一种抗干扰四旋翼无人机姿态控制方法技术

本发明专利技术涉及一种通过设计径向基神经网络补偿器估计通道间耦合、模型不确定性部分及外部干扰，采用极点配置法确定分数阶比例微分控制器的增益初值，通过微调分数阶微分阶数进一步提高控制性能，增强系统灵活性，最后设计反馈线性化控制器得出控制量，实现对四旋翼无人机具有强抗干扰性的稳定姿态控制。有益效果：考虑了系统未建模部分、通道之间的耦合作用和外部干扰，提高了姿态控制方法的普适性。通过设计径向基神经网络估计器对系统的未建模部分、通道之间的耦合作用和外部干扰进行估计用于补偿，使系统具有良好的抗干扰能力。在传统比例微分控制的基础上，引入分数阶微分提高了系统的控制性能和灵活性。

An anti jamming attitude control method for four rotor unmanned aerial vehicle

The invention relates to a method for the design of RBF neural network compensator to estimate the coupling channel, model uncertainty and external disturbance, determine the initial gain Fractional Order PID controller based on pole assignment method, by adjusting the fractional order differential order to further improve the control performance, enhance the flexibility of the system, the final design of feedback linearization controller can control the amount, to achieve the four rotor UAV has strong anti-interference performance stable attitude control. Beneficial results: the unmodeled part of the system, the coupling between the channels and the external interference are considered, and the universality of the attitude control method is improved. The RBF neural network estimator is used to estimate the unmodeled part of the system, the coupling effect between the channels and the external disturbances, so as to compensate the system, so that the system has good anti-interference ability. On the basis of traditional proportional differential control, fractional differential is introduced to improve the control performance and flexibility of the system.

