一种四旋翼飞行器的滑模控制方法及其控制器技术

本申请提供了一种四旋翼飞行器的自适应滑模控制方法，所述飞行器由控制器控制，所述控制器为分环控制结构形式，所述分环控制结构的外环为位置控制器，所述方法包括：所述位置控制器将所述飞行器的实际位置x、y、z和期望轨迹xd、yd、zd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的高度控制律U1、所述飞行器的水平位置控制律Ux、Uy；根据所述水平位置控制律Ux、Uy确定所述飞行器的横滚角φd和给定俯仰角θd；根据所述飞行器的实际姿态角φ、θ、ψ与给定姿态角φd、θd、ψd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的控制横滚角控制律U2、俯仰角控制律U3、偏航角的控制律U4。

【技术实现步骤摘要】
一种四旋翼飞行器的滑模控制方法及其控制器
本申请涉及飞行器领域，并且更具体地，涉及一种四旋翼飞行器的滑模控制方法及其飞行器。
技术介绍
四旋翼飞行器是一种具有垂直起降和悬停功能的蝶形飞行器，具有结构简单、体积小、机动灵活的优点。对于四旋翼飞行器的控制，主要有以下难点：1)建立准确的动力学模型非常困难，飞行过程中系统会受到重力、陀螺效应和外界干扰的影响；2)四旋翼飞行器是具有6个自由度，4个输入量的欠驱动系统，具有高度的非线性、强耦合性等控制难点。对于四旋翼飞行器控制系统的设计，目前常用的控制算法有：自适应控制，反步法，滑模控制，鲁棒控制等，上述方法都取得了一定的研究成果，但考虑到实际系统中通常存在建模不精确、参数未知等不确定性，如何解决控制器对模型较强的依赖，并提高闭环系统鲁棒性，是实现带有不确定性四旋翼飞行器控制的关键。针对带有不确定性的四旋翼飞行器系统，有学者提出径向基函数(RadialBasisFunction，RBF)神经网络自适应比例积分微分(ProportionIntegrationDifferentiation，PID)控制算法，基本思想是在PID算法的基础上利用神经网络选择和整定PID参数，神经网络的自学习自适应能力虽然具有一定的非线性控制作用，但控制器中的PID算法是传统的线性控制方法，不太适合四旋翼飞行器这种非线性系统。因此，亟需一种四旋翼飞行器的控制方法，能够更好的对四旋翼飞行器进行控制。
技术实现思路
本申请提供一种四旋翼飞行器的控制方法，能够更好的对四旋翼飞行器进行控制。一方面，提供了一种四旋翼飞行器的自适应滑模控制方法，述飞行器由控制器控制，所述控制器为分环控制结构形式，所述分环控制结构的外环为位置控制器，所述方法包括：所述位置控制器将所述飞行器的实际位置x、y、z和期望轨迹xd、yd、zd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的高度控制律U1、所述飞行器的水平位置控制律Ux、Uy；根据所述水平位置控制律Ux、Uy确定所述飞行器的横滚角φd和给定俯仰角θd；根据所述飞行器的实际姿态角φ、θ、ψ与给定姿态角和、θd、ψd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的控制横滚角控制律U2、俯仰角控制律U3、偏航角的控制律U4。结合第一方面，在第一方面的第一种可能的实现方式中，所述确定所述飞行器的高度控制率U1，包括：通过牛顿-欧拉方程和坐标转换矩阵建立飞行器的动力学方程式(1)，式(1)中，Ixx、Iyy、Izz为飞行器在机体坐标系各个轴向的转动惯量，Ir为转子转动惯量，Ωr＝-Ω1+Ω2-Ω3+Ω4，为旋翼产生的陀螺效应分量，l为飞行器质心到各旋翼中心的距离，m为飞行器质量；将式(1)写成状态方程形式(2)，式中，X＝[x1…x12]T表示状态向量，具体如下：U＝[U1U2U3U4]T，d＝[d1d2d3d4d5d6]T为外界干扰且|d|≤D，D为外界扰动上界；根据(1)和(2)式获得状态空间表达式(3)为，并根据式(3)得到式(4)，当假设所有状态变量均可以得到用于反馈，飞行系统物理参数Ixx、Iyy、Izz、Ir、l均未知，即b1、b2、b3为未知参数，f1(x)、f2(x)、f3(x)、g(x)为具体形式未知的函数，理想轨迹有界，上述函数的一阶和二阶导数存在，确定高度z的空间表达式为式(5)定义理想跟踪指令为zd，跟踪误差为式(6)，e1＝zd-z(6)，设计滑模面为公式(7)并对公式(7)求导得到公式(8)，设计滑模控制律为式(9)，其中，在式(9)中，为RBF网络对未知函数g(x)的逼近输出。