[發明專利]針對飛行器系統的自適應神經網絡控制方法及裝置

有效

• 申請號: 202111180719.4
• 申請日: 2021-10-11
• 公開（公告）號: CN113985732B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 趙志甲;張健;鄒濤;李致富;馬鴿
• 申請（專利權）人: 廣州大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 余凱歡

1.針對飛行器系統的自適應神經網絡控制方法，其特征在于，包括：

根據拉格朗日力學模型，建立飛行器系統模型；

根據所述飛行器系統模型以及徑向基神經網絡的估計，構建飛行器系統對應的控制器和自適應律；

根據所述飛行器系統模型，構建李雅普諾夫方程；

判定所述李雅普諾夫方程的負定性，并根據所述負定性確定所述飛行器系統的穩定性；

當所述飛行器系統滿足預設的穩定性條件時，對所述飛行器系統進行仿真控制，獲取仿真效果信息；

其中，所述控制器用于對所述飛行器系統中飛行器進行運動控制；

所述自適應律用于對神經網絡進行迭代更新；

所述根據所述飛行器系統模型以及徑向基神經網絡的估計，構建飛行器系統對應的控制器和自適應律中，

所述控制器的表達式為：

所述自適應律的表達式為：

其中，U是控制器；G^-1代表系統參數逆矩陣；H(X)代表徑向基神經網絡的激活函數；z₁代表角度跟蹤誤差；z₂代表第二個誤差變量；是徑向基神經網絡估計權重的轉置；表示虛擬控制器的導數；κ₂表示增益系數；是自適應律；Γ表示徑向基神經網絡的學習律；σ₁是提高穩定性的正常數；是徑向基神經網絡估計權重；

所述根據所述飛行器系統模型，構建李雅普諾夫方程這一步驟中，所述李雅普諾夫方程的表達式為：

其中，V₂代表李雅普諾夫函數；z₁代表角度跟蹤誤差；z₂代表第二個誤差變量；代表徑向基神經網絡權重誤差；Γ表示徑向基神經網絡的學習律；

根據拉格朗日力學模型得到的系統的非線性動力學方程為：

其中，J_pp和J_yy分別表示為圍繞俯仰軸和偏航軸的慣性矩，V_p和V_y表示兩個電機的輸入電壓，M表示直升機的質量，l_n表示距離機身固定框架原點的質心距離，μ表示俯仰角，γ表示偏航角，K_pp表示俯仰螺旋槳中作用于俯仰軸上的扭矩推力增益，K_py表示偏航螺旋槳中作用于俯仰軸上的扭矩推力增益，K_yy表示偏航螺旋槳中作用于偏航軸上的扭矩推力增益，K_yp表示俯仰螺旋槳中作用于偏航軸上的扭矩推力增益，D_pp和D_yy表示黏性摩擦系數,g表示重力加速度；代表俯仰角的角加速度；代表俯仰角的角速度；代表偏航角的角加速度；代表偏航角的角速度；

角度誤差設置為：z₁＝x₁-x_d，其中，x₁為角度向量，x_d＝[x_d1,x_d2]^T為期望的軌跡；

第二個誤差變量設置為：z₂＝x₂-α,其中，x₂為角速度向量，α為虛擬控制器。

2.根據權利要求1所述的針對飛行器系統的自適應神經網絡控制方法，其特征在于，所述根據拉格朗日力學模型，建立飛行器系統模型，包括：

根據拉格朗日力學模型，構建所述飛行器系統的非線性動力學模型；

對所述非線性動力學模型進行參數簡化處理，構造得到簡化函數；

根據所述簡化函數得到所述飛行器系統的非線性方程。

3.根據權利要求2所述的針對飛行器系統的自適應神經網絡控制方法，其特征在于，所述根據拉格朗日力學模型，建立飛行器系統模型，還包括：

根據預定義的第一參數信息，對所述非線性方程進行求解，得到第二參數信息；

通過徑向基函數神經網絡來估計所述非線性方程中未知項的信息；

根據所述第一參數信息、所述第二參數信息和所述未知項的信息，構建得到飛行器系統模型。