一种针对仿生扑翼飞行机器人的控制方法技术

本发明专利技术提供一种针对仿生扑翼飞行机器人的控制方法，能够对仿生扑翼飞行机器人的姿态和位置进行轨迹跟踪控制。所述方法包括：对仿生扑翼飞行机器人进行运动学和动力学分析，建立拉格朗日型模型；基于拉格朗日型模型，设计带有扰动观测器的基于模型的姿态控制器；基于设计的带有扰动观测器的基于模型的姿态控制器，设计带有扰动观测器的神经网络全状态反馈姿态控制器；基于仿生扑翼飞行机器人的位置控制模型，设计带有扰动观测器的基于模型的位置控制器；根据设计的带有扰动观测器的基于模型的姿态控制器、神经网络全状态反馈姿态控制器及基于模型的位置控制器，对仿生扑翼飞行机器人的姿态和位置进行轨迹跟踪控制。本发明专利技术涉及自动控制技术领域。

Control method for bionic flapping wing flying robot

The invention provides a control method for a bionic flapping wing flying robot, which can track and control the posture and position of a bionic flapping wing flying robot. The method includes: kinematics and dynamics analysis of BFAR, establish the Lagrange model; Lagrange model based on the design of the attitude controller with disturbance observer based on the model; design with model based on attitude controller based on disturbance observer design, with attitude controller neural network disturbance observer state feedback; bionics flapping robot position control model based on the design of the position controller with a disturbance observer based on the model; according to the design of the attitude controller, the model based on a neural network state feedback controller and position controller based on the attitude model of disturbance observer, the attitude and position of Bionic Flapping Wing flying robot trajectory tracking control. The invention relates to the field of automatic control technology.

