基于自适应准最优高阶滑模控制的无人机飞行控制方法技术

本发明专利技术公开了一种基于自适应准最优高阶滑模控制的无人机飞行控制方法，包括获取待控制无人机的第一位姿向量；将所述第一位姿向量作为预设位姿控制模型的输入，根据所述预设位姿控制模型的预设积分滑膜面和预设控制率获得所述预设位姿控制模型输出的控制信号，其中，所述预设位姿控制模型为以位姿为状态变量的预设二阶积分链模型，所述预设控制率使得所述预设二阶积分链模型的状态变量在到达预设平衡状态时，预设线性二次型指标最小；根据所述控制信号控制所述待控制无人机。本发明专利技术的方法能够保证闭环系统跟踪误差在有限时间内收敛。敛。敛。

【技术实现步骤摘要】
基于自适应准最优高阶滑模控制的无人机飞行控制方法


[0001]本专利技术属于无人机飞行控制
，具体而言，涉及一种基于自适应准最优高阶滑模控制的无人机飞行控制方法。

技术介绍

[0002]小型无人直升机动态响应快，外界干扰输入灵敏度高，对控制系统快速性指标要求非常高。
[0003]在小型无人直升机的鲁棒自主飞行控制方法中，传统的控制方法主要有经典反馈控制(如PD或PID)和线性控制方法，PID控制的优点是结构简单且不需要精确的系统模型，可以避免小型无人直升机复杂的建模过程，但是它不能充分发挥无人直升机的机动能力且鲁棒性不高，参数调整全凭经验，过程繁琐；线性控制理论发展成熟，方法众多，但是它依赖于基于单个特征点线性化的线性模型，忽略了许多系统非线性特性，当直升机状态偏离平衡点，控制性能可能会下降，甚至导致闭环系统的不稳定，不能保证全包络飞行，这两种控制方法控制性能仍有较大的提升空间。滑模控制是不确定性环境下非线性系统的一种有效控制方法，其设计原则是使系统在有限的时间内达到一个滑动面，然后通过对系统进行不连续控制保持系统在滑动面上的动力学特性。然而，传统滑模控制器中存在的高速切换函数可能在实际的机电系统中无法实现。非理想切换引起的控制抖振现象不仅会显著降低系统的性能，而且会降低系统的稳定性。
[0004]因此，许多学者致力于采用各种先进非线性控制方法设计自主飞行控制系统，由于非线性控制系统设计与实现难度大，研究领域内具有实验结果的相对较少。与本专利技术最近似的实现方案主要有以下几类：
[0005]第一类是采用传统的滑模控制和饱和函数相结合的方法，根据系统状态误差设计线性滑模面，这类方法控制结构简单，控制性能好，但是需要已知不确定性的先验知识，控制增益需要工程师手动调节，增益过小可能达不到性能要求，增益过大又会导致剧烈的控制抖动，且饱和函数抑制抖动的能力有限，同时也无法保证闭环系统状态有限时间内收敛。
[0006]第二类是采用非线性滑模面替代传统线性滑模面，使系统状态能够在有限时间内收敛至零，这类方法控制结构比较复杂，可在一定程度上提高系统响应快速性，但是系统收敛速度不可控，当系统初始状态离平衡点较远时，闭环系统的收敛速度将变得非常缓慢，不具备全局快速收敛能力，同时也无法保证系统性能指标最优或准最优。为方便讨论，下面将以如下通用形式的仿射系统为例，考察此类方法的收敛性。
[0007][0008]其中，x∈R
n
，u∈R
m
，f(x)、g(x)为连续光滑函数。取如下非线性函数作滑模面
[0009][0010]其中，κ＞0，p和q均为奇数，且p＞q＞0。
[0011]系统收敛至平衡点(原点)的时间为
[0012][0013]其中x0为系统初始状态。由式(3)可知，收敛时间与系统状态强相关。当系统初始状态x0远离平衡点时收敛速度将变慢，因此该方法无法保证系统始终以最优的形式收敛至平衡点。
[0014]针对相关技术中控制过程中收敛速度较慢的问题，目前尚未提出有效的解决方案。

