[發明專利]一種基于自適應遺傳算法的小型無人旋翼機動力學模型辨識方法

有效

• 申請號: 201110238756.6
• 申請日: 2011-08-19
• 公開（公告）號: CN102298329A
• 公開（公告）日: 2011-12-28
• 發明（設計）人: 雷旭升;房建成;李晶晶;白浪;杜玉虎;洪曄;張霄;盛蔚
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G06N3/12
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 成金玉;顧煒

技術領域

本發明涉及一種基于自適應遺傳算法的小型無人旋翼機動力學模型辨識方法，適用于工作于空中無人機器人自主控制領域。

背景技術

小型無人旋翼機具有垂直起降、懸停等特性，可以在市區街道等狹窄空間執行任務，具有廣泛的應用前景。隨著應用領域的擴張，小型無人旋翼機的智能化程度需求也日益增加，全自主、高智能的小型無人旋翼機成為研究的熱點。

作為復雜的多輸入多輸出控制系統，小型無人旋翼機具有強耦合、非線性、控制難度高等特性，動力學建模復雜。高精度模型是進一步高精度控制的基礎。目前主要通過風洞試驗，CFD(Computational?Fluid?Dynamic)數值模擬和系統辨識方法來確定小型無人旋翼機動力學模型。風洞試驗是飛行器動力學研究的傳統方法，結果可靠性比較高，但該法具有試驗成本高、周期長等局限性。CFD數值模擬技術是20世紀60年代起隨著計算機技術迅速崛起的學科。近年來，各種CFD通用軟件陸續出現，已在航空航天、船舶、車輛、水利領域得到應用。與傳統的風洞試驗對比，CFD數值模擬技術具有成本低、數據全面等優點。但CFD在處理復雜邊界條件時的計算精度、計算時間仍難滿足實際工程應用的需要。系統辨識是利用系統運行或試驗過程中得到的系統輸入輸出數據建立系統數學模型。根據系統運行或試驗測試得到的數據，結合必要的數據處理、數學計算，建立系統模型，并估算出模型中的具體參數。與傳統的風洞試驗和CFD數值模擬方法對比，系統辨識方法具有數據獲取方便、控制模型和參數可靠的優點。

傳統的參數辨識方法主要有最小二乘法辨識、子空間辨識、預測誤差辨識。其中，最小二乘法作為一種經典的參數辨識方法，收斂速度快，計算量小，但它易受測量數據段噪聲影響，且容易出現數據飽和，對于復雜的飛行器動力學系統效果不佳；子空間辨識方法對于多輸入多輸出系統而言，由于子空間假設了噪聲與系統的輸入無關，但實際系統中的噪聲量很難滿足與輸入量完全不相關，所以模型很難得到滿意的結果；預測誤差方法采用是一種在一個穩定解附近迭代求解的方法，缺點是需要預先給定一個比較接近真值的解。

發明內容

本發明的技術解決問題是：針對小型無人旋翼機現有動力學模型辨識方法的不足，提出一種基于自適應遺傳算法的小型無人旋翼機動力學模型辨識方法，解決了小型無人旋翼機動力學模型辨識問題，從而可以實現小型無人旋翼機高精度控制。

本發明的技術解決方案為：一種基于自適應遺傳算法的小型無人旋翼機動力學模型辨識方法，采集小型無人旋翼機執行標準動作時候的狀態數據和控制數據并進行數據優化，通過平衡點線性化方法構建小型無人旋翼機動力學模型，并利用自適應遺傳算法對模型參數進行辨識，通過一步預測方法對模型參數有效性進行評估判斷，具體步驟如下：

(1)采集小型無人旋翼機數據

飛控手操控小型無人旋翼機進入懸停狀態后，按照預定規劃執行懸停和直線前飛的標準激勵動作，通過數據采集系統采集小型無人旋翼機俯仰角和角速度、滾轉角和角速度、偏航角和角速度、水平面速度和高度方向的速度，縱向周期變距、橫向周期變距、航向舵控制量、主漿總距控制量四個控制舵量，并通過平滑濾波進行數據優化來消除采集數據中存在的野值。

(2)構建小型無人旋翼機動力學模型及自適應辨識

針對小型無人旋翼機自主起降階段的工作特性，通過平衡點線性化方法構建小型無人旋翼機動力學模型，其中模型狀態量為小型無人旋翼機的北向速度u，東向速度v，地向速度w，，俯仰角φ，滾轉角θ，俯仰角速率p，滾轉角速率q和偏航角速度r，模型的輸入量為小型無人旋翼機縱向周期變距B_1s、橫向周期變距A_1s、航向舵控制量A_T、主漿總距控制量A_M；

基于構建的小型無人旋翼機動力學模型，將待辨識參數構建遺傳算法個體，以優化后的部分采集數據作為訓練樣本，通過自適應遺傳算法進行尋優求解，獲得優化個體；

自適應遺傳算法，主要由自適應交叉、自適應變異、自適應選擇和適應度函數構成，自適應交叉定義如下：