一种多无人直升机协作搬运绳索拉力估计方法技术

本发明专利技术公开了一种多无人直升机协作搬运绳索拉力估计方法，用于解决协作搬运过程中因无人机绳索拉力无法直接测量，而影响轨迹跟踪控制精度这一问题。本发明专利技术将绳索拉力视为系统扰动，设计了一种基于最小学习参数的回声状态网络估计器，通过无人机的飞行状态信息，对系统中的集总扰动进行估计，从而较准确估计出系统中所受绳索拉力。本发明专利技术所提出的回声状态网络能够准确获取系统的绳索拉力估计值，便于后续控制器设计中针对性的对其进行补偿控制，增强了系统的抗干扰能力，有效地抑制了物体在飞行过程中摆动对无人机带来的影响，提高了多无人直升机协作搬运系统的轨迹跟踪精度。人直升机协作搬运系统的轨迹跟踪精度。人直升机协作搬运系统的轨迹跟踪精度。

【技术实现步骤摘要】
一种多无人直升机协作搬运绳索拉力估计方法


[0001]本专利技术涉及无人机飞行
，主要涉及一种多无人直升机协作搬运绳索拉力估计方法。

技术介绍

[0002]直升机机外悬挂运输主要用于紧急救援、军事行动、森林防火等任务，是直升机在军用和民用领域主要用途之一。然而，传统的单架直升机在执行外挂飞行时，由于机体易产生晃动，使得直升机与悬挂载荷之间存在耦合摆动问题，这严重影响了直升机和悬挂载荷的稳定性和飞行安全性。如何减小耦合摆动，提高直升机悬挂系统操纵品质，是国内外学者研究的热点。
[0003]近年来，随着多无人机协同技术的发展，相关研究也越来越多，其中将多无人机应用于悬挂载荷运输成为热门。与单架无人机相比，多架无人机协作搬运，能更好发挥其优势。主要体现在更灵活的机动性、更大的承载能力、更强的任务执行力、更好的容错性和鲁棒性以及更高的经济可承受性。根据不同任务的载荷要求，灵活调整无人机的数量，实现资源的有效配置。此外，无人机数量的增加使得整个协作搬运系统结构更加稳定，有效避免了单架无人机的吊索摆动问题。目前无人机协作搬运技术研究多采用的是四旋翼驱动，但由于四旋翼无人机载重尺寸和重量有限，会限制其运输能力。与旋翼机相比，协作无人直升机具有更强的运输能力，在大质量载荷运输领域，直升机将更有优势。所以，多无人直升机绳索悬挂搬运技术是很有潜力的一项研究。
[0004]值得关注的是，由于无人机和载荷存在耦合动力学关系使得绳索上的拉力难以测量，因而现有的控制方法多假设其无法测量，导致现阶段所设计的控制器多缺乏相应的抗干扰能力。同时，作用在无人直升机上的绳索拉力大大提升了耦合载荷运输系统的复杂性，对无人直升机的动力学特征和稳定性能也产生了较为严重的影响。因此，急需研究一种绳索拉力估计方法提高多无人机协作搬运系统的稳定性，抑制飞行过程中物体摆动对无人机的影响，从而实现高精度的轨迹跟踪控制。

