基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法技术

本发明专利技术涉及基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法，设计方法应用基于自适应RBF神经网络的状态观测器，用于系统状态和总扰动扩张状态的估计，观测效果好于经典自抗扰控制器扩张状态观测器，降低了ADRC控制器参数整定难度；并且基于自适应RBF神经网络对二阶不确定性系统总扰动进行估计，减少了不确定性因素对控制系统性能的影响；整个设计方法克服了传统滑模控制器高频抖振的缺点，使得控制器的动态性能得到提升，并且能够有效克服无人直升机面临的内外扰动影响，提高了飞行控制系统的抗扰性和鲁棒性，控制性能优于传统滑模控制器。控制性能优于传统滑模控制器。控制性能优于传统滑模控制器。

【技术实现步骤摘要】
基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法


[0001]本专利技术涉及基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法，属于二阶不确定性系统控制


技术介绍

[0002]实际工业系统中，二阶不确定性系统普遍存在，如有人/无人直升机/固定翼飞机、倒立摆、自动驾驶汽车等等。二阶不确定性系统所受的扰动是未知，且难以计算和测量，扰动涉及内部扰动(结构参数不确定性或未建模动态)和外部扰动(外界风扰动)二大类，会影响被控对象的稳定性，需要通过控制系统设计来克服对系统的影响。研究二阶不确定系统的控制问题具有重要理论和实际意义。
[0003]二阶不确定性系统控制设计方法很多，有线性控制、非线性控制和智能控制。在线性控制领域，如比例
‑
积分
‑
微分控制(Proportional
‑
Integral
‑
Derivative,PID)，线性二次型控制(Linear Quadratic Regulator,LQR)等。这些控制方法设计简单，易于工程实现，但线性控制器设计过度依赖于精确的飞行动力学模型，而无人直升机面临着不确定性扰动，因此线性控制器难以有效克服无人直升机的内外扰动。在非线性控制领域，如反步控制(Backstepping Control)、自抗扰控制(Active Disturbance Rejection Control，ADRC)、滑模控制(Sliding Mode Control,SMC)等。其中，以滑模控制和自抗扰控制应用最为广泛，如Ifassiouen等设计了一种滑模控制器应用于二阶无人直升机小系统的飞行控制，应用李雅普诺夫稳定性理论，分析了小型无人直升机系统面对内外扰动仍然具有渐近稳定性，用仿真结果说明所设计的控制系统具有良好的跟踪性能(期刊：International Journal of Mechanical,Aerospace,Industrial and Mechatronics Engineering；著者：H.Ifassiouen,M.Guisser,H.Medromi；出版年月：2007；文章题目：Robust nonlinear control of a miniature autonomous helicopter using sliding mode control structure；页码：84
‑
89)。Ramirez等提出了一种将积分滑模与反演控制相结合的算法，仿真说明了二阶无人直升机系统存有阵风干扰情况下依然飞行良好(期刊：Journal of Intelligent and Robotic Systems；著者：H.Ramirez
‑
Rodriguez,V.Parra
‑
Vega,A.Sanchez
‑
Orta；出版年月：2014；文章题目：Robust backstepping control based on integral sliding modes for tracking of quadrotors；页码：51
‑
66)。滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点。但是，当状态轨迹到达滑动模态面后，难以严格沿着滑动模态面向平衡点滑动，而是在其两侧来回穿越地趋近平衡点，从而产生抖振，这也是滑模控制实际应用中的主要障碍。考虑到内外扰动干扰特性，自抗扰控制(Active Disturbance Rejection Control，ADRC)将二阶系统内部及外部扰动视为总扰动，通过状态扩张的办法建立扩张状态观测器(Extended State Observer，ESO)，将总扰动用扩张状态进行估计，用于系统控制实时补偿。ADRC能够克服内外扰动对系统控制的影响，使系统具有较强的鲁棒性，控制系统设计不受被控对象模型精
确性限制，业已从工程实践和理论分析角度进行了验证。ADRC控制器是一种非线性控制器，其缺陷在于控制器参数较多，难以整定。同时扩张状态观测器自适应能力并不强，一旦内外干扰变化大，扩张状态观测器先前状态所用整定参数很可能不再适用，需要重新整定。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法，不仅能使无人直升机控制免受内外扰动影响，而且能够提高针对无人直升机的控制效率。
[0005]本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法，基于实时目标指令，实时执行如下步骤A至步骤C，实现对无人直升机的实时控制；
[0006]步骤A.根据无人直升机的6自由度运动特征，构建无人直升机所对应的运动学模型，然后进入步骤B；
[0007]步骤B.基于无人直升机所对应的运动学模型，根据实时目标指令，构建无人直升机姿态二阶不确定性模型及其控制回路，获得无人直升机的姿态控制矢量；
[0008]基于无人直升机所对应的运动学模型，根据实时目标指令，构建无人直升机速度二阶不确定性模型及其控制回路，获得无人直升机的速度控制矢量；