结合第一方面及其上述实现方式，在第一方面的第二种可能的实现方式中，所述方法还包括：定义神经网络的输入为得到式(10)和式(11)，g(x)＝Vg*Thg(x)+εg(11)其中，Vg*为逼近g(x)的理想权值，εg为网络逼近误差，|εg|≤εMg；根据(8)(9)(11)式得到式(12)，其中，选择Lyapunou方法调整神经网络权值Vg，定义Lyapunov函数为式(13)，由(13)得到式(14)，由Lyapunov稳定性设计自适应律公式(15)，由于逼近误差εg为很小的正实数，当η1≥|εgU1+d6|，则可得确定所述飞行器的高度控制率U1满足飞行系统的稳定性；否则，确定所述飞行器的高度控制率U1不满足飞行系统的稳定性。结合第一方面及其上述实现方式，在第一方面的第三种可能的实现方式中，所述确定所述飞行器的水平位置控制律Ux、Uy，包括：根据式(17)确定Ux，根据式(18)确定Uy，结合第一方面及其上述实现方式，在第一方面的第四种可能的实现方式中，所述根据所述水平位置控制律Ux、Uy确定所述飞行器的横滚角φd和给定俯仰角θd，包括：根据式(4)变量之间的非线性约束关系，得到姿态子系统的中间指令信号为式(19)，将ux，uy带入式(19)可得φd，θd。结合第一方面及其上述实现方式，在第一方面的第五种可能的实现方式中，姿态角系统相对于位置子系统是独立的，所述确定所述飞行器的控制横滚角控制律U2，包括：设计姿态角的RBF网络自适应滑模控制律，确定横滚角φ的空间表达式(20)，其中，定义理想跟踪指令为φd，跟踪误差为e2＝φd-φ，滑模面为且c2＞0；由高度z推导过程，即式(6)(7)(8)(9)同理可以确定横滚角的滑模控制律为式(21)，结合第一方面及其上述实现方式，在第一方面的第六种可能的实现方式中，所述方法还包括：定义网络的输入为则RBF网络的输出为式(22)，由(22)得到(23)，其中，为网络的逼近误差，其中定义Lyapunov函数为式(25)，其中，对式(25)求导并将式(24)带入可得式(26)，取自适应律为式(27)，由式(26)和式(27)得到式(8)，当则可得确定所述飞行器的控制横滚角控制律U2满足飞行系统的稳定性；否则，确定所述飞行器的控制横滚角控制律U2不满足飞行系统的稳定性。结合第一方面及其上述实现方式，在第一方面的第七种可能的实现方式中，所述确定俯仰角控制律U3、偏航角的控制律U4，包括：根据式(29)确定U3，根据式(30)确定U4，U3或U4的自适应律为式(31)，结合第一方面及其上述实现方式，在第一方面的第八种可能的实现方式中，所述方法还包括：根据式(32)，有限时间收敛三阶微分器确定和式中，v(t)为待微分的输入信号；ε＝0.04；x1为对信号进行跟踪，x2为信号一阶导数的估计；x3为信号二阶导数的估计。第二方面，提供一种提供了一种四旋翼飞行器的自适应滑模控制器，述飞行器由所述控制器控制，所述控制器为分环控制结构形式，所述分环控制结构的外环为位置控制器，所述控制器包括：确定单元，所述确定单元用于将所述飞行器的实际位置x、y、z和期望轨迹xd、yd、zd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的高度控制律U1、所述飞行器的水平位置控制律Ux、Uy；根据所述水平位置控制律Ux、Uy确定所述飞行器的横滚角φd和给定俯仰角θd；处理单元，所述处理单元用于根据所述飞行器的实际姿态角φ、θ、ψ与给定姿态角φd、θd、ψd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器本文档来自技高网...

