基于模糊自抗扰控制设计的旋翼无人机姿态控制器及方法技术

本发明专利技术提供一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器及方法，该姿态控制器包括外环比例控制器、跟踪微分器、非线性控制器、无人机、二阶扩展状态观测器和模糊控制器，所述的外环比例控制器输出端与跟踪微分器输入端连接，所述的跟踪微分器有两个输出端，第一个输出端与非线性控制器的一侧输入端连接，跟踪微分器的第一个输出端还与模糊控制器的第一个输入端连接；所述的跟踪微分器的第二个输出端与模糊控制器的第二个输入端连接；所述的模糊控制器的输出端与非线性控制器的下端输入端连接。本发明专利技术使用模糊控制结合误差反馈，帮助算法进行参数整定，降低了调参难度，提高了自适应性和鲁棒性。高了自适应性和鲁棒性。高了自适应性和鲁棒性。

【技术实现步骤摘要】
基于模糊自抗扰控制设计的旋翼无人机姿态控制器及方法


[0001]本专利技术属于无人机领域，具体涉及一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器及方法。

技术介绍

[0002]无人机因其相对较低的价格和无人驾驶的优势在如今受到了越来越多的关注。对于大型无人机，其无人的安全性和可控性受到欢迎；而小型无人机则更加受到市场的喜爱：其便携性和较低的成本，使得其在摄像、管道巡检、警务巡逻等场合大放异彩。
[0003]而在无人机越发多的出现在人们的视野之中的同时，其安全性和稳定性也需要得到进一步的加强。当前市面上大多数无人机仍采用传统的pid控制算法进行控制，其控制精度和抗干扰能力较弱，不能应对很多极端情况；韩京清教授所研究出的adrc自抗扰算法可以较好地在一些方面解决干扰估算、参数估计等难题。而当前已有的部分无人机自抗扰控制器中，对模型与算法的结合仍不完善，需要进行修正。
[0004]自抗扰控制器具有较好的抗干扰能力和控制性能，但其参数较多，调节难度较大。同时，非线性误差反馈环节的自适应性较差。

