[發明專利]一種基于迭代學習的四旋翼飛行器魯棒跟蹤控制方法

在審

• 申請號: 202010428659.2
• 申請日: 2020-05-20
• 公開（公告）號: CN111650830A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 穆朝絮;張勇;孫長銀
• 申請（專利權）人: 天津大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05D1/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

1.一種基于迭代學習的四旋翼飛行器魯棒跟蹤控制方法，其特征在于，所述方法包括：

1)針對含有時變不確定性的四旋翼飛行器動態微分方程進行分析，建立位置跟蹤誤差子系統、姿態跟蹤誤差子系統；

2)獲取姿態跟蹤誤差子系統的狀態空間模型，定義位置跟蹤誤差子系統的耦合不確定性，建立位置跟蹤誤差子系統狀態空間模型；

3)考慮時變不確定性特性、耦合不確定性特性，針對位置跟蹤誤差子系統、姿態跟蹤誤差子系統的標稱系統，建立考慮耦合不確定項的代價函數；基于代價函數，求解得到最優控制率；

4)基于自適應動態規劃方法，設計改進的神經網絡權值更新規則，近似求解得到魯棒跟蹤控制器，實現基于迭代學習的近似最優跟蹤控制。

2.根據權利要求1所述的一種基于迭代學習的四旋翼飛行器魯棒跟蹤控制方法，其特征在于，所述定義位置跟蹤誤差子系統的耦合不確定性，建立位置跟蹤誤差子系統狀態空間模型具體為：

其中，U₁(E₁(t))是待設計的魯棒跟蹤控制策略，f′_σ(t)是位置跟蹤誤差子系統的耦合項，d₁(t)為位置跟蹤誤差子系統的時變不確定性，f₁(E₁(t))為位置跟蹤誤差子系統動態，g₁(.)為控制增益矩陣；

其中，U₁'(t)表示虛擬策略，反映了兩個跟蹤誤差子系統間的耦合不確定性，U₁'(t)用于減小耦合不確定性對位置跟蹤誤差子系統的影響，m為四旋翼飛行器的質量，為四旋翼飛行器位置與姿態狀態的耦合矩陣，u_α(t)為四旋翼飛行器的升力，G為重力加速度矩陣。

3.根據權利要求2所述的一種基于迭代學習的四旋翼飛行器魯棒跟蹤控制方法，其特征在于，所述代價函數具體為：

其中，η是正實數，U_u(E_i(t),V_i(E_i(t)))為效用函數，‖D_m(E_cou)‖為系統擾動代價項；位置跟蹤誤差子系統和姿態跟蹤誤差子系統中，變量的下標分別對應i＝1和i＝2。

U_u(E_i(t),V_i(E_i))在均衡點處等于零：

‖D_m(E_cou)‖²＝‖f′_σ(t)‖

其中，Q_i和M_i為正定矩陣。

4.根據權利要求3所述的一種基于迭代學習的四旋翼飛行器魯棒跟蹤控制方法，其特征在于，所述最優控制率為：

其中，為控制增益矩陣的轉置，為最優代價函數關于E_i的偏導數，E_i為跟蹤誤差狀態變量。

5.根據權利要求1所述的一種基于迭代學習的四旋翼飛行器魯棒跟蹤控制方法，其特征在于，所述步驟4)具體為：

建立評價網絡，推導得到哈密爾頓誤差，其中包含耦合不確定性的影響，定義二次型誤差函數；

設計改進的神經網絡權值更新規則，放松對于初始穩定控制策略的要求。

6.根據權利要求1所述的一種基于迭代學習的四旋翼飛行器魯棒跟蹤控制方法，其特征在于，所述改進的神經網絡權值更新規則具體為：

其中，γ_ci，γ_si＞0,分別是評價網絡主要學習率和輔助學習率，為評價網絡近似過程中引入的誤差，為最優權值矩陣的估計值，為激活函數，E_i(t)為跟蹤誤差狀態變量。