方式中，所述設計無人機的姿態控制率va，具體為：
[0079]
定義姿態角速度偏差為：定義姿態偏差為：
[0080][0081]
其中，為叉乘的逆運算；
[0082]
設計姿態控制率為：
[0083][0084]
其中，k3和k4為正定對角矩陣，為正定對角矩陣，為w
3,i
的估計。a3為正數。
[0085]
相比于現有技術，本發明實施例提供的一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法及裝置，其有益效果在于：本發明針對四旋翼無人機執行任務過程中需處于安全通道內的特殊需求設計了控制方案，首先將模型進行非線性變換得到無人機位置等價模型，并在該模型基礎上及進行控制器設計，通過神經網絡系統對四旋翼無人機位置系統中
的不確定性進行估計，并采用動態面控制思想設計了控制器，該控制器能夠保證無人機執行任務過程中滿足時變狀態約束。通過神經網絡系統對四旋翼無人機姿態系統中的不確定性進行估計，并在此基礎上設計了無人機姿態控制器，保證了無人機在執行任務過程中姿態的穩定。
附圖說明
[0086]
圖1是本發明一實施例提供的一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法的流程示意圖；
[0087]
圖2是本發明一實施例提供的無人機的結構示意圖；
[0088]
圖3是本發明一實施例提供的無人機期望軌跡的結構示意圖。
具體實施方式
[0089]
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例?；诒景l明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0090]
為了高效且穩定地控制無人機飛行，避免在使用過程中因操控不當而造成墜機或碰撞，在執行上述檢測時需要先確定檢測的起點和目的地，然后根據目的地的坐標涉及對應的飛行路徑，將飛行路徑的數據導入其控制器中，使控制器控制無人機按照飛行路徑飛行到達目的地，以完成檢測任務。
[0091]
但目前常用的飛行控制方法有如下技術問題：當無人機工作在復雜的檢測環境時(如存在障礙區，禁飛區、強電磁干擾區以及高溫區等環境)，要求無人機在安全通道內飛行，一旦超出安全通道，可能會增加無人機墜機或損壞的風險。但在實際飛行過程中，可能受到各種不穩定因素(如風或雨)而導致無人機偏離飛行路徑超出安全通道，進而增加了無人機的飛行風險。
[0092]
為了解決上述問題，下面將通過以下具體的實施例對本技術實施例提供的一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法進行詳細介紹和說明。
[0093]
參照圖1，示出了本發明一實施例提供的一種時變狀態約束下四旋翼無人機軌跡跟蹤控制方法的流程示意圖。
[0094]
在一實施例中，所述方法可以適用于四旋翼的無人機。
[0095]
具體地，參照圖2，示出了本發明一實施例提供的無人機的結構示意圖。
[0096]
其中，作為示例的，所述時變狀態約束下四旋翼無人機軌跡跟蹤控制方法，可以包括：
[0097]
s1、建立四旋翼無人機位姿動力學方程。
[0098]
在一實施例中，所述建立四旋翼無人機位姿動力學方程，具體為：
[0099][0100]
[0101][0102][0103]
δa＝δ
a,d
+δ
a,e
[0104]
其中，ζ
p
＝[x y z]
t
為四旋翼無人機位置向量。為ζ
p
的二階導數，a為無人機空氣阻力系數矩陣，δ
p
為位置模型不確定項，m為無人機質量，g為重力加速度，四旋翼無人機四個電機產生的推力值分別為f1、f2、f3和f4，總推力u1＝f1+f2+f3+f4，c
ib
為無人機本體系到慣性系的旋轉矩陣，為四旋翼無人機的絕對姿態角。
[0105]
s2、通過非線性變換得到無人機位置動力學等價模型。
[0106]
在一實施例中，所述通過非線性變換得到無人機位置動力學等價模型，具體為：
[0107][0108]
h1＝diag(h
x1
(x,x
l
,xu),h
y1
(y,y
l
,yu),h
z1
(z,z
l
,zu))
[0109]
h2＝[h
x1
(x,x
l
,xu),h
y1
(y,y
l
,yu),h
z1
(z,z
l
,zu)]
t
[0110]
其中：
[0111][0112][0113][0114][0115][0116][0117]
其中，為ζ
p
的一階導數。x
l
、y
l
和z
l
分別為x、y和z的下界，xu、yu和zu分別為x、y和z的下界。和分別為x
l
、y
l
和z
l
的一階導數
[0118]
s3、設計神經網絡系統對位置系統中出現的不確定量δ1和δ2進行估計。
[0119]
在一實施例中，所述設計神經網絡系統對位置系統中出現的不確定量δ1和δ2進行估計，具體為：
