【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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。