【技术实现步骤摘要】
本专利技术涉及一种基于内模mfailc方法的四旋翼无人机姿态控制方法及系统，属于四旋翼无人机。
技术介绍
1、四旋翼无人机作为一种典型的欠驱动系统，具有强耦合、强非线性等特点，且系统参数变化大，建立精确的数学模型难度较大，即使建立也会浪费大量的人力物力。目前广泛采用的pid方法在面对四旋翼非线性系统时难以保证稳定性、灵活性差。如何提升四旋翼无人机系统的跟踪精度和抗干扰能力，是四旋翼无人机飞行控制系统设计面临的主要内容和重要挑战。
2、目前pid方法难以解决四旋翼无人机系统的强耦合性、强非线性、难以获取精确数学模型等问题，且pid方法自我学习能力不强、控制精度不佳。
技术实现思路
1、专利技术目的：针对现有技术中存在的不足，本专利技术提供了一种基于内模mfailc方法的四旋翼无人机姿态控制方法，以解决上述
技术介绍
中所提到的问题。
2、技术方案：一种基于内模mfailc方法的四旋翼无人机姿态控制方法，包括以下步骤：
3、s1：在无模型自适应迭代学习控制方法的基础上引入高阶迭代学习控制方法，得到基于高阶学习律的无模型自适应迭代学习控制方法；
4、s2：在无模型自适应迭代学习控制方法的基础上引入内模控制方法，得到基于内模控制的无模型自适应迭迭代学习控制方法；
5、s3：进行控制精度提升、误差收敛速度提升的仿真测试，利用s1中获取的基于高阶学习律的无模型自适应迭代学习控制方法与pid控制方法以及无模型自适应迭代学习控制方法，分别进行
6、s4:分别对比s3中作出的误差收敛曲线和轨迹跟踪曲线，获得控制精度提升、误差收敛速度提升最优的四旋翼无人机姿态控制方法；
7、s5:进行增强抗干扰能力、提升系统稳定性的仿真测试，在四旋翼无人机系统中引入非线性信号干扰，利用s2获得的基于内模控制的无模型自适应迭迭代学习控制方法与pid控制方法以及无模型自适应迭代学习控制方法，分别进行四旋翼无人机姿态角进行控制，并记录控制过程的数据，根据所记录的数据作出俯仰角、滚转角轨迹跟踪曲线和俯仰角、滚转角误差收敛曲线；
8、s6：分别对比s5中作出的误差收敛曲线和轨迹跟踪曲线，获得抗干扰能力最优的四旋翼无人机姿态控制方法。
9、进一步的，所述s1具体为：
10、为改善mfailc方法收敛性能，引入高阶迭代学习控制方法，高阶迭代学习控制律与一般学习律相比，利用了前一段时间区间内迭代产生的输入输出信息构造新的控制输入，实现更快的误差收敛速度和瞬态学习行为；
11、高阶学习律的控制输入信号uk(t)和跟踪误差项ek(t)具有高阶形式，表达式如式(1)所示：
12、
13、式中：αi和βj是权重系数；
14、通过输入量高阶形式来改进传统无模型自适应迭代学习控制方法，改变拟伪偏导数的估计方法形式；
15、采用新的具有高阶形式的准则函数，表达式如式(2)所示：
16、
17、式中：αi是权重系数，m是阶数；
18、对上式中求偏导，结合最优条件整理得到拟伪偏导数的高阶估计方法表达式如式(3)所示：
19、
20、式中：ηk,t是步长因子，适当选取好高阶阶数m后，当系统迭代次数大于或等于高阶阶数即k≥m时，伪偏导数采用高阶估计方法进行计算；当系统迭代次数小于高阶阶数即2≤k＜m时，伪偏导数采用原估计方法；
21、基于高阶学习律的无模型自适应迭代学习控制方法采用的控制输入方法和重置方法与无模型自适应迭代学习控制方法保持一致，将拟伪偏导数的在线估计方法替换为基于高阶参数的估计方法；
22、综合以上推导过程，可以得到基于高阶学习律的无模型自适应迭代学习控制方法如式(4)-式(6)所示：
23、
24、当或|δuk(t)|≤ε
25、
26、进一步的，所述s2具体为：
27、为了抑制扰动对控制系统的影响，将内模控制与无模型自适应迭代学习方法相结合，构建出内模控制器并加入滤波器来减小模型失配和噪声干扰的影响；
28、内模控制系统结构主要包括了内模控制器gimc、被控对象模型gp和系统的内部模型g'p；
29、在内模控制过程中，将内部模型g'p和被控对象模型gp的差值作为误差信号反馈到主回路中，然后与系统设定值进行比较得到误差信号输入到内模控制器gimc中，实现控制效果的调整优化。