【技术实现步骤摘要】
一种针对仿生扑翼飞行机器人的控制方法
本专利技术涉及自动控制
，特别是指一种针对仿生扑翼飞行机器人的控制方法。
技术介绍
近年来，随着人们对无人机技术需求的持续增加，以及先进制造技术、新材料技术和新能源技术的飞速发展，使仿生扑翼飞行机器人的研究成为技术热点。科学家们受到飞行昆虫和蜂鸟的启发，提出了仿生扑翼飞行机器人的概念，并制造出多种仿生扑翼飞行机器人。仿生扑翼飞行机器人的优点是体积小，擅长低空飞行，并具有优秀的悬停能力和盘旋能力。这些突出的优点对目标在特定环境下的搜寻，救援以及军事侦察提供了可能。六自由度仿生扑翼飞行机器人系统的动态模型是很复杂的。虽然对动态模型进行了简化，但还是有很多模型参数需要获取。然而，有些模型参数不能被测量。即使可以测得，也需要大量的传感器，付出很高的代价，并影响控制精度。因此，需要使用可减小仿生扑翼飞行机器人对动态模型参数需求的控制方法来设计控制器。由于神经网络能很好地近似许多种类的非线性参数，可以使用神经网络控制方法控制仿生扑翼飞行机器人。目前，有关仿生扑翼飞行机器人的专利寥寥无几，基于仿生扑翼飞行机器人模型设计的控制算法更是少之又少。
技术实现思路
本专利技术要解决的技术问题是提供一种针对仿生扑翼飞行机器人的控制方法，能够填补仿生扑翼飞行机器人控制算法的空白。为解决上述技术问题，本专利技术实施例提供一种针对仿生扑翼飞行机器人的控制方法，包括：对所述仿生扑翼飞行机器人进行运动学和动力学分析，建立拉格朗日型模型；基于所述拉格朗日型模型，设计带有扰动观测器的基于模型的姿态控制器；基于设计的带有扰动观测器的基于模型的姿态控制器，设计带有扰动观测器的神经网络全状态反馈姿态控制器；基于所述仿生扑翼飞行机器人的位置控制模型，设计带有扰动观测器的基于模型的位置控制器；根据设计的带有扰动观测器的基于模型的姿态控制器、神经网络全状态反馈姿态控制器及基于模型的位置控制器，对所述仿生扑翼飞行机器人的姿态和位置进行轨迹跟踪控制。进一步地，所述拉格朗日型模型表示为：其中，Dr(qr)、表示矩阵，Dr(qr)＝IpT，Ip表示转动惯量矩阵，T表示由身体坐标系到惯性坐标系的坐标转换矩阵，表示T对时间t的一阶导数，L(t)表示一个使等式成立的矩阵，qr是qr(t)的简写形式，qr(t)表示系统姿态状态矩阵，是的简写形式，表示qr(t)对时间t的一阶导数，表示qr(t)对时间t的二阶导数，τr是τr(t)的简写形式，τr(t)表示仿生扑翼飞行机器人姿态控制输入。进一步地，所述带有扰动观测器的基于模型的姿态控制器表示为：er1＝xr1-xr1der2＝xr2-αr1er3＝dr(t)-Φ(er2)其中，τr1表示姿态控制器，xr1＝qr，xr1表示姿态状态矩阵qr(t)，xr2表示表示qr(t)对时间t的一阶导数，xr1d是xr1d(t)的简写形式，xr1d(t)＝[θ1d(t),θ2d(t),θ3d(t)]T，θ1d(t),θ2d(t),θ3d(t)分别是身体坐标系中的三个欧拉角要跟踪的期望角度，Kr2表示控制增益，er1、er2表示状态偏差，表示系统扰动dr(t)的估计值，表示虚拟速度跟踪轨迹αr1对时间t的一阶导数，er3为辅助函数，为er3的估计值，Φ(er2)关于er2的函数，为关于时间t的一阶导数，K(er2)为Φ(er2)关于er2的导数，表示Dr(xr1)的逆矩阵。进一步地，所述带有扰动观测器的神经网络全状态反馈姿态控制器表示为：er1＝xr1-xr1der2＝xr2-αr1er3＝dr(t)-Φ(er2)其中，τr2表示神经网络全状态反馈姿态控制器，xr1＝qr，xr1表示姿态状态矩阵，xr2表示表示姿态状态矩阵对时间t的一阶导数，xr1d是xr1d(t)的简写形式，xr1d(t)＝[θ1d(t),θ2d(t),θ3d(t)]T，θ1d(t),θ2d(t),θ3d(t)分别是身体坐标系中的三个欧拉角要跟踪的期望角度，Kr2表示控制增益，er1、er2表示状态偏差，表示系统扰动dr(t)的估计值，C0(xr1,xr2)表示Cr(xr1,xr2)的虚拟部分，αr1表示虚拟速度跟踪轨迹，表示神经网络的权重估计值，表示的转置，S(Z)表示神经网络基函数，Z表示神经网络的输入，er3为辅助函数，为er3的估计值，Φ(er2)关于er2的函数，为关于时间t的一阶导数，K(er2)为Φ(er2)关于er2的导数，表示Dr(xr1)的逆矩阵，为表示Dr(xr1)虚拟部分的逆矩阵。进一步地，所述位置控制模型表示为：其中，Dt、Gt表示矩阵，RIB(qr(t))表示坐标系变换阵，qr(t)表示系统姿态状态矩阵，是的简写形式，表示qr(t)对时间t的二阶导数，τt(t)表示位置控制器，dt(t)表示系统扰动。进一步地，所述带有扰动观测器的基于模型的位置控制器表示为：et1＝xt1-xt1det2＝xt2-αt1其中，τt为τt(t)的简写形式，τt表示位置控制器，qr是qr(t)的简写形式，(RIB(qr))-1表示RIB(qr(t))的逆矩阵，xt1＝qt，xt1、qt表示位置变换状态矩阵，xt2、表示位置变换状态矩阵qt对时间t的一阶导数，xt1d(t)＝[xd(t),yd(t),zd(t)]T，xd(t),yd(t),zd(t)分别表示大地坐标系x、y、z方向上要跟踪的期望位置轨迹，et1、et2表示位置偏差，Kd、Kt4表示控制增益，表示系统扰动dt(t)的估计值，表示虚拟速度跟踪轨迹αt1对时间t的一阶导数。进一步地，所述方法还包括：采用李雅普诺夫直接法，分析加入所述带有扰动观测器的基于模型的姿态控制器后闭环系统的稳定性以及系统状态的有界性，构造的李雅普诺夫函数表示为：其中，V1表示构造的李雅普诺夫函数，表示与dr(t)之间的误差，分别表示er1、er2、的转置。进一步地，所述方法还包括：若er1、er2、都有界，则加入所述带有扰动观测器的基于模型的姿态控制器后闭环系统的系统状态满足有界性。进一步地，所述方法还包括：采用李雅普诺夫直接法，分析加入所述带有扰动观测器的神经网络全状态反馈姿态控制器后闭环系统的稳定性以及系统状态的有界性，构造的李雅普诺夫函数表示为：其中，V2表示构造的李雅普诺夫函数，D0(xr1)表示Dr(xr1)的虚拟部分，表示与dr(t)之间的误差，表示神经网络的权重误差，表示的转置，表示预设的常数矩阵的逆矩阵，i＝1,2,3，n表示矩阵中元素的数目，分别表示er1、er2、的转置。进一步地，所述方法还包括：采用李雅普诺夫直接法，分析加入所述带有扰动观测器的基于模型的位置控制器后闭环系统的稳定性以及系统状态的有界性，构造的李雅普诺夫函数表示为：其中，V3表示构造的李雅普诺夫函数，表示与dt(t)之间的误差，分别表示et1、et2、的转置。本专利技术的上述技术方案的有益效果如下：上述方案中，通过对所述仿生扑翼飞行机器人进行运动学和动力学分析，得到处理具有大量未知系统参数的拉格朗日型模型；基于所述拉格朗日型模型，设计带有扰动观测器的基于模型的姿态控制器；基于设计的带有扰动观测器的基于模型的姿态控制器，设计带有扰动观测器的神经网络全状态反馈姿态控制器；基于所述仿生扑翼飞行机器人的位置控制模型本文档来自技高网...

