一种多旋翼无人机在无人船平台自主起降的控制方法技术

本发明专利技术公开了一种多旋翼无人机在运动无人船平台上的自主起降控制方法，该方法包括：基于无人机和无人船的模型参数对其运动进行建模，根据有向质点运动模型设计基于模型预测控制方法的前馈控制器，使无人机在自主起降过程中实现理想情况下的最优控制；将有向质点的最优状态引入到非线性几何追踪控制的后端控制器，通过引入误差变量以适应飞行环境和飞机自身动态特性变化给控制系统带来的干扰。本发明专利技术的控制方法通过将模型预测控制和四旋翼无人机的几何控制相结合，使整个控制器可以精确地、鲁棒地跟踪非线性运动状态下的无人船，实现无人机在无人船上的精准自主起降控制。现无人机在无人船上的精准自主起降控制。现无人机在无人船上的精准自主起降控制。

【技术实现步骤摘要】
一种多旋翼无人机在无人船平台自主起降的控制方法


[0001]本专利技术涉及无人机
，具体涉及一种多旋翼无人机在无人船平台自主起降的控制方法。

技术介绍

[0002]近年来无人系统因其成本低、灵活性高、可移植性好等优点得到了广泛的发展，但无人系统发展过程中都存在各自的优势及其自身难以克服的短板。异构无人系统协同可以达到取长补短、效能最大化的目的。旋翼无人机与无人船配合完成任务在民用和军事领域需求日益增加。
[0003]研究资料表明，旋翼无人机回收过程中故障数占整个执行任务故障数的80％以上，目前，多旋翼无人机控制方法多采取单一PID控制算法，但确定参量的PID控制方法难以适应无人船随机运动，导致控制器在起降过程中失效，并且无人船在海上位置变化较快，致使无人机跟随效率骤减及无人船晃动致使无人机起降异常困难。

