[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

说明书

本发明属于旋翼无人机路径跟踪控制领域，更具体地，涉及一种基于学习的旋翼无人机路径跟踪预测控制方法。通过贝叶斯学习对环境扰动进行建模，基于模型预测控制动态优化路径目标点并获得参考控制量和参考状态，利用无人机微分平坦特征设计自适应反馈线性化控制策略来准确跟踪参考状态。本发明能够根据当前的环境扰动以及无人机系统状态来实现有稳定性保证的高精度路径跟随控制。

技术领域

本发明属于旋翼无人机路径跟踪控制领域，更具体地，涉及一种基于学习的旋翼无人机路径跟踪预测控制方法。

背景技术

随着集成电路和传感技术的发展，旋翼无人机在快递递送、电力巡检、工业监测等方面有着越来越广泛的应用。在不确定的环境扰动下，这些应用要求旋翼无人机路径跟踪控制器保持高精度的跟踪控制性能。如：在户外无人机电力巡检任务中，无人机在未知的变化风扰下应该准确跟踪一条预设定好的参考路径，以完成既定的巡检任务。由于风场等未知的环境扰动往往难以建模，基于模型的轨迹控制器难以在各种环境下保持较高的路径跟踪性能。此外，在不同工况下通过手动调整控制器参数往往不实际。因此，针对不确定环境扰动下的旋翼无人机路径跟踪任务，需设计一种能根据无人机当前状态和路径信息来优化跟踪目标点，并能在线适应未知环境扰动，实现自适应、高精度的路径跟踪控制。

为达到上述目标，现有技术中基于模型的旋翼无人机路径跟踪方法通常需要精确的系统模型，环境扰动的无人机难以进行精确建模，控制器在扰动下通常难以稳定跟踪期望路径，从而难以满足实际应用需求。

发明内容

本发明为克服上述现有技术中的至少一个缺陷，提供一种基于学习的旋翼无人机路径跟踪预测控制方法，实现了准确跟踪。

为解决上述技术问题，本发明采用的技术方案是：一种基于学习的旋翼无人机路径跟踪预测控制方法，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；

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。

进一步的，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，数学常用符号表示方法，表示实数构成向量或矩阵的维度，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。

进一步的，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。