[发明专利]一种基于学习的旋翼无人机路径跟踪预测控制方法

权利要求书

1.一种基于学习的旋翼无人机路径跟踪预测控制方法，其特征在于，包括以下步骤：

S1.构造旋翼无人机平动动力学仿射控制模型，基于高斯过程回归对环境不确定扰动进行建模；

S2.以双积分器作为预测模型，构造模型预测路径跟随控制器，根据当前状态x计算路径上的参考目标点，以及参考状态量x_d和参考控制量；在所述的步骤S2中，给定以参数θ参数化的空间路径P(θ)，利用双积分器作为预测模型，在当前t_k时刻求解非线性模型预测控制问题：

s.t.

式中，T为预测时域，半正定矩阵正定矩阵和R_θ0均为权系数矩阵；为轨迹参数的变化速度，和分别为系统和轨迹参数控制输入；Ξ和分别表示和的可行域；求解得到的最优解和分别作为参考轨迹参考控制量和参考控制输入dt为控制周期；

S3.基于反馈线性化非线性控制器，结合高斯过程的扰动预测对扰动进行补偿，将系统转换为线性积分器，并准确跟踪参考状态量x_d，提供高概率稳定性保证，输出计算得到的控制量u；

S4.根据微分平坦性质，将计算得到的控制量转换为旋翼无人机的姿态角和推力指令，应用于无人机相应的控制接口，输入到系统；

S5.在线收集无人机与环境交互的状态和控制序列，用于更新高斯过程；

S6.重复步骤S1至步骤S6直至交互结束。

2.根据权利要求1所述的基于学习的旋翼无人机路径跟踪预测控制方法，其特征在于，所述的步骤S1中，旋翼无人机非线性仿射系统可建模为：

其中x＝[x₁，x₂]^T为系统状态量，分别表示无人机系统的位置和速度，为系统控制量，为从机体坐标系到世界坐标系的旋转矩阵，f_u为总推力；f(x)+G(x)u代表对系统平动动力学建模所得的先验模型，f(x)＝[x₂,-mg]^T，G(x)＝[0，1]^T，d(x)＝[0,f_a]^T，f_a表示不确定的环境扰动，m为无人机质量，g为重力加速度。

3.根据权利要求2所述的基于学习的旋翼无人机路径跟踪预测控制方法，其特征在于，所述的旋转矩阵R表示为：

式中，c和s分别表示cos和sin，Θ、φ和ψ分别表示无人机俯仰角、横滚角和航向角。

4.根据权利要求2所述的基于学习的旋翼无人机路径跟踪预测控制方法，其特征在于，在所述的步骤S1中，通过在线收集的数据集作为训练集，高斯过程回归通过贝叶斯推理得到状态x^*的下偏差d(x^*)的均值μ(x)和方差σ(x)；得到关于d(x^*)的高置信区间：D(x^*)＝{d|μ(x^*)-c_δσ(x^*)≤d≤μ(x^*)+c_δσ(x^*)}，c_δ0是高斯分布中(1-δ)置信度对应的常数。