技术实现思路

[0015]本申请的主要目的在于提供一种基于自适应准最优高阶滑模控制的无人机飞行控制方法，以解决至少上述问题。
[0016]为了实现上述目的，根据本申请的一个方面，提供了一种基于自适应准最优高阶滑模控制的无人机飞行控制方法，该方法包括：
[0017]获取待控制无人机的第一位姿向量；将所述第一位姿向量作为预设位姿控制模型的输入，根据所述预设位姿控制模型的预设积分滑膜面和预设控制率获得所述预设位姿控制模型输出的控制信号，其中，所述预设位姿控制模型为以位姿为状态变量的预设二阶积分链模型，所述预设控制率使得所述预设二阶积分链模型的状态变量在到达预设平衡状态时，预设线性二次型指标最小；根据所述控制信号控制所述待控制无人机。
[0018]进一步的，如前述的方法，所述预设位姿控制模型包括预设姿态控制模型、预设垂直位置控制模型和预设水平位置控制模型，所述第一位姿向量包括第一姿态向量、第一垂直位置和第一水平位置向量；将所述第一位姿向量作为预设位姿控制模型的输入，根据所述预设位姿控制模型的预设积分滑膜面和预设控制率获得所述预设积分链控制模型输出的控制信号，包括：分别将所述第一姿态向量、所述第一垂直位置和所述第一水平位置向量对应作为所述预设姿态控制模型、所述预设垂直位置控制模型和所述预设水平位置控制模型的输入，分别根据各模型的预设积分滑膜面和预设控制率获得各预设积分链控制模型输出的姿态控制信号、垂直位置控制信号和水平位置控制信号。
[0019]进一步的，如前述的方法，所述预设位姿控制模型输出的控制信号为名义控制信号与自适应控制信号之和，所述名义控制信号根据所述预设积分滑膜面和所述预设控制率获得，所述自适应控制信号根据所述预设积分滑膜面、所述预设控制率和自适应参数获得，其中所述自适应参数的更新率根据所述预设积分滑膜面和所述预设控制率获得。
[0020]进一步的，如前述的方法，所述预设位姿控制模型根据下述模型获得：其中，i＝1,2,...,l
‑
1,l为大于1的整数，z
i
,......,z
l
为状态变量，v
n
为预设控制率，v
n
由下式获得：其中，为
正定的对角矩阵，P为如下状态黎卡提方程的正定解，其中，0
(
·
)
×
(
·
)
和I
(
·
)
×
(
·
)
为相应维度的零矩阵和单位矩阵，δ为正实数，数，α
i
＝diag(α
i1
,
…
,α
in
)，i＝2,...,l,j＝1,2,...,n，α
(l+1)j
＝1,α
lj
＝α,j＝1,2,...,n；对任意ε∈(0,1),α∈(1
‑
ε,1)，所述预设线性二次型指标根据下式获得：其中，t为时间变量，所述平衡状态根据下式获得：v
n0
＝
‑
K1Sgn(z1)
‑…‑
K
i
Sgn(z
i
)
‑…‑
K
l
Sgn(z
l
)，其中，v
n0
表示平衡状态，K1,K2,...K
l
均为正常数，且多项式λ
l
+k
lj
λ
l
‑1+
…
+k
2j
λ+k
1j
是赫尔维茨稳定的，K
i
＝diag(k
i1
,
…
,k
ij
,
…
,k
in
),i＝1,2,...,l,j＝1,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应准最优高阶滑模控制的无人机飞行控制方法，其特征在于，包括：获取待控制无人机的第一位姿向量；将所述第一位姿向量作为预设位姿控制模型的输入，根据所述预设位姿控制模型的预设积分滑膜面和预设控制率获得所述预设位姿控制模型输出的控制信号，其中，所述预设位姿控制模型为以位姿为状态变量的预设二阶积分链模型，所述预设控制率使得所述预设二阶积分链模型的状态变量在到达预设平衡状态时，预设线性二次型指标最小；根据所述控制信号控制所述待控制无人机。