[发明专利]多旋翼无人机高速开环动作自适应学习方法

摘要

本发明提供一种多旋翼无人机高速开环动作自适应学习方法，包括：将动作定义为期望的初始状态和最终状态，确定标准参数化轨迹，选择标准参数，并利用代数约束工具减少自由参数数目；利用结合初始猜测的降阶模型和数值求解程序寻找标准参数及轨迹，并计算标准参数集的雅可比矩阵和校正矩阵；生成输入轨迹进行在线实验，并观测实验误差，对设计的动作进行修正，如果不满足参数约束，减少修正直到满足所述约束，再反复进行上述修正过程。本发明实施例的方法，可以为无人机的特技飞行提供一种简单、直观、快速的自适应学习方法，对于没有精确分析模型的系统也可以进行迭代学习，可以成为使快速、难以建模系统工作的有用工具。

主权项

1.一种多旋翼无人机高速开环动作自适应学习方法，其特征在于，包括以下步骤：S1：将动作定义为期望的初始状态和最终状态，确定标准参数化轨迹，选择标准参数，并利用代数约束工具减少自由参数数目，其中，标准化轨迹可直观分解为加速、旋转及之后恢复到悬停状态，其中，标准参数集p⁰是满足的参数集，对应标准系统中的物理常数，代数约束条件为：其中，最小和最大标准质量电机推力为β和m是飞行器的质量，f_i为第i个螺旋桨产生的推力；S2：利用结合初始猜测的降阶模型和数值求解程序寻找标准参数及轨迹，并计算标准参数集的雅可比矩阵和校正矩阵C，其中，利用初始猜测p^g，使用降阶模型选择p⁰，满足：其中，是x^*，是实际物理常数的标准模型；S3：生成输入轨迹进行在线实验，并观测实验误差，对设计的动作进行修正，如果不满足参数约束，减少修正直到满足所述约束，其中，迭代过程中的修正策略为：pⁱ⁺¹＝pⁱ‑γCeⁱ，其中，eⁱ＝xⁱ‑x^*，pⁱ和xⁱ为第i步迭代之后的参数集和物理系统执行完动作之后的最终状态，误差形式为：eⁱ⁺¹＝J(pⁱ‑γCeⁱ‑p⁰)+d   ＝J(pⁱ‑p⁰)+d‑γeⁱ   ＝(1‑γ)eⁱ，其中，对于0<γ<1而言收敛到0。