[發明專利]一種無人機棲落機動的迭代優化與控制方法

在審

• 申請號: 202210337063.0
• 申請日: 2022-03-31
• 公開（公告）號: CN114879490A
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 何真;周紫君
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 于瀚文

本發明提供了一種無人機棲落機動的迭代優化與控制方法，首先建立了固定翼無人機棲落機動的縱向非線性動力學模型。其次為了得到終點狀態量滿足預期要求的ILMPC策略初始可行軌跡，使用受約束迭代線性二次型調節器(CILQR)算法對棲落機動軌跡進行優化，并將最優軌跡作為ILMPC策略的初始可行軌跡。然后將無人機棲落機動過程定義成一個迭代任務，設計了與棲落機動軌跡相關的采樣安全集和終端成本函數，并利用采樣安全集和終端成本函數設計了棲落機動ILMPC策略。最后，數值仿真結果表明隨著迭代次數的增多，迭代代價逐漸降低，棲落機動軌跡逐漸收斂到最優軌跡，從而證明了所設計控制器的有效性。

技術領域

本發明涉及一種無人機棲落機動的迭代優化與控制方法。

背景技術

鳥類的降落方式有人造飛行器目前無法達到的優勢。通過觀察鳥類降落的過程可以發現，當接近目標時，它們會展開翅膀和尾巴，并將整個身體調整到一個很大的攻角，利用失速后的空氣阻力來快速減速。研究者們在鳥類機動飛行的啟發下提出了棲落機動的概念。如果固定翼無人機也能夠像鳥類一樣通過棲落機動的方式實現快速降落，不再需要滑行跑道或其他輔助降落裝置，其應用場合將會被大大拓寬。

目前，棲落機動控制方面的研究，控制目標基本都是最小化跟蹤誤差，即假定參考軌跡是預先已知的，設計反饋控制器跟蹤參考軌跡。當參考軌跡未知時，如何展開對棲落機動系統的控制設計是需要進一步解決的問題。而現有的棲落機動軌跡優化方面的研究沒有充分利用歷史數據以通過迭代來優化控制性能。

發明內容

發明目的：為了克服現有技術中的不足，本發明提供一種固定翼無人機棲落機動的迭代優化與控制方法，通過該方法無人機能夠在滿足狀態和輸入約束的前提下，棲落到指定的位置并得到使代價函數最優的棲落軌跡。技術方案：為了實現上述目的，本發明采用如下技術方案：

步驟1，建立無人機棲落機動縱向非線性動力學建模；

步驟2，采用受約束迭代線性二次型調節器(CILQR)對棲落機動終點處的位置、速度、俯仰角等狀態量進行規劃，得到最優軌跡；

步驟3，將步驟2得到的最優軌跡作為迭代學習模型預測控制(ILMPC)策略的初始可行軌跡，設計迭代學習模型預測控制器。

優選的，步驟1中所述的棲落機動縱向非線性動力學模型為：

式中，V表示無人機的飛行速度、θ為俯仰角、α為迎角、q為俯仰角速度、x為水平位移、h為高度、表示V的導數。m是飛機的質量，g是當地的重力加速度、T是發動機推力、I_y是無人機俯仰轉動慣量。M是空氣動力矩，L和D分別代表無人機所受的升力和阻力，表達方程分別為：

式中，ρ是空氣密度，S是無人機的空氣動力面積，C_L、C_D和C_M分別表示固定翼無人機的升力、阻力和力矩系數，表達方程分別為：

式中，S_e表示升降舵的表面積，l_e表示升降舵空氣動力重心到飛行器質心的距離，δ_e是升降舵偏轉角。

優選的，步驟2包括以下步驟：

步驟2-1，將受約束棲落機動軌跡規劃問題公式化為以下形式，并記為問題1：

s.t.x_k+1＝f(x_k,u_k),k＝0,1,…,N-1 (4b)

x₀＝x_start (4c)