[发明专利]输出约束下带负载四旋翼无人机的神经网络控制方法

说明书

本发明公开了一种输出约束下带负载四旋翼无人机的神经网络控制方法，包括步骤：1)建立无负载的四旋翼无人机系统模型，2)在步骤1)基础上建立考虑了输入饱和与执行器故障情况的带悬挂负载四旋翼无人机动力学模型，3)设定跟踪误差，4)设计考虑输出约束且悬挂负载摆动角未知情况下的四旋翼无人机控制器，并通过控制器控制无人机系统。本发明中建模时同时考虑了无人机质心和负载悬挂点不重合和无人机输入饱和与执行器故障情况，所建立模型与实际情况更相符；并分别通过直接和间接神经网络函数逼近不确定项，所设计的自适应神经网络控制器实现了对不确定因素的有效处理，并能在有效跟踪期望轨迹的过程中确保不违反输出约束条件。

技术领域

本发明涉及无人机控制技术领域，特别涉及一种考虑输出约束问题的带负载四旋翼无人机的飞行轨迹跟踪控制方法。

背景技术

随着四旋翼无人机应用领域的不断拓展，其建模和控制方法的研究也逐渐吸引了越来越多学者的关注。一般而言，四旋翼经典六自由度动力学模型主要采用拉格朗日方法或欧拉方程对无人机本体进行运动建模得到。然而通常在很多实际应用中，应用需求需要通过携带负载来实现，此时经典建模和控制就有了局限性，需要进一步考虑负载对无人机的影响。目前，较为常用的一种方法是通过夹持器携带物体，但夹持负载具有一定的局限性，如灵活性差以及搭载物体尺寸受限等。而悬挂负载的运输方式正好可以弥补这部分缺陷。通过绳索将负载吊挂于机身之下的载荷方式，不仅能解决无人机机身与负载不匹配的问题，同时也保留了飞行器的敏捷性。

四旋翼悬挂系统相当于在原四旋翼无人机基础上，增加了一个与原本体系有耦合作用的悬挂系统。在飞行过程中，由于悬挂物来回摆动，导致四旋翼的重心与机体几何中心不一致，所以四旋翼的飞行状态会受一定的影响。如果不能建立更为准确的模型且采取适当的控制方法，很容易造成无人机失衡，甚至坠毁。近年来有很多学者也针对四旋翼系统的变质心问题进行了研究，但现有大部分研究中，通常将无人机质心和悬挂点当做重合状态以及假定转动惯量为对角常数矩阵，但是这种模型与实际系统不符，可能造成最终无法完成预定控制目标。在实际飞行中，由于测量设备的精确度受限以及测量难度较大等原因，负载摆动角往往无法精确获得。因此，研究不依赖负载摆动角信息的无人机控制策略很有必要。并且在四旋翼无人机飞行过程中，如果发生意外的驱动故障或违反约束条件，可能会导致系统性能下降甚至出现安全问题。因此，通过设计基于输入输出约束的容错控制方案来维持系统的安全稳定运行是非常重要的。

发明内容

有鉴于此，本发明的目的是提供一种输出约束下带负载四旋翼无人机的神经网络控制方法，以解决如何准确建立考虑输入饱和与执行器故障情况的带悬挂负载无人机运动学模型的技术问题，以及解决对受输入输出约束及悬挂负载影响的无人机的飞行轨迹进行跟踪控制的技术问题。

本发明输出约束下带负载四旋翼无人机的神经网络控制方法，其包括以下步骤：

1)建立无负载的四旋翼无人机的平移子系统模型和旋转子系统模型，其包括以下步骤：

a)建立惯性坐标系和机体坐标系，

惯性坐标系表示为O_E＝(X_E,Y_E,Z_E)，以四旋翼起飞点为坐标原点O_E，O_EX_E轴在水平面内指向某一方向，O_EZ_E轴垂直于地面向上，O_EY_E轴按右手定则确定；将惯性坐标系命名为E系；