技术实现思路

[0005]专利技术目的：本专利技术提供了一种多无人直升机协作搬运绳索拉力估计方法，采用最小学习参数的回声状态网络估计器，对无人直升机与物体间无法测量的拉力进行重构，将重构后的拉力用于控制器的设计中，弥补现有控制器缺乏相应的抗干扰能力。
[0006]为实现上述目的，本专利技术所提供的技术方案为：一种多无人直升机协作搬运绳索拉力估计方法，该方法将绳索拉力作为扰动，根据无人机的飞行状态信息，设计一种基于最小学习参数的回声状态网络估计器，对系统中不可测量的集总扰动进行估计，从而估计出绳索拉力。其包括以下步骤：
[0007]步骤S1、多无人直升机的协作搬运系统由N架无人直升机、载荷以及用于连接载荷与无人直升机的绳索组成。根据无人机与绳索之间存在的约束关系，运用Baumgarte方法获
取对应约束方程；
[0008]步骤S2、将无法测量的拉力相关项F
pi
视为系统扰动，根据回声状态网络逼近原理，构建回声状态网络状态/干扰估计器对F
pi
进行估计；
[0009]步骤S3、设计权重向量自适应更新律，确定回声状态网络中的标称权重向量；
[0010]步骤S4、通过simulink实验仿真，确定回声状态网络的相关参数，完成最小学习参数回声状态网络估计器的设计。
[0011]进一步的，在步骤S1中，所述约束方程为：
[0012]g
i
(L
i
,l
i
)＝||L
i
||2‑
l
i2
＝0,i＝1,2,...,N
[0013]式中，L
i
＝X
i1
‑
X
L
是从载荷指向无人直升机i的方向矢量；X
i1
是无人直升机的轨迹矢量；X
L
是载荷的轨迹矢量；l
i
是绳索i的标称长度。但是该方法存在数值积分误差，所以运用Baumgarte方法,将约束公式描述为：
[0014][0015]其中(
·
)
+
为Moore
‑
Penrose广义逆；α和β是反馈增益；a
u
是在无视拉力情况下，无人直升机和载荷的无约束加速度；M由M＝diag(m1I3,m2I3,
…
,m
N
I3)构成；W＝[W1,
…
,W
N
]T
由构成；V＝[V1,
…
,V
N
]T
由V
i
＝2L
i
T[0
3*3(i
‑
1) I
3 0
3*3(i
‑
1)
ꢀ‑
I3]构成；I3是3阶单位矩阵；
[0016]进一步的，在步骤S2中,由于无人机和载荷存在耦合动力学关系导致绳索上的拉力难以测量，因此将无法测量的拉力相关项F
pi
视为系统扰动，并且由无人机六自由度模型可知绳索拉力相关项仅作用于速度环，故仅需针对速度环设计绳索拉力估计器；
[0017]本专利技术采用了神经网络中具有强大学习能力以及逼近能力更优越的回声状态网络；设计回声状态网络状态/干扰估计器的过程如下：
[0018]首先获取系统输出的无人机飞行状态信息，包括速度、姿态角、姿态角速度等；然后根据连续函数分离技术和回声状态网络逼近技术，将输入X2和输出F映射为：
[0019][0020]式中：表示估计误差，其上界为X∈R
m
,H∈R
k
×1,y
back
∈R
l
×1分别是输入，状态和输出向量；Γ
*
∈R
k
×
l
为理想权重向量，Γ
in
∈R
k
×
m
，Γ∈R
k
×
k
，Γ
back
∈R
k
×
l
依次为输入层到隐藏层，隐藏层到隐藏层以及输出层到隐藏层的权重矩阵，H(ψ2)＝[h1(ψ2),h2(ψ2),...,h
k
(ψ2)]T
∈R
k
为高斯基函数，并且
[0021][0022]式中：ψ∈R
m
为输入向量；c＝[c1,c2,...,c
m
]T
∈R
m
为中心向量；b
j
变量表示基函数宽度；
[0023]然后根据上述公式设计出速度环的回声状态网络状态/干扰估计器和
[0024][0025]式中：为理想权重Γ
0,2
的估计值；H2(ψ2)＝[h
2x
(ψ2),h
2y
(ψ2),h
2z
(ψ2)]T
为高斯基函数；X<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人直升机协作搬运绳索拉力估计方法，其特征在于：所述方法将绳索拉力作为扰动，根据无人机的飞行状态信息，设计一种基于最小学习参数的回声状态网络估计器，对系统中不可测量的集总扰动进行估计，从而估计出绳索拉力，具体包括以下步骤：步骤S1、根据无人机与绳索之间存在的约束关系，运用Baumgarte方法获取对应约束方程；步骤S2、将无法测量的拉力相关项F
pi
视为系统扰动，根据回声状态网络逼近原理，构建回声状态网络状态/干扰估计器对F
pi
进行估计；步骤S3、设计权重向量自适应更新律，确定回声状态网络中的标称权重向量；步骤S4、通过simulink实验仿真，确定回声状态网络的相关参数，完成最小学习参数回声状态网络估计器的设计。2.根据权利要求1所述的一种多无人直升机协作搬运绳索拉力估计方法，其特征在于：在步骤S1中，所述约束方程为：g
i
(L
i
,l
i
)＝||L
i
||2‑
l
i2
＝0,i＝1,2,...,N式中，L
i
＝X
i1
‑
X
L
是从载荷指向无人直升机i的方向矢量；X
i1
是无人直升机的轨迹矢量；X
L
是载荷的轨迹矢量；l
i
是绳索i的标称长度；但是该方法存在数值积分误差，所以运用Baumgarte方法,将约束公式描述为：其中(
·
)
+
为Moore
‑
Penrose广义逆；α和β是反馈增益；a
u
是在无视拉力情况下，无人直升机和载荷的无约束加速度；M由M＝diag(m1I3,m2I3,
…
,m
N
I3)构成；W＝[W1,
…
,W
N
]
T
由构成；V＝[V1,
…
,V
N
]
T
由构成；I3是3阶单位矩阵。3.根据权利要求1所述的一种多无人直升机协作搬运绳索拉力估计方法，其特征在于：在步骤S2中,由于无人机和载荷存在耦合动力学关系导致绳索上的拉力难以测量，因此将无法测量的拉力相关项F
pi
视为系统扰动，并且由无人机六自由度模型可知绳索拉力相关项仅作用于速度环，故仅需针对速度环设计绳索拉力估计器；采用了神经网络中具有强大学习能力以及逼近能力更优越的回声状态网络；设计回声状态网络状态/干扰估计器的过程如下：首先获取系统输出的无人机飞行状态信息，包括速度、姿态角、姿态角速度等；然后根据连续函数分离技术和回声状态网络逼近技术，将输入X2和输出F映射为：式中：表示估计误差，其上界为X∈R
m
,H∈R
k
×1,y
back
∈R
l
×1分别是输入，状态和输出向量；Γ
*
∈R
k
×
l
为理想权重向量，Γ
in
∈R
k
×
m
，Γ∈R
k
×
k
，Γ
back
∈R
k
×
l
依次为输入层到隐藏层，隐藏...

【专利技术属性】
技术研发人员：苏子康，陈嘉，徐忠楠，邢卓琳，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：