基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法技术

供一种基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，包括以下步骤：S10：建立四旋翼无人机的动力学模型；S20：基于重复补偿神经模糊PID控制，S21:设计由神经网络生成模糊推理（规则）并能够自调整PID参数的网络结构；S22：重复补偿控制。本发明专利技术提供的方法将基于内模原理的重复控制嵌入到基于神经网络生成模糊推理自调整PID闭环控制中，形成基于重复补偿神经模糊PID控制，使得系统仍然处于闭环状态，神经模糊PID对输出误差进行实时的控制调节，系统在稳定状态下时，重复补偿控制器进行调节，从而使稳态状态下输出信号能够很好地跟踪输入信号，当有较大的干扰时神经模糊PID调节输入信号，使信号误差减小，提升飞行器系统的跟踪精度。

Control method of fuzzy neural PID four rotor aircraft based on repetitive control compensation

For a PID four rotor aircraft based on fuzzy neural compensation repetitive control method, which comprises the following steps: S10: dynamic model of four rotor UAV; S20: fuzzy PID control based on neural S21: designed by repetitive compensation, neural network fuzzy reasoning (rules) and to be able to adjust the parameters of PID network structure; S22: repetitive compensation control. The invention provides a method of embedding the repetitive control based on internal model principle to generate neural network fuzzy inference PID closed-loop control adjustment based on fuzzy PID control based on repetitive compensation form nerves, makes the system is still in the closed state, the output error of neural fuzzy PID for real-time control system in the steady state. Repeat compensation controller is adjusted so that the steady-state output signal can track the input signal, when there is a large disturbance of neural fuzzy PID control input signal, the signal error, improve the tracking accuracy of the system of aircraft.

