一种考虑电机故障的四旋翼无人机智能容错控制方法技术

本发明专利技术提出一种考虑电机故障的四旋翼无人机智能容错控制方法，首先构建具有转动惯量和飞行阻力不确定性的四旋翼无人机非线性飞行动力学模型，同时考虑了有界的外部干扰和传感器噪声。其次量化四旋翼无人机各个电机的故障程度，并以电机操纵效率变化的形式考虑到无人机非线性模型中。再次设计自适应滑模控制系统，然后将一组并联的递归神经网络设计为故障识别器，实现了快速而准确的故障特征提取、故障评级和故障隔离。最后，通过主动容错控制策略在线自适应地产生适当的控制信号来补偿模型的不确定性从而保持四旋翼无人机的轨迹跟踪性能和稳定性，同时递归神经网络与自适应滑模控制相互配合，完成故障后控制器的重新配置从而实现主动容错控制。从而实现主动容错控制。从而实现主动容错控制。

【技术实现步骤摘要】
一种考虑电机故障的四旋翼无人机智能容错控制方法


[0001]本专利技术涉及一种考虑四旋翼无人机电机故障后的智能容错姿态控制方法，可以解决四旋翼无人机面对外部干扰、模型不确定甚至电机故障后带来的无人机姿态控制的难题，属于无人机飞行控制应用领域。

技术介绍

[0002]随着微机系统和机载计算机的发展，市场上出现了越来越多的小型无人机。机载传感器/有效载荷的重量和位置取决于不同的应用，并且机载传感器和仪器的成本可以很容易地超过无人机本身的成本。此外，无人机普遍应用于复杂危险环境，这将严重威胁无人机的安全性和可靠性。无人机发生的任何故障都很容易损坏无人机本身、机载传感器和仪器以及周围环境。因此，研究无人机的安全性和可靠性变得势在必行，相应的问题需要具体考虑。
[0003]在四旋翼无人机系统中，电机部分失去控制效能是一种常见的故障。与传统的有人驾驶飞机和大型无人机不同，由于硬件冗余的限制，可靠的控制系统在确保四旋翼无人机可接受和高效的性能方面起着重要的作用。此外，四旋翼无人机故障情况下不具备固定翼飞机的滑翔特性。即使是组件级别的故障也可能波及整个系统，最终导致整个系统故障。因此，如果故障没有被正确识别，四旋翼无人机很可能发生坠毁，除了无人机本身的损失这也将损坏昂贵的机载仪器。实现上述安全性和可靠性要求的一个有希望的方法是采用低成本的先进故障诊断和调整方案。
[0004]在四旋翼无人机容错控制领域，论文《Experimental test of a two
‑
stage Kalman filter for actuator fault detection and diagnosis of an unmanned quadrotor helicopter》中，作者设计了分级的卡尔曼滤波器，用于对执行器的故障进行检测和识别。在论文《Quadrotor actuator fault diagnosis and accommodation using nonlinear adaptive estimators》中，作者设计了一组非线性自适应故障隔离估计器，用于四旋翼执行器的故障估计。在论文《Active fault tolerant control of quadrotor UAV using sliding mode control》中，作者采用滑模控制技术开发了一种主动容错控制方案。现有的针对执行器的主动容错控制框架中，关于故障评估和主动容错控制的方法都没有考虑工程实际存在的模型不确定性和故障评估的误差。

