一种基于神经网络智能控制的无人机侧滑转弯控制方法技术

本发明专利技术提供了一种基于神经网络智能控制的无人机侧滑转弯控制方法，其通过组合微分器求解无人机侧向期望轨迹信号一阶导与二阶导信号，进而通过偏航角速率与偏航角以及飞行速度信号求解侧向速度与侧向加速度误差信号，再通过误差综合形成偏航角期望信号，通过与偏航角进行比较得到偏航角误差信号，进而由组合微分器以及角速度信号生成偏航角速率误差信号与偏航角加速度误差信号，最后由上述位置误差、速度误差、加速度误差、角度误差、角速率误差、角加速率误差训练一类类径向基神经网络，用神经网络逼近系统的不确定性误差，并叠加误差与误差积分信号组成最终的无人机偏航通道控制总信号，实现无人机侧滑转弯的智能控制。实现无人机侧滑转弯的智能控制。实现无人机侧滑转弯的智能控制。

【技术实现步骤摘要】
一种基于神经网络智能控制的无人机侧滑转弯控制方法


[0001]本专利技术涉及飞行器控制领域，具体而言，涉及一种基于神经网络智能控制的高速飞行器的侧向蛇行机动转弯控制方法。

技术介绍

[0002]低速无人机的飞行由于气动参数的不确定性、气流以及低速风洞的建模误差导致其准确模型难以获得，必然存在着模型误差或者是未建模动态，因此采用传统的PID控制尽管能够实现系统的稳定，但快速性与抗干扰能力在到达一定程度后进一步提高非常困难，存在着很大的瓶颈限制。同时，角加速度对无人机稳定控制有着非常重要的作用，但目前的角加速度测量仪器精度不高，从而难以达到满意的控制效果，基于上述背景原因，本专利技术考虑采用了一类组合微分器来实现角度误差到角加速度误差的解算，并提出了一种采用传统的误差反馈与神经网络智能控制相结合的方法，利用智能控制中神经网络的大数据处理能力，来消除系统不确定性带来的干扰，使得整个控制方法具有良好的抗不确定性干扰能力。同时采用了组合微分器的方法，实现了从位置平动到质心转动的六类误差信号的综合，为神经网络提供了海量的误差数据，也使得了专利技术方法在实验中产生了较好的效果，使得本方法不仅具有理论价值，而且具有很高的工程实用价值。
[0003]需要说明的是，在上述
技术介绍
部分专利技术的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0004]本专利技术的目的在于提供一种基于神经网络智能控制的无人机侧滑转弯控制方法，进而克服了由于相关技术的限制和缺陷而导致的侧滑转弯抗不确定性干扰能力不强的问题。
[0005]根据本专利技术的一个方面，提供一种基于神经网络智能控制的无人机侧滑转弯控制方法动，包括以下步骤：
[0006]步骤S10，安装姿态陀螺仪测量无人机偏航角，安装速率陀螺仪测量无人机偏航角速率，安装惯性导航设备测量无人机侧向位移信号与飞行速度，然后根据任务设置侧向期望轨迹信号；采用侧向位移信号与侧向期望轨迹信号进行对比，得到侧向位置误差信号；然后设计一阶与二阶传递函数形成组合微分器，分别输入侧向位移信号与侧向期望轨迹进行到组合微分器，得到侧向位移一阶导信号与侧向期望轨迹二阶导信号。
[0007]步骤S20，将侧向位移一阶导信号与侧向期望轨迹一阶导信号再次通过组合微分器，得到侧向位移二阶导信号与侧向期望轨迹二阶导信号，再采用飞行速度信号与偏航角信号、侧向位移一阶导信号以及侧向期望轨迹一阶导信号解算侧向速度误差信号；采用飞行速度信号与偏航角速率信号、侧向位移二阶导信号以及侧向期望轨迹二阶导信号解算侧向加速度误差信号。
[0008]步骤S30，根据所述的侧向位置误差信号进行非线性变换后积分，得到侧向位置误
差非线性积分信号；然后综合所述的侧向位置误差信号、侧向速度误差信号、侧向加速度误差信号以及侧向位置误差非线性变换信号形成偏航角期望信号；然后与偏航角信号进行对比得到偏航角误差信号；然后设计一阶与二阶传递函数形成组合微分器，将偏航角期望信号输入组合微分器，得到偏航角期望一阶导信号；再将偏航角期望一阶导信号输入组合微分器，得到偏航角期望二阶导信号。
