一种基于质量自适应多层神经网络的无人机控制方法技术

本发明专利技术提供了一种基于质量自适应多层神经网络的无人机控制方法，包括如下步骤：获取无人机自身的飞行实时运行数据；建立无人机动力学模型，并通过无人机动力学模型和地面坐标系R

【技术实现步骤摘要】
一种基于质量自适应多层神经网络的无人机控制方法
本专利技术属于无人机的飞行控制领域，特别涉及一种基于质量自适应多层神经网络的无人机控制方法。
技术介绍
无人机可应用于多种领域(如军事、农业、监视任务和探雷等)，近年来引起了许多研究人员和工程师的关注。在各种不同结构的无人机中，多旋翼无人机具有飞行性强、垂直起降、稳定悬停等诸多优点。但是，无人机不仅是一种结构简单、飞行性能强的飞行器，也是一种非线性和耦合性较强的低速系统。伴随着无人无人机的广泛应用，如何设计出具有较强抗干扰特性的稳定控制器，解决欠动、非线性和耦合性问题，成为无人机控制器设计的关键点。此外，在无人机控制任务中存在两种控制目标：(1)无人机保持在一个期望的极限姿态(即方向和位置)；(2)无人机沿一个轨道飞行，并有一个预期的目标姿态。第一种情况要求无人机的控制器应具有较强的稳态响应。第二种情况主要是设计无人机的控制器，用于跟踪时变轨迹，动态响应较快。实际上，解决上述两种情况的控制器需要具有良好的稳定性、快速收敛速度、低过冲和较强的鲁棒性。一些传统的控制方法，如基于比例积分差分(PID)的本文档来自技高网...

【技术保护点】
1.一种基于质量自适应多层神经网络的无人机控制方法，其特征在于，包括如下步骤：/n通过机载的传感器获取无人机自身的飞行实时运行数据；/n根据无人机物理参数的估计值，建立无人机动力学模型，并通过无人机动力学模型和地面坐标系R

【技术特征摘要】
1.一种基于质量自适应多层神经网络的无人机控制方法，其特征在于，包括如下步骤：
通过机载的传感器获取无人机自身的飞行实时运行数据；
根据无人机物理参数的估计值，建立无人机动力学模型，并通过无人机动力学模型和地面坐标系RG以及无人机机体坐标系RU之间的坐标变换得到无人机系统的状态方程；
根据所述状态方程，设计基于质量自适应多层神经网络控制器，并设计关于输出控制量的基于质量自适应多层神经网络的姿态角控制器、高度控制器和位置控制器；
利用所述无人机自身的飞行实时运行数据，通过所述质量自适应多层神经网络控制器求解无人机输出控制量；
将求解得到的所述控制量，传递给无人机电机调速器，以控制无人机运动。


2.根据权利要求1所述的一种基于质量自适应多层神经网络的无人机控制方法，其特征在于，所述通过机载的传感器获取无人机自身的飞行实时运行数据，具体包括：
通过机载的陀螺仪以及加速度计获取无人机的实时姿态数据俯仰角θ、偏航角φ以及横滚角ψ，通过机载的高度传感器以及位置传感器获取无人机在三维空间中的位置数据x、y和z。


3.根据权利要求1所述的一种基于质量自适应多层神经网络的无人机控制方法，其特征在于，所述根据无人机物理参数的估计值，建立无人机动力学模型，并通过无人机动力学模型和地面坐标系RG以及无人机机体坐标系RU之间的坐标变换得到无人机系统的状态方程，具体包括：
首先，建立地面坐标系RG以及无人机机体坐标系RU，其中地面坐标系RG和机体坐标系RU之间存在以下转换关系：RU＝KRG，转换关系中，K为地面坐标系RG以及机体坐标系RU之间的旋转变换矩阵，可以表示为



其中，θ为俯仰角，φ为偏航角，ψ为横滚角；缩写Sp和Cp分别代表sin(p)和cos(p)，缩写Sθ和Cθ分别代表sin(θ)和cos(θ)，缩写Sψ和Cψ分别代表sin(ψ)和cos(ψ)，
其次，在速度层有如下关系：



其中v和s分别是对应于地面坐标系RG以及无人机机体坐标系RU的线性速度向量，x、y和z是地面坐标系RG中无人机的位置变量，vX、vY、vZ是对应于地面坐标系RG的x、y、z三个轴上的速度变量，sX、sY、sZ是无人机机体坐标系RU中的x、y、z三个轴上的速度变量；
假设无人机低速飞行，地面坐标系RG和无人机机体坐标系RU之间的角速度变换矩阵可忽略，则地面坐标系RG的角速度向量ω可写为：



其中，ωφ、ωθ、ωψ是地面坐标系RG的角速度向量ω中关于偏航角φ、俯仰角θ以及横滚角ψ的角速度；
再次，忽略无人机所受空气阻力作用，针对无人机系统可以建立所述无人机动力学模型：



其中，由于无人机的真实质量不确定，无人机质量估计值为是v对时间的导数，J为无人机的转动惯量矩阵，由无人机惯性矩Jx，Jy和Jz组成，而F＝KT[00FZ]T为无人机电机输出合力的轴向分力矢量，FZ为无人机电机输出合力在机体坐标系上z轴的轴向分力，G＝[00mg]T为重力的轴向分力矢量，m表示无人机的真实质量，g表示无人机的重力加速度，T＝[lFφlFθTψ]T为无人机转动力矩矢量，Fφ和Fθ是偏航角φ和俯仰角θ的旋转力，Tψ是横滚角ψ的旋转扭矩，无人机的电机臂长度定义为l；
最后，根据上述动力学方程(1)和两个坐标系之间的旋转变换，得到具有无人机质量的估计值的无人机系统的状态方程，写成如下形式：



其中，












u1：＝FZ，u2：＝Fφ，u3：＝Fθ，u4：＝Tψ
式中，N1、N3、N5分别是地面坐标系RG中无人机的位置变量x、y、z，N2、N4、N6是x、y、z对时间的导数，N7、N9、N11分别是地面坐标系RG中无人机的偏航角φ、俯仰角θ以及横滚角ψ的角度变量，N8、N10、N12是地面坐标系RG中无人机的偏航角φ、俯仰角θ以及横滚角ψ的对时间的导数，分别是N1、N2、N3、N4、N5、N6、N7、N8、N9、N10、N11、N12对时间的一阶导数，分别是sinN11、sinN7、cosN11、cosN7、cosN9，是含有无人机质量估计值的无人机控制系统参数，aθ、aφ、aψ、βφ、βθ、βψ是为简化形式而设定的参数，无特殊物理意义，控制量由无人机电机的输出推力以及合成转矩构成，u1为无人机垂直上升方向上的合力，u2为偏航角方向合力，u3为俯仰角方向合力，u4为横滚角方向的合成转矩。

【专利技术属性】
技术研发人员：张智军，郑陆楠，崔耀威，苏铄淼，李泽扬，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44