一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法技术

本发明专利技术公开了一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，包括以下步骤：S1.根据空气动力学和刚体力学原理，确认出四旋翼飞行器(QAR)的动力学模型方程；S2.依据所述的动力学模型方程，采用球面投影法建立位置误差和投影图像误差之间的等效变换；S3.依据所述球面投影方法以及动力学模型方程，确定所述QAR的线速度误差微分方程；S4.依据所述QAR的线速度误差微分方程，构建反推虚拟姿态控制器；S5.依据所述的反推控制器，确定出基于神经网络的自适应控制器的运算方程；S6.依据所述的自适应控制器的运算方程，构建基于乔莱斯基分解的惯性矩阵估计器；S7.依据所述自适应控制器的运算方程以及自适应律方程，计算出QAR的位置，实现了QAR视觉位置跟踪控制。实现了QAR视觉位置跟踪控制。实现了QAR视觉位置跟踪控制。

【技术实现步骤摘要】
一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法


[0001]本专利技术涉及计算机
，特别是一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法。

技术介绍

[0002]在过去的几十年里，随着计算机技术和摄像设备的发展，以通过视觉反馈信号控制机器人运动为目标的视觉伺服已逐渐发展为跨机器人、自动控制和图像处理等
的一门独立技术。一般来说，视觉伺服可以分为两种类型，即基于位置的视觉伺服(PBVS)和基于图像的视觉伺服(IBVS)。IBVS方法通过直接控制图像规划中的位置误差来解决伺服问题，比PBVS方法对扰动和参数偏差更鲁棒。在经典的IBVS框架中，需要从视觉信号中估计每个特征点的深度信息，这在实际实现中通常是困难的或昂贵的。为了避免这个问题，已经有很多学者提出了各种解决方案。例如提出了一种在线估计机器人位置的自适应估计器，用来控制非完整移动机器人进行位置跟踪。也有假设摄像机参数未被校准，并使用与深度无关的交互作用矩阵的伪逆将图像误差映射到机械手的关节空间。
[0003]这些研究主要涉及全驱动系统的视觉伺服。然而，四旋翼空中机器人(QAR)是一个典型的欠驱动系统，因此可能不能被这些以前的方法有效地处理。为了解决空中机器人的欠驱动特性，早期的研究集中在状态反馈策略上，这意味着需要精确地测量位置和方向信息，作为控制器开发的先验知识，尽管付出了巨大的努力，机器人的高精度定位仍然是机器人学中最具挑战性的问题之一。
[0004]视觉伺服技术为空中机器人的移动控制提供了一个有效的框架，进一步消除了对全球定位测量的要求，提高了定位精度。一些开创性的工作已有所报道，如Hamel和Mahony利用结构无源性提出了一类欠驱动刚体系统的IBVS算法，开发的闭环系统对摄像机和目标的标定误差具有鲁棒性。然而，值得注意的是，目前这些开发的视觉控制器通常需要显式的惯性信息，这通常是难以获得的。而目前提出了一些惯性识别方案大多建立在欠驱动空中机器人的简化模型上，没有一个考虑到视觉系统。

