基于自适应神经网络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神经网络的无人机飞行控制方法，包括：采用静态类稳定挥舞模型等效替代无人直升机主旋翼的挥舞动力学模型；根据无人直升机机身刚体运动学与动力学方程，设计无人直升机的纵向

【技术实现步骤摘要】
基于自适应神经网络的无人机飞行控制方法


[0001]本专利技术涉及无人直升机控制
，具体涉及一种基于自适应神经网络的无人机飞行控制方法。

技术介绍

[0002]在无人直升机中的鲁棒自主飞行控制方法中，传统的飞行控制方法主要有经典反馈控制(例如PID控制方法)和线性控制方法。其中，PID控制方法的优点是结构简单且不需要精确的系统模型，可以避免无人直升机复杂的建模过程，但是PID控制方法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。线性控制方法的发展较为成熟，但是线性控制方法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，当无人直升机状态偏离平衡点，相应的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。
[0003]为了解决传统的经典反馈控制和线性控制方法所存在的控制性能较差的问题，目前通过采用非线性控制方法来设计无人直升机自主飞行控制系统。然而，目前采用的非线性控制方法直接选择主旋翼拉力、尾桨拉力、纵向与横向力矩等非物理输入作为四个控制输入，忽略了无人直升机旋翼系统挥舞动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应神经网络的无人机飞行控制方法，其特征在于，所述方法用于无人直升机的飞行控制，包括：采用静态类稳定挥舞模型等效替代无人直升机主旋翼的挥舞动力学模型；根据无人直升机机身刚体运动学与动力学方程，设计提取无人直升机的纵向
‑
横向子控制系统模型，基于反步控制法，根据无人直升机机身刚体运动学与动力学方程、以及无人直升机的纵向
‑
横向子控制系统模型设计无人直升机的滚转舵机控制输入、俯仰舵机控制输入和偏航舵机控制输入，其中，对于未建模动态和外部干扰，采用自适应径向基函数神经网络进行估计补偿；确定无人直升机的垂向位置运动学与动力学方程，基于反步控制法，根据无人直升机的垂向位置运动学与动力学方程设计无人直升机的总距舵机控制输入，其中，对于未建模动态和外部干扰，采用自适应径向基函数神经网络进行估计补偿。2.根据权利要求1所述的基于自适应神经网络的无人机飞行控制方法，其特征在于，所述无人直升机主旋翼的挥舞动力学模型为：其中，a和b分别表示无人直升机的主旋翼桨尖平面在纵向和横向的挥舞角，为a的导数，为b的导数，当无人直升机的方位角Ψ
m
＝0
°
时，主旋翼向下挥舞，a为正，当方位角Ψ
m
＝270
°
时，主旋翼向下挥舞，b为正，γ
m
为无人直升机两片桨叶总的洛克数，ρ为空气密度，c
m
为主旋翼桨叶弦长，C
lα,mr
为主旋翼桨叶升力系数，R
m
为主旋翼旋转桨盘半径，I
β
为主旋翼桨叶转动惯量，Ω
m
为主旋翼转速，k
β
为主旋翼桨叶刚度系数，p和q分别表示无人直升机的滚转角速度和俯仰角速度，θ
lat
和θ
lon
分别表示主旋翼横向周期变距和纵向周期变距。3.根据权利要求2所述的基于自适应神经网络的无人机飞行控制方法，其特征在于，所述静态类稳定挥舞模型为：其中，其中，δ
lat
为无人直升机的横向周期变距舵机的输入信号，δ
lon
为无人直升机的纵向周期变距舵机的输入信号，θ
lat0
和θ
lon0
分别表示初始主旋翼横向周期变距偏差和纵向周期变距偏差。4.根据权利要求1至3中任一项所述的基于自适应神经网路的无人机飞行控制方法，其特征在于，所述自适应径向基函数神经网络包括：
输入层、隐含层和输出层，输入层连接隐含层，隐含层连接输出层，输入层包括多个输入节点，隐含层包括多个隐节点，输出层包括一个输出节点；自适应径向基函数神经网络的输出设计为：其中，为Γ的估计值，W表示隐含层和输出层之间的权值矩阵，H表示神经网络的所有径向基函数构成的矩阵，||
·
||2表示2
‑
范数，表示2
‑
范数的平方。5.根据权利要求4所述的基于自适应神经网路的无人机飞行控制方法，其特征在于，在进行所述无人直升机的飞行控制时，将参数的自适应律设计为：其中，为的导数，为水平位置控制中估计的干扰与不确定性值，为的导数，为姿态位置控制中估计的干扰与不确定性值，为的导数，为高度位置控制中估计的干扰与不确定性值，ζ
i
、ε
i
和ξ
i
为大于零的设计参数，i＝1,2,3，V
2e
为水平速度误差向量，V
2e
＝V2‑
α
P
，V2＝[v
x
,v
y
]
T
，v
x
和v
y
分别为无人直升机重心在惯性坐标系x轴和y轴方向上的速度，α
P
为水平位置虚拟控制项，ω
e
为无人直升机机体角速度误差，ω
e
＝ω
‑
ω
d
，ω和ω
d
分别为实际与期望的无人直升机机体角速度向量，ω＝[p,q,r]
T
，r为无人直升机的偏航角速度，v
ze
为垂直速度误差，v
ze
＝v
z
‑
α
z
，v
z
为无人直升机重心在惯性坐标系z轴方向上的速度，α
z
为高度虚拟控制项，H1(V2)、H2(ω)和H3(v
z
)分别为相应变量的高斯函数，θ为无人直升机的俯仰角，φ为无人直升机的滚转角。6.根据权利要求1至5中任一项所述的基于自适应神经网路的无人机飞行控制方法，其特征在于，所述无人直升机机身刚体运动学与动力学方程为：根据所述无人直升机机身刚体运动学与动力学方程，设计提取所述无人直升机的纵向
‑
横向子控制系统模型为：
其中，为P的导数，P＝[x
t
,y
t
,z
t
]
T
为无人直升机重心在惯性坐标系下的位置向量，x
t
、y
t
和z
t
分别为重心在惯性坐标系x轴、y轴和z轴方向上的位置，V＝[v
...

【专利技术属性】
技术研发人员：周彬，朱效洲，常强，王显耀，刘圣洋，
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：