一种基于触发式预测控制的飞行器控制方法技术

本发明专利技术公开一种基于触发式预测控制的飞行器控制方法，其特征在于，首先确定模型预测控制算法每一采样时刻的最优控制序列；然后通过系统的输出和状态变量确定条件触发机制的条件触发方程；最后根据控制需求设置系统的条件阈值，通过比较每一采样时刻条件触发方程的值与阈值之间的大小关系判断系统是否进行条件触发。该方法针对传统的模型预测控制算法在线计算量大的问题，将模型预测控制算法与条件触发机制相结合，以减小其在线计算量，提高模型预测控制算法的在线实施效率。

【技术实现步骤摘要】

本专利技术涉及一种飞行器控制方法，具体涉及一种基于触发式预测控制的飞行器控制方法，该方法是在传统模型预测控制的基础上加入条件触发机制，解决传统模型预测控制在线计算量的问题，从而提高其在飞行器控制过程中的实施效率，属于飞行器控制

技术介绍
近年来，随着无人飞行器应用技术的发展，其控制技术逐渐成为业界关注的焦点。许多学者也提出了很多飞行器控制方法：基于DHP算法的在线最优飞行器控制系统、基于滑模控制的最优控制算法、基于Lyapunov稳定判据的Backstepping四旋翼飞行器的控制系统。基于DHP算法的在线最优飞行器控制系统能有效的解决飞行器控制系统中多变量干扰和系统非线性问题，但其控制效果及鲁棒性不佳；基于滑模控制的最优控制算法在保证最优控制性能的前提下，能使控制系统具有较强的鲁棒性，但其控制器输出具有较大抖动，影响系统的稳定性；基于Lyapunov稳定判据的Backstepping四旋翼飞行器的控制系统虽然能够保证控制系统的稳定性，但系统设计和计算量相当复杂，不适用于飞行器控制。鉴于MPC具有能克服非线性、处理各种约束的控制特征，而飞行器的数学模型也正好具有非线性、多约束的特点。所以，模型预测控制算法对于飞行器控制方法的改进有很大的参考意义。模型预测控制(Modelpredictivecontrol，MPC)技术从上世纪70年代问世以来，已经从最初在工业过程中应用的启发式控制算法发展成为一个具有丰富理论和实践内容的新的学科分支。预测控制针对的是有优化需求的控制问题，30多年来预测控制在复杂工业过程中所取得的成功，已充分显现出其处理复杂约束优化控制问题的巨大潜力。进入本世纪以来，随着科学技术的进步和人类社会的发展，人们对控制提出了越来越高的要求，不再满足于传统的整定设计，而希望控制系统能通过优化获得更好的性能。同时，优化受到了更多因素的制约，除了传统执行机构等物理条件的约束外，还要考虑各种工艺性、安全性、经济性(质量、能耗等)和社会性(环保、城市治理等)指标的约束，这两方面的因素对复杂系统的约束优化控制提出了新的挑战。模型预测控制是一种基于模型的闭环优化控制算法，其算法的核心是：可预测未来的动态模型，在线反复优化计算并滚动实施的控制作用和模型误差的反馈校正。模型预测控制具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和并联性，并能方便的处理过程被控变量和操纵变量中的各种约束。模型预测控制算法是一种滚动的优化算法：在每一时刻以系统的当前状态为初始状态，通过在线求解一个有限时域的优化问题而得到一个控制序列，并将该序列的第一项作为输入应用到系统中，在下一个采样时刻，重复上述过程。由于该算法需要在线求解一个有限时域的优化问题，导致其在线计算量大，所以计算效率问题是它在实际应用中的主要问题，特别是在复杂系统中，其在线计算的效率问题是一个急需解决的问题。所以需要提出一种机制来减少模型预测控制算法的在线计算量。从而提高模型预测控制算法在飞行器控制过程中的实施效率。
技术实现思路