技术实现思路

[0005]针对现有技术中存在的问题，本专利技术的目的在于提供一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，解决了四旋翼空中机器人的高精度定位困难，且机器人欠驱动，在线计算量大，缺少显示的惯性矩阵的问题，实现了QAR视觉位置跟踪控制。
[0006]为解决上述问题，本专利技术采用如下的技术方案。
[0007]一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，包括以下步骤：
[0008]S1.根据空气动力学和刚体力学原理，确认出QAR的动力学模型方程；
[0009]S2.依据所述的动力学模型方程，采用球面投影法建立位置误差和投影图像误差
之间的等效变换；
[0010]S3.依据所述球面投影方法以及动力学模型方程，确定所述QAR的线速度误差微分方程；
[0011]S4.依据所述QAR的线速度误差微分方程，构建反推虚拟姿态控制器；
[0012]S5.依据所述的反推控制器，确定出基于神经网络的自适应控制器的运算方程；
[0013]S6.依据所述的自适应控制器的运算方程，构建基于乔莱斯基分解的惯性矩阵估计器；
[0014]S7.依据所述自适应控制器的运算方程以及自适应律方程，计算出QAR的位置。
[0015]作为本专利技术的进一步改进，在步骤S1中，根据空气动力学和刚体力学原理，确定出QAR的动力学方程：
[0016][0017]其中，
[0018][0019]R(Θ)∈SO3是机体坐标系与惯性坐标系之间的旋转矩阵；M(Θ)是相机坐标系(与QAR机身坐标系一致)和右手惯性坐标系之间的旋转速度的变换矩阵，公式如下：
[0020][0021]是QAR的姿态向量，θ，ψ分别是滚转角、俯仰角和偏航角，表示坐标系中QAR质心的位置；代表线速度，表示在坐标系下的角速度，M(Θ)为无人直升机姿态角度与角速度之间的转换矩阵，sk(
·
)表示斜对称矩阵，如对于 sk(a)b＝a
×
b；m是QAR的质量；C
z
＝(0，0，1)
T
；表示围绕其质心的QAR常数惯性矩阵；是沿z方向的外生力；表示坐标系中的转动力矩，将QAR电机提供的F和T作为自适应控制器的控制输入变量。
[0022]作为本专利技术的进一步改进，在步骤S2中，依据所述的动力学模型方程，采用球面投影法建立位置误差和投影图像误差之间的等效变换；,
[0023]球面投影法:
[0024]用一个常量向量表示坐标系中第i个目标点的坐标，其中i＝1，
…
，n,n为目标特征个数，由QAR的动力学方程可得
[0025][0026]其中表示坐标系中第i个目标点对应的坐标；
[0027]将目标特征投影到等效球面像面上，等效像平面的光学等效点s
i
满足如下公式：
[0028][0029]其中可测量向量f为所使用的针孔相机的焦距，(u
i
,v
i
, f)
T
是一种使用基本的图像检测技术可以测量的透视投影，即为可测量向量。r
i
(S
i
)＝||S
i
||/f
’
是相对于单位焦距f
’
的相对深度；
[0030]QAR位置之间的关系如下公式
[0031][0032]上述公式是根据变换后的目标特征计算出s
i
的时间微分，接着根据非归一化球面质心(USC)建立图像投影与QAR位置之间的关系再对所有目标点相对于时间t的USC微分；
[0033]其视觉误差Δs的时间微分公式如下：
[0034][0035]即位置跟踪控制问题已经转化为图像误差Δs的稳定问题。
[0036]作为本专利技术的进一步改进，在步骤S3中，依据所述球面投影方法以及动力学模型方程，确定所述QAR的线速度误差微分方程；
[0037]视觉误差Δs的时间微分公式变为
[0038][0039]上式是使用平移速度V来稳定图像误差Δs，实际线速度V和虚拟线速度V
*
之间的误差表示为其中k1是一个标量因子，虚拟控制速度V
*
设为V
*
＝k1Δs；
[0040]随后需要稳定速度ΔV，使图像误差Δs收敛到零，QAR的动力学模型方程中的第4个子方程转换为如下公式：
[0041][0042]其中C
z
是一个单位矢量，上述误差动力学是欠驱动的，这意味着仅使用推力在物理上是不可能直接稳定它的；这种误差系统可以看作是先前等研究的严格反馈非线性系统的扩展情况；为此，从这些理论工作中引入反推技术来解决一个工程问题，即欠驱动问题。