[0009]基于无人直升机所对应的运动学模型，根据实时目标指令，构建无人直升机位置二阶不确定性模型及其控制回路，获得无人直升机的位置控制矢量；然后进入步骤C；
[0010]步骤C.根据无人直升机的姿态控制矢量、速度控制矢量、位置控制矢量，针对无人直升机进行控制。
[0011]作为本专利技术的一种优选技术方案：所述步骤A中，根据无人直升机的6自由度运动特征，构建无人直升机所对应的运动学模型如下：
[0012][0013][0014][0015][0016]其中，V＝[u v w]T
为无人直升机的前飞速度、横向速度、垂向速度；S＝[p q r]T
为无人直升机的滚转角速度、俯仰角速度、偏航角速度；α＝[φ θ ψ]T
为无人直升机的滚转欧拉角、俯仰欧拉角、偏航欧拉角；P＝[X Y Z]T
为无人直升机地面坐标；m为无人直升机的全机质量；F、M分别为无人直升机全机各部件的合外力、以及合外力矩；I为无人直升机惯性矩矩阵，Ω为无人直升机三轴角速率反对称矩阵，R
EB
为机体坐标系到地面坐标系的转换矩阵，E为无人直升机机体角速度到欧拉角速度的转换矩阵。
[0017]作为本专利技术的一种优选技术方案：所述步骤B中，基于无人直升机所对应的运动学模型，根据实时目标指令，按如下构建无人直升机姿态二阶不确定性模型及其控制回路，获得无人直升机的姿态控制矢量；
[0018]根据式(2)和式(3)，构建无人直升机姿态二阶不确定性模型如下：
[0019][0020][0021]其中，w1为无人直升机姿态对应的外部扰动，U
c
＝[δ
lon δ
lat δ<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法，其特征在于：基于实时目标指令，实时执行如下步骤A至步骤C，实现对无人直升机的实时控制；步骤A.根据无人直升机的6自由度运动特征，构建无人直升机所对应的运动学模型，然后进入步骤B；步骤B.基于无人直升机所对应的运动学模型，根据实时目标指令，构建无人直升机姿态二阶不确定性模型及其控制回路，获得无人直升机的姿态控制矢量；基于无人直升机所对应的运动学模型，根据实时目标指令，构建无人直升机速度二阶不确定性模型及其控制回路，获得无人直升机的速度控制矢量；基于无人直升机所对应的运动学模型，根据实时目标指令，构建无人直升机位置二阶不确定性模型及其控制回路，获得无人直升机的位置控制矢量；然后进入步骤C；步骤C.根据无人直升机的姿态控制矢量、速度控制矢量、位置控制矢量，针对无人直升机进行控制。2.根据权利要求1所述基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法，其特征在于：所述步骤A中，根据无人直升机的6自由度运动特征，构建无人直升机所对应的运动学模型如下：直升机所对应的运动学模型如下：直升机所对应的运动学模型如下：直升机所对应的运动学模型如下：其中，V＝[u v w]
T
为无人直升机的前飞速度、横向速度、垂向速度；S＝[p q r]
T
为无人直升机的滚转角速度、俯仰角速度、偏航角速度；α＝[φ θ ψ]
T
为无人直升机的滚转欧拉角、俯仰欧拉角、偏航欧拉角；P＝[X Y Z]
T
为无人直升机地面坐标；m为无人直升机的全机质量；F、M分别为无人直升机全机各部件的合外力、以及合外力矩；I为无人直升机惯性矩矩阵，Ω为无人直升机三轴角速率反对称矩阵，R
EB
为机体坐标系到地面坐标系的转换矩阵，E为无人直升机机体角速度到欧拉角速度的转换矩阵。3.根据权利要求2所述基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法，其特征在于：所述步骤B中，基于无人直升机所对应的运动学模型，根据实时目标指令，按如下构建无人直升机姿态二阶不确定性模型及其控制回路，获得无人直升机的姿态控制矢量；根据式(2)和式(3)，构建无人直升机姿态二阶不确定性模型如下：根据式(2)和式(3)，构建无人直升机姿态二阶不确定性模型如下：其中，w1为无人直升机姿态对应的外部扰动，U
c
＝[δ
lon δ
lat δ
TR
]为无人直升机俯仰通道操纵量、滚转通道操纵量、偏航通道操纵量构成的控制矢量，F1(α)为关于α的函数，F2(α,S,V,Ω,w1)为关于α、S、V、Ω、w1的函数，B(α,S,V,Ω,w1)为关于α、S、V、Ω、w1的函数，进一步联立式(5)与式(6)，获得无人直升机姿态二阶系统状态方程组如下：
其中，F3＝dF1(α/dt，将α之外的内部动态特性、各通道之间的操纵耦合、以及外扰视为总扰动，记为总扰动则式(7)更新如下：其中，B
0α
为无人直升机姿态控制增益矩阵，无人直升机俯仰通道操纵量、滚转通道操纵量、偏航通道操纵量构成的控制矢量U
c
与输出量y＝α构成单输入
‑
单输出关系；基于定义x1＝α,构建无人直升机姿态二阶非线性扩张系统如下：进一步构建关于无人直升机姿态俯仰角、滚转角、偏航角的观测器如下：进一步构建关于无人直升机姿态俯仰角、滚转角、偏航角的观测器如下：进一步构建关于无人直升机姿态俯仰角、滚转角、偏航角的观测器如下：其中，α为无人直升机实际俯仰角、实际滚转角、实际偏航角，λ、β1、β2为增益系数，ζ为固定步长，为径向基函数神经网络RBFNN，c
j
为径向基函数神经网络RBFNN中隐含层第j节点神经元高斯基函数中心点的坐标向量，b
j
为径向基函数神经网络RBFNN中隐含层第j节点神经元高斯基函数的宽度，b
0α
为无人直升机姿态控制增益，表示估计权值，κ为大于0的预设参数，sign(e)表示关于数字e的符号函数，e大于0返回1，e小于0返回
‑
1，e等于0返回0，exp(
·
)表示以自然常数e为底的指数函数，F
w
表示预设常数；进一步基于关于无人直升机姿态俯仰角、滚转角、偏航角的观测器，按如下公式：
获得无人直升机俯仰通道操纵量、滚转通道操纵量、偏航通道操纵量构...

【专利技术属性】
技术研发人员：申遂愿，徐锦法，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：