The invention discloses a UAV humanoid cooperative flight controller and a realization method thereof. The system divides the controller into three layers: direct control layer, parameter correction layer and task adaptation layer. The realization steps of the invention are as follows: Step 1: determine the mathematical model of the two aircraft cooperative flight; step 2: design the cooperative flight controller. Step 3, optimize the controller parameters. The invention takes \long aircraft \u2011 wingman\ as a dual Aircraft Cooperative flight mode, which ensures the stability of the flight formation by maintaining the distance and angle between the long aircraft and wingman, thereby greatly reducing the control difficulty of the UAV cooperative formation. In the invention, the humanoid intelligent control is introduced into the dual aircraft cooperative control, the threshold value in the controller characteristic model is divided and corrected through the previous experience, so that the controller characteristic model is divided into different regions, and corresponding control strategies can be taken according to different characteristic regions, thus increasing the stability of the dual aircraft flight process.
【技术实现步骤摘要】
一种无人机仿人协同飞行控制器及其实现方法
本专利技术属于无人机协同飞行
，尤其针对两架无人机之间的协同飞行控制，具体设计一种无人机仿人协同飞行控制系统和方法。
技术介绍
由于四旋翼无人机逐渐趋于小型化，单架无人机有限的飞行能力和承载能力已无法满足过于繁重的日常飞行任务，因此需要两架或多架无人机进行协同飞行作业，从而有效地完成工作任务。多无人机通过协同作业能够完成诸如货物搬运、3D建模、抗震救灾、火灾消防等单架无人机无法实现的复杂危险任务。当无人机执行任务时遇到突发事件而需要终止飞行时，单架无人机便意味着任务会以失败告终，但在多机协同作业下，单架无人机的故障问题只可能会影响任务的完成效率，不会对任务结果造成影响改变，极大地提高了无人机的执行能力。多无人机之间的协同作业虽取得了较大的进步，但也存在诸多问题亟待改进如：编队方式的选择、飞行路径的优化。目前多无人机协同控制所产生的影响远远超过了单架无人机，各国的研究重点也多集中在多无人机协同控制、多无人机路径规划、多无人机任务动态分配。(1)多无人机协同控制在四...
【技术保护点】
1.一种无人机仿人协同飞行控制器，其特征在于包括直接控制层、参数校正层、任务适应层；并通过阈值矫正将控制器划分为①②③④⑤⑥⑦七个区；/n所述的直接控制层，通过监测x、y两个方向上的偏差e和偏差变化率ec从而对四旋翼无人机双机协同的飞行状态进行判断并采取相应的控制策略；控制策略包括：bang-bang控制、保持控制、比例微分控制；只需对bang-bang模态、保持模态以外的模态区域进行比例微分控制即可；/n其中e、ec分别代表了误差和误差变化率，具体的区域划分如下：/n(1)当误差过大时，对应区域①，选用bang-bang模态控制；/n(2)当误差和误差变化率很小(设定波动...