【技术保护点】
一种四旋翼飞行器的自适应滑模控制方法，其特征在于，所述飞行器由控制器控制，所述控制器为分环控制结构形式，所述分环控制结构的外环为位置控制器，所述方法包括：所述位置控制器将所述飞行器的实际位置x、y、z和期望轨迹xd、yd、zd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的高度控制律U1、所述飞行器的水平位置控制律Ux、Uy；根据所述水平位置控制律Ux、Uy确定所述飞行器的横滚角φd和给定俯仰角θd；根据所述飞行器的实际姿态角φ、θ、ψ与给定姿态角φd、θd、ψd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的控制横滚角控制律U2、俯仰角控制律U3、偏航角的控制律U4。

【技术特征摘要】
1.一种四旋翼飞行器的自适应滑模控制方法，其特征在于，所述飞行器由控制器控制，所述控制器为分环控制结构形式，所述分环控制结构的外环为位置控制器，所述方法包括：所述位置控制器将所述飞行器的实际位置x、y、z和期望轨迹xd、yd、zd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的高度控制律U1、所述飞行器的水平位置控制律Ux、Uy；根据所述水平位置控制律Ux、Uy确定所述飞行器的横滚角φd和给定俯仰角θd；根据所述飞行器的实际姿态角φ、θ、ψ与给定姿态角φd、θd、ψd之间的跟踪误差采用RBF网络自适应滑模控制算法，确定所述飞行器的控制横滚角控制律U2、俯仰角控制律U3、偏航角的控制律U4。2.根据权利要求1所述的方法，其特征在于，所述确定所述飞行器的高度控制率U1，包括：通过牛顿-欧拉方程和坐标转换矩阵建立飞行器的动力学方程式(1)，式(1)中，Ixx、Iyy、Izz为飞行器在机体坐标系各个轴向的转动惯量，Ir为转子转动惯量，Ωr＝-Ω1+Ω2-Ω3+Ω4，为旋翼产生的陀螺效应分量，，为飞行器质心到各旋翼中心的距离，m为飞行器质量；将式(1)写成状态方程形式(2)，式中，X＝[x1…x12]T表示状态向量，具体如下：U＝[U1U2U3U4]T，d＝[d1d2d3d4d5d6]T为外界干扰且|d|≤D，D为外界扰动上界；根据(1)和(2)式获得状态空间表达式(3)为，并根据式(3)得到式(4)，当假设所有状态变量均可以得到用于反馈，飞行系统物理参数Ixx、Iyy、Izz、Ir、l均未知，即b1、b2、b3为未知参数，f1(x)、f2(x)、f3(x)、g(x)为具体形式未知的函数，理想轨迹有界，上述函数的一阶和二阶导数存在，确定高度z的空间表达式为式(5)定义理想跟踪指令为zd，跟踪误差为式(6)，e1＝zd-z(6)，设计滑模面为公式(7)，并对公式(7)求导得到公式(8)，设计滑模控制律为式(9)，其中，在式(9)中，为RBF网络对未知函数g(x)的逼近输出。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：定义神经网络的输入为得到式(10)和式(11)，g(x)＝Vg*Thg(x)+εg(11)，其中，Vg*为逼近g(x)的理想权值，εg为网络逼近误差，|εg|≤εMg；根据(8)(9)(11)式得到式(12)，

【专利技术属性】
技术研发人员：华容，韩业壮，魏脐亮，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海,31