[發(fā)明專利]一種基于有限時間神經動力學的多旋翼無人飛行器的穩(wěn)定飛行控制方法

有效

• 申請?zhí)枺?/td>: 201710650246.7
• 申請日: 2017-08-02
• 公開（公告）號: CN107368091B
• 公開（公告）日: 2019-08-20
• 發(fā)明（設計）人: 張智軍;郭琦;鄭陸楠
• 申請（專利權）人: 華南理工大學
• 主分類號: G05D1/08
• 分類號: G05D1/08;G05D1/10
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于有限時間神經動力學的多旋翼無人飛行器的穩(wěn)定飛行控制方法，其特征在于，所述的控制方法包括如下步驟：

S1、通過多旋翼無人機的傳感器獲取自身的飛行實時方位和姿態(tài)數據，并通過所搭載的處理器對飛行器的運動學問題進行相應的解析處理，建立飛行器動力學模型；

其中，所述的步驟S1中通過所搭載的處理器對飛行器的運動學問題進行相應的解析處理，建立飛行器動力學模型具體包括：

忽略飛行器所受空氣阻力作用，針對飛行器系統可以建立物理模型：

其中，m為飛行器的總質量，I為3×3單位矩陣，J為飛行器轉動慣量矩陣，v和w為飛行器地面坐標系的速度矢量以及角速度矢量，F和G分別為飛行器電機輸出合力軸向分力矢量和重力的軸向分力矢量，T為飛行器轉動力矩矢量；

建立地面坐標系X_G以及飛行器機體坐標系X_U，其中地面坐標系和機體坐標系之間存在以下關系：X_U＝KX_G，轉換關系中，K為地面坐標系以及機體坐標系之間的旋轉變換矩陣，可以表示為

其中C_θ表示cosθ(t)，S_θ表示sinθ(t)，θ(t)為俯仰角，ψ(t)為偏航角，φ(t)為橫滾角；

根據坐標變換理論，在飛行器的平動方向以及轉動方向上，根據以上物理模型可以獲得如下在飛行器機體坐標系上的動力學方程

其中，x,y,z分別為飛行器在世界坐標系中的位置坐標，J_x，J_y和J_z分別為飛行器在x軸、y軸和z軸方向的轉動慣量，l為臂長，g為重力加速度，合成控制量u₁(t)～u₄(t)由飛行器電機的輸出推力以及合成轉矩構成，u₁(t)為飛行器垂直上升方向上的合力，u₂(t)為橫滾角方向合力，u₃(t)為俯仰角方向合力，u₄(t)為偏航角方向合成轉矩；

S2、根據有限時間變參收斂微分神經動力學設計方法,設計多旋翼飛行器動力學模型的有限時間變參收斂微分神經網絡求解器；

其中，所述的步驟S2中根據有限時間變參收斂微分神經動力學設計方法，設計多旋翼飛行器動力學模型的有限時間變參收斂微分神經網絡求解器具體包括：

通過有限時間變參收斂微分神經動力學設計方法，分別由z軸高度z(t)、橫滾角φ(t)、俯仰角θ(t)和偏航角ψ(t)出發(fā)，設計關于輸出控制量u₁(t)～u₄(t)的有限時間變參收斂微分神經網絡的系統參數誤差函數；

分別根據所求出的關于輸出控制量u₁(t)～u₄(t)的有限時間變參收斂微分神經網絡的系統參數誤差函數，設計有限時間變參收斂微分神經網絡求解器；

所述的通過有限時間變參收斂微分神經動力學設計方法，分別由z軸高度z(t)、橫滾角φ(t)、俯仰角θ(t)和偏航角ψ(t)出發(fā)，設計關于輸出控制量u₁(t)～u₄(t)的有限時間變參收斂微分神經網絡的系統參數誤差函數的步驟具體包括：

S201、針對z軸高度z(t)，根據z軸方向上的設定目標高度值以及實際高度值z_T(t)，在位置層上可以定義關于實際高度值z(t)誤差函數e_z1為：e_z1(t)＝z(t)-z_T(t)，為了使實際值z(t)能夠收斂到時變目標值z_T(t)，根據有限時間變參收斂微分神經動力學設計方法，設計基于誤差函數的神經動力學方程其中γ(t)＝p+t^p為時變參數，表示收斂率調節(jié)因子；

根據誤差函數e_z1(t)＝z(t)-z_T(t)，可以得到將e_z1(t)＝z(t)-z_T(t)以及代入可得也即

位置層z(t)能夠在有限時間內以超指數收斂到時變目標值z_T(t)，但是由于等式(3)不包含關于控制量u₁(t)～u₄(t)的相關信息，無法實現對控制量的求解，故需要再進一步設計包含速度層以及加速度層的誤差函數，于是定義根據有限時間變參收斂微分神經網絡設計方法，可以設計基于誤差函數的動力學方程其中γ(t)＝p+t^p，

根據已知誤差函數e_z2(t)的導數為：將以上關于e_z2(t)以及的方程代入等式可以獲得如下函數式：

當等式(4)成立時，速度層將在有限時間內以超指數收斂到據此，可以考慮誤差函數

為獲得神經網絡的實際模型，結合動力學方程(2)，等式(5)能夠被改寫為

E_z(t)＝a_z(t)u₁(t)+b_z(t), (6)

其中

也即獲得了關于輸出控制量u₁(t)的誤差函數；

S202、針對橫滾角φ(t)，為了達到的目標角度φ_T(t)，首先定義誤差函數e_φ1＝φ(t)-φ_T(t)根據誤差函數e_φ1(t)＝φ(t)-φ_T(t)，可以得到由于在角度層求解，根據有限時間變參微分神經動力學設計方法可得其中γ(t)＝p+t^p為時變參數，表示收斂率調節(jié)因子，

