[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

本發明公開了針對飛行器系統的自適應神經網絡控制方法及裝置，方法包括：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。本發明實施例能夠提高控制精度和穩定性，可廣泛應用于人工智能技術領域。

技術領域

本發明涉及人工智能技術領域，尤其是針對飛行器系統的自適應神經網絡控制方法及裝置。

背景技術

隨著控制技術的不斷發展，無人機飛行控制技術引起了廣泛關注。其中，直升機是一種典型的無人機，控制直升機的飛行穩定目前是一個比較熱門的話題。同時，直升機因具有垂直起降、機動靈活、體積小、起飛環境要求低、低空飛行等優點，使得越來越多的科學家對其進行研究。但因其模型系統復雜難以建立，且具有非線性、欠驅動性、強耦合性、靜不穩定性等特點，以及在飛行過程中不可避免要受到外界干擾的影響，這些因素大大增加了在設計直升機飛行控制器的過程中的難度。

為了能穩定的控制直升機系統，科研人員提出了許多控制方法，其中包括基于模型控制，魯棒控制以及滑?？刂频?。在基于模型的控制方法中，往往針對的都是直升機的線性模型，這一類線性模型并沒有考慮非線性系統的非線性項，使得設計出來的控制器在實際應用中并不穩定。在魯棒控制和滑?？刂浦校饕轻槍χ鄙龣C的已知模型，但是在實際系統中，直升機的模型是未知且不可測得的，這就使得這一類方法在實際應用中無法實現。

發明內容

有鑒于此，本發明實施例提供針對飛行器系統的自適應神經網絡控制方法及裝置，以提高控制精度和穩定性。

本發明的一方面提供了一種針對飛行器系統的自適應神經網絡控制方法，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。

可選地，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。

可選地，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。

可選地，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：