[0009]步骤S40，将偏航角速率输入组合微分器，得到偏航角速率一阶导信号；然后采用偏航角速率信号与偏航角期望一阶导信号进行对比，得到偏航角速率误差信号；采用偏航角速率一阶导信号与偏航角期望二阶导信号进行比较，得到偏航角加速度误差信号。
[0010]步骤S50，根据所述的偏航角误差信号进行非线性变换得到偏航角误差非线性变换信号后再积分，得到偏航角误差非线性积分信号；然后建立小型六输入类径向基神经网络，分别采用侧向位置误差信号、侧向速度误差信号、侧向加速度误差信号、偏航角误差信号、偏航角速率误差信号、偏航角加速度误差信号为网络输入，根据偏航角期望信号、偏航角误差信号、偏航角速率误差信号、偏航角加速度误差、偏航角误差信号非线性变换信号与偏航角误差非线性积分信号设计神经网络综合误差信号；再根据神经网络综合误差信号设计神经网络的权值自适应调节规律，其积分后得到神经网络的权值，然后分别求解神经网络的六个子输出，最后综合得到神经网络的总输出，最后叠加偏航角误差信号、偏航角速率误差信号、偏航角加速度误差、偏航角误差非线性变换信号与偏航角误差非线性积分信号组成最终的无人机偏航通道控制总信号。
[0011]在本专利技术的一种示例实施例中，安装姿态陀螺仪测量无人机偏航角，安装速率陀螺仪测量无人机偏航角速率，安装惯性导航设备测量无人机侧向位移信号与飞行速度，然后根据任务设置侧向期望轨迹信号；采用侧向位移信号与侧向期望轨迹信号进行对比，得到侧向位置误差信号；然后设计一阶与二阶传递函数形成组合微分器，分别输入侧向位移信号与侧向期望轨迹进行到组合微分器，得到侧向位移一阶导信号与侧向期望轨迹二阶导信号包括：
[0012]e1＝z
‑
z
d
[0013][0014][0015]其中ψ为安装姿态陀螺仪测量得到的无人机偏航角，ω
y
为安装速率陀螺仪测量得到的无人机偏航角速率，z为安装惯性导航设备测量得到的无人机侧向位移信号，v为安装惯性导航设备测量得到的无人机飞行速度，z
d
为任务设置侧向期望轨迹信号；e1为侧向位置误差信号；T1、T2为由一阶与二阶传递函数形成组合微分器的时间常数，为常值参数，s为传递函数的微分算子；z1为侧向位移一阶导信号；z3为侧向期望轨迹二阶导信号；z2为侧向位移二阶导信号。
[0016]在本专利技术的一种示例实施例中，将侧向位移一阶导信号与侧向期望轨迹一阶导信号再次通过组合微分器，得到侧向位移二阶导信号与侧向期望轨迹二阶导信号，再采用飞行速度信号与偏航角信号、侧向位移一阶导信号以及侧向期望轨迹一阶导信号解算侧向速度误差信号；采用飞行速度信号与偏航角速率信号、侧向位移二阶导信号以及侧向期望轨
迹二阶导信号解算侧向加速度误差信号包括：
[0017][0018][0019]e2＝vsin(ψ)+z1‑
2z3；
[0020]e3＝vω
y
+z2‑
2z4；
[0021]其中z4为侧向期望轨迹二阶导信号；e2为侧向速度误差信号；e3为侧向加速度误差信号。
[0022]在本专利技术的一种示例实施例中，根据所述的侧向位置误差信号进行非线性变换后积分，得到侧向位置误差非线性积分信号；然后综合所述的侧向位置误差信号、侧向速度误差信号、侧向加速度误差信号以及侧向位置误差非线性变换信号形成偏航角期望信号；然后与偏航角信号进行对比得到偏航角误差信号；然后设计一阶与二阶传递函数形成组合微分器，将偏航角期望信号输入组合微分器，得到偏航角期望一阶导信号；再将偏航角期望一阶导信号输入组合微分器，得到偏航角期望二阶导信号包括：
[0023][0024]s1＝∫e
a
dt；
[0025]ψ1＝c1e1+c2e2+c3e3+c4s1+c5e
a
