【技术实现步骤摘要】
本专利技术涉及无人机控制器，具体而言，涉及一种无人机控制器模型构建方法、装置、设备及存储介质。
技术介绍
1、近年来，随着无人机技术的不断升级和应用领域的不断拓展，人们对无人机的研制和应用越来越重视。目前无人机主要采用非线性控制方法，非线性控制方法能够克服线性控制方法的缺点，并且当无人机进行高机动飞行或者在复杂环境下执行飞行任务时，非线性控制器能够取得极好的控制效果。但在配电网巡检过程中，由于配电线路具有在低空处分布密集的特点，且周围环境复杂，在使用无人机对配电线路进行检测时，由于外界环境复杂多变，编组无人机在飞行过程中容易受到外部干扰的影响，现有技术难以保证无人机的系统稳定性，不能确保对配电线路的准确检测。
技术实现思路
1、本专利技术解决的问题是如何降低外部干扰的影响从而保证无人机系统稳定性。
2、为解决上述问题，本专利技术提供一种无人机控制器模型构建方法，包括：获取无人机的状态变量；
3、根据所述状态变量构建无人机全状态运动方程；
4、将所述无人机全状态运动方程分解为初始速度子系统模型和初始高度子系统模型；
5、利用速度偏差调节模型和无人机故障模型分别调节所述初始速度子系统模型和所述初始高度子系统模型，以得到初始控制器模型；
6、获取偏差向量，并基于自适应控制律通过所述偏差向量和所述初始控制器模型得到目标控制器模型。
7、可选地，所述根据所述状态变量构建无人机全状态运动方程，包括：
8、获取无
9、根据所述状态变量和所述无人机非线性模型得到所述无人机全状态运动方程。
10、可选地，获取无人机编组，其中，所述无人机编组包括n个编组无人机和1个虚拟无人机。
11、可选地，所述将所述无人机全状态运动方程分解为初始速度子系统模型和初始高度子系统模型，包括：
12、通过所述无人机全状态运动方程提取无人机纵向运动方程；
13、其中，所述无人机纵向运动方程为：
14、，
15、其中，i为第i架编组无人机，di1、di2和di3为外界干扰，li、di和ti分别为升力、阻力和推力，vi为无人机速度，zi为高度输出信号，i为航迹倾角，i为无人机俯仰角，qi为俯仰角速度，i为无人机攻角，i为无人机所受外力矩沿机体坐标系的分量，mi为i的力矩，g为常数，iiy为惯性系中y的坐标值；
16、将所述无人机纵向运动方程分解为所述初始速度子系统模型和所述初始高度子系统模型。
17、可选地，所述利用速度偏差调节模型和无人机故障模型分别调节所述初始速度子系统模型和所述初始高度子系统模型得到初始控制器模型，包括：
18、利用所述速度偏差调节模型调节所述初始速度子系统模型得到目标速度子系统模型；
19、其中，所述速度偏差调节模型为：
20、，
21、其中，k11、k12和k13为设计参数，ti为速度偏差调节模型，ei1为第i架编组无人机相对于虚拟无人机速度的速度偏差；
22、利用所述无人机故障模型调节所述初始高度子系统模型得到所述目标高度子系统模型；
23、根据所述目标速度子系统模型和所述目标高度子系统模型得到所述初始控制器模型。
24、可选地，所述获取偏差向量，包括：
25、通过分布式滑模估计器得到所述虚拟无人机的估计高度信息；
26、其中，所述分布式滑模估计器为：
27、，
28、其中，为第j架编组无人机的估计器对虚拟无人机高度信号的估计值，为分布式滑模估计器，aij为第i 无人机和第j 无人机之间的通信权重，其中，无人机之间通过网状型拓扑结构进行通信，bi为临接第i无人机的交互信息，所述交互信息包括临接第i无人机的飞行高度、速度，n为无人机总数，z0为虚拟无人机的高度，和为正的设计参数，为符号函数；
29、结合所述预设性能函数重构所述编组无人机的高度信息与所述估计高度信息之间的高度偏差得到所述偏差向量；
30、其中，所述预设性能函数为：
31、，
32、其中，和为和性能界限有关的设计参数，为严格递减的性能函数，为预设性能函数速度偏差。
33、可选地，所述无人机故障模型包括升降舵故障模型和执行器故障模型；所述利用所述无人机故障模型调节所述初始高度子系统模型得到所述目标高度子系统模型，包括：
34、利用所述升降舵故障模型和所述执行器故障模型调节所述初始高度子系统模型设计分布式容错协同控制律得到所述目标高度子系统模型；
35、其中，所述升降舵故障模型为：
36、，
37、其中，为应用控制信号，为待设计控制信号，为有界偏差故障，为升降舵剩余的作动效率系数。
