[发明专利]能量耦合四旋翼无人机吊挂空运系统自适应控制方法

权利要求书

1.一种能量耦合四旋翼无人机吊挂空运系统自适应控制方法，其特征是，基于能量整形控制方法构造能量存储函数以处理状态耦合，然后利用神经网络对未建模动态特性进行在线估计，同时设计参数自适应律在线估计未知系统参数，并采用基于符号函数的鲁棒控制算法补偿神经网络的估计误差，进而实现四旋翼无人机吊挂空运系统自适应控制。

2.如权利要求1所述的能量耦合四旋翼无人机吊挂空运系统自适应控制方法，其特征是，具体步骤如下：

1)建立四旋翼无人机吊挂空运系统的动力学模型：

采用四旋翼无人机吊挂空运系统二维平面模型的动力学模型，表达式如下：

式(1)中各变量定义如下：q(t)＝[y(t) z(t) γ(t)]^T∈R³表示系统的状态向量，其中，y(t),z(t)分别是无人机Y方向与Z方向位移，γ(t)表示绳索与机体竖直方向的夹角，

M(q),G(q),U∈R³分别表示吊挂空运系统的惯性矩阵，向心力矩阵，重力向量，无人机所受到的空气阻力向量及螺旋桨升力向量，在式(1)中，M(q)的表达式为：

的表达式为：

G(q)的表达式为：

G(q)＝[0 (M+m)g mglsinγ]^T (4)

的表达式为：

U的表达式为：

U＝[u_y u_z 0]^T (6)

式(2)-式(4)中，M,m分别为无人机质量与吊挂负载质量，l为吊挂绳索长度，式(5)中，F_dy,F_dz分别表示无人机在纵向与垂直方向所受的空气阻力，d_y,d_z是空气阻尼系数，均为未知量，为空气阻力模型不确定部分，式(6)中，u_y,u_z分别表示无人机总升力在纵向和垂直方向的分量，将式(2)-式(6)代入式(1)中，得到系统动力学模型的展开式如下：

2)设计非线性控制器与自适应律：

本文的控制目标是保证四旋翼无人机纵向和垂直方向运动到给定的目标位置，同时负载摆角渐近收敛到0，即

式(8)中，y_d,z_d表示四旋翼无人机Y、Z方向的期望位置；

为实现以上控制目标,现定义四旋翼无人机Y方向与Z方向的位置误差为：

e_y(t)＝y(t)-y_d e_z(t)＝z(t)-z_d (9)

考虑四旋翼无人机吊挂空运系统在具有未知参数与模型不确定性的条件下，采用能量整形方法构造新型能量存储函数，设计了一种基于能量法的神经网络自适应非线性控制方法；

四旋翼无人机吊挂飞行系统的机械能E(t)定义为：

对式(10)求一阶时间导数为：

采用能量整形方法引入复合信号δ_p(t),ρ_p(t)处理系统的状态耦合：

式(12)中，λ_y,λ_z是正实数参数，为方便后续控制设计，定义辅助误差信号ζ_y(t),ζ_z(t)为：

利用式(13)设计能量函数E_k(t)，E_k(t)的一阶时间导数满足如下形式：

令λ_y＝λ_z＝λ∈R⁺，并结合式(7)与式(14)，整理得到：

为构造新型能量存储函数，定义辅助函数E_p(t)：

E_p＝k_pyln[cosh(ζ_y)]+k_pzln[cosh(ζ_z)]≥0 (16)

式(16)中k_py,k_pz为正实数参数，总存储函数E_m(t)为：

E_m＝E_k+E_p≥0 (17)

由式(7)知四旋翼无人机所受空气阻力动力学模型不确定部分为

式(18)中满足①②当

由此采用以下神经网络算法估计模型不确定部分：

式(19)中，分别为输入层和输出层理想权重，为神经网络逼近误差，有||V^*||≤V_M,||W^*||≤W_M,||σ(·)为神经网络激励函数，采用正弦双曲函数。的估计量为

式(20)中，分别为的估计量，为W^*的估计量，选为一个常数矩阵；

输出层权重估计误差与神经网络的估计误差的表达式如下：

根据系统能量的无源性特性，设计的控制输入u_y(t),u_z(t)如下：

式(23)中，k_dy,k_dz为正实数参数，分别为d_y,d_z的在线估计值，β_y,β_z为正实数参数；

定义d_y与d_z的估计误差与为：

设计与的自适应律与为：

式(25)中，α_y,α_z∈R⁺，同时设计的更新律为：

其中，为对角正定矩阵，为保证矩阵的有界性，采用投影算子对矩阵中元素的估计值上下界进行限定，投影算子proj(·)的定义如下：

其中，为矩阵中的元素。与w_ij分别表示的上界和下界。

对于如式(7)所示的四旋翼无人机吊挂空运系统，在空气阻力项存在不确定性与未知阻尼系数d_y,d_z的情况下，当控制增益β_y,β_z满足以下条件：

此时，式(23)中的非线性控制器，可以使四旋翼无人机从起始位置渐近收敛到目标位置，同时使负载摆角较快地渐近收敛到0，即：

3.如权利要求1或2所述的能量耦合四旋翼无人机吊挂空运系统自适应控制方法，其特征是，所述控制方法采用基于Lyapunov的稳定性分析方法和拉塞尔不变性定理进行证明。