[发明专利]基于非线性模型的无人机姿态模糊自适应预测控制方法及系统

权利要求书

1.一种基于非线性模型的无人机姿态模糊自适应预测控制方法，其特征在于，包括以下步骤：

1)建立四旋翼无人机Cubic-RBF-ARX模型：

其中：y(t)＝[φ(t) θ(t) ψ(t)]^T为t时刻模型预测输出序列，表示t时刻模型预测输出的四旋翼无人机的姿态角矩阵，矩阵中φ(t)、θ(t)和ψ(t)分别为t时刻模型预测输出四旋翼无人机的俯仰角、翻转角和巡航角；u(t)＝[u₁(t) u₂(t) u₃(t) u₄(t)]^T为t时刻模型预测输入序列，对应主控板输出给四旋翼无人机电子调速器的PWM占空比矩阵，矩阵中u₁(t)、u₂(t)、u₃(t)和u₄(t)分别对应控制四旋翼无人机四个电机的PWM占空比；n_y，n_u和h分别为四旋翼无人机Cubic-RBF-ARX模型的输出阶次、输入阶次和Cubic-RBF网络的数目；ξ(t)是系统白噪声；X(t-1)为四旋翼无人机Cubic-RBF-ARX模型的状态相依变量，选取X(t-1)＝[φ(t)θ(t)]^T；和是线性权重系数；z_j,m是Cubic-RBF网络的中心点，z_j,m,1～z_j,m,dim(X)为z_j,m各维度的值，dim(X)表示维数；其中，和和z_j,m为需要辨识的参数，均通过SNPOM优化方法离线辨识获得；

2)根据步骤1)中所建立的无人机Cubic-RBF-ARX非线性模型设计预测控制器如下：

其中，和yr(t)分别为t时刻预测输出序列和期望输出序列：

为t时刻模型预测t+l时刻的预测输出；y(t+l|t)^T为t时刻给定的t+l时刻的期望值，取决于控制过程中的参考轨迹；N_p和N_c的分别是预测时域和控制时域，l＝1,2,…,N_p；

为t时刻模型预测输入序列和预测输入增量序列，Δu(t)＝u(t)-u(t-1)；U_min、U_max为控制输入量约束序列，ΔU_min和ΔU_max为控制输入增量约束序列；

U_min＝[-100 -100 -100 -100]，U_max＝[100 100 100 100]，ΔU_min＝[-50 -50 -50 -50]，ΔU_max＝[50 50 50 50]；

Q(t)、R₁(t)、R₂(t)分别为t时刻的误差加权矩阵、控制加权矩阵和控制增量加权矩阵，它们都为对角阵并且随着控制状态变化而调整；

3)通过二次规划法求解预测控制器中的最优值，并将的最优值中的u(t)作为控制量传递给主控板，主控板将其按比例转化为输出给四旋翼无人机电子调速器的PWM占空比矩阵；四旋翼无人机电子调速器根据PWM占空比矩阵调节四旋翼无人机四个电机的转速，从而改变四个旋翼的转速，控制四旋翼无人机的姿态。