【技术特征摘要】
1.一种无人机仿人协同飞行控制器，其特征在于包括直接控制层、参数校正层、任务适应层；并通过阈值矫正将控制器划分为①②③④⑤⑥⑦七个区；
所述的直接控制层，通过监测x、y两个方向上的偏差e和偏差变化率ec从而对四旋翼无人机双机协同的飞行状态进行判断并采取相应的控制策略；控制策略包括：bang-bang控制、保持控制、比例微分控制；只需对bang-bang模态、保持模态以外的模态区域进行比例微分控制即可；
其中e、ec分别代表了误差和误差变化率，具体的区域划分如下：
(1)当误差过大时，对应区域①，选用bang-bang模态控制；
(2)当误差和误差变化率很小(设定波动范围内)，对应区域②，只需采取保持模态并维持当前状态；
(3)除①②区域以外，其他区域③④⑤⑥⑦均采用比例微分的控制模态，但在不同的区域内需要对比例、微分参数进行调节；
直接控制层的特征基元集：
Q1＝{q1,q2,q3}(22)
其中:
q1＝{|en|≥e1}
q2＝{|en|≥e4}
q3＝{|ecn|≥ec1}
直接控制层模型为：
Φ1＝{Φ11,Φ12,Φ13}(23)
其中：
Φ11＝{q2}
直接控制层的控制模态为：
Ψ1＝{Ψ11,Ψ12,Ψ13}(24)
其中：
Ψ11:{un＝sign(en)·Umax}
Ψ12:{un＝un-1}
直接控制层的推理规则集为：
Ω1＝{ω11,ω12,ω13}(25)
其中：
ω11:Φ11→Ψ11
ω12:Φ12→Ψ12
ω13:Φ12→Ψ12
其中公式(22～25)符号含义为：
un：控制器的第n次输出值；Umax：控制器输出的最大值；en：第n次误差值；ecn：第n次误差变化率值；ei：误差的阈值；eci误差变化率的阈值；ωp：比例系数；ωd：微分系数；k：衰减系数；
所述的参数校正层，可与直接控制层的特征模型合并；
参数校正层的特征基元集为：
Q2＝{q1,q2,q3}(26)
其中：
q1＝{|en|≥e1}
q2＝{|en|≥e4}
q3＝{|ecn|≥ec1}
可得参数校正层的特征模型：
Φ2＝{Φ21,Φ22,Φ23}(27)
其中：
Φ21＝{q2}
参数校正层的决策模态集为：
Ψ2＝{Ψ21,Ψ22}(28)
其中：
Ψ21＝{NULL}
Ψ22＝{ωp＝ωp1,ωd＝ωd1,k＝k1}
参数校正层的推理规则集为：
Ω2＝{ω21,ω22,ω23}(29)
其中：
ω21:Φ21→Ψ21
ω22:Φ22→Ψ21
ω23:Φ23→Ψ22
所述的任务适应层，任务适应层的特征基元集为：
Q3＝{q1,q2,q3}(30)
其中：
q1＝{|en|≥e1}
q2＝{|en|≥e4}
q3＝{|ecn|≥ec1}
可得任务适应层的特征模型：
Φ3＝{Φ31,Φ32,Φ33}(31)
其中：
Φ31＝{q2}
任务适应层的决策模态集为：
Ψ3＝{Ψ31,Ψ32}(32)
其中：
Ψ31＝{NULL}
Ψ32＝{ωp＝ωp1,ωd＝ωd1,k＝k1}
任务适应层的推理规则集为：
Ω3＝{ω31,ω32,ω33}(33)
其中：
ω31:Φ31→Ψ31
ω32:Φ32→Ψ31
ω33:Φ33→Ψ32。
2.根据权利要1所述的一种无人机仿人协同飞行控制器的实现方法，其特征在于包括如下步骤：
步骤1、确定双机协同飞行的数学模型
以两架四旋翼无人机作为对象，分别扮演长机(L)与僚机(F)的“角色”，双机在水平面上组成飞行编队并采用固连于僚机的旋转参考系，根据科里奥利力公式：
其中：长机在僚机参考系下的相对运动速度；长机在自身参考系下的线速度；僚机在自身参考系下的线速度；僚机旋转角速度；长机在僚机参考系下的相对位置；僚机在自身参考系下的位置；
从而可得：
ψE＝ψL-ψF(2)
由于可将式(1)简化为：
将长机线速度转化为参考坐标系下的分速度：
根据式(1)，式(3)，式(4)，式(5)可得：
将式(7)分解为：
为保证飞行编队的稳定性，每架四旋翼无人机均采用自动驾驶仪并建立相应模型：
其中：TvL：长机速度时间常数；TψL：长机航向角时间常数；vLc，ψLc：分别是长机收到的速度扰动量和角度扰动量；TvF：僚机速度时间常数；TψF：僚机航向角时间常数；vFc，ψFc：分别是僚机收到的速度控制量和角度控制量；分别...
【专利技术属性】
技术研发人员：颜成钢，万斌，王廷宇，吕彬彬，孙垚棋，张继勇，张勇东，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。