技术实现思路

[0005]为解决现有技术存在的问题，本专利技术提出一种考虑电机故障的四旋翼无人机智能容错控制方法，该方法基于自适应滑模控制和递归神经网络，考虑了有界的外部干扰和传感器噪声，量化了四旋翼无人机各个电机的故障程度，并以电机操纵效率变化的形式考虑到非线性模型中。针对无人机转动惯量和飞行阻力不确定问题设计自适应滑模控制系统，然后通过将一组并联的递归神经网络设计为故障识别器，实现了快速而准确的故障特征提取、故障评级和故障隔离。所设计的主动容错控制策略可以在线自适应地产生适当的控制
信号来补偿模型的不确定性从而保持四旋翼无人机的跟踪性能和稳定性，同时递归神经网络将与自适应滑模控制相互配合，完成故障后控制器的重新配置从而实现主动容错控制，保障无人机的飞行安全。
[0006]本专利技术的技术方案为：
[0007]一种考虑电机故障的四旋翼无人机智能容错控制方法，包括如下步骤：
[0008]步骤1，考虑四旋翼无人机本体转动惯量不确定、飞行过程中阻力不确定、传感器测量误差和复杂外界环境干扰，建立包含电机故障参数的非线性动力学模型；
[0009]步骤2：构建传感器测量误差、复杂外界环境干扰和电机故障参数的显式表达，；
[0010]步骤3：针对四旋翼飞行过程中的不确定和干扰，设计自适应滑模控制器，实现控制器在线自适应补偿模型不确定和干扰保证无人机的稳定性和指令跟踪性能；
[0011]步骤4：针对四旋翼无人机的不同电机设计递归神经网络故障估计器，不同故障估计器并联形成故障估计模块；
[0012]步骤5：通过自适应滑模控制器与故障估计器相结合，将四旋翼无人机电机故障严重程度进行参数化，同时实现电机故障后的故障特征提取、故障等级评估、故障电机隔离与控制方法重构，实现电机故障情况下的四旋翼无人机的安全飞行。
[0013]进一步的，步骤1具体如下：
[0014]考虑四旋翼无人机本体转动惯量不确定、飞行过程中阻力不确定、传感器测量误差和复杂外界环境干扰，建立包含电机故障参数的非线性动力学模型，表示如下：
[0015][0016]其参数定义如下：[φ θ ψ]T
代表无人机在地面固定坐标系下的欧拉角，其中φ代表滚转角，θ代表俯仰角，ψ代表偏航角；[I
xx I
yy I
zz
]T
分别代表飞机沿机体坐标系下三个坐标轴的惯性矩；K
u
为一大于零的系数，代表旋翼产生气动力的增益；K
y
为一大于零的系数，代表旋翼产生反扭矩的增益；L
d
代表旋翼电机旋转轴线与四旋翼无人重心之间的距离；K
i
(i＝1,2,3)代表飞机飞行过程中的阻力系数；u
i
(i＝1,2,3,4)代表输入给旋翼电机的脉宽信号值。
[0017]进一步的，步骤2具体如下：
[0018]将无人机的非线性动力学模型写为积分链的形式并将模型不确定性、外界干扰、传感器噪声和电机故障参数显式表达，表示如下：
[0019][0020][0021]y(t)＝Cx(t)+w(t)
[0022]式中是系统的状态向量；是系统的输出向
量；是系统的控制输入变量；为对角矩阵；为控制效率矩阵；向量是系统的非线性项，其中包括模型边界未知的模型不确定；代表边界已知的外界干扰；代表传感器噪声；L
c
(t)＝diag([l
c1
(t),l
c2
(t),
…
,l
cm
(t)])代表电机控制有效等级，l
cj
(t)(j＝1,2,
…
,m)的变化范围满足0≤l
cj
(t)≤1，l
cj
(t)＝1代表第j个电机具有正常的工作能力，l
cj
(t)＝0代表第j个电机完全故障。
[0023]进一步的，步骤3具体如下：
[0024]为了进行状态反馈控制器的设计，将系统的状态变量定义为非线性系统可以改写为如下形式：
[0025][0026][0027]v
i
＝B
ui
L
c
u
i
[0028]式中i＝1,2,3分别代表三个子系统；系统的两个状态量分别为飞机的欧拉角和角速度x
2i
