一种基于极值搜索算法的四旋翼无人机参数辨识方法技术

一种基于极值搜索算法的四旋翼无人机参数辨识方法，涉及系统辨识领域。为了解决四旋翼无人机物理参数未知或不能精确测量的问题。通过机理建模建立四旋翼无人机的动态模型，根据建立的模型选择需要辨识的相关参数；基于极值搜索算法建立四旋翼无人机参数辨识的目标函数；对模型输入两组激励信号，通过极值搜索算法提取无人机参数辨识目标函数的梯度信息，并沿着负梯度方向搜索，直到达到极值附近，即得到相对应的模型参数。本方法具有不依赖型参数的先验知识，且不同于现有方式四旋翼无人机模型进行近似线性化，可得到精确的无人机非线性模型参数；本发明专利技术的闭环多参数辨识具有较少的限制条件，能够针对耦合的输入数据完成辨识。

A parameter identification method for four rotor UAV Based on extremum search algorithm

A parameter identification method for four rotor UAV Based on extremum search algorithm is involved in the field of system identification. In order to solve the problem of unknown or inaccurate measurement of the physical parameters of the four rotor UAV. The dynamic model of Four-rotor UAV is established by mechanism modeling, and the parameters needed to be identified are selected according to the established model; the objective function of parameter identification of Four-rotor UAV is established based on extremum search algorithm; two sets of excitation signals are input to the model, and the objective function of parameter identification of UAV is extracted by extremum search algorithm. Gradient information is searched along the direction of negative gradient until it reaches the extreme value. The method has prior knowledge of independent parameters and is different from the existing quad-rotor UAV model by approximate linearization, and can obtain accurate parameters of the UAV nonlinear model.

