[發明專利]一種基于改進模糊PID的無人機仿人控制方法

在審

• 申請號: 202110704677.3
• 申請日: 2021-06-24
• 公開（公告）號: CN113342023A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 顏成鋼;萬斌;王廷宇;孫垚棋;張繼勇;李宗鵬
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G05D1/08
• 分類號: G05D1/08;G05D1/10
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于改進模糊PID的無人機仿人控制方法，其特征在于，步驟如下：

步驟1、確定無人機飛行數學模型；

步驟2、仿人智能控制器設計；

步驟3、采用模糊PID對控制參數進行調節。

2.根據權利要求1所述的一種基于改進模糊PID的無人機仿人控制方法，其特征在于，步驟1具體方法如下：

無人機機體運動模型

四旋翼飛行器通過控制四個旋翼的轉速從而對俯仰角(θ)、偏航角(ψ)、橫滾角進行調節進而完成機體的前進后退、上升下降、左右飛行等一系列飛行運動；

首先建立兩個坐標系：機體坐標系、慣用坐標系；

慣用坐標系E(OXYZ)相對于地球表面不動；

機體坐標系A(oxyz)與機體質心重合，橫軸ox指向一號電機，縱軸oy指向四號電機，oz垂直于oxy面；

四旋翼飛行器歐拉角：

(1)橫滾角機體繞ox軸轉動角度；

(2)俯仰角(θ)：機體繞oy軸轉動角度；

(3)偏航角(ψ)：機體繞oz軸轉動飛行器縱軸在水平面內投影與慣性坐標系OX軸之間的夾角；

無人機動力學模型

根據四旋翼的姿態矢量(橫滾角，偏航角，俯仰角)以及位移矢量[x，y，z]，其動力學方程：

其中：

u₁表示四個旋翼總升力，u₂表示橫滾力矩，u₃表示俯仰力矩，u₄表示偏航力矩，w₁、w₂、w₃、w₄分別表示四個旋翼的轉速，I_x、I_y、I_z表示機體在xyz軸上的轉動慣量。

3.根據權利要求2所述的一種基于改進模糊PID的無人機仿人控制方法，其特征在于，步驟2具體方法如下：

仿人智能控制有三層結構：分別為運行控制層、參數校正層、任務適應層；

其基本特征：

(1)分層遞階的信息處理和決策機構；

(2)在線的特征辨識和特征記憶；

(3)開閉環控制結合；

仿人智能控制的原型算法為：

式中μ——控制器的輸出；

e，——分別表示復雜過程中的誤差及誤差的變化率；

e_m，i——誤差第i次的極值；

K_p——控制器比例增益；

k——抑制系數；

仿人智能控制器通過檢測四旋翼飛行器飛行過程中姿態角的期望值與測量值之間的誤差以及誤差的變化率來調整控制策略；其基本的控制策略分別為：bang-bang控制、比例控制、比例微分控制；并通過閾值矯正將控制器劃分為①②③④⑤⑥⑦七個區域；

運行控制層

運行控制層面對實時控制問題；其特征模型為附圖(3)，e、分別表示飛行過程中姿態角的誤差及誤差的變化率；

其具體控制策略：

(1)在偏差很大的情況下，區域①采用盡可能大的控制作用，如bang-bang控制；

(2)在偏差及偏差變化率很小(滿足誤差要求)的情況下，區域②則采用保持模態控制；

(3)除區域①②⑥外的所有區域，均采用比例微分模態控制；

(4)在偏差變化率較大的情況區域⑥，引入基于偏差變化率的bang-bang控制；

因此，令運行控制層的特征集元集

Q₁＝{q₁，q₂，q₃，q₄，q₅，q₆，q₇，q₈} (14)

其中：

q₁＝{|e_n|≥e₁}q₂＝{|e_n|≥e₄}

q₃＝{|e_n|≥e₂}q₄＝{|e_n|≥e₃}

運行控制層的模型為：

Φ₁＝{Φ₁₁，Φ₁₂，Φ₁₃，Φ₁₄} (15)

Φ₂＝{Φ₁₃₁，Φ₁₃₂，Φ₁₃₃}

Φ₁₁＝{q₂}

Φ₁₃＝{Φ₁₃₁∪Φ₁₃₂∪Φ₁₃₃}

運行控制層的控制模態集為：

Ψ₁＝{Ψ₁₁，Ψ₁₂，Ψ₁₃，Ψ₁₄} (16)

其中：

Ψ₁₁：{u_n＝sign(e_n)·U_max}

Ψ₁₂：{u_n＝u_n-1}

其中u_n為控制器輸出；U_max為控制器輸出的最大值；e，分別表示第n次誤差及誤差的變化率；ω_pω_d分別為比例系數和微分系數；k為衰減系數；

運行控制層的推理規則集為：

Ω₁＝{ω₁₁，ω₁₂，ω₁₃，ω₁₄} (17)