【技术实现步骤摘要】
基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法
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
四旋翼飞行器有6个自由度，通过四个独立电机驱动螺旋桨产生升力、推力，从而使四旋翼飞行器实现空中悬停和改变飞行姿态，是一类多输入多输出、强耦合、欠驱动非线性系统。且飞行系统要求无超调（或超调量较小）并且能够快速的跟踪输入指令，稳态时无静态误差，具有较强的抗干扰能力和对系统参数变化时，要有较强的鲁棒性。PID控制（Proportional-integral-derivativeControl）因其简单，稳定性好，较好的鲁棒性且技术相对其他控制算法比较成熟，仍然是目前大多数飞行器首选的控制算法。但是由于四旋翼飞行器本身系统的不确定性以及飞行过程中受到外部的影响等，使PID控制中的参数无法自调整，从而影响飞行器的飞行姿态，且PID控制中飞行器系统的跟踪精度较低。
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。提供一种行之有效的控制方法，使得飞行器在受到外部干扰时能够实时的对飞行器的飞行姿态进行自调整，提高并改善飞行系统的跟踪精度。本专利技术目的在于解决四旋翼无人机的飞行姿态控制方法中常规PID算法的PID参数的自调整过程误差大，以及跟踪精度不足的问题，提出了基于重复控制补偿神经模糊自整定PID的控制方法，以期提高四旋翼飞行器的飞行性能。为实现上述目的，本专利技术提出的一种基基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，包括如下步骤：S10：建立四旋翼无人机的动力学模型根据四旋翼飞行器的飞行姿态，通过牛顿-欧拉方程和坐标转换矩阵建立飞行器的动力学的数学模型，其中动力学方程如式（1）：式中，m为四旋翼飞行器的质量，g为重力加速度，μx、μy、μz为X轴、Y轴、Z轴三个方向的空气阻力系数，Jx、Jz、Jz为四旋翼飞行器绕X轴、Y轴、Z轴的转动惯量，Ir为四旋翼飞行器的旋翼相对于旋转轴的转动惯量，l为旋翼中心点到坐四旋翼飞行器质量中心的距离w1、w2、w3为飞行器的角速度，x、y、z为飞行器的位置，Ωi(i＝1,2,3,4)为各个旋翼的转速，θ、φ、ψ为飞行器的3个姿态角（俯仰、滚转、偏航）。由式（1）的四旋翼飞行器的动力学方程转换成四个独立的控制通道Ui(i=1,2,3,4)，通过控制这四个独立的控制通道，这四个通道分别由高度重复控制补偿神经模糊PID，翻滚重复控制补偿神经模糊PID，俯仰重复控制补偿神经模糊PID，偏航重复控制补偿神经模糊PID组成；S20：基于重复补偿神经模糊PID控制S21:设计由神经网络生成模糊推理（规则）并能够自调整PID参数的网络结构设计一个双输入、单输出的神经网络模糊系统，并设定其使用单向传播的多层前向神经网络，它的输入数据从输入层，先后依次经过各隐含层节点，最后从输出层的输出节点得到输出数据，其中各层之间限定如下：第一层为神经元节点，表示模糊控制器的输入信号，完成对误差e以及误差变化率ec的接受；第二层表示输入信号语言变量的语言值，是对输入数据的模糊化，即将输入数据转换成模糊量，表达为一个隶属函数；第三层和第四层完成模糊系统的模糊推理的过程，这两层表示模糊控制规则，其中，第三层完成模糊规则的模糊前件，第四层完成模糊规则的后件，进行模糊推理并输出模糊量；第五层完成去模糊化，将模糊量清晰化，并输出控制量；神经模糊自调整PID根据输入信号偏差e和ec的大小、方向以及变化趋势特征，通过神经模糊推理做出相应决策，在线调整PID参数kp,ki,kd以满足不同时刻对参数的不同要求，其中PID控制器为参数增量式控制器，在初始化PID控制器参数的基础上加上神经模糊控制器对PID参数在线调整，由以上算法确定PID控制所需要的最佳的kp,ki,kd参数，从而实现了参数自整定；S22：重复补偿控制将基于内模原理的重复控制嵌入到基于神经网络生成模糊推理自调整PID闭环控制中，形成基于重复补偿神经模糊PID控制。本方法通过四旋翼飞行器的动力学方程转换成四个独立的控制通道，并通过设计由神经网络生成模糊推理（规则）并能够自调整PID参数的网络结构实现对PID控制所需的最佳kp,ki,kd参数自整定；通过重复补偿控制可以消除输出信号的跟踪误差，继而使系统在负载的控制输出下不会出现畸变，提升飞行器的姿态控制稳定性和控制精度。具体的，所述基于内模原理的重复控制中，除了加到被控对象上的当前时刻的误差信号外还叠加了上一时刻的误差信号，形成具有时滞环节的正反馈，在时滞环节串联一低通滤波器，同时以期减小重复控制作用在高频段的增益。再进一步的，所述重复控制得到的控制信号需经过延迟时间t后才输出，设置重复补偿控制器在所述延迟时间t内对低通滤波器的输出经过重复PID后再输出，且在再输出前进行补偿。本专利技术的基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，基于内模原理的重复控制通过对控制误差的补偿，来减小误差，从而降低控制系统的稳态误差，抑制负载的扰动，重复控制系统中除了加到被控对象上的当前时刻的误差信号外还叠加了上一时刻的误差信号。由于重复控制是由具有时滞环节的正反馈构成的，系统的开环传递函数在虚轴上含有无数个极点，故系统对任何输入信号和干扰信号的系统误差趋于零，鲁棒性较强，而在时滞环节串联一个低通滤波器，同时以期减小重复控制作用在高频段的增益，进而保证了系统稳定性，即便系统内部出现干扰，在解除干扰对输出信号的影响所需要经过延迟的那段时间t内，将基于内模原理的重复控制嵌入到基于神经网络生成模糊推理自调整PID闭环控制中，形成基于重复补偿神经模糊PID控制，使得系统仍然处于闭环状态，干扰出现后的延迟时间t内，神经模糊PID对输出误差进行实时的控制调节，系统在稳定状态下时，重复补偿控制器的主要作用是进行调节，从而使稳态状态下输出信号能够很好地跟踪输入信号，当有较大的干扰时神经模糊PID能够调节输入信号，从而使信号误差减小，提升飞行器系统的跟踪精度。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飞行器控制方法中的神经网络模糊系统结构图；图4为本专利技术的四旋翼飞行器控制方法中的神经模糊PID控制系统结构原理图；图5为本专利技术的四旋翼飞行器控制方法中的重复控制系统原理图；图6为本专利技术的四旋翼飞行器控制方法中的基于重复补偿的神经模糊PID控制系统框图；图7为本专利技术的四旋翼飞行器控制方法中的四旋翼飞行器滚转角系统仿真框图；图8为无干扰常规PID、神经模糊PID、重复补偿神经模糊PID控制下的滚转角的阶跃响应对比图；图9为有持续干扰下常规PID、神经模糊PID、重复补偿神经模糊PID控制下的滚转角的阶跃响应自整定下飞行器的姿态角对比图；图10为常规PID、神经模糊PID、重复补偿神经模糊PID跟踪性测试对比图；图11为本专利技术的四旋翼飞行器控制方法的重复补偿神经模糊PID鲁棒性测试图；图12为四旋翼飞行器姿态PID控制方法的PID鲁棒性测试图；图13为四旋翼飞行器姿态神经模糊PID控制方法的神经模糊PID鲁棒性测试图。具体实施方式为本文档来自技高网...

【技术保护点】
一种基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，包括以下步骤：S10：建立四旋翼无人机的动力学模型根据四旋翼飞行器的飞行姿态，通过牛顿‑欧拉方程和坐标转换矩阵建立飞行器的动力学的数学模型，其中动力学方程如式(1)：

【技术特征摘要】
1.一种基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，包括以下步骤：S10：建立四旋翼无人机的动力学模型根据四旋翼飞行器的飞行姿态，通过牛顿-欧拉方程和坐标转换矩阵建立飞行器的动力学的数学模型，其中动力学方程如式(1)：式中，m为四旋翼飞行器的质量，g为重力加速度，μx、μy、μz为X轴、Y轴、Z轴三个方向的空气阻力系数，Jx、Jz、Jz为四旋翼飞行器绕X轴、Y轴、Z轴的转动惯量，Ir为四旋翼飞行器的旋翼相对于旋转轴的转动惯量，l为旋翼中心点到坐四旋翼飞行器质量中心的距离w1、w2、w3为飞行器的角速度，x、y、z为飞行器的位置，Ωi(i＝1,2,3,4)为各个旋翼的转速，θ、φ、ψ分别为飞行器的俯仰姿态角、滚转姿态角、偏航姿态角，由式(1)的四旋翼飞行器的动力学方程转换成四个独立的控制通道Ui...

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