[发明专利]一种基于模型修正的固定翼无人机姿态自适应控制方法

说明书

本发明公开了一种基于模型修正的固定翼无人机姿态自适应控制方法，属于无人机飞行控制技术领域。该方法包括：构建固定翼无人机姿态非线性模型，并利用参考模型与无人机姿态非线性模型的输出信息，设计一个修正项，对参考模型进行修正；将无人机期望姿态角信息、参考模型与无人机姿态非线性模型的输出信息，作为径向基函数神经网络输入，得到模型不确定性的逼近值；设计扩张状态观测器，并得到干扰估计值；基于得到的模型不确定性逼近值和干扰估计值，设计无人机姿态控制器和神经网络自适应律。本发明能够使得无人机在考虑模型不确定性、控制输入饱和及风干扰影响下，渐近地跟踪期望参考轨迹且具有较强的抗干扰能力。

技术领域

本发明属于无人机飞行控制技术领域，具体涉及一种基于模型修正的固定翼无人机姿态自适应控制方法。

背景技术

随着无人机的广泛应用，其任务需求日益增多，执行任务环境愈发复杂，需要完成较大的机动飞行动作，此时需要较大控制输入。但无人机由于其自身物理限制，无法提供所需的控制量，导致控制输入饱和发生，从而降低无人机飞行控制性能。另外，无人机外部干扰及模型不确定性也会降低无人机飞行控制性能。

因此，为保证无人机飞行质量，完成飞行任务，设计一个有效的无人机控制方法，增强无人机在模型存在不确定性、控制输入饱和及风干扰等情况下的飞行控制性能十分必要。

发明内容

针对无人机模型不确定性、控制输入饱和及风干扰等问题，本发明提出了一种基于模型修正的固定翼无人机姿态自适应控制方法，增强无人机在模型存在不确定性、控制输入饱和及风干扰等情况下的飞行控制性能，能够渐近地跟踪期望参考轨迹且具有较强的抗干扰能力。

为了实现上述目的，本发明采用如下技术方案：

一种基于模型修正的固定翼无人机姿态自适应控制方法，包括以下步骤：

步骤1：同时考虑模型不确定性与未知外部干扰，构建固定翼无人机姿态非线性模型，利用参考模型与无人机姿态非线性模型的输出信息，设计一个修正项，对参考模型进行修正；

步骤2：将无人机期望姿态角信息、参考模型与无人机姿态非线性模型的输出信息，作为RBF(Radial Basis Function,径向基函数)神经网络输入，得到模型不确定性逼近值；

步骤3：基于步骤2得到的模型不确定性逼近值，利用无人机姿态非线性模型的输出信息与控制输入信息，设计扩张状态观测器，并得到干扰估计值；

步骤4：基于步骤2与步骤3得到的模型不确定性逼近值和干扰估计值，设计无人机姿态控制器和神经网络自适应律。

优选地，在步骤1中，考虑模型不确定性和未知外部干扰，固定翼无人机姿态非线性模型如公式(1)所示：

式中，X＝[γ θ ψ]^T为姿态角向量，其中γ、θ、ψ分别为无人机的滚转角、俯仰角和偏航角，f_X为模型中已知部分，Δf_X为模型不确定性，u为控制输入，d为未知外部干扰，g_X为控制输入增益矩阵，其表达式为：

式中，Q为自由流的动压，S为无人机机翼面积，L为机翼翼展，b_A为机翼平均气动弦长，I_x、I_y、I_z为转动惯量，I_xy为惯性积，为副翼舵面效率，为方向舵舵面效率，为升降舵舵面效率；

考虑式(1)中无人机姿态非线性模型，定义跟踪误差：