【技术实现步骤摘要】
一种基于极值搜索算法的四旋翼无人机参数辨识方法
本专利技术涉及系统辨识领域；更具体地，涉及一种基于极值搜索算法的四旋翼无人机参数辨识方法。
技术介绍
四旋翼无人机具有结构简单、机动性强、能够垂直起降等特点，近年来在军事和民用领域都取得了越来越广泛的应用：在军事领域，无人机具有对敌侦察，具有打击、护航、目标搜索等许多重要功能；在民用领域，无人机被用来执行包括灾害救援、航拍、短距离运输等任务。消费级无人机已经开始进入了人们日常生活，亚马逊开始尝试使用无人机进行快递配送，大大缩短了配送时间，顺丰快递也在对该行业进行试水。在电影、综艺等方面，航拍无人机也成为了一大助力。然而，对四旋翼无人机的研究仍然存在着一些关键性技术问题亟待解决，比如续航能力差、不能够完全自主飞行等一系列问题。四旋翼无人机是一个具有六个自由度、四个控制输入的欠驱动控制系统。在实际应用中，无人机的动力学模型参数存在诸多不确定性。从控制角度来说，大部分控制方法对模型参数比较敏感，当物体高速运动时，参数值的不精确性会带来非常严重的影响。与陆运移动机器人不同，无人机物理参数受重力、空气动力湍流的影响，其模型精度由其参数决定，包括质量、空气动力系数和惯性矩等。一般来说，参数随确定性因素和随机扰动而变化，此外，这些参数受到测量和数据处理系统噪声的影响。在很大程度上，无人机模型的精确程度决定了无人机的控制性能。系统辨识可以定义为给出一组实验数据估计系统的最佳可能模型的问题。根据数据来源进行分类系统辨识可以分为在线辨识和离线辨识：在线辨识具有较大的局限性，需要在辨识过程中对数据进行实时处理；离线辨识的数据能够提前得到，并且在仿真时间上也没有限制。时域辨识是将四旋翼无人机模型近似为线性系统模型，通过线性最小二乘法计算每个回归的潜在相关性，得到相关的回归函数来进行辨识。域辨识通过减少与偏置效应和处理噪声相关的误差的处理，可以获得相对鲁棒的模型。最近，智能算法在建模和参数辨识上取得了很大的突破，许多新型的智能算法相继出现，丰富了系统辨识体系。比如遗传算法和蚁群算法在工程最优化和参数辨识问题上有着很好的应用效果。
技术实现思路
本专利技术针对四旋翼无人机物理参数未知或者不能精确测量的问题，进而提供一种基于极值搜索算法的四旋翼无人机参数辨识方法。本专利技术为解决上述技术问题采取的技术方案是：一种基于极值搜索算法的四旋翼无人机参数辨识方法，所述方法的实现过程为：第一步、基于机理建模法建立四旋翼无人机起飞阶段的动态模型：第二步、根据建立的模型选择需要辨识的相关参数：根据机理建模法建立的模型，选择质量、转动惯量和耦合系数作为要辨识的参数；第三步、基于极值搜索算法建立四旋翼无人机参数辨识的目标函数：第四步、对动态模型输入两组激励信号无人机底部推力信号和滚动力矩信号，通过极值搜索算法提取无人机参数辨识目标函数的梯度信息，并沿着负梯度方向搜索，直到达到极值附近，即得到相对应的模型参数。在第一步中，基于机理建模法建立四旋翼无人机的动态模型的过程为：根据对起飞阶段的四旋翼无人机进行受力平衡分析和拉格朗日算子分析，可得到简化的四旋翼无人机起飞阶段的动态模型：在无人机起飞阶段，只考虑沿X轴的横向运动和沿Y轴的垂向运动，忽略四旋翼无人机沿Z轴的前后运动；所述X轴、Y轴、Z轴是惯性坐标系建立的，其坐标原点是无人机的重心；所述动态模型状态由(X,Y,θ)来表示，分别代表横向运动位移、垂直运动位移和翻滚运动角度；T代表四旋翼无人机的总升力，Γ代表四旋翼无人机的滚动力矩，ε0代表四旋翼无人机的总升力和滚动力矩之间的耦合系数，m代表四旋翼无人机的总质量；g表示地球的重力加速度；Ix代表四旋翼无人机的转动惯量。在第二步中，根据建立的模型选择需要辨识的相关参数，其过程为：采用高精度的压力计测量四旋翼无人机的质量m；采用双悬线法、三悬线法或扭摆法测量四旋翼无人机的转动惯量Ix；双悬线和三悬线是在重力作用下，利用线悬挂四旋翼无人机，使其保持垂直，测得这X轴方向上轻微扭转的运动频率，利用转动惯量公式：其中Ix为转动惯量，m为无人机质量，R为无人机连接点距离机体中心距离，r为悬点距离飞行器质心水平距离，l为悬线长度，ωlx为扭动的运动频率；根据无人机的相关参数同时考虑机理建模，分别选择容易测量的四旋翼无人机的质量m、不易测量的四旋翼无人机的转动惯量Ix和无法测量的耦合系数ε0作为要辨识的参数。在第三步中，基于极值搜索算法建立四旋翼无人机参数辨识的目标函数，其过程为：首先对简化的四旋翼无人机起飞阶段的动态模型进行变换，定义状态变量如下则动态模型可描述为将模型中的相关值用符号进行替代，具体地得到上式表示为即最后，得到Y＝Aτ其中，模型中选择无人机底部推力u1和滚动力矩u2作为算法的输入；基于四旋转体具有对称质量分布的假设，四旋翼无人机的转动惯性矩阵是一个对角矩阵；第j(j＝1,2,3,4)个电机转子产生的推力与该电机转子角速度的平方成正比；假设电机第j个电机的角速度为ωj，推力常数为b；其中，电机推力常数包括空气密度ρ，螺旋桨的半径r和推力系数cT；推力系数又取决于电机叶片转子特性：转子叶片半径，叶片数量和弦长度；电机转子推力和电机转速的平方成正比，可表示为Fj＝cTρπr4ωj2＝bωj2(j＝1,2,3,4)电机转子产生的总推力作为四个电机的推力总和表示为在第四步中，对模型输入两组激励信号，通过极值搜索算法提取无人机参数辨识目标函数的梯度信息，并沿着负梯度方向搜索，直到达到极值附近，即得到相对应的模型参数；其过程如下：选择目标函数的目的是减小计算矩阵Y和测量矩阵Aτ两者之间的差值；E＝Y-Aτ目标函数定义为Ji＝E(:,i)TE(:,i)(i＝1,2,3)i取1，2，3时分别表示四旋翼无人机的质量m、四旋翼无人机的转动惯量Ix和耦合系数ε0；Ji中的T表示矩阵转置；E(:,i)是E的减写，:表示矩阵的行，i表示矩阵的列；无人机参数辨识过程可以进行如下表示：首先，将激励信号作用在四旋翼无人机的动态模型上，由激励产生的响应得到计算矩阵Y；其中，激励信号为四旋翼无人机电机转子产生的总推力T和滚动力矩Γ；其次，激励信号和无人机的参数矩阵A相乘得到得到测量矩阵；然后，将计算矩阵Y与测量矩阵Aτ做差得到误差E，将E代入到建立的目标函数之中；再后，极值搜索算法估计输入与激励信号aisinωit相加，得到一个试探性输入θ(i)，这里θ表示为待辨识的四旋翼无人机参数；其中试探性输入θ(i)是用来更新初始的待辨识的参数矩阵A，然后产生了一个新的测量矩阵Y，进而更新目标函数Ji；接下来，目标函数Ji通过高通滤波s/(s+h)滤去输出的直流部分，然后利用解调信号sinωit解调得到了系统建立的目标函数Ji(θ)的梯度信息极值搜索算法的积分环节-k/s对估计输入不断进行修正，直到达到目标函数Ji的极值点附近，得到算法的试探性输入θ≈θ*；最后，通过极值搜索算法不断迭代得到目标函数的极小值，并得到相对应的模型参数，此时算法输入即系统达到极小值时的输入，θ≈θ*为辨识得到的无人机参数。本专利技术的有益效果是：本专利技术通过机理建模建立四旋翼无人机的动态模型，根据建立的模型选择需要辨识的相关参数；基于极值搜索算法建立四旋翼无人机参数辨识的目标函数；对本文档来自技高网...