‑1＝[φ θ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑电机故障的四旋翼无人机智能容错控制方法，其特征在于：包括以下步骤：步骤1，考虑四旋翼无人机本体转动惯量不确定、飞行过程中阻力不确定、传感器测量误差和复杂外界环境干扰，建立包含电机故障参数的非线性动力学模型；步骤2：构建传感器测量误差、复杂外界环境干扰和电机故障参数的显式表达；步骤3：针对四旋翼飞行过程中的不确定和干扰，设计自适应滑模控制器，实现控制器在线自适应补偿模型不确定和干扰保证无人机的稳定性和指令跟踪性能；步骤4：针对四旋翼无人机的不同电机设计递归神经网络故障估计器，不同故障估计器并联形成故障估计模块；步骤5：通过自适应滑模控制器与故障估计器相结合，将四旋翼无人机电机故障严重程度进行参数化，同时实现电机故障后的故障特征提取、故障等级评估、故障电机隔离与控制方法重构，实现电机故障情况下的四旋翼无人机的安全飞行。2.根据权利要求1所述一种考虑电机故障的四旋翼无人机智能容错控制方法，其特征在于：步骤1中考虑四旋翼无人机本体转动惯量不确定、飞行过程中阻力不确定、传感器测量误差和复杂外界环境干扰，建立的包含电机故障参数的非线性动力学模型为：其中，[φ θ ψ]
T
代表无人机在地面固定坐标系下的欧拉角，φ代表滚转角，θ代表俯仰角，ψ代表偏航角；[I
xx I
yy I
zz
]
T
分别代表飞机沿机体坐标系下三个坐标轴的惯性矩；K
u
为一大于零的系数，代表旋翼产生气动力的增益；K
y
为一大于零的系数，代表旋翼产生反扭矩的增益；L
d
代表旋翼电机旋转轴线与四旋翼无人重心之间的距离；K
i
(i＝1,2,3)代表飞机飞行过程中的阻力系数；u
i
(i＝1,2,3,4)代表输入给旋翼电机的脉宽信号值。3.根据权利要求2所述一种考虑电机故障的四旋翼无人机智能容错控制方法，其特征在于：步骤2中将无人机的非线性动力学模型写为积分链的形式并将模型不确定性、外界干扰、传感器噪声和电机故障参数显式表达，表示如下：扰、传感器噪声和电机故障参数显式表达，表示如下：y(t)＝Cx(t)+w(t)式中是系统的状态向量；是系统的输出向量；是系统的控制输入变量；为对角矩阵；为控制效率矩阵；向量是系统的非线性项，其中包括模型边界未知的模型不确定项；代表边界已知的外界干扰；代表传感器噪声；L
c
(t)＝diag
([l
c1
(t),l
c2
(t),
…
,l
cm
(t)])代表电机控制有效等级，l
cj
(t)(j＝1,2,
…
,m)的变化范围满足0≤l
cj
(t)≤1，l
cj
(t)＝1代表第j个电机具有正常的工作能力，l
cj
(t)＝0代表第j个电机完全故障。4.根据权利要求3所述一种考虑电机故障的四旋翼无人机智能容错控制方法，其特征在于：步骤3中，设计自适应滑模控制器的具体过程为：将系统的状态变量定义为非线性系统可以改写为如下形式：非线性系统可以改写为如下形式：v
i
＝B
ui
L
c
u
i
式中i＝1,2,3分别代表三个子系统；系统的两个状态量分别为飞机的欧拉角和角速度x
2i
‑1＝[φ θ ψ]
T
,定义为状态变量的期望值，定义跟踪误差向量为为状态变量的期望值，定义跟踪误差向量为结合跟踪误差，设计系统的积分滑模面为如下形式：其中t0是系统的初始状态对应的时刻，k
c1i
和k
c2i
为设计参数，该参数为霍尔维茨多项式p2+k
c2i
p+k
c1i
的系数，其中p为拉普拉斯算子，并满足p2+k
c2i
p+k
c1i
＝0的根具有负实部；设计控制律为其中中代表控制效能矩阵的伪逆，代表控制效能矩阵的伪逆，代表控制效能矩阵的伪逆，σ
Δi
＝σ
i
‑
Φ
i
sat(σ
i
)为当前滑动变量与边界层之间的几何距离，k
c3i
为一大于零的高增益系数，其使得系统的状态趋向于保持在滑模面附近，sat函数可以表示为如下形式：Φ
i
为一大于零的数值代表边界层的厚度。5.根据权利要求4所述一种考虑电机故障的四...

【专利技术属性】
技术研发人员：王斑，朱德海，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：