[发明专利]一种无人机多层递归收敛神经网络控制器的控制方法

说明书

本发明公开了一种无人机多层递归收敛神经网络控制器的控制方法，该方法包括下述步骤：构建融合电机滞后效应的无人机模型；基于无人机模型，采用递归收敛神经动力学的方法设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；将控制目标和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，各个无人机的控制器输出控制分量；控制器的输出控制分量经过转换后，传输至无人机电机调速器，无人机电机调速器控制无人机飞行。本发明基于递归收敛神经动力学方法，可快速、准确、实时地逼近问题正确解，得到的控制器可以很好地控制无人机跟踪时变轨迹。

技术领域

本发明涉及无人机控制器技术领域，特别涉及一种无人机多层递归收敛神经网络控制器的控制方法。

背景技术

无人机(UAV)是当今搜索救援、监视、测绘和三维建模等领域的重要工具，其中四旋翼无人机具有垂直起降、悬停和高灵活性等优点，在实践中发挥着越来越重要的作用。

四旋翼无人机最常用的控制器是基于偏差的比例积分微分(PID)控制器，具有很强的实用性，由于积分项的作用，PID控制器的稳态误差在跟踪静态目标时可以收敛到零。但积分项要花很长时间才能起作用，这导致PID控制器不适合跟踪动态目标。此外，一些基于PID的控制器，如模糊逻辑PID控制器、容错PID控制器、智能PID控制器等，由于仍然依赖积分项来消除稳态误差，因而在跟踪时变目标时有延迟。

近年来，无人机控制器设计的另一个潜在分支是神经动力学方法的应用，传统的神经动力学控制器的设计方法有零化动力学方法和梯度动力学方法(简称ZD-GD方法)，但这些在旋翼无人机上的应用存在着缺陷，即没有考虑电机的滞后效应，而只是直接将力矩作为控制变量，无法很好地控制无人机跟踪时变轨迹。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种无人机多层递归收敛神经网络控制器的控制方法，本发明基于递归收敛神经动力学方法，可快速、准确、实时地逼近问题正确解，得到的控制器可以很好地控制无人机跟踪时变轨迹。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种无人机多层递归收敛神经网络控制器的控制方法，包括下述步骤：

构建无人机模型，所述无人机模型融合电机滞后效应；

基于无人机模型，采用递归收敛神经动力学的方法设计无人机的高度控制器、偏航角控制器、横滚角控制器、俯仰角控制器、X控制器和Y控制器；

将控制目标参数和无人机传感器采集到的无人机状态信息输入到各个无人机的控制器，所述各个无人机的控制器输出控制分量；

所述控制器的输出控制分量经过转换后，传输至无人机电机调速器，所述无人机电机调速器控制无人机飞行。

作为优选的技术方案，所述构建无人机模型的具体步骤为：

设定状态变量为：

x_φ1＝φ,x_φ3＝ΔΩ_φ,

x_θ1＝θ,x_θ3＝ΔΩ_θ,

x_ψ1＝ψ,x_ψ2＝ψ,x_ψ3＝ΔΩ_ψ,

x_z1＝z,x_z3＝ΔΩ_z,

x_x1＝x,

x_y1＝y,

其中，ψ表示偏航角，θ表示横滚角、θ表示俯仰角；