一种基于ESO的无人机动态逆广义预测控制器制造技术

本发明专利技术公开了一种基于ESO的无人机动态逆广义预测控制器，包括以下步骤：步骤1：建立无人机姿态回路和速度回路的数学模型；步骤2：采用动态逆方法对无人机的数学模型进行线性化处理；步骤3：设计线性扩张状态观测器对姿态回路和速度回路的总扰动进行估计；步骤4：设计基于CARMA模型的广义预测控制器对线性化后的姿态回路和速度回路施加控制作用。本发明专利技术将被控对象的参数不确定性、未建模动态以及外部扰动合在一起看成总扰动，用线性扩张状态观测器对总扰动进行估计；利用动态逆方法的思想，实现对被控对象数学模型的线性化。与传统的广义预测控制算法相比，该算法可以离线求得丢番图方程的解析解，降低了算法的在线计算量，减小了广义预测控制器对模型参数的敏感性。

【技术实现步骤摘要】
一种基于ESO的无人机动态逆广义预测控制器
本专利技术属于控制器及其应用领域，具体涉及一种基于ESO的无人机动态逆广义预测控制器。
技术介绍
非线性动态逆控制是基于被控对象的数学模型构造出对应的逆系统模型，利用非线性反馈的方式实现对被控对象的线性化，来将原来的被控对象简化成积分器的形式，以此来简化控制器的设计，实现更优控制的一种方法。动态逆方法的思想已经被用于各类实际控制系统中，实现了很好的控制效果。然而由于实际被控对象在建模时存在各种内部外部不确定性，使得动态逆控制算法的鲁棒性难以得到保证。ESO(ExtendedStateObserver，扩张状态观测器)是自抗扰控制重要的组成部分，它可以对被控对象所有的内部外部不确定性进行估计，以此来简化控制器的设计，使得被控对象具有满意的动态性能本专利技术将ESO引入到动态逆方法中，可以实现对被控对象所有未知部分的实时估计，从而改善了动态逆方法的鲁棒性。广义预测控制(GeneralizedPredictiveControl-GPC)是一种新型预测控制算法，它以受控自回归积分滑动平均模型(CARIMA)或受控自回归滑动平均模型(CARMA)为预测模型，通过对过程输出多步预测，并结合滚动优化和反馈校正的思想，来对被控对象施加控制作用，具有良好的动态性能、鲁棒性和干扰抑制能力，可以更好的适应于非线性、大时滞、时变等复杂的控制过程，因此，广义预测控制算法被广泛运用于实际装置中。但是GPC对于模型参数比较敏感，同时需要在线求解丢番图方程组，在线计算量大，限制了其在快速系统中的应用。本专利技术将动态逆方法与广义预测控制结合在一起，利用动态逆控制的思想，通过反馈的方式对被控对象进行线性化；通过引入ESO对模型中所有的内部外部不确定性进行实时估计，从而将原系统简化成单积分器的形式；之后针对单积分器这一简单的线性系统设计广义预测控制器。该方法可以离线求得丢番图方程的解析解，降低了算法的在线计算量，减小了广义预测控制器对模型参数的敏感性。基于ESO的无人机动态逆广义预测控制器可以实时估计系统的内部、外部不确定性，具有良好的动态性能、抗干扰性能以及鲁棒性。
技术实现思路
本专利技术的目的是提供一种基于ESO的无人机动态逆广义预测控制器，该方法可以离线求得丢番图方程的解析解，降低了算法的在线计算量，减小了广义预测控制器对模型参数的敏感性。本专利技术所采用的技术方案是，一种基于ESO的无人机动态逆广义预测控制器，包括以下步骤：步骤1：建立无人机姿态回路和速度回路的数学模型；步骤2：采用动态逆方法对无人机的数学模型进行线性化处理；步骤3：设计线性扩张状态观测器对姿态回路和速度回路的总扰动进行估计；步骤4：设计基于CARMA模型的广义预测控制器对线性化后的姿态回路和速度回路施加控制作用。优选的，所述步骤1中，以姿态回路为例，来给出基于ESO的无人机动态逆广义预测控制器的设计思路，速度回路数学模型的处理思路和姿态回路类似。假设无人机姿态回路的数学模型可以写成如下形式：其中：U＝[u1u2u3]是被控对象的控制输入，X＝[x1x2x3]是被控对象的输出，F1(X)是非线性函数，假设F1(X)＝[f1(X)f2(X)f3(X)]是已知的，G1为控制器的增益，△是未知的扰动，包括系统所有内部外部不确定性。在动态逆算法的思想中，对于多输入多输出系统，G1应该是可逆的，如果G1不可逆，可以用一个可逆矩阵G10来对G1进行估计，则原来的被控对象可写成如下形式：将(G1-G10)U归结到未知扰动△中，则被控对象可写成如下形式：其中：△s＝△+(G1-G0)U。优选的，步骤2中，采用动态逆方法对被控对象的数学模型进行线性化处理。引入虚拟控制输入U0＝[u10u20u30]，在没有未知扰动△s时，根据动态逆算法的思想，可设计如下形式的控制律：将所设计的控制律代入没有未知扰动△s的被控对象中，将原来的被控对象简化成一个分器的形式：可以发现，引入动态逆思想对被控对象进行简化后，原来的多输入多输出的被控对象可以实现解耦，且每个解耦后的子系统都被简化成积分器的形式，可以更容易设计控制器对简化后的系统施加控制作用，以获得满意的性能。优选的，步骤3中，为了简化参数的调节过程，我们采用的是线性扩张状态观测器(LinearESO-LESO)。对于被控对象来说，△s是未知的，需要设计线性扩张状态观测器对其进行估计，则所述线性扩张状态观测器的表达式为：其中：Z1用来估计X，Z2用来估计总扰动△s。如果扩张状态观测器估计准确，则Z2可以很好的跟踪未知扰动△s，则根据动态逆算法的思想，在有未知扰动△s时，可设计如下形式的控制律：优选的，步骤4中，可对各个线性化后的子系统独立地设计基于CARMA模型的广义预测控制律作为虚拟控制输入ui0(i＝1,2,3)来进行控制，表达式为：U＝(GTG+λI)-1GT[W-Fy(k)-Hu(k-1)]其中：F，G，H是广义预测控制器丢番图方程的解，W是期望输入的柔化序列，y(k)是系统的输出，u(k)是系统的输入，取U的第一个元素作为被控对象的虚拟控制输入ui0(i＝1,2,3)。优选的，所述无人机采用尾座式无人机，所述控制器还包括采用四元数法对尾座式无人机进行姿态解算，其表达式为：θ＝arcsin2(q0q2-q3q1)其中：q0、q1、q2、q3为的实数，四元数Q的表达式可写成：q0为标量，为矢量，为基矢量，Q也能写成的形式。本专利技术的有益效果为：1、本专利技术将动态逆方法与广义预测控制结合在一起，利用动态逆算法的思想，引入虚拟控制输入U0，通过反馈的方式对被控对象进行线性化，将原系统简化成单积分器的形式；通过引入ESO对模型中所有的内部外部不确定性进行实时估计；之后对简化后的系统设计广义预测控制器，由于线性化后的系统是固定的积分器形式，因此可以离线求得广义预测控制器中丢番图方程的解析解，降低了算法的在线计算量，减小了广义预测控制器对模型参数的敏感性。2、本专利技术整个算法在实验操作过程中无需被控对象精确的模型信息，就可以完成控制器的设计；通过对总扰动实时估计补偿，可以增强算法的动态性能、抗干扰性能和鲁棒性。3、本专利技术将ESO引入到动态逆方法中，可以实现对被控对象各种内部外部不确定性的实时估计，从而改善了动态逆方法的鲁棒性。即使ESO不能精确地估计总扰动，广义预测控制器的强鲁棒性也能保证整个控制系统获得良好的动态性能。4.本专利技术的设计方法过程清晰明了，实现方便，系统地解决了广义预测控制器在线计算量大、对模型参数敏感等问题，扩大的广义预测控制器的应用范围，使得广义预测控制更适合于工程应用。附图说明图1是本专利技术提供的一种基于ESO的无人机动态逆广义预测控制器的控制框图；图2是本专利技术提供的一种基于ESO的无人机动态逆广义预测控制器的流程示意图；图3是本专利技术实施例一提供的一种基于ESO的无人机动态逆广义预测控制器中尾座式无人机过渡飞行模式示意图；图4是本专利技术实施例一提供的一种基于ESO的无人机动态逆广义预测控制器中尾座式无人机结构示意图；图5是本专利技术实施例一提供的一种基于ESO的无人机动态逆广义预测控制器中针对尾座式无人机所设计的控制框图；图6是本专利技术实施例一提供的一种基于ESO的无人机动态逆广义预测控制器中对尾座式无人机本文档来自技高网...