技术实现思路

[0004]针对上述存在的技术问题，本专利技术设计了一种多旋翼无人机在无人船平台自主起降的控制方法，提高了无人控制精度，增加了起降过程的鲁棒性和无人机飞行的机动性。
[0005]本专利技术目的在于一种多旋翼无人机在无人船平台自主起降的控制方法，包括以下步骤：
[0006]S1：建立一种基于有向质点运动的三维运动模型和无人船运动模型。
[0007]S2：根据有向质点和无人船运动模型设计一种基于模型预测控制方法，控制有向质点，并将质点模型的更新状态作为无人机的期望状态。
[0008]S3：建立多旋翼无人机的动力学模型。
[0009]S4：设计一种基于几何追踪控制的控制方法，获得无人机各个螺旋桨的期望推力。
[0010]S5：根据螺旋桨推力
‑
转速曲线关系计算每个电机的转速大小，实现对无人机的控制。
[0011]进一步，所述步骤S1包括以下步骤：
[0012]S11：建立有向质点三维运动模型，模型描述为：
[0013]x
[t]＝Ax
[t
‑
1]+Bu
[t]ꢀꢀ
(1)
[0014][0015][0016][0017][0018]其中是有向质点在世界坐标系中的三维状态包括位置P＝[x，y，z]T
、速度加速度偏航角η、偏航角速度A、B为运动状态转移矩阵和控制时间Δt有关，为有向质点模型的模拟控制量。
[0019]S12：建立无人船平台三维运动模型，模型描述为：
[0020][0021]其中，P
p
＝[x
p
，y
p
，z
p
]T
表示无人船在世界坐标系的位置，v表示无人船在世界坐标系的前向速度，ψ代表无人船偏航角，代表无人船偏航角速度，代表无人船在世界坐标系垂向速度，Δt代表无人船传感器采样时间。
[0022]进一步的，所述步骤S2包括以下步骤：
[0023]S21：设计有向质点模型的模型预测控制器：
[0024]所采用的方法为最小平方和问题的QP公式，在未来预测范围找到最优控制动作，所采用的代价函数J为：
[0025][0026]其中，为有向质点模型的模拟控制量，e＝x
‑
x
d
，代表无人船此时的位置，速度，m是预测步长，x
L x
U
表示模拟有向质点模型的状态约束，u
L u
U
表示模拟有向质点模型的控制约束。状态更新模型采用S1所建立的有向质点运动学模型和无人船运动学模型。
[0027]S22：将模型预测控制器所得的控制量代入有向质点运动模型得到模拟模型的更新状态记为则为无人机的期望状态向量，包括
[0028]进一步的，所述步骤S3所建立的多旋翼无人机的动力学模型描述为：
[0029][0030]其中，p＝[x
q
，y
q
，z
q
]T
表示无人机在世界坐标系的位置，v表示无人机在世界坐标系的速度，m表示无人机的质量，f表示无人机的总推力，表示无人机在机体坐标系的角速度，表示角速度的斜对称矩阵，使得J表示无人机的惯性矩阵，g表示重力加速度，e3＝[0 0 1]T
，M＝[M
1 M
2 M3]T
表示扭力，R是是旋转矩阵，由无人机沿欧拉角ψ，φ，θ旋转得到，ψ，φ，θ分别表示为偏航角，滚转角与俯仰角。当多旋翼无人机为四旋翼无人机且螺旋桨采用对称布局时，存在以下关系：
[0031][0032]其中，f1，f2，f3，f4分别为四旋翼无人机四个螺旋桨的推力，d为四旋翼无人机单个螺旋桨到质心的距离。
[0033]进一步的，所述步骤S4所设计的基于几何追踪控制的控制方法包括以下步骤：
[0034]S41：计算控制所需总推力f：
[0035][0036]其中，e
p
＝p
‑
p
d
为位置误差，e
v
＝v
‑
v
d
为速度误差，e3＝[0 0 1]T
，为期望的加速度，k
p
，k
v
，k
ib
，k
iw
为推力控制增益，为内部干扰误差，为外部干扰误差。
[0037]S42：由期望偏航角ψ
d
和控制总矢量推力f计算旋转矩阵控制量R
C
：
[0038]R
C
＝[b
1，C b
2，C b
3，C
][0039]由旋转矩阵定义可得：
[0040]b
2，d
＝[
‑
sinψ
d cosψ
d 0]T
ꢀꢀ
(11)
[0041]则：
[0042][0043]S43：计算角速度控制量Ω
C
：
[0044][0045][0046]根据无人机动力学公式可得：
[0047][0048]则可根据Ω
C
的斜对称矩阵得到Ω
C
。
[0049]S44：计算控制所需扭力M：
[0050][0051]其中，e
R
为角度误差，e
Ω
为角速度误差，k
R
，k
Ω
为角度控制增益。
[0052]S45：计算每个螺旋桨的期望推力f
i
：
[0053][0054]进一步的，所述步骤S5涉及的螺旋桨推力
‑
转速曲线公式为
[0055][0056]其中，a
t
，b
t
为推力转速曲线参数，f
d
为期望推力，T
d
为期望螺旋桨的转速
[0057]进一步的，所述公式(9)、(17)为四旋翼无人机推力计算公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多旋翼无人机在无人船平台自主起降的控制方法，其特征在于，包括以下步骤：S1：建立一种基于有向质点运动的三维运动模型和无人船运动模型；S2：根据有向质点和无人船运动模型设计一种基于模型预测控制方法，控制有向质点，并将质点模型的更新状态作为无人机的期望状态；S3：建立多旋翼无人机的动力学模型；S4：设计一种基于几何追踪控制的控制方法，获得无人机各个螺旋桨的期望推力；S5：根据螺旋桨推力
‑
转速曲线关系计算每个电机的转速大小，实现对无人机的控制。2.根据权利要求1所述的一种多旋翼无人机在无人船平台自主起降的控制方法，其特征在于，所述步骤S1包括以下步骤：S11：建立有向质点三维运动模型，模型描述为：x
[t]
＝Ax
[t
‑
1]
+Bu
[t]
ꢀꢀꢀꢀ
(1)(1)(1)(1)其中是有向质点在世界坐标系中的三维状态包括位置P＝[x，y，z]
T
、速度加速度偏航角η、偏航角速度A、B为运动状态转移矩阵和控制时间Δt有关，为有向质点模型的模拟控制量；S12：建立无人船平台三维运动模型，模型描述为：其中，P
p
＝[x
p
，y
p
，z
p
]
T
表示无人船在世界坐标系的位置，v表示无人船在世界坐标系的前向速度，ψ代表无人船偏航角，代表无人船偏航角速度，代表无人船在世界坐标系垂向速度，Δt代表无人船传感器采样时间。3.根据权利要求1所述的一种多旋翼无人机在无人船平台自主起降的控制方法，其特
征在于，所述步骤S2包括以下步骤：S21：设计有向质点模型的模型预测控制器：采用最小平方和问题的QP公式，在未来预测范围找到最优控制动作，设计的代价函数J为：其中，为有向质点模型的模拟控制量，e＝x
‑
x
d
，代表无人船此时的位置，速度，m是预测步长，x
L
x
U
表示模拟有向质点模型的状态约束，u
L
u
U
表示模拟有向质点模型的控制约束；状态更新模型采用S1所建立的有向质点运动学模型和无人船运动学模型；S22：将模型预测控制器所得的控制量代入有向质点运动模型得到模拟模型的更新状态记为则为无人机的期望状态向量，包括4.根据权利要求1所述的一种多旋翼无人机在无人船平台自主起降的控制方法，其特征在于，所述步骤S3所建立的多旋翼无人机的动力学模型描述为：其中，p＝[x
q
，y
q
，z
q
]
T
表示无人机在世界坐标系的位置，v表示无人机在世界坐标系的速度，m表示无人机的质量，f表示无人机的总推力，表示...

【专利技术属性】
技术研发人员：王惠刚，冯举，
申请(专利权)人：江苏优思微智能科技有限公司，
类型：发明
国别省市：