四旋翼无人飞行器的飞行控制方法技术

本发明专利技术提供一种四旋翼无人飞行器的飞行控制方法，包括步骤S10:建立四旋翼飞行器的动力学模型，QUAV的动力学方程;S20：设计基于复合控制的控制方式来控制步骤S10中动力学方程转换而来的四个独立的控制通道，所述四个通道的控制方式分别分别为高度PID、翻滚ADRC、俯仰ADRC、偏航EACS‑PID，经过控制量的转换控制调节四个旋翼的转速来达到姿态控制。本发明专利技术提供的方法能使得四旋翼无人飞行器适应外界环境变化，偏航EACS‑PID可以实现控制参数自适应调整，翻滚ADRC、俯仰ADRC可以以更主动的方式进行抗扰，高度PID在保持很好的抗干扰能力和鲁棒性的同时避免了程序过于复杂，降低四旋翼无人机的处理器负荷，提高硬件的运行效率。

【技术实现步骤摘要】

本专利技术涉及无人飞行器
，具体涉及到四旋翼无人飞行器的飞行控制方法。
技术介绍
四旋翼无人飞行器(QuadrotorUnmannedAerialVehicle,QUAV)是一种通过无线远程遥控设备加之自身传感器实现自主飞行的不载人飞行器，其有6个自由度，4个控制输入，由4个无刷直流电机驱动产生的差动力矩实现其俯仰运动和翻滚运动，产生的反扭力矩实现偏航运动,是非线性欠驱动系统。这类飞行器广泛应用于军事和民用领域。四旋翼无人飞行器相比固定翼无人飞行器，由于能垂直起降，起飞和着陆的要求较低，灵活性高，在复杂的地势下有更强的适应性。目前使用最多的控制方法是PID控制(Proportional-integral-derivativeControl)，其通过识别目标，然后探测现状与目标的差距，再用行动消除它。PID控制结构简单，控制技术成熟，鲁棒性较好。但是，在四旋翼无人飞行器飞行过程当中，控制器当中的参数难以自动地调整来适应外界变化，因而很难达到预定的目标，影响控制效果。
技术实现思路
本专利技术旨在解决现有技术中存在的技术问题。为解决PID的控制不能根据飞行器外部环境变化而自适应调制的问题，因而需要对PID的控制参数进行自适应调整来实现飞行器自动调整，本专利技术是基于最优-最差蚂蚁系统(Best-worstAntSystem,BWAS)算法来优化PID控制参数。本专利技术提出一种四旋翼飞行器的飞行控制方法，是基于最优-最差蚂蚁系统(Best-worstAntSystem,BWAS)算法来优化PID控制参数的飞行控制方法，控制四旋翼无人机的飞行姿态过程，能适应外界环境变化，实现控制参数自适应调整，保持很好的抗干扰能力和鲁棒性，提高四旋翼无人飞行器的飞行品质。所述四旋翼无人飞行器的飞行控制方法，主要由四旋翼无人飞行器的主控制器模块来执行，具体包括以下步骤：S10：建立四旋翼飞行器的动力学模型，QUAV的动力学方程为；其中，θ、ψ分别为四旋翼无人飞行器的翻滚角、俯仰角和偏航角，l为其质心至旋翼中心的距离，Ix、Iy、Iz为惯性主距，Ωi为第i个旋翼转速，Fi为第i个旋翼产生的升力，旋翼产生的升力与旋翼传动速度平方成正比，IR为转动惯量，n1为其升力系数，n2为反扭矩系数；为了把四旋翼飞行器的动力学方程转换成四个独立的控制通道,定义四旋翼飞行器的控制输入为S20：设计基于最优-最差蚂蚁系统(BWAS)算法来优化PID控制参数，再由步骤S10中的四旋翼无人飞行器的动力学方程转换成四个独立的控制通道，四个所述控制通道分别为高度BWAS-PID、翻滚BWAS-PID、俯仰BWAS-PID、偏航BWAS-PID；其中采用最优-最差蚂蚁系统(BWAS)算法来优化PID控制参数包括以下过程S21:PID控制采用增量式数字PID控制，其表达式如式(3)：式中Kp为比例系数，e(k)为本次偏差，Δu(k)对应的控制量为u(k)，T为采样周期，Ti为积分时间常数，Td为微分时间常数，PID控制需要确定的参数分别为Kp、Ti和Td；S22:PID控制参数优化采用式(4)表示评价控制系统的性能指标：式中LP为仿真计算点数，DT为仿真计算步骤；则式子(4)连续形式表示为式(5)：