【技术保护点】
1.一种基于极值搜索算法的四旋翼无人机参数辨识方法，其特征在于，所述方法的实现过程为：第一步、基于机理建模法建立四旋翼无人机起飞阶段的动态模型：第二步、根据建立的模型选择需要辨识的相关参数：根据机理建模法建立的模型，选择质量、转动惯量和耦合系数作为要辨识的参数；第三步、基于极值搜索算法建立四旋翼无人机参数辨识的目标函数：第四步、对动态模型输入两组激励信号无人机底部推力信号和滚动力矩信号，通过极值搜索算法提取无人机参数辨识目标函数的梯度信息，并沿着负梯度方向搜索，直到达到极值附近，即得到相对应的模型参数。

【技术特征摘要】
1.一种基于极值搜索算法的四旋翼无人机参数辨识方法，其特征在于，所述方法的实现过程为：第一步、基于机理建模法建立四旋翼无人机起飞阶段的动态模型：第二步、根据建立的模型选择需要辨识的相关参数：根据机理建模法建立的模型，选择质量、转动惯量和耦合系数作为要辨识的参数；第三步、基于极值搜索算法建立四旋翼无人机参数辨识的目标函数：第四步、对动态模型输入两组激励信号无人机底部推力信号和滚动力矩信号，通过极值搜索算法提取无人机参数辨识目标函数的梯度信息，并沿着负梯度方向搜索，直到达到极值附近，即得到相对应的模型参数。2.根据权利要求1所述的一种基于极值搜索算法的四旋翼无人机参数辨识方法，其特征在于，在第一步中，基于机理建模法建立四旋翼无人机的动态模型的过程为：根据对起飞阶段的四旋翼无人机进行受力平衡分析和拉格朗日算子分析，可得到简化的四旋翼无人机起飞阶段的动态模型：在无人机起飞阶段，只考虑沿X轴的横向运动和沿Y轴的垂向运动，忽略四旋翼无人机沿Z轴的前后运动；所述X轴、Y轴、Z轴是惯性坐标系建立的，其坐标原点是无人机的重心；所述动态模型状态由(X,Y,θ)来表示，分别代表横向运动位移、垂直运动位移和翻滚运动角度；T代表四旋翼无人机的总升力，Γ代表四旋翼无人机的滚动力矩，ε0代表四旋翼无人机的总升力和滚动力矩之间的耦合系数，m代表四旋翼无人机的总质量；g表示地球的重力加速度；Ix代表四旋翼无人机的转动惯量。3.根据权利要求1所述的一种基于极值搜索算法的四旋翼无人机参数辨识方法，其特征在于，在第二步中，根据建立的模型选择需要辨识的相关参数，其过程为：采用高精度的压力计测量四旋翼无人机的质量m；采用双悬线法、三悬线法或扭摆法测量四旋翼无人机的转动惯量Ix；双悬线和三悬线是在重力作用下，利用线悬挂四旋翼无人机，使其保持垂直，测得这X轴方向上轻微扭转的运动频率，利用转动惯量公式：其中Ix为转动惯量，m为无人机质量，R为无人机连接点距离机体中心距离，r为悬点距离飞行器质心水平距离，l为悬线长度，ωlx为扭动的运动频率；根据无人机的相关参数同时考虑机理建模，分别选择容易测量的四旋翼无人机的质量m、不易测量的四旋翼无人机的转动惯量Ix和无法测量的耦合系数ε0作为要辨识的参数。4.根据权利要求2所述的一种基于极值搜索算法的四旋翼无人机参数辨识方法，其特征在于，在第三步中，基于极值搜索算法建立四旋翼无人机参数辨识的目标函数，其过程为：首先对简化的四旋翼无人机起飞阶段的动态模型进行变换，定义状态变量如下则动态模型可描...

【专利技术属性】
技术研发人员：霍鑫，刘卫振，马克茂，王丽斌，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23