本专利技术的目的是：针对传统的飞行器控制方法—模型预测控制(MPC)算法在线计算量大的缺点，加入条件触发机制，通过控制变量与输出变量状态的判断，进行MPC在线滚动计算过程的选择触发，实现减小模型预测控制的在线计算量，从而提高模型预测控制算法在飞行器控制过程中的实施效率。本专利技术所采用的技术方案是：一种基于触发式预测控制的飞行器控制方法，其特征在于，首先确定模型预测控制算法每一采样时刻的最优控制序列；然后通过系统的输出和状态变量确定条件触发机制的条件触发方程；最后根据控制需求设置系统的条件阈值，通过比较每一采样时刻条件触发方程的值与阈值之间的大小关系判断系统是否进行条件触发，所述方法包含如下步骤：步骤1：模型预测控制系统的分析是基于研究对象的数学模型，假设以离散形式描述的研究对象数学模型如下所示：x(k+1)＝Ax(k)+Bu(k)y＝Cx(k)其中，x为状态变量，A为系统矩阵，B为输入矩阵，C为输出矩阵，k为采样时刻，目标函数定义为：其中，W(k)是输出的期望值，Qy、Ry是输出和控制加权矩阵，其控制过程表现为针对目标函数的优化，在每一采样时刻系统都会计算出一个最优的输入序列：U(k)＝[u(k)；u(k+1)…u(k+m-1)]其中m为系统的控制域，控制过程中，系统只将输入序列第一个元素u(k)作用于对象；步骤2：定义条件触发方程为：其中，y(k)表示输出，表示预测值，x(k)为状态变量，||·||表示常规欧几里得规范，λ为相邻采样时刻状态变量的差值的权重；步骤3：设置阈值ε，比较ε与条件触发方程P的大小，当P的值大于阀值ε时，触发器被触发；否则，系统将前一时刻计算的输入序列中对应的值作为当前输入值作用于系统，系统的控制变量表示如下：其中，P(·)表示系统的触发方程，为输入信号，u(k)为最优控制序列的第一个元素，u(k+j-1)为输入序列的第j个元素，j表示系统连续不满足触发条件的次数。如上所述的一种基于触发式预测控制的飞行器控制方法，其特征在于，步骤3中，当P>ε时表示系统满足触发条件时，会通过最优化计算出最优控制序列，并将序列的第一个元素作为控制信号；而当P<ε时表示系统不满足触发条件，此时系统将不需要计算新的最优控制序列；如果是第一次不满足触发条件，系统将取上一时刻计算的输入序列的第二个元素作为控制信号；若系统是第二次不满足触发条件，将取上一时刻计算的输入序列的第三个元素作为控制信号，以此类推。本专利技术的有益效果是：本专利技术提出的飞行器控制方法，采用基于触发式预测控制算法控制空中飞行器的飞行轨迹，解决了飞行器控制过程中模型非线性和多约束的问题，提高了控制系统的稳定性。其次，本专利技术针对传统的模型预测控制算法在线计算量大的问题，将模型预测控制算法与条件触发机制相结合，以减小其在线计算量，提高模型预测控制算法的在线实施效率。附图说明图1是基于条件触发机制的模型预测控制原理图。图2是条件触发机制的MPC流程图。图3是基本MPC姿态控制器。图4是基于条件触发的MPC姿态控制器。图5是轨迹跟踪控制系统。图6是不同模式下控制效果曲线。具体实施方式为了更好地理解本专利技术，下面结合实施例进一步阐明本专利技术的内容，但本专利技术的内容不仅仅局限于下面的实施例。本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样在本申请所列权利要求书限定范围之内。本专利技术所采用的一种基于触发式预测控制的飞行器控制方法，首先确定模型预测控制算法每一采样时刻的最优控制序列；然后通过系统的输出和状态变量确定条件触发机制的条件触发方程；最后根据控制需求设置系统的条件阈值，通过比较每一采样时刻条件触发方程的值与阈值之间的大小关系判断系统是否进行条件触发。所述方法包含如下步骤：步骤1：模型预测控制系统的分析是基于研究对象的数学模型，假设以离散形式描述的研究对象数学模型如下所示：x(k+1)＝Ax(k)+Bu(k)y＝Cx(k)其中，x为状态变量，A为系统矩阵，B为输入矩阵，C为输出矩阵，k为采样时刻。目标函数定义为：其中，W(k)是输出的期望值，Qy、Ry是输出和控制加权矩阵。其控制过程表现为针对目标函数的优化，在每一采样时刻系统都会计算出一个本文档来自技高网...