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络智能控制的无人机侧滑转弯控制方法，其特征在于，安装姿态陀螺仪测量无人机偏航角，安装速率陀螺仪测量无人机偏航角速率，安装惯性导航设备测量无人机侧向位移信号与飞行速度，然后根据任务设置侧向期望轨迹信号；采用侧向位移信号与侧向期望轨迹信号进行对比，得到侧向位置误差信号；然后设计一阶与二阶传递函数形成组合微分器，分别输入侧向位移信号与侧向期望轨迹信号进行到组合微分器，得到侧向位移一阶导信号与侧向期望轨迹一阶导信号；然后将侧向位移一阶导信号与侧向期望轨迹一阶导信号再次通过组合微分器，得到侧向位移二阶导信号与侧向期望轨迹二阶导信号，再采用飞行速度信号与偏航角信号、侧向位移一阶导信号以及侧向期望轨迹一阶导信号解算侧向速度误差信号；采用飞行速度信号与偏航角速率信号、侧向位移二阶导信号以及侧向期望轨迹二阶导信号解算侧向加速度误差信号包括：e1＝z
‑
z
d
；；；；e2＝vsin(ψ)+z1‑
2z3；e3＝vω
y
+z2‑
2z4；其中ψ为安装姿态陀螺仪测量得到的无人机偏航角，ω
y
为安装速率陀螺仪测量得到的无人机偏航角速率，z为安装惯性导航设备测量得到的无人机侧向位移信号，v为安装惯性导航设备测量得到的无人机飞行速度，z
d
为任务设置侧向期望轨迹信号；e1为侧向位置误差信号；T1、T2为由一阶与二阶传递函数形成组合微分器的时间常数，为常值参数，s为传递函数的微分算子；z1为侧向位移一阶导信号；z3为侧向期望轨迹一阶导信号；z2为侧向位移二阶导信号；z4为侧向期望轨迹二阶导信号；e2为侧向速度误差信号；e3为侧向加速度误差信号。2.根据权利要求1所述的一种基于神经网络智能控制的无人机侧滑转弯控制方法，其特征在于，根据所述的侧向位置误差信号进行非线性变换后积分，得到侧向位置误差非线性积分信号；然后综合所述的侧向位置误差信号、侧向速度误差信号、侧向加速度误差信号以及侧向位置误差非线性变换信号形成偏航角期望信号；然后与偏航角信号进行对比得到偏航角误差信号；然后设计一阶与二阶传递函数形成组合微分器，将偏航角期望信号输入组合微分器，得到偏航角期望一阶导信号；再将偏航角期望一阶导信号输入组合微分器，得到偏航角期望二阶导信号；然后将偏航角速率输入组合微分器，得到偏航角速率一阶导信号；然后采用偏航角速率信号与偏航角期望一阶导信号进行对比，得到偏航角速率误差信号；采用偏航角速率一阶导信号与偏航角期望二阶导信号进行比较，得到偏航角加速度误差信号包括：
s1＝∫e
a
dt；ψ1＝c1e1+c2e2+c3e3+c4s1+c5e
a
；e4＝ψ
‑
ψ1；；；e5＝ω
y
‑
ψ2；e6＝ψ4‑
ψ3；其中e
a
为侧向位置误差非线性变换信号，s1为侧向位置误差非线性积分信号；c6、ε1为非线性变换的常值参数；ψ1为偏航角期望信号，c1、c2、c3、c4、c5为常值参数；e4为偏航角误差信号；T1、T2为由一阶与二阶传递函数形成组合微分器的时间常数，为常值参数，s为传递函数的微分算子；ψ2为偏航角期望一阶导信号；ψ3为偏航角期望二阶导信号；ψ4为偏航角速率一阶导信号；e5为偏航角速率误差信号；e6为偏航角加速度误差信号。3.根据权利要求2所述的一种基于神经网络智能控制的无人机侧滑转弯控制方法，其特征在于，根据所述的偏航角误差信号进行非线性变换得到偏航角误差非线性变换信号后再积分，得到偏航角误差非线性积分信号；然后建立小型六输入类径向基神经网络，分别采用侧向位置误差信号、侧向速度误差信号、侧向加速度误差信号、偏航角误差信号、偏航角速率误差信号、偏航角加速度误差信号为网络输入，根据偏航角期望信号、偏航角误差信号、偏航角速率误差信号、偏航角加速度误差、偏航角误差信号非线性变换信号与偏航角误差非线性积分信号设计神经网...

【专利技术属性】
技术研发人员：安小宇，孔汉，窦智峰，贺振东，李从善，刘普，杨小亮，郭磊磊，杜彬，闫小关，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：