【技术保护点】
1.一种基于ESO的无人机动态逆广义预测控制器，其特征在于，包括以下步骤：步骤1：建立无人机姿态回路和速度回路的数学模型；步骤2：采用动态逆方法对无人机的数学模型进行线性化处理；步骤3：设计线性扩张状态观测器对姿态回路和速度回路的总扰动进行估计；步骤4：设计基于CARMA模型的广义预测控制器对线性化后的姿态回路和速度回路施加控制作用。

【技术特征摘要】
1.一种基于ESO的无人机动态逆广义预测控制器，其特征在于，包括以下步骤：步骤1：建立无人机姿态回路和速度回路的数学模型；步骤2：采用动态逆方法对无人机的数学模型进行线性化处理；步骤3：设计线性扩张状态观测器对姿态回路和速度回路的总扰动进行估计；步骤4：设计基于CARMA模型的广义预测控制器对线性化后的姿态回路和速度回路施加控制作用。2.根据权利要求1所述的一种基于ESO的无人机动态逆广义预测控制器，其特征在于，所述步骤1中，以姿态回路为例，来给出基于ESO的无人机动态逆广义预测控制器的设计思路，速度回路数学模型的处理思路和姿态回路类似。假设无人机姿态回路的数学模型可以写成如下形式：其中：U＝[u1u2u3]是姿态回路的控制输入，X＝[x1x2x3]是姿态回路的输出，F1(X)是非线性函数，假设F1(X)＝[f1(X)f2(X)f3(X)]是已知的，G1为控制器的增益，Δ是未知的扰动，包括系统所有内部外部不确定性；在动态逆算法的思想中，对于多输入多输出系统，G1应该是可逆的，如果G1不可逆，可以用一个可逆矩阵G10来对G1进行估计，则原来的被控对象可写成如下形式：将(G1-G10)U归结到未知扰动Δ中，则被控对象可写成如下形式：其中：Δs＝Δ+(G1-G0)U。3.根据权利要求2所述的一种基于ESO的无人机动态逆广义预测控制器，其特征在于，步骤2中，基于动态逆的思想对被控对象的数学模型进行线性化处理，引入虚拟控制输入U0＝[u10u20u30]，在没有未知扰动Δs时，根据动态逆算法的思想，可设计如下形式的控制律：将所设计的控制律代入没有未知扰动Δs的被控对象中，将原来...

【专利技术属性】
技术研发人员：罗世彬，吴瑕，廖宇新，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43