【技术保护点】
一种基于触发式预测控制的飞行器控制方法，其特征在于，首先确定模型预测控制算法每一采样时刻的最优控制序列；然后通过系统的输出和状态变量确定条件触发机制的条件触发方程；最后根据控制需求设置系统的条件阈值，通过比较每一采样时刻条件触发方程的值与阈值之间的大小关系判断系统是否进行条件触发，所述方法包含如下步骤：步骤1：模型预测控制系统的分析是基于研究对象的数学模型，假设以离散形式描述的研究对象数学模型如下所示：x(k+1)＝Ax(k)+Bu(k)y＝Cx(k)其中，x为状态变量，A为系统矩阵，B为输入矩阵，C为输出矩阵，k为采样时刻，目标函数定义为：J(k)=||W(k)-Y(k)||Qy2+||U(k)||Ry2]]>其中，W(k)是输出的期望值，Qy、Ry是输出和控制加权矩阵，其控制过程表现为针对目标函数的优化，在每一采样时刻系统都会计算出一个最优的输入序列：U(k)＝[u(k)；u(k+1)…u(k+m‑1)]其中m为系统的控制域，控制过程中，系统只将输入序列第一个元素u(k)作用于对象；步骤2：定义条件触发方程为：P(y(k),y~(k),x(k+1),x(k))=||y(k)-y~(k)||2+λ||x(k+1)-x(k)||2]]>其中，y(k)表示输出，表示预测值，x(k)为状态变量，||·||表示常规欧几里得规范，λ为相邻采样时刻状态变量的差值的权重；步骤3：设置阈值ε，比较ε与条件触发方程P的大小，当P的值大于阀值ε时，触发器被触发；否则，系统将前一时刻计算的输入序列中对应的值作为当前输入值作用于系统，系统的控制变量表示如下：u~(k)=u(k),whenP(y(k),y~(k),x(k+1),x(k))>ϵu(k+j-1),whenP(y(k),y~(k),x(k+1),x(k))≤ϵ]]>其中，P(·)表示系统的触发方程，为输入信号，u(k)为最优控制序列的第一个元素，u(k+j‑1)为输入序列的第j个元素，j表示系统连续不满足触发条件的次数。...

【技术特征摘要】
1.一种基于触发式预测控制的飞行器控制方法，其特征在于，首先确定模型预测控制算法每一采样时刻的最优控制序列；然后通过系统的输出和状态变量确定条件触发机制的条件触发方程；最后根据控制需求设置系统的条件阈值，通过比较每一采样时刻条件触发方程的值与阈值之间的大小关系判断系统是否进行条件触发，所述方法包含如下步骤：步骤1：模型预测控制系统的分析是基于研究对象的数学模型，假设以离散形式描述的研究对象数学模型如下所示：x(k+1)＝Ax(k)+Bu(k)y＝Cx(k)其中，x为状态变量，A为系统矩阵，B为输入矩阵，C为输出矩阵，k为采样时刻，目标函数定义为：J(k)=||W(k)-Y(k)||Qy2+||U(k)||Ry2]]>其中，W(k)是输出的期望值，Qy、Ry是输出和控制加权矩阵，其控制过程表现为针对目标函数的优化，在每一采样时刻系统都会计算出一个最优的输入序列：U(k)＝[u(k)；u(k+1)…u(k+m-1)]其中m为系统的控制域，控制过程中，系统只将输入序列第一个元素u(k)作用于对象；步骤2：定义条件触发方程为：P(y(k),y~(k),x(k+1),x(k))=||y(k)-y~(k)||2+λ||x(k+1)-x(k)||2]]>其中，y(k)表示输出，...

【专利技术属性】
技术研发人员：赵熙临，刘斐，明航，吴胧胧，何晶晶，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北;42