將誤差函數e_φ1(t)＝φ(t)-φ_T(t)和代入方程可得

φ(t)將在有限時間內以超指數收斂到目標角度φ_T(t)；由于已知需要求解出含有的方程；為了得到含有的方程，利用同樣方法設誤差函數且其中γ(t)＝p+t^p為時變參數，表示收斂率調節(jié)因子，

將以上關于e_φ2(t)以及的方程代入等式可以獲得如下函數式：

當等式(8)成立時，速度層將在有限時間內以超指數收斂到據此，可以考慮誤差函數

飛行器達到目標狀態(tài)，根據所述的動力學模型方程，誤差函數可以進一步轉化為

其中

也即獲得了關于輸出控制量u₂(t)的誤差函數；

S203、針對俯仰角θ(t)，為了達到的目標角度θ_T(t)，首先定義誤差函數e_θ1＝θ(t)-θ_T(t)根據誤差函數e_θ1(t)＝θ(t)-θ_T(t)，可以得到由于在角度層求解，根據有限時間變參微分神經動力學設計方法可得其中γ(t)＝p+t^p為時變參數，表示收斂率調節(jié)因子，

將誤差函數e_θ1(t)＝θ(t)-θ_T(t)和代入方程可得

θ(t)將在有限時間內以超指數收斂到目標角度θ_T(t)；由于已知需要求解出含有的方程；為了得到含有的方程，利用同樣方法設誤差函數且其中γ(t)＝p+t^p為時變參數，表示收斂率調節(jié)因子，

將以上關于e_θ2(t)以及的方程代入等式可以獲得如下函數式：

當等式(12)成立時，速度層將在有限時間內以超指數收斂到據此，可以考慮誤差函數

飛行器達到目標狀態(tài)，根據所述的動力學模型方程，誤差函數可以進一步轉化為

其中

，也即獲得了關于輸出控制量u₃(t)的誤差函數；

S204、針對偏航角ψ(t)，為了達到的目標角度ψ_T(t)，首先定義誤差函數e_ψ1＝ψ(t)-ψ_T(t)根據誤差函數e_ψ1(t)＝ψ(t)-ψ_T(t)，可以得到由于在角度層求解，根據有限時間變參微分神經動力學設計方法可得其中γ(t)＝p+t^p為時變參數，表示收斂率調節(jié)因子，

將誤差函數e_ψ1(t)＝ψ(t)-ψ_T(t)和代入方程可得

ψ(t)將在有限時間內以超指數收斂到目標角度ψ_T(t)；由于已知需要求解出含有的方程；為了得到含有的方程，利用同樣方法設誤差函數且

其中γ(t)＝p+t^p為時變參數，表示收斂率調節(jié)因子，

將以上關于e_ψ2(t)以及的方程代入等式可以獲得如下函數式：

當等式(16)成立時，速度層將在有限時間內以超指數收斂到據此，可以考慮誤差函數

飛行器達到目標狀態(tài)，根據所述的動力學模型方程，誤差函數可以進一步轉化為

其中

，也即獲得了關于輸出控制量u₄(t)的誤差函數

S3、利用獲取的飛行器實時方位和姿態(tài)數據，通過有限時間變參收斂微分神經網絡求解器求解飛行器電機的各個輸出控制量；

S4、將求解出的各個輸出控制量傳遞給飛行器各個電機調速器以控制無人飛行器運動。

2.根據權利要求1所述的一種基于有限時間神經動力學的多旋翼無人飛行器的穩(wěn)定飛行控制方法，其特征在于，所述的分別根據所求出的關于輸出控制量u₁(t)～u₄(t)的有限時間變參收斂微分神經網絡的系統參數誤差函數，設計有限時間變參收斂微分神經網絡求解器的步驟具體包括：

S211、對于z軸高度z(t)，利用有限時間變參收斂微分神經網絡設計方法，設計將等式(6)以及其導數代入方程可得到有限時間變參收斂微分神經網絡的隱式動力學方程

位置z(t)和速度將在有限時間內以超指數的形式分別收斂到目標位置z_T(t)和目標速度

S212、針對橫滾角根據有限時間變參收斂微分神經動力學設計方法，設計將等式(10)以及其導數代入方程可得到有限時間變參收斂微分神經網絡的隱式動力學方程

橫滾角φ(t)和速度將在有限時間內以超指數的形式分別收斂到目標位置φ_T(t)和目標速度

S213、針對俯仰角θ(t)，根據有限時間變參收斂微分神經動力學設計方法，設計將等式(14)以及其導數代入方程可得到有限時間變參收斂微分神經網絡的隱式動力學方程

俯仰角θ(t)和速度將在有限時間內以超指數的形式分別收斂到目標位置θ_T(t)和目標速度

S214、針對偏航角ψ(t)，根據有限時間變參收斂微分神經動力學設計方法，設計將等式(18)以及其導數代入方程可得到有限時間變參收斂微分神經網絡的隱式動力學方程

俯仰角ψ(t)和速度將在有限時間內以超指數的形式分別收斂到目標位置ψ_T(t)和目標速度

S215、求解合成控制量u₁(t)～u₄(t)即為對應飛行器飛行需求的控制量，根據等式(19)，(20)，(21)，(22)分別獲得控制量u₁(t)～u₄(t)的神經網絡方程，具體分別如下：

將求解出的控制量u₁(t)～u₄(t)根據不同旋翼飛行器的結構以及電機數目進行不同的輸出控制分配。