[发明专利]基于多层积分神经动力学的多旋翼无人机控制器设计方法

说明书

本发明公开了一种基于多层积分神经动力学的多旋翼无人机控制器设计方法，首先构建无人机隐式运动学方程，然后将无人机隐式动力学方程转化为一般的时变二阶系统问题，接着将该时变二阶系统的控制问题转化为求解该时变二阶系统的控制输入问题，再使用多层积分神经动力学方法设计二阶系统控制器，使时变二阶系统的控制输入收敛到理论控制输入；最后将求得的时变二阶系统的控制输入分配给多旋翼无人机各子系统，使各子系统各自完成单独的控制任务，最终使多旋翼无人机完成对时变目标轨迹的跟踪任务。本发明采用多层积分神经动力学方法来设计多旋翼无人机控制器，能够获得多旋翼无人机在跟踪时变轨迹的控制输入，具有实时性强，鲁棒性好的优点。

技术领域

本发明涉及多旋翼无人机控制技术领域，特别是一种基于多层积分神经动力学的多旋翼无人机控制器设计方法。

背景技术

与其他类型无人机相比，多旋翼无人机是一种具有在执行任务过程中能够稳定悬停、平稳起飞和降落，机动灵活，操作安全等众多重要的优势的无人机系统。然而，尽管结构简单的多旋翼无人机具有较强的灵活可操作性，但这种欠驱动系统由于具有较强的非线性和耦合特性，同时，无人机在实时控制中容易受到外界因素的干扰，例如风力等环境因素，与此同时，类似模型误差，硬件误差等内部干扰也是无法避免的，这些因素导致了无人机系统不易控制，因此对多旋翼无人机的控制研究很有意义。

传统的神经动力学方法，例如零化神经动力学(ZD)以及梯度神经动力学(GD)因其并行计算和分布式的特点而受到越来越多研究者和工程师们的青睐。一种结合ZD和GD的方法曾用于解决无人机系统的跟踪控制问题，但因GD方法本身的局限性，即较弱的跟踪能力，ZD-GD方法并不能快速地跟踪时变任务，同时，基于ZD-GD的控制器表现出了较弱的鲁棒性。为了弥补基于ZD-GD的控制器时变轨迹跟踪能力较弱的缺点，一种三调零化动力学(TZD)方法被用于二阶系统跟踪时变目标，这种方法具有指数收敛速度和较强的鲁棒性。然而，基于TZD的控制器的不足之处在于，它是基于理想的系统模型建立的，并没有考虑系统的内部或外部干扰带来的影响。在实际的应用中，时变系统不可避免地会受到噪声的干扰。这些噪声可以看作是由硬件、机械结构、实时控制中的扰动导致。尽管基于TZD的控制器拥有比ZD-GD控制器更强的鲁棒性，但是当系统受到噪声干扰时，使用TZD控制器的系统的跟踪轨迹偏差仍然存在。

发明内容

本发明的第一目的在于解决现有技术的不足，提出一种基于多层积分神经动力学的多旋翼无人机控制器设计方法，可以获得多旋翼无人机在跟踪时变轨迹过程中的控制输入，具有实时性强，鲁棒性好的优点。

本发明的第二目的在于提出一种多旋翼无人机控制器。

本发明的第三目的在于提出一种计算机可读存储介质。

本发明的第四目的在于提出一种计算设备。

本发明的第一目的通过下述技术方案实现：一种基于多层积分神经动力学的多旋翼无人机控制器设计方法，包括如下步骤：

1)针对多旋翼无人机，构建对应的无人机隐式运动学方程；

2)将步骤1)中的无人机隐式动力学方程转化为一般的时变二阶系统问题；

3)将步骤2)中的时变二阶系统的控制问题转化为求解时变二阶系统的控制输入问题；

4)使用多层积分神经动力学方法设计二阶系统控制器，使步骤3)中时变二阶系统的控制输入收敛到理论控制输入；

5)将步骤4)中求得的时变二阶系统的控制输入，分配给多旋翼无人机各子系统。

优选的，步骤1)中构建的无人机隐式运动学方程表示如下：