设蚂蚁总数为m，对于每一个蚂蚁，此时刻的点为i，其对应函数值为ηi，下一个可达的点j，对应函数值为ηj，则蚂蚁会朝着信息素最多的方向移动，当没有信息素时，便会按照原来的运动方向移动，因此蚂蚁在t时刻处于i点时朝着j点移动的概率如式(7)：式中，allowed为蚂蚁从地点i直接到达下一个路径点的集合，τ为信息素，τij是路径i到路径j的信息素含量，α为信息素的相对重要程度，若α＝0，最靠近i的地点j将有被选出；β为距离信息的相对重要程度，β＝0，蚂蚁只受到信息素的影响而忽略了启发式信息带来的偏向性；如果蚂蚁移动方向有障碍物时，则随机选择其他的方向，如果有信息素指引时，则按照其指引行动，寻优时蚂蚁的移动概率根据式(7)来确定，Δηij(t)＜0表示蚂蚁在自身所在地点i的邻域搜索，感知并且行动；Δηij(t)＞0表示蚂蚁按照移动概率从其自身所在地点i的邻域移动至j的邻域；经过n个时间单位之后，局部信息素更新策略按式(8)、(9)演变：τij(t+n)＝(1-ρ)τij(t)+ρΔτij(8)其中ρ∈(0,1)是信息素挥发参数，Δτij为本次循环中在路径(i,j)上的信息素增量，为蚂蚁k在本次循环中在路径(i,j)上留下的信息素；最优-最差蚁群算法对最优解进行了更大限度的增强，对于最差解进行了削弱，使得属于最优路径和最差路径之间的信息素量差异进一步增大，这样可以使得蚂蚁的搜索更为集中在当前循环为止所找出的最优路径的范围内；当一次迭代结束之后，对于最差蚂蚁所经过的路径进行信息素更新，即为全局信息素更新如式(10)：其中ε是引入的参数，Lworst和Lbest分别为当前循环中最差蚂蚁和最优蚂蚁的路径长度，τ(i,j)为在路径(i,j)上的信息素轨迹量；路径的构建：位于节点i的蚂蚁k在每次选择下一个路径前会产生一个随机数q，那么从节点i到节点j的移动规则p′按式(11)：q是随机变量，均匀分布在区间[0,1]中，q0∈[0,1]；通过以上BWAS算法可以找到PID控制参数最优解。本专利技术的四旋翼飞行器控制方法，根据式(8)、(9)、(10)蚂蚁来持续更新信息素，然后蚂蚁根据不同的信息素来选择不同的路径，当路径到达最远，且信息素含量最多的那条路径就是PID控制参数的最优解路径；其中最优-最差蚁群算法对最优解进行了更大限度的增强，对于最差解进行了削弱，使得属于最优路径和最差路径之间的信息素量差异进一步增大，这样可以使得蚂蚁的搜索更为集中在当前循环为止所找出的最优路径的范围内，因而能有效地利用最优路径，也就可以更快速准确的获得PID控制参数最优解，再由步骤S10中的四旋翼无人飞行器的动力学方程转换成四个独立的控制通道，进而控制四旋翼无人飞行器的四个直流电电机的转速，解决了PID控制中其控制参数不能自适应调整的缺陷，使得无人机在飞行时可以更好地适应外界环境的变化，提高了无人飞行器控制系统的抗扰性和鲁棒性，达到了理想的飞行控制效果。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术的四旋翼无人飞行器整体结构示意图；图2为本专利技术的四旋翼无人飞行器主要模块构成示意图；图3为本专利技术的四旋翼无人飞行器机体坐标系和惯性坐标系图；图4为本专利技术的四旋翼无人飞行器控制系统结构示意图；图5为本专利技术的四旋翼无人飞行器控制方法中的基于BWAS优化PID控制系统结构示意图；图6为本专利技术的四旋翼无人飞行器控制方法中的基于BWAS-PID控制下与基于PID控制、AS-PID控制下的偏航角跟踪对比图；图7为本专利技术的四旋翼无人飞行器控制方法中的基于BWAS-PID控制下与基于PID控制、AS-PID控制下的翻滚角抗扰性能对比图；图8为基于PID控制下鲁棒性测试结果图；图9为基于AS-PID控制下鲁棒性测试结果图；图10为本专利技术的方法的基于BWAS-PID控制下鲁棒性测试结果图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体本文档来自技高网...

