System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于飞行机器人特种作业领域,具体涉及一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,适用于执行空中搬运等作业任务的集群无人机系统。
技术介绍
1、随着城市转型速度加快和交通堵塞加重,城市地表的空间难以满足城市的发展需要,因此城市上空空间的充分开发利用显得尤为关键。作为空中作业和运输的关键载体,无人机在负载搬运领域的应用越来越广泛。
2、传统意义上,空中负载运输任务是由单架旋翼无人机吊挂负载完成。然而单一悬挂点对负载的控制能力有限,对于长条形或大质量的负载,如果使用单架无人机进行搬运,对桨盘面积和旋翼体积提出了很高的要求,则极大地提高了运输成本,同时难以应对负载的质心偏移难题。综上,单无人机空中运输负载能力受限,成本高昂,难以适应在空中进行高效经济搬运负载的需求。
3、针对上述单无人机搬运所面临的操纵能力极其有限、载重能力低下等瓶颈问题,使用多架无人机协同搬运负载已经成为空中搬运领域的新趋势,它在载重能力、运输成本和任务冗余度等方面都有着明显的优势。在无人机协同搬运负载过程中,系统动力学呈现出复杂的耦合结构,绳索力与风干扰同时作用在无人机上,难以分离估计,这对无人机的协同控制提出了更大的挑战。为了在协同搬运任务中实现精细化抗干扰控制,无人机的控制算法在设计过程中必须解决上述提到的风干扰与绳索力分离估计的问题。
4、中国专利申请cn202110000112.7提出了一种多无人机协同运输的载荷跟踪控制方法,但是存在两个问题:(1)需要引入负载定位传感器确定负载的位置,成本较高;(2
5、上述专利都没有考虑无人机协同搬运过程中的风干扰估计与抵消问题,以完成安全和高效的空中协同搬运任务。
技术实现思路
1、为克服现有技术的缺陷,对于无人机协同搬运系统,本专利技术提供一种基于神经网络的无人机协同搬运系统风干扰分离估计方法。该方法能够分离估计无人机受到的绳索力扰动和外部风干扰,用于后续的协同决策与规划。
2、为达到上述目的,本专利技术采用如下技术方案:
3、一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,包括以下步骤:
4、第一步,建立风干扰下多无人机悬挂带载动力学模型;
5、第二步,在无风干扰情况下设计干扰观测器,获取绳索力估计值;
6、第三步,设计神经网络估计器,拟合第二步得到的无风干扰情况下的绳索力估计值;
7、第四步,设计风干扰观测器,分离估计无人机受到的风干扰。
8、进一步地,所述第一步包括:
9、基于牛顿欧拉方法,通过受力分析建立如下第i架无人机悬挂带载的动力学模型:
10、
11、式中,pi表示第i架无人机的位置,vi表示第i架无人机的速度,表示(·)关于时间的一阶导数,g表示重力加速度,是惯性坐标系的z轴,竖直向下,上标表示向量的转置,fi表示第i架无人机的未知升力,ri是第i架无人机的姿态旋转矩阵,mi是第i架无人机的质量,ti表示第i架无人机受到的绳索力,wi表示第i架无人机受到的风干扰,n为参与搬运的无人机的数量,上标t表示矩阵的转置。
12、进一步地,所述第二步包括:
13、在无风干扰情况下,针对第i架无人机的平动动力学模型设计如下的干扰观测器:
14、
15、
16、式中,zi为干扰观测器的辅助变量,lz为干扰观测器的增益,为第i架无人机所受绳索力的估计值。
17、进一步地,所述第三步包括:
18、步骤3.1,初始化神经网络:神经网络由输入层、中间层和输出层构成,输入层神经元数量设定为个,对应各无人机之间的相对位置,隐藏层的神经元数量设定为10n个,输出层神经元数量设定为n个,对应n架无人机受到的绳索力;输入输出模型表征如下:
19、
20、式中,为第二步估计得到的绳索力估计值,hi是表示绳索力与无人机相对位置关系的非线性神经网络函数;神经网络的初始权值和偏置是随机选取的;
21、步骤3.2,选取3n种协同搬运平衡构型,记录各无人机对应的位置pi,并以第二步中绳索力的估计值为基准,生成神经网络的训练数据;
22、步骤3.3,选用levenberg-marquard(列文伯格-马夸尔特)函数训练神经网络,更新神经网络的权值和偏置量。
23、进一步地,所述第四步包括:
24、基于第三步生成的绳索力模型,结合量测到的无人机相对位置,生成绳索力估计值
25、
26、为了去除绳索力干扰的影响,设计如下的风干扰观测器:
27、
28、
29、式中,为风干扰观测器的辅助变量,为风干扰观测器的增益,为第i架无人机所受风干扰的估计值。
30、本专利技术与现有技术相比的有益效果在于:
31、本专利技术主要面向无人机协同搬运系统。相比于传统的单架无人机搬运方式,多无人机搬运具有载荷能力更强,任务冗余度更高的优点,但绳索力会影响无人机对风干扰的感知能力。通过设计神经网络估计绳索力的动态,本专利技术能够显著提升无人机在搬运载荷时感知风干扰的能力。通过设计分离估计算法,本专利技术克服了现有方法难以准确估计风干扰的难题,增强了多无人机对风干扰的精准感知能力,可以用于后续的协同决策和规划任务。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,其特征在于,所述第一步包括:
3.根据权利要求1所述的一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,其特征在于,所述第二步包括:
4.根据权利要求1所述的一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,其特征在于,所述第三步包括:
5.根据权利要求1所述的一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,其特征在于,所述第四步包括:
【技术特征摘要】
1.一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于神经网络的无人机协同搬运系统风干扰分离估计方法,其特征在于,所述第一步包括:
3.根据权利要求1所述的一种基于神经网络的无人机协同搬运系统风干扰...
【专利技术属性】
技术研发人员:卢昊,徐立丹,郭雷,王建梁,
申请(专利权)人:北京航空航天大学杭州创新研究院,
类型:发明
国别省市:
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。