38、本专利技术所述的无人机控制器模型构建方法根据所述状态变量构建无人机全状态运动方程，利用功能分解将所述无人机全状态运动方程分解为初始速度子系统模型和初始高度子系统模型。利用速度偏差调节模型和无人机故障模型分别调节所述初始速度子系统模型和所述初始高度子系统模型，以得到初始控制器模型，使无人机在遭遇执行器故障依然能跟踪上高度信号，提高无人机的抗干扰能力。获取偏差向量，并基于自适应控制律通过所述偏差向量和所述初始控制器模型得到目标控制器模型，保证无人机系统稳定性。
39、本专利技术还提供无人机控制器模型构建装置，包括：状态变量获取单元，获取无人机的状态变量；
40、全状态运动方程获取单元，根据所述状态变量构建无人机全状态运动方程；
41、子系统模型获取单元，将所述无人机全状态运动方程分解为初始速度子系统模型和初始高度子系统模型；
42、初始控制器模型获取单元，利用速度偏差调节模型和无人机故障模型分别调节所述初始速度子系统模型和所述初始高度子系统模型，以得到初始控制器模型；
43、目标控制器模型获取单元，获取偏差向量，并基于自适应控制律通过所述偏差向量和所述初始控制器模型得到目标控制器模型。
44、本专利技术所述的无人机控制器模型构建装置与所述无人机控制器模型构建方法相对于现有技术的优势相同，在此不再赘述。
45、本专利技术还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述无人机控制器模型构建方法的步骤。
46、本专利技术所述的计算机设备与所述无人机控制器模型构建方法相对于现有技术的优势相同，在此不再赘述。
47、本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现所述无人机控制器模型构建方法的步骤。
48、本专利技术所述的计算机可读存储介质与所述无人机控本文档来自技高网...
【技术保护点】
1.一种无人机控制器模型构建方法，其特征在于，包括：
2.根据权利要求1所述的无人机控制器模型构建方法，其特征在于，所述根据所述状态变量构建无人机全状态运动方程，包括：
3.根据权利要求1所述的无人机控制器模型构建方法，其特征在于，还包括：
4.根据权利要求3所述的无人机控制器模型构建方法，其特征在于，所述将所述无人机全状态运动方程分解为初始速度子系统模型和初始高度子系统模型，包括：
5.根据权利要求3所述的无人机控制器模型构建方法，其特征在于，所述利用速度偏差调节模型和无人机故障模型分别调节所述初始速度子系统模型和所述初始高度子系统模型得到初始控制器模型，包括：
6.根据权利要求3所述的无人机控制器模型构建方法，其特征在于，所述获取偏差向量，包括：
7.根据权利要求5所述的无人机控制器模型构建方法，其特征在于，所述无人机故障模型包括升降舵故障模型和执行器故障模型；所述利用所述无人机故障模型调节所述初始高度子系统模型得到所述目标高度子系统模型，包括：
8.一种无人机控制器模型构建装置，其特征在于，
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项的所述无人机控制器模型构建方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如权利要求1至7任一项的所述无人机控制器模型构建方法。
...【技术特征摘要】
1.一种无人机控制器模型构建方法，其特征在于，包括：
2.根据权利要求1所述的无人机控制器模型构建方法，其特征在于，所述根据所述状态变量构建无人机全状态运动方程，包括：
3.根据权利要求1所述的无人机控制器模型构建方法，其特征在于，还包括：
4.根据权利要求3所述的无人机控制器模型构建方法，其特征在于，所述将所述无人机全状态运动方程分解为初始速度子系统模型和初始高度子系统模型，包括：
5.根据权利要求3所述的无人机控制器模型构建方法，其特征在于，所述利用速度偏差调节模型和无人机故障模型分别调节所述初始速度子系统模型和所述初始高度子系统模型得到初始控制器模型，包括：
6.根据权利要求3所述的无人机控制器模型构建方法，其特征在于，...
【专利技术属性】
技术研发人员：陈蕾，孙益辉，任广振，郑隽杰，李刚，胡洁，杨强，曹园，蒋迪，邱恺頔，黄刚，
申请(专利权)人：国网浙江省电力有限公司宁波供电公司，
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。