【技术实现步骤摘要】
一种抗干扰四旋翼无人机姿态控制方法
本专利技术属于自动控制
，涉及一种抗干扰四旋翼无人机姿态控制方法，针对存在强干扰、未建模部分及耦合非线性项的四旋翼无人机，实现良好的姿态控制。
技术介绍
近年来旋翼无人机成为国内外前沿学者的研究热点之一，四旋翼无人机作为一种典型的旋翼式无人机，以其体积小、机动能力强、设计简单、制造成本低等优点,广泛应用于航模产业、航空拍摄、电力安防、海洋监测、城市消防、农林作业和森林防火等民用和军用领域,应用前景极为广阔业。四旋翼无人机是一种具有非线性、欠驱动、强耦合以及静不稳定特点的复杂系统，对其实现高效稳定的控制存在一定难度。同时,四旋翼无人机体积小、重量轻,在飞行中易受外部干扰，状态信息难以准确获取，使控制难度进一步加大。因此，设计出高性能的无人机的控制方案具有十分重要的应用价值。PID(比例、积分和微分)控制是目前最为常用的四旋翼飞行器姿态控制方法，具有设计简单、易于工程实现等优点，但在模型参数及工况发生变化时，控制性能难以得到保证。已有研究成果中，四旋翼飞行器姿态控制律大都基于线性模型进行设计，未考虑非线性项及各通道之间的耦合作用，当存在模型不确定及存在外界干扰时控制效果较差。文献“小型四旋翼飞行器的滑模控制，中南大学学报(自然科学版)，2017，Vol4(48)，p1006-1011”给出了一种基于反演控制和滑模控制的四旋翼无人机姿态控制方法，采用Lyapunov稳定性理论证明所设计滑模控制器的稳定性，具有良好的控制跟踪动态性能和鲁棒性。但采用滑模控制为实现抗干扰需要确定未建模部分和干扰的上界，而该上界往往不易获得，从而影响了姿态控制的鲁棒性，同时滑模控制的抖振无法消除，进入稳态后抖振现象对执行器和姿态控制精度均有不利影响。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出一种抗干扰四旋翼无人机姿态控制方法，针对存在模型不确定及存在外界干扰时四旋翼无人机的姿态控制问题。技术方案一种抗干扰四旋翼无人机姿态控制方法，其特征在于步骤如下：步骤1、建立无人机姿态运动方程：式中，p为无人机的滚动角速度；为无人机的滚动角加速度；q为无人机的俯仰角速度；为无人机的俯仰角加速度；r为无人机的偏航角速度；为无人机的偏航角加速度；Ix、Iy、Iz分别为无人机在x、y、z轴上的转动惯量；τx、τy、τz分别为无人机在x、y、z轴上的力矩；步骤2将无人机姿态运动方程变换为的积分链式模型形式：：式中，Δf(·)为模型不确定性项；d(·)为外部干扰项。x1＝φ为无人机的滚动角，x2＝θ为无人机的俯仰角，x3＝ψ为无人机的偏航角；步骤3：控制指令跟踪微分器1.滚动通道跟踪微分器：式中，为微分器为滚动角指令φcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对滚动角指令φcmd一、二阶导数的估计信号，r为微分器跟踪参数；2.俯仰通道跟踪微分器：式中，为微分器为俯仰角指令θcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对俯仰角指令θcmd一、二阶导数的估计信号；3.偏航通道跟踪微分器：式中，为微分器为偏航角指令ψcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对滚动角指令ψcmd一、二阶导数的估计信号；步骤4：设计分数阶反馈控制器无人机的滚动通道反馈控制器；式中，Kφ1为俯仰通道比例控制增益，Kφ2为俯仰通道分数阶微分控制增益，μφ为俯仰通道分数阶微分阶次；无人机的俯仰通道反馈控制器；式中，Kθ1为俯仰通道比例控制增益，Kθ2为俯仰通道分数阶微分控制增益，μθ为俯仰通道分数阶微分阶次；无人机的偏航通道反馈控制器；式中，Kψ1为偏航通道比例控制增益，Kψ2为偏航通道分数阶微分控制增益，μψ为俯仰通道分数阶微分阶次；步骤5：基于径向基神经网络设计抗干扰补偿器1.滚动通道补偿器：式中，为滚动通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，隐含层节点个数为N，为高斯函数输出，cφj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，bφj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；WφT为滚动通道神经网络的权值；εφ为滚动通道神经网络逼近误差；2.俯仰通道补偿器：式中，为滚动通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，为高斯函数输出，cθj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，bθj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；WθT为滚动通道神经网络的权值；εθ为滚动通道神经网络逼近误差。3.偏航通道补偿器：式中，为滚动通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，为高斯函数输出，cψj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，bψj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；WψT为滚动通道神经网络的权值；εψ为滚动通道神经网络逼近误差。步骤6：反馈线性化控制器：1.滚动通道：2.俯仰通道：3.偏航通道：将uφcontrol、uθcontrol、uψcontrol分为输出给τx、τy、τz作为无人机控制力矩进行控制姿态。本专利技术针对考虑模型不确定、非线性耦合及外部干扰情况下的四旋翼无人机姿态控制问题，涉及了径向基神经网络估计和分数阶微分的四旋翼无人机控制方法，尽可能地消除模型不确定项、外部扰动等不可测部分对无人机姿态控制的影响。通过设计径向基神经网络补偿器估计通道间耦合、模型不确定性部分及外部干扰，采用极点配置法确定分数阶比例微分控制器的增益初值，通过微调分数阶微分阶数进一步提高控制性能，增强系统灵活性，最后设计反馈线性化控制器得出控制量，实现对四旋翼无人机具有强抗干扰性的稳定姿态控制。有益效果本专利技术提出的一种抗干扰四旋翼无人机姿态控制方法，以四旋翼无人机非线性姿态动力学模型为被控对象，采用分数阶PID控制方法作为姿态控制器，基于径向基(RBF)神经网络设计干扰补偿器估计模型不确定性和外界干扰等不可测项并对其进行补偿，实现四旋翼无人机快速稳定的姿态控制，具有良好的抗干扰性和姿态控制精度。有益效果是：(1)本专利技术提出的姿态控制方法，考虑了系统未建模部分、通道之间的耦合作用和外部干扰，提高了姿态控制方法的普适性。(2)该方法通过设计径向基神经网络估计器对系统的未建模部分、通道之间的耦合作用和外部干扰进行估计用于补偿，使系统具有良好的抗干扰能力。(3)该方法在传统比例微分控制的基础上，引入分数阶微分提高了系统的控制性能和灵活性。附图说明图1是应用本专利技术方法设计的俯仰通道控制器结构图。图2是应用本专利技术方法设计的四旋翼无人机姿态控制整体结构图。图3是有无内外干扰情况下俯仰角响应曲线对比图，其中上子图中间断线为存在内外干扰情况下俯仰角响应曲线，点虚线为不存在内外干扰情况下的俯仰角响应曲线。下子图为两种情况下俯仰角响应曲线之间的误差。图4是有无内外干扰情况下横滚角响应曲线对比图，其中上子图中间断线为存在内外干扰情况下横滚角响应曲线，点虚线为不存在内外干扰情况下的横滚角响应曲线。下子图为两种情况下横滚角响应曲线之间的误差。图5是有无内外干扰情况下偏航角响应曲线本文档来自技高网...

【技术保护点】
一种抗干扰四旋翼无人机姿态控制方法，其特征在于步骤如下：步骤1、建立无人机姿态运动方程：

【技术特征摘要】
1.一种抗干扰四旋翼无人机姿态控制方法，其特征在于步骤如下：步骤1、建立无人机姿态运动方程：式中，p为无人机的滚动角速度；为无人机的滚动角加速度；q为无人机的俯仰角速度；为无人机的俯仰角加速度；r为无人机的偏航角速度；为无人机的偏航角加速度；Ix、Iy、Iz分别为无人机在x、y、z轴上的转动惯量；τx、τy、τz分别为无人机在x、y、z轴上的力矩；步骤2将无人机姿态运动方程变换为的积分链式模型形式：：式中，Δf(·)为模型不确定性项；d(·)为外部干扰项。x1＝φ为无人机的滚动角，x2＝θ为无人机的俯仰角，x3＝ψ为无人机的偏航角；步骤3：控制指令跟踪微分器1.滚动通道跟踪微分器：式中，为微分器为滚动角指令φcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对滚动角指令φcmd一、二阶导数的估计信号，r为微分器跟踪参数；2.俯仰通道跟踪微分器：式中，为微分器为俯仰角指令θcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对俯仰角指令θcmd一、二阶导数的估计信号；3.偏航通道跟踪微分器：式中，为微分器为偏航角指令ψcm...

【专利技术属性】
技术研发人员：王佩，张科，徐有新，吕梅柏，姜海旭，王靖宇，李伟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61