【技术保护点】
一种四旋翼无人飞行器的飞行控制方法，包括以下步骤：S10：建立四旋翼飞行器的动力学模型，QUAV的动力学方程为；其中，θ、ψ分别为四旋翼无人飞行器的翻滚角、俯仰角和偏航角，l为其质心至旋翼中心的距离，Ix、Iy、Iz为惯性主距，Ωi为第i个旋翼转速，Fi为第i个旋翼产生的升力，旋翼产生的升力与旋翼传动速度平方成正比，IR为转动惯量，n1为其升力系数，n2为反扭矩系数；为了把四旋翼飞行器的动力学方程转换成四个独立的控制通道,定义四旋翼飞行器的控制输入为U1U2U3U4=F1+F2+F3+F4F4-F2F3-F1F2+F4-F1-F3=n1Σi=14Ωi2n1(Ω42-Ω22)n1(Ω32-Ω12)n2(Ω12-Ω22+Ω32-Ω42)---(2)]]>S20：设计基于最优‑最差蚂蚁系统(BWAS)算法来优化PID控制参数，再由步骤S10中的四旋翼无人机的动力学方程转换成四个独立的控制通道，四个所述控制通道分别为高度BWAS‑PID、翻滚BWAS‑PID、俯仰BWAS‑PID、偏航BWAS‑PID；其中采用最优‑最差蚂蚁系统(BWAS)算法来优化PID控制参数包括以下过程S21:PID控制采用增量式数字PID控制，其表达式如式(3)：Δu(k)=Kp{[e(k)-e(k-1)]+TTie(k)+TdT[e(k)-2e(k-1)+e(k-2)]}---(3)]]>式中Kp为比例系数，e(k)为本次偏差，Δu(k)对应的控制量为u(k)，T为采样周期，Ti为积分时间常数，Td为微分时间常数，PID控制需要确定的参数分别为Kp、Ti和Td；S22:PID控制参数优化采用式(4)表示评价控制系统的性能指标：η=DT2Σi=1LPi|e(i)|---(4)]]>式中LP为仿真计算点数，DT为仿真计算步骤，则式子(4)连续形式表示为式(5)：η=∫0∞t|e(t)|dt---(5)]]>设蚂蚁总数为m，对于每一个蚂蚁，此时刻的点为i，其对应函数值为ηi，下一个可达的点j，对应函数值为ηj，则Δηij=ηi-ηj,∀i,j---(6)]]>蚂蚁会朝着信息素最多的方向移动，当没有信息素时，便会按照原来的运动方向移动，因此蚂蚁在t时刻处于i点时朝着j点移动的概率如式(7)：pij(t)=τijα(t)Δηijβ(t)Σl∈allowedτilα(t)Δηilβ(t),j∈allowed---(7)]]>式中，allowed为蚂蚁从地点i直接到达下一个路径点的集合，τ为信息素，τij是路径i到路径j的信息素含量，α为信息素的相对重要程度，若α＝0，最靠近i的地点j将有被选出；β为距离信息的相对重要程度，β＝0，蚂蚁只受到信息素的影响而忽略了启发式信息带来的偏向性；如果蚂蚁移动方向有障碍物时，则随机选择其他的方向，如果有信息素指引时，则按照其指引行动，寻优时蚂蚁的移动概率根据式(7)来确定，Δηij(t)＜0表示蚂蚁在自身所在地点i的邻域搜索，感知并且行动；Δηij(t)＞0表示蚂蚁按照移动概率从其自身所在地点i的邻域移动至j的邻域；经过n个时间单位之后，局部信息素更新策略按式(8)、(9)演变：τij(t+n)＝(1‑ρ)τij(t)+ρΔτij    (8)Δτij=Σk=1mΔτijk---(9)]]>式中ρ∈(0,1)是信息素挥发参数，Δτij为本次循环中在路径(i,j)上的信息素增量，为蚂蚁k在本次循环中在路径(i,j)上留下的信息素；当一次迭代结束之后，对于最差蚂蚁所经过的路径进行信息素更新，即为全局信息素更新如式(10)：τ(i,j)=(1-ρ)τ(i,j)-ϵLworstLbest---(10)]]>式中ε是引入的参数，Lworst和Lbest分别为当前循环中最差蚂蚁和最优蚂蚁的路径长度，τ(i,j)为在路径(i,j)上的信息素轨迹量；路径的构建：位于节点i的蚂蚁k在每次选择下一个路径前会产生一个随机数q，那么从节点i到节点j的移动规则p′按式(11)：p′=argmaxj∈allowed{[τij]α[ηij]β},q≤q...

【技术特征摘要】
1.一种四旋翼无人飞行器的飞行控制方法，包括以下步骤：S10：建立四旋翼飞行器的动力学模型，QUAV的动力学方程为；其中，θ、ψ分别为四旋翼无人飞行器的翻滚角、俯仰角和偏航角，l为其质心至旋翼中心的距离，Ix、Iy、Iz为惯性主距，Ωi为第i个旋翼转速，Fi为第i个旋翼产生的升力，旋翼产生的升力与旋翼传动速度平方成正比，IR为转动惯量，n1为其升力系数，n2为反扭矩系数；为了把四旋翼飞行器的动力学方程转换成四个独立的控制通道,定义四旋翼飞行器的控制输入为U1U2U3U4=F1+F2+F3+F4F4-F2F3-F1F2+F4-F1-F3=n1Σi=14Ωi2n1(Ω42-Ω22)n1(Ω32-&Ome...

【专利技术属性】
技术研发人员：钟海鑫，罗晓曙，杨力，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：广西;45