[0043]作为本专利技术的进一步改进，在步骤S4中，依据所述QAR的线速度误差微分方程，构建反推虚拟姿态控制器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，其特征在于，包括以下步骤：S1.根据空气动力学和刚体力学原理，确认出四旋翼飞行器(QAR)的动力学模型方程；S2.依据所述的动力学模型方程，采用球面投影法建立位置误差和投影图像误差之间的等效变换；S3.依据所述球面投影方法以及动力学模型方程，确定所述QAR的线速度误差微分方程；S4.依据所述QAR的线速度误差微分方程，构建反推虚拟姿态控制器；S5.依据所述的反推控制器，确定出基于神经网络的自适应控制器的运算方程；S6.依据所述的自适应控制器的运算方程，构建基于乔莱斯基分解的惯性矩阵估计器；S7.依据所述自适应控制器的运算方程以及自适应律方程，计算出QAR的位置。2.根据权利要求1所述的一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，其特征在于：在步骤S1中，根据空气动力学和刚体力学原理，确定出QAR的动力学方程：其中，R(Θ)∈SO3是机体坐标系与惯性坐标系之间的旋转矩阵；M(Θ)是相机坐标系(与QAR机身坐标系一致)和右手惯性坐标系之间的旋转速度的变换矩阵，公式如下：之间的旋转速度的变换矩阵，公式如下：是QAR的姿态向量，θ，ψ分别是滚转角、俯仰角和偏航角，表示坐标系下QAR质心的位置；代表线速度，表示在坐标系下的角速度，M(Θ)为无人直升机姿态角度与角速度之间的转换矩阵，sk(
·
)表示斜对称矩阵，如对于sk(a)b＝a
×
b；m是QAR的质量；C
z
＝(0，0，1)
T
；表示围绕其质心的QAR常数惯性矩阵；是沿z方向的外生力；表示坐标系中的转动力矩，将QAR电机提供的F和T作为自适应控制器的控制输入变量。3.根据权利要求2所述的一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，其特征在于：
在步骤S2中，依据所述的动力学模型方程，采用球面投影法建立位置误差和投影图像误差之间的等效变换；球面投影法:用一个常量向量表示坐标系中第i个目标点的坐标，其中i＝1，
…
，n,n为目标特征个数，由QAR的动力学方程可得其中表示坐标系中第i个目标点对应的坐标；将目标特征投影到等效球面像面上，等效像平面的光学等效点s
i
满足如下公式：其中可测量向量f为所使用的针孔相机的焦距，(u
i
,v
i
,f)
T
是一种使用基本的图像检测技术可以测量的透视投影，即为可测量向量。r
i
(S
i
)＝||S
i
||/f
’
是相对于单位焦距f
’
的相对深度；QAR位置之间的关系如下公式上述公式是根据变换后的目标特征计算出s
i
的时间微分，接着根据非归一化球面质心(USC)建立图像投影与QAR位置之间的关系再对所有目标点相对于时间t的USC微分；其视觉误差Δs的时间微分公式如下：即位置跟踪控制问题已经转化为图像误差Δs的稳定问题。4.根据权利要求3所述的一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，其特征在于：在步骤S3中，依据所述球面投影方法以及动力学模型方程，确定所述QAR的线速度误差微分方程；视觉误差Δs的时间微分公式变为上式是使用平移速度V来稳定图像误差Δs，实际线速度V和虚拟线速度V
*
之间的误差表示为其中k1是一个标量因子，虚拟控制速度V
*
设为V
*
＝k1Δs；随后需要稳定速度ΔV，使图像误差Δs收敛到零，QAR的动力学模型方程中的第4个子方程转换为如下公式：
其中C
z
是一个单位矢量，上述误差动力学是欠驱动的，这意味着仅使用推力在物理上是不可能直接稳定它的；这种误差系统可以看作是先前等研究的严格反馈非线性系统的扩展情况；为此，从这些理论工作中引入反推技术来解决一个工程问题，即欠驱动问题。5.根据权利要求4所述的一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，其特征在于：在步骤S4中，依据所述QAR的线速度误差微分方程，构建反推虚拟姿态控制器；基于Lipschitz条件和反正切函数的自然饱和性质的反推虚拟姿态控制器：虚拟姿态控制器被定义为Θ
*
＝Θ
‑
ΔΘ，不失一般性，控制设计中将期望的偏航角选择为中间控制器Θ
*
的设计为Θ
*
＝(φ
*
,θ
*
,ψ
*
)
T
，ψ
*
＝0，θ
*
＝arctan(k1k2ΔV1/g)，且φ
*
＝
‑
arctan(k1k2ΔV2/gcosθ
*
)，进而...

【专利技术属性】
技术研发人员：林创权，赖冠宇，刘治，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：