2.根据权利要求1所述的基于自适应准最优高阶滑模控制的无人机飞行控制方法，其特征在于，所述预设位姿控制模型包括预设姿态控制模型、预设垂直位置控制模型和预设水平位置控制模型，所述第一位姿向量包括第一姿态向量、第一垂直位置和第一水平位置向量；将所述第一位姿向量作为预设位姿控制模型的输入，根据所述预设位姿控制模型的预设积分滑膜面和预设控制率获得所述预设积分链控制模型输出的控制信号，包括：分别将所述第一姿态向量、所述第一垂直位置和所述第一水平位置向量对应作为所述预设姿态控制模型、所述预设垂直位置控制模型和所述预设水平位置控制模型的输入，分别根据各模型的预设积分滑膜面和预设控制率获得各预设积分链控制模型输出的姿态控制信号、垂直位置控制信号和水平位置控制信号。3.根据权利要求2所述的基于自适应准最优高阶滑模控制的无人机飞行控制方法，其特征在于，所述预设位姿控制模型输出的控制信号为名义控制信号与自适应控制信号之和，所述名义控制信号根据所述预设积分滑膜面和所述预设控制率获得，所述自适应控制信号根据所述预设积分滑膜面、所述预设控制率和自适应参数获得，其中所述自适应参数的更新率根据所述预设积分滑膜面和所述预设控制率获得。4.根据权利要求3所述的基于自适应准最优高阶滑模控制的无人机飞行控制方法，其特征在于，所述预设位姿控制模型根据下述模型获得：征在于，所述预设位姿控制模型根据下述模型获得：其中，i＝1,2,...,l
‑
1,l为大于1的整数，z
i
,......,z
l
为状态变量，v
n
为预设控制率并由下式获得：其中，为正定的对角矩阵，P为如下状态黎卡提方程的正定解其中，0
(
·
)
×
(
·
)
和I
(
·
)
×
(
·
)
为相应维度的零矩阵和单位矩
阵，δ为正实数，Q＝Q
T
,,α
i
＝diag(α
i1
,
…
,α
in
)，α
(l+1)j
＝1,α
lj
＝α,j＝1,2,...,n；对任意ε∈(0,1),α∈(1
‑
ε,1)所述预设线性二次型指标根据下式获得：其中，t为时间变量，所述平衡状态根据下式获得：v
n0
＝
‑
K1Sgn(z1)
‑…‑
K
i
Sgn(z
i
)
‑…‑
K
l
Sgn(z
l
)其中，v
n0
平衡状态，K1,K2,...K
l
均为正常数，且多项式λ
l
+k
lj
λ
l
‑1+
…
+k
2j
λ+k
1j
是赫尔维茨稳定的，K
i
＝diag(k
i1
,
…
,k
ij
,
…
,k
in
),i＝1,2,...,l,j＝1,2,...,n。5.根据权利要求4所述的基于自适应准最优高阶滑模控制的无人机飞行控制方法，其特征在于，所述预设姿态控制模型的状态变量为：x1＝[Θ
T
,ω
T
]
T
其中，Θ＝[φ,θ,ψ]
T
为包含滚转、俯仰和偏航角的姿态角向量，ω＝[p,q,r]
T
为角速度向量；所述预设姿态控制模型的预设积分滑膜面的变量为：z
att,1
＝s
att
＝Θ
‑
Θ
d
其中，Θ
d
为期望的姿态角向量；所述预设姿态控制模型的预设控制率为：其中，是一个待设计的正定矩阵，P1为如下代数矩阵黎卡提方程的正定解其中，δ1为待设计的正实数，
其中，α1＝diag(α
11
,α
12
,α
13
)和α2＝diag(α
21
,...

【专利技术属性】
技术研发人员：周彬，姚雯，左源，杨绍卿，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：