【技术保护点】
一种针对仿生扑翼飞行机器人的控制方法，其特征在于，包括：对所述仿生扑翼飞行机器人进行运动学和动力学分析，建立拉格朗日型模型；基于所述拉格朗日型模型，设计带有扰动观测器的基于模型的姿态控制器；基于设计的带有扰动观测器的基于模型的姿态控制器，设计带有扰动观测器的神经网络全状态反馈姿态控制器；基于所述仿生扑翼飞行机器人的位置控制模型，设计带有扰动观测器的基于模型的位置控制器；根据设计的带有扰动观测器的基于模型的姿态控制器、神经网络全状态反馈姿态控制器及基于模型的位置控制器，对所述仿生扑翼飞行机器人的姿态和位置进行轨迹跟踪控制。

【技术特征摘要】
1.一种针对仿生扑翼飞行机器人的控制方法，其特征在于，包括：对所述仿生扑翼飞行机器人进行运动学和动力学分析，建立拉格朗日型模型；基于所述拉格朗日型模型，设计带有扰动观测器的基于模型的姿态控制器；基于设计的带有扰动观测器的基于模型的姿态控制器，设计带有扰动观测器的神经网络全状态反馈姿态控制器；基于所述仿生扑翼飞行机器人的位置控制模型，设计带有扰动观测器的基于模型的位置控制器；根据设计的带有扰动观测器的基于模型的姿态控制器、神经网络全状态反馈姿态控制器及基于模型的位置控制器，对所述仿生扑翼飞行机器人的姿态和位置进行轨迹跟踪控制。2.根据权利要求1所述的针对仿生扑翼飞行机器人的控制方法，其特征在于，所述拉格朗日型模型表示为：其中，Dr(qr)、表示矩阵，Dr(qr)＝IpT，Ip表示转动惯量矩阵，T表示由身体坐标系到惯性坐标系的坐标转换矩阵，表示T对时间t的一阶导数，L(t)表示一个使等式成立的矩阵，qr是qr(t)的简写形式，qr(t)表示系统姿态状态矩阵，是的简写形式，表示qr(t)对时间t的一阶导数，表示qr(t)对时间t的二阶导数，τr是τr(t)的简写形式，τr(t)表示仿生扑翼飞行机器人姿态控制输入。3.根据权利要求2所述的针对仿生扑翼飞行机器人的控制方法，其特征在于，所述带有扰动观测器的基于模型的姿态控制器表示为：er1＝xr1-xr1der2＝xr2-αr1er3＝dr(t)-Φ(er2)其中，τr1表示姿态控制器，xr1＝qr，xr1表示姿态状态矩阵qr(t)，xr2表示表示qr(t)对时间t的一阶导数，xr1d是xr1d(t)的简写形式，xr1d(t)＝[θ1d(t),θ2d(t),θ3d(t)]T，θ1d(t),θ2d(t),θ3d(t)分别是身体坐标系中的三个欧拉角要跟踪的期望角度，Kr2表示控制增益，er1、er2表示状态偏差，表示系统扰动dr(t)的估计值，表示虚拟速度跟踪轨迹αr1对时间t的一阶导数，er3为辅助函数，为er3的估计值，Φ(er2)关于er2的函数，为关于时间t的一阶导数，K(er2)为Φ(er2)关于er2的导数，表示Dr(xr1)的逆矩阵。4.根据权利要求1所述的针对仿生扑翼飞行机器人的控制方法，其特征在于，所述带有扰动观测器的神经网络全状态反馈姿态控制器表示为：er1＝xr1-xr1der2＝xr2-αr1er3＝dr(t)-Φ(er2)其中，τr2表示神经网络全状态反馈姿态控制器，xr1＝qr，xr1表示姿态状态矩阵，xr2表示表示姿态状态矩阵对时间t的一阶导数，xr1d是xr1d(t)的简写形式，xr1d(t)＝[θ1d(t),θ2d(t),θ3d(t)]T，θ1d(t),θ2d(t),θ3d(t)分别是身体坐标系中的三个欧拉角要跟踪的期望角度，Kr2表示控制增益，er1、er2表示状态偏差，表示系统扰...

【专利技术属性】
技术研发人员：贺威，闫子晨，孙长银，李鸿一，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11