[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

说明书

本发明公开了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及系统，使用离线数据辨识方法建立系统的Cubic‑RBF‑ARX非线性模型，然后在所建立的非线性模型基础上设计了模糊自适应预测控制器，该预测控制器根据无人机姿态控制的实时状态在线调整预测控制器中目标函数的权重系数。该模糊自适应预测控制器可以保证无人机在姿态控制过程中，所选目标函数符合姿态调整的动态及稳态规律和趋势，与一般的无人机预测控制器相比，其目标函数参数的设定考虑到了控制的整个动态及稳态过程，从而能起到提高无人机姿态控制动静态响应指标的作用，具有较高的实用价值和应用前景。

技术领域

本发明涉及空中机器人自动控制技术领域，涉及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及系统。

背景技术

四旋翼无人机具有结构简单、动力装置效率高、成本低等优点，其优势具体可以体现在搜救、监控、航拍等军事和民用上。鉴于其广阔的用途和价值，目前四旋翼无人机正在众多领域中发挥着越来越重要的作用。无人机飞控是指能够稳定无人机飞行姿态，并能控制无人机自主或半自主飞行的控制系统，是无人机的大脑，因此飞控的好坏直接决定了无人机的性能，而飞控的核心就是控制无人机飞行的控制算法。所以，无人机飞行的稳定精确控制具有很重要的现实意义和广阔的市场前景。

如图1所示，无人机飞行控制系统可以看成一个以位置控制环为外环，以姿态控制环为内环的串级控制系统。其姿态环的控制算法好坏直接决定了姿态调整的品质好坏，进而直接影响到四旋翼无人机控制的稳定性。由于四旋翼无人机控制系统存在非线性、欠驱动等特点，常规控制算法如PID控制算法虽然能实现无人机的悬停、运动等控制，但是只能保证四旋翼无人机在局部动作的控制效果，在一些高难度动作的飞行模式中则难以保证良好的控制品质，并且抗干扰能力也是有限的。而基于模型的预测控制算法则体现出了它的优越性，利用预测模型得出系统的输出预测轨迹，可以为实现被控对象的最优性能指标这一目的，选择最佳的控制策略。在进行预测控制设计时，控制器的目标函数反映了控制器的优化性能指标，它选取的好坏直接决定了控制效果的好坏。常规的预测控制算法往往通过调整目标函数中的权重系数，即Q,R₁,R₂矩阵，以使系统取得最佳控制效果。但是这种方式的不足之处也是很明显的，因为系统在不同的控制状态下其最佳的目标函数也是不一样的，很难找到一组合适的Q,R₁,R₂保证系统在动态和稳态的过程中都能取得非常好的控制效果，将预测控制效果发挥到最优。

因此，有必要设计一种控制效果更好的无人机姿态改进型预测控制算法。

发明内容

本发明所要解决的技术问题是，针对现有四旋翼无人机姿态预测算法中的不足，提供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及系统，旨在提高四旋翼无人机控制的稳定性。

为解决上述技术问题，本发明所采用的技术方案是：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，包括以下步骤：

1)建立四旋翼无人机Cubic-RBF-ARX模型(使用三次函数作为基函数的RBF神经网络型系数的带外部输入变量的自回归模型)；