技术实现思路

[0005]为了克服现有参数较多，调节难度较大且自适应性差的问题，本专利技术提供一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器及方法，本专利技术使用模糊控制结合误差反馈，帮助算法进行参数整定，不仅降低了调参难度，还提高了自适应性和鲁棒性。
[0006]本专利技术采用的技术方案为：
[0007]一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，包括外环比例控制器、跟踪微分器、非线性控制器、无人机、二阶扩展状态观测器和模糊控制器，所述的外环比例控制器输出端与跟踪微分器输入端连接，所述的跟踪微分器有两个输出端，第一个输出端与非线性控制器的一侧输入端连接，跟踪微分器的第一个输出端还与模糊控制器的第一个输入端连接；
[0008]所述的跟踪微分器的第二个输出端与模糊控制器的第二个输入端连接；所述的模糊控制器的输出端与非线性控制器的下端输入端连接；
[0009]所述的非线性控制器的输出端与无人机输入端连接，无人机输出端分别与二阶扩展状态观测器输入端和外环比例控制器的输入端连接，二阶扩展状态观测器输出端与非线性控制器的一侧输入端连接。
[0010]所述的模糊控制器为FUZZY。
[0011]所述的模糊控制器对非线性控制器的增益量kk进行模糊推理。
[0012]所述的跟踪微分器为TD，其表达式为：
[0013][0014]其中，δ(t)为期望的角速率信息，δ
′
和δ
′2分别代表对期望角速率的跟踪量和对期望角速率微分的跟踪量；r为TD的控制器增益，sign为函数。
[0015]所述的sign函数取值为：
[0016][0017]所述的非线性控制器(3)为NLSEF，其表达式为：
[0018]u(t)＝(α1fal(e(t)，σ，τ1)
‑
Z2(t))/b0[0019]其中，b0表示控制器反馈增益，u(t)表示输出量，α1为非线性控制器增益，e(t)为控制器输入即角速率差，fal为函数。
[0020]所述的二阶扩展状态观测器为ESO，表达式为：
[0021][0022]其中，z1(t)，z2(t)分别表示第一和第二观测量，e1(t)为观测误差，u(t)表示输出量，β1，β2为观测器的两个增益，b0表示控制器反馈增益，fal为函数。
[0023]所述的fal函数形式均为：
[0024][0025]其中，α为非线性因子，取值范围为(0，1)；δ为滤波因子。
[0026]一种基于模糊自抗扰控制设计的旋翼无人机姿态控制方法，将姿态外环误差量ε(t)经过外环比例控制器处理得到期望的角速率信息δ(t)，期望的角速率信息δ(t)经过跟踪微分器处理，得到对期望角速率的跟踪量δ1′
(t)和对期望角速率微分的跟踪量δ2′
(t)；对期望角速率的跟踪量δ1′
(t)和对期望角速率微分的跟踪量δ2′
(t)作为模糊控制器(6)的输入量，经过模糊推理得到非线性控制器(3)的增益量kk；对期望角速率的跟踪量δ1′
(t)与期望角速率的观测值z1(t)做差得到非线性控制器输入量角速率差e(t)，角速率差e(t)、观测总扰动值z2(t)以及kk作为非线性控制器的输入，输出姿态控制器输出量u(t)，输出量u(t)输送给二阶扩展状态观测器，进行计算得到第一、第二观测量z1(t)和z2(t)；同时，输出量u(t)通过消息体发布接收结构传输给混控器，经混控器处理后得到作动器的输入，最后由作动器进行输出。
[0027]所述的姿态外环误差量ε(t)为期望的角度信息ρ(t)与系统实际状态量y(t)的差值。
[0028]本专利技术的有益效果为：
[0029]本专利技术使用模糊控制结合误差反馈，帮助算法进行参数整定，不仅降低了调参难度，还提高了自适应性和鲁棒性，使得无人机在面对突变干扰时能够较快恢复到期望状态。
[0030]以下将结合附图进行进一步的说明。
附图说明
[0031]图1本专利技术旋翼无人机姿态控制器的整体结构框图。
[0032]图2传统串级pid控制器阶跃信号仿真结果图。
[0033]图3传统内环自抗扰姿态控制器阶跃信号仿真结果图。
[0034]图4本专利技术姿态控制器阶跃信号仿真结果图。
[0035]图中，附图标记为：1、外环比例控制器；2、跟踪微分器；3、非线性控制器；4、无人机；5、二阶扩展状态观测器；6、模糊控制器。
具体实施方式
[0036]实施例1：
[0037]为了克服现有参数较多，调节难度较大且自适应性差的问题，本专利技术提供一种如图1
‑
4所示的基于模糊自抗扰控制设计的旋翼无人机姿态控制器及方法，本专利技术使用模糊控制结合误差反馈，帮助算法进行参数整定，不仅降低了调参难度，还提高了自适应性和鲁棒性。
[0038]一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，包括外环比例控制器1、跟踪微分器2、非线性控制器3、无人机4、二阶扩展状态观测器5和模糊控制器6，所述的外环比例控制器1输出端与跟踪微分器2输入端连接，所述的跟踪微分器2有两个输出端，第一个输出端与非线性控制器3的一侧输入端连接，跟踪微分器2的第一个输出端还与模糊控制器6的第一个输入端连接；
[0039]所述的跟踪微分器2的第二个输出端与模糊控制器6的第二个输入端连接；所述的模糊控制器6的输出端与非线性控制器3的下端输入端连接；
[0040]所述的非线性控制器3的输出端与无人机4输入端连接，无人机4输出端分别与二阶扩展状态观测器5输入端和外环比例控制器1的输入端连接，二阶扩展状态观测器5输出端与非线性控制器3的一侧输入端连接。
[0041]如图1所示，本专利技术中通过外环比例控制器1、跟踪微分器2、非线性控制器3、二阶扩展状态观测器5和模糊控制器6配合使用在无人机4上，通过跟踪微本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，其特征在于：包括外环比例控制器(1)、跟踪微分器(2)、非线性控制器(3)、无人机(4)、二阶扩展状态观测器(5)和模糊控制器(6)，所述的外环比例控制器(1)输出端与跟踪微分器(2)输入端连接，所述的跟踪微分器(2)有两个输出端，第一个输出端与非线性控制器(3)的一侧输入端连接，跟踪微分器(2)的第一个输出端还与模糊控制器(6)的第一个输入端连接；所述的跟踪微分器(2)的第二个输出端与模糊控制器(6)的第二个输入端连接；所述的模糊控制器(6)的输出端与非线性控制器(3)的下端输入端连接；所述的非线性控制器(3)的输出端与无人机(4)输入端连接，无人机(4)输出端分别与二阶扩展状态观测器(5)输入端和外环比例控制器(1)的输入端连接，二阶扩展状态观测器(5)输出端与非线性控制器(3)的一侧输入端连接。2.根据权利要求1所述的一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，其特征在于：所述的模糊控制器(6)为FUZZY。3.根据权利要求1所述的一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，其特征在于：所述的模糊控制器对非线性控制器(3)的增益量kk进行模糊推理。4.根据权利要求1所述的一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，其特征在于：所述的跟踪微分器(2)为TD，其表达式为：其中，δ(t)为期望的角速率信息，δ
′
和δ
′2分别代表对期望角速率的跟踪量和对期望角速率微分的跟踪量；r为TD的控制器增益，sign为函数。5.根据权利要求4所述的一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，其特征在于：所述的sign函数取值为：6.根据权利要求1所述的一种基于模糊自抗扰控制设计的旋翼无人机姿态控制器，其特征在于：所述的非线性控制器(3)为NLSEF，其表达式为：u(t)＝(α1fal(e(t)，σ，τ1)
‑
z2(t))/b0其中，b0表示控...

【专利技术属性】
技术研发人员：王国栋，
申请(专利权)人：西安万飞控制科技有限公司，
类型：发明
国别省市：