其中：

ω₁₁：Φ₁₁→Ψ₁₁

ω₁₂：Φ₁₂→Ψ₁₂

ω₁₃：Φ₁₃→Ψ₁₃

ω₁₄：Φ₁₄→Ψ₁₄

參數矯正層

經過簡化之后，參數校正層的特征模型基本與運行控制層的特征模型相同；

令參數校正層的特征集元集為：

Q₂＝{q₁，q₂，q₃，q₄，q₅，q₆，q₇，q₈} (18)

其中：

q₁＝{|e_n|≥e₁}q₂＝{|e_n|≥e₄}

q₃＝{|e_n|≥e₂}q₄＝{|e_n|≥e₃}

參數校正層的模型為：

Φ₁＝{Φ₁₁，Φ₁₂，Φ₁₃，Φ₁₄} (19)

Φ₂＝{Φ₁₃₁，Φ₁₃₂，Φ₁₃₃}

Φ₁₁＝{q₂}

Φ₁₃＝{Φ₁₃₁∪Φ₁₃₂∪Φ₁₃₃}

參數校正層的決策模態集為：

Ψ₂＝{Ψ₂₁，Ψ₂₂，Ψ₂₃} (20)

Ψ₂₁＝{NULL}

Ψ₂₂＝{ω_p＝ω_p1，ω_d＝ω_d1，k＝k₁}

Ψ₂₃＝{ω_p＝ω_p2，ω_d＝ω_d2，k＝k₂}

參數校正層的推理規則集為：

Ω₂＝{ω₂₁，ω₂₂，ω₂₃，ω₂₄} (21)

其中：

ω₂₁：Φ₂₁→Ψ₂₁

ω₂₂：Φ₂₂→Ψ₂₁

ω₂₃：Φ₂₃→Ψ₂₂

ω₂₄：Φ₂₄→Ψ₂₃

任務適應層

令任務適應層的特征集元集為：

Q₃＝{q₁，q₂，q₃，q₄，q₅，q₆，q₇，q₈} (22)

其中：

q₁＝{|e_n|≥e₃₁}q₂＝{|e_n|≥e₃₄}

q₃＝{|e_n|≥e₃₂}q₄＝{|e_n|≥e₃₃}

任務適應層的模型為：

Φ₁＝{Φ₁₁，Φ₁₂，Φ₁₃，Φ₁₄} (23)

Φ₂＝{Φ₁₃₁，Φ₁₃₂，Φ₁₃₃}

Φ₁₁＝{q₂}

Φ₁₃＝{Φ₁₃₁∪Φ₁₃₂∪Φ₁₃₃}

任務適應層的決策模態集為：

Ψ₃＝{Ψ₃₁，Ψ₃₂，Ψ₃₃} (24)

Ψ₃₁＝{NULL}

Ψ₃₂＝{ω_p＝ω_p1，ω_d＝ω_d1，k＝k₁}

Ψ₃₃＝{ω_p＝ω_p2，ω_d＝ω_d2，k＝k₂}

任務適應層的推理規則集為：

Ω₃＝{ω₃₁，ω₃₂，ω₃₃，ω₃₄} (25)

其中：

ω₃₁：Φ₃₁→Ψ₃₁

ω₃₂：Φ₃₂→Ψ₃₁

ω₃₃：Φ₃₃→Ψ₃₂

ω₃₄：Φ₃₄→Ψ₃₃。

4.根據權利要求3所述的一種基于改進模糊PID的無人機仿人控制方法，其特征在于，步驟3具體方法如下：

在對四旋翼飛行器進行姿態角仿真時發現，在誤差和誤差變化率較大時，用權重公式自主分配控制過程中比例和微分的比重有較好的控制效果，但隨著誤差和誤差變化率較小時，需要對控制參數進行調節；因此采用模糊PID算法進行優化；

模糊控制器作為模糊控制中的最重要的組成部分，由模糊化接口、知識庫、推理與解模糊接口組成部分；

(1)、模糊化接口：模糊化接口將輸入的確定量轉化為一個模糊向量；

(2)、知識庫：知識庫由數據庫和規則庫兩部分組成，其中數據庫是存放輸入、輸出變量隸屬向量值的地方，規則庫則是用于存放模糊規則；

(3)、推理與解模糊接口：該部分的主要功能是根據輸入模糊量和模糊規則完成模糊推理獲得模糊控制量；

通過對當前系統誤差e和誤差變化率ec進行模糊化，其中誤差e由當前值響應與實際響應相減得到的，誤差變化率ec由當前時刻誤差與上一時刻誤差計算得到，通過模糊整定推理得到比例KPC、微分KIC參數的整定規則；

對模糊PID進行改進，當控制量進入飽和區，將只執行削弱積分項的運算而停止增大積分項的運算；計算U(k)時，判斷上一時刻的控制量U(k)是否已超出限制范圍，當U(k)大于u_max時，若誤差e(k)大于0，將比例積分微分項加給控制變量，若誤差e(k)小于0，則計算積分項；當當U(k)小于u_max時且U(k)大于u_min時，則計算積分項；當U(k)小于u_max時且U(k)小于u_min時，若誤差e(k)小于0則將比例積分微分項加給控制變量，反之計算積分項。