[0120]
令δ1＝-h1σ
p
，δ2＝-δ
p
；
[0121]
利用rbf神經網絡系統θ
t
s對系統中出現的不確定量δ1和δ2進行估計；
[0122]
δ
1,i
＝θ
1,i*ts1,i
+ρ
1,i
[0123]
δ
2,i
＝θ
2,i*ts2,i
+ρ
2,i
[0124]
其中，s
1,i
和s
2,i
為高斯基函數。ρ
1,i
和ρ
2,i
為神經網絡最小逼近偏差；θ
1,i*
和θ
2,i*
是神經網絡的理想權值。
[0125]
s4、設計無人機位置虛擬控制率α
p
。
[0126]
在一實施例中，所述設計無人機位置虛擬控制率α
p
，具體為：
[0127]
定義跟蹤誤差為ε
p1
＝ξ
pd-ξ
p
,
[0128]
ξ
pd
為期望位置軌跡。為α
p
通過一階濾波器得到的估計值；
[0129]
所述一階濾波器為：
[0130][0131]
其中，ε為濾波常數；
[0132]
設計無人機位置虛擬控制率α
p
：
[0133][0134]
其中，k1為正定對稱矩陣，稱矩陣，為w
1,i
的估計。a1為正數。
[0135]
s5、設計無人機位置控制率v
p
。
[0136]
在一實施例中，所述設計無人機位置控制率v
p
，具體為：
[0137]
設計自適應率為：
[0138][0139][0140]
其中，γ
1,i
和γ
2,i
均為正數；
[0141]
設計位置控制率v
p
為：
[0142][0143]
其中，k2為正定對稱矩陣，正定對稱矩陣，為w
2,i
的估計。a2為正數。
[0144]
s6、設計無人機的期望姿態軌跡。
[0145]
在一實施例中，所述設計無人機的期望姿態軌跡，具體為：
[0146]
令v
p
＝[v
p1 v
p2 v
p3
]
t
，由于則：
[0147][0148][0149][0150]
根據期望偏航角ψd以及上式可以得到u1、期望俯仰角和期望滾轉角為：
[0151][0152][0153][0154]
為保證四旋翼無人機安全，四旋翼無人機通常有最大傾斜角限制，令該角度為κ，給出的指令也不宜超過該限制，對u1、期望俯仰角和期望滾轉角的公式進行如下修正：
[0155][0156][0157]
設計如下一階濾波器：
[0158][0159][0160]
可以得到以及可以得到四旋翼無人機的期望角速度為：
[0161][0162]
s7、設計神經網絡系統對位置系統中出現的不確定量δ3進行估計。
[0163]
在一實施例中，所述設計神經網絡系統對位置系統中出現的不確定量δ3進行估計，具體為：
[0164]
假設姿態動力學系統參數偏差有界，未知外部干擾有界且有界，令，c
ib,d
期望姿態對應旋轉矩陣；
[0165]
利用神經網絡系統θ
t
s對系統中出現的不確定量δ3進行估計：
[0166]
δ
3,i
＝θ
3,i*ts3,i
+ρ
3,i
[0167]
其中，s
3,i
為高斯基函數。ρ
3,i
為神經網絡最小逼近偏差。θ
3,i*
是神經網絡的理想權值
[0168]
s8、設計無人機的姿態控制率va。
[0169]
在一實施例中，所述設計無人機的姿態控制率va，具體為：
[0170]
定義姿態角速度偏差為：定義姿態偏差為：
[0171][0172]
其中，為叉乘的逆運算；
[0173]
設計姿態控制率為：
[0174][0175]
其中，k3和k4為正定對角矩陣，為正定對角矩陣，為w
3,i
的估計。a3為正數。
[0176]
在本實施例中，本發明實施例提供了一種基于飛行變化參數的無人機跟蹤控制方法，其有益效果在于：本發明針對四旋翼無人機執行任務過程中需處于安全通道內的特殊
需求設計了控制方案，首先將模型進行非線性變換得到無人機位置等價模型，并在該模型基礎上及進行控制器設計，通過神經網絡系統對四旋翼無人機位置系統中的不確定性進行估計，并采用動態面控制思想設計了控制器，該控制器能夠保證無人機執行任務過程中滿足時變狀態約束。通過神經網絡系統對四旋翼無人機姿態系統中的不確定性進行估計，并在此基礎上設計了無人機姿態控制器，保證了無人機在執行任務過程中姿態的穩定
[0177]
進一步的，本技術實施例還提供了一種電子設備，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述實施例所述的時變狀態約束下四旋翼無人機軌跡跟蹤控制方法。
[0178]
進一步的，本技術實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如上述實施例所述的時變狀態約束下四旋翼無人機軌跡跟蹤控制方法。
[0179]
以上所述是本發明的優選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也視為本發明的保護范圍。