[發明專利]基于多層積分神經動力學的多旋翼無人機控制器設計方法

有效

• 申請號: 202110563758.6
• 申請日: 2021-05-24
• 公開（公告）號: CN113359440B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 張智軍;周依行;鄭陸楠
• 申請（專利權）人: 華南理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鐘瑞敏

本發明公開了一種基于多層積分神經動力學的多旋翼無人機控制器設計方法，首先構建無人機隱式運動學方程，然后將無人機隱式動力學方程轉化為一般的時變二階系統問題，接著將該時變二階系統的控制問題轉化為求解該時變二階系統的控制輸入問題，再使用多層積分神經動力學方法設計二階系統控制器，使時變二階系統的控制輸入收斂到理論控制輸入；最后將求得的時變二階系統的控制輸入分配給多旋翼無人機各子系統，使各子系統各自完成單獨的控制任務，最終使多旋翼無人機完成對時變目標軌跡的跟蹤任務。本發明采用多層積分神經動力學方法來設計多旋翼無人機控制器，能夠獲得多旋翼無人機在跟蹤時變軌跡的控制輸入，具有實時性強，魯棒性好的優點。

技術領域

本發明涉及多旋翼無人機控制技術領域，特別是一種基于多層積分神經動力學的多旋翼無人機控制器設計方法。

背景技術

與其他類型無人機相比，多旋翼無人機是一種具有在執行任務過程中能夠穩定懸停、平穩起飛和降落，機動靈活，操作安全等眾多重要的優勢的無人機系統。然而，盡管結構簡單的多旋翼無人機具有較強的靈活可操作性，但這種欠驅動系統由于具有較強的非線性和耦合特性，同時，無人機在實時控制中容易受到外界因素的干擾，例如風力等環境因素，與此同時，類似模型誤差，硬件誤差等內部干擾也是無法避免的，這些因素導致了無人機系統不易控制，因此對多旋翼無人機的控制研究很有意義。

傳統的神經動力學方法，例如零化神經動力學(ZD)以及梯度神經動力學(GD)因其并行計算和分布式的特點而受到越來越多研究者和工程師們的青睞。一種結合ZD和GD的方法曾用于解決無人機系統的跟蹤控制問題，但因GD方法本身的局限性，即較弱的跟蹤能力，ZD-GD方法并不能快速地跟蹤時變任務，同時，基于ZD-GD的控制器表現出了較弱的魯棒性。為了彌補基于ZD-GD的控制器時變軌跡跟蹤能力較弱的缺點，一種三調零化動力學(TZD)方法被用于二階系統跟蹤時變目標，這種方法具有指數收斂速度和較強的魯棒性。然而，基于TZD的控制器的不足之處在于，它是基于理想的系統模型建立的，并沒有考慮系統的內部或外部干擾帶來的影響。在實際的應用中，時變系統不可避免地會受到噪聲的干擾。這些噪聲可以看作是由硬件、機械結構、實時控制中的擾動導致。盡管基于TZD的控制器擁有比ZD-GD控制器更強的魯棒性，但是當系統受到噪聲干擾時，使用TZD控制器的系統的跟蹤軌跡偏差仍然存在。

發明內容

本發明的第一目的在于解決現有技術的不足，提出一種基于多層積分神經動力學的多旋翼無人機控制器設計方法，可以獲得多旋翼無人機在跟蹤時變軌跡過程中的控制輸入，具有實時性強，魯棒性好的優點。

本發明的第二目的在于提出一種多旋翼無人機控制器。

本發明的第三目的在于提出一種計算機可讀存儲介質。

本發明的第四目的在于提出一種計算設備。

本發明的第一目的通過下述技術方案實現：一種基于多層積分神經動力學的多旋翼無人機控制器設計方法，包括如下步驟：

1)針對多旋翼無人機，構建對應的無人機隱式運動學方程；

2)將步驟1)中的無人機隱式動力學方程轉化為一般的時變二階系統問題；

3)將步驟2)中的時變二階系統的控制問題轉化為求解時變二階系統的控制輸入問題；

4)使用多層積分神經動力學方法設計二階系統控制器，使步驟3)中時變二階系統的控制輸入收斂到理論控制輸入；

5)將步驟4)中求得的時變二階系統的控制輸入，分配給多旋翼無人機各子系統。

優選的，步驟1)中構建的無人機隱式運動學方程表示如下：