30、进一步的，所述s2具体为：
31、通过内模控制系统结构变换得到内模控制等效结构，在控制器中建立一个实际的内部模型，所述内模控制等效结构包括：被控对象模型gp和反馈控制系统gc；所述反馈控制系统gc包括内模控制器gimc和内部模型g'p，
32、所述内模控制器gimc、反馈控制系统gc的表达式如式(7)、式(8)所示：
33、
34、
35、由于内部模型和实际模型完全一致，将内部模型移动到前面，构造与比例积分pi控制相同的结构，通过计算得出传递函数，即为内模等效控制器，并通过计算得出整个系统的传递函数。
36、进一步的，所述s2具体为：
37、传统迭代学习控制理论包含迭代轴和时间轴两个维度，为将系统转换为一维多入多出系统，引入一个变量迭代域算子ω，其具备特性如式(9)所示：
38、ω-1uk(t)＝uk-1(t) (9)
39、上式为标准的z变换公式，反映出了在时间t不变的情况下相邻迭代次数间的运行关系，定义新的z变换公式后能够将二维多入多出系统转换为一维静态系统，在ω域中，一维等效系统反映出迭代学习的更新法则，既包含了时域范围的高阶性也有迭代域的高阶性；
40、引入新变量迭代域算子ω，得到迭代学习系统基本结构，包括学习增益矩阵l和系统模型hp，其中学习增益矩阵l包含一个标量的ω域表达式c(ω)＝ω-1/(1-ω-1)；
41、将ω域迭代学习系统基本结构转换为内模控制的基本形式，引入ω算子的同时，将内模控制与迭代学习控制相结合，构成基于内模控制的迭代学习控制方法，并得到ω域imc-ilc结构，包括系统模型hp和反馈控制系统gc，所述反馈控制系统gc包括内部模型h'p和内模控制器gimc。
42、进一步的，所述s2具体为：
43、所述ω域imc-ilc结构还包括由反馈控制系统gc输入端输入的期望信号的ω域向量yd(ω)和系统模型hp输出端输入的外部干扰信号的ω域向量d(ω)；则整体闭环相应输出y(ω)表达式为：
44、
45、式中gd(ω)是误差传递函数，y(ω)是整体闭环相应输出；
46、当系统模型匹配时，则有hp＝本文档来自技高网...
【技术保护点】
1.一种基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，所述S1具体为：
3.根据权利要求1所述的基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，所述S2具体为：
4.根据权利要求3所述的基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，所述S2具体为：
5.根据权利要求4所述的基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，所述S2具体为：
6.根据权利要求5所述的基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，所述S2具体为：
7.根据权利要求6所述的基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，所述S2具体为：
8.根据权利要求2或7所述的基于内模MFAILC方法的四旋翼无人机姿态控制方法，其特征在于，包括控制方法的切换规则，具体为：
【技术特征摘要】
1.一种基于内模mfailc方法的四旋翼无人机姿态控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于内模mfailc方法的四旋翼无人机姿态控制方法，其特征在于，所述s1具体为：
3.根据权利要求1所述的基于内模mfailc方法的四旋翼无人机姿态控制方法，其特征在于，所述s2具体为：
4.根据权利要求3所述的基于内模mfailc方法的四旋翼无人机姿态控制方法，其特征在于，所述s2具体为：
5.根据权利...
【专利技术属性】
技术研发人员：陈露，袁琦杰，李冬会，
申请(专利权)人：江苏航空职业技术学院，
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。