CN109947126B - 四旋翼无人机的控制方法、装置、设备及可读介质 - Google Patents

四旋翼无人机的控制方法、装置、设备及可读介质 Download PDF

Info

Publication number
CN109947126B
CN109947126B CN201910172135.9A CN201910172135A CN109947126B CN 109947126 B CN109947126 B CN 109947126B CN 201910172135 A CN201910172135 A CN 201910172135A CN 109947126 B CN109947126 B CN 109947126B
Authority
CN
China
Prior art keywords
quad
control
information
unmanned aerial
aerial vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910172135.9A
Other languages
English (en)
Other versions
CN109947126A (zh
Inventor
周翊民
陈金保
韩波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201910172135.9A priority Critical patent/CN109947126B/zh
Publication of CN109947126A publication Critical patent/CN109947126A/zh
Priority to PCT/CN2019/097730 priority patent/WO2020177267A1/zh
Application granted granted Critical
Publication of CN109947126B publication Critical patent/CN109947126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例公开了一种四旋翼无人机的控制方法、装置、存储介质及计算机设备，其中方法包括：获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。采用本发明实施例，可提高四旋翼无人机的路径跟踪控制的准确度。

Description

四旋翼无人机的控制方法、装置、设备及可读介质
技术领域
本发明涉及无人机技术领域和计算机技术领域，尤其涉及一种四旋翼无人机的控制方法、装置、无人机设备及计算机可读介质。
背景技术
随着计算机技术的发展，带动新一轮的人工智能革命，无人机智能化成为趋势。其中，四旋翼无人机是指利用无线遥控设备或机自备的程序控制装置操纵的小型飞行器，或者由机载处理单元完全或间歇地自主操作。目前，因独特的结构和动力学特性，这种小型无人机应用领域极其广泛，尤其在摄影测绘、森林防火、抢险救灾、应急安保、农业防治等方面凸显独特优势。
在四旋翼无人机进行具体的摄影测绘、森林防火、抢险救灾、应急安保、农业防治的相关任务时，需要控制无人机按照设计好的路线进行运行；但是，四旋翼无人机有四个输入量，但是却具有六个自由度，是一个欠驱动高阶非线性***，同时各通道之间具有强烈的耦合关系。针对四旋翼动力学特性，设计良好的控制算法决定了无人机的飞行品质，对无人机飞行控制***的设计提出了高要求。
但是，在目前的无人机飞行路径的控制方案中，因为四旋翼无人机的动力学模型的复杂性、模型参数的不确定性和建模不精确性，导致了无人机飞行路径的控制***的可靠性和准确度存在一定的不足，在实际任务的执行过程中，导致了无人机的飞行路径与原设计的参考路径之间存在较大的误差，达不到预先设计的任务效果。
发明内容
基于此，在本发明中，提供了一种四旋翼无人机的控制方法、装置、存储介质及无人机设备，基于模型预测对四旋翼无人机的位置、姿态进行跟踪控制，提高了四旋翼无人机的路径跟踪控制的准确度。
在本发明的第一方面，提供了一种四旋翼无人机的控制方法，包括：
获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
可选的，所述将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值的步骤，还包括：建立与所述四旋翼无人机对应的动力学模型，基于所述动力学模型构建位置误差预测模型；以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述位置误差预测模型计算最优化的位置控制值。
可选的，所述以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述误差预设模型计算最优化的位置控制值和姿态控制值的步骤，还包括：构建与所述目标规划信息对应的满足输入约束的模型预测控制器，通过最优化求解方法获取的输出的位置控制值。
可选的，所述位置误差预测模型包括高度误差预测模型和水平误差预测模型；所述以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述位置误差预测模型计算最优化的位置控制值的步骤，还包括：将所述位姿信息、控制信息以及期望位姿参数、期望控制参数输入所述高度误差预测模型，获取高度控制值；将所述位姿信息、控制信息以及期望位姿参数、期望控制参数输入所述水平误差预测模型，获取X轴控制值和Y轴控制值；将所述高度控制值、X轴控制值和Y轴控制值作为所述位置控制值。
可选的，所述以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述误差预设模型计算最优化的位置控制值的步骤之后，还包括：基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型；以所述位置控制值为输入，输出所述姿态控制值。
可选的，所述基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型的步骤，还包括：将所述姿态控制值作为自变量、所述位置控制值作为因变量，基于所述与所述四旋翼无人机对应的动力学模型建立与所述四旋翼无人机对应的线性时变模型；所述以所述位置控制值为输入，输出所述姿态控制值的步骤，还包括：将所述位置控制值输入所述线性时变模型，获取所述姿态控制值。
在本发明的第二方面，提供了一种四旋翼无人机的控制装置，包括：
目标规划信息获取模块，用于获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
当前***参数检测模块，用于获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
模型预测模块，用于将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
无人机控制模块，用于通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
可选的，所述模型预测模块还用于：
建立与所述四旋翼无人机对应的动力学模型，基于所述动力学模型构建位置误差预测模型；以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述位置误差预测模型计算最优化的位置控制值；基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型；以所述位置控制值为输入，输出所述姿态控制值。
在本发明的第三方面，还提出了一种无人机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
在本发明的第四方面，还提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
实施本发明实施例，将具有如下有益效果：
采用了上述四旋翼无人机的控制方法、装置、存储介质及计算机设备之后，在四旋翼无人机进行相关任务时，对相应的任务进行路径规划，并确定在该参考***下对应的目标规划信息；然后在四旋翼无人机飞行的过程中，获取当前***下的位姿信息和控制信息，然后通过处理目标规划信息中的期望位姿信息和期望控制信息与当前***下的位姿信息和控制信息之间的误差，并通过模型预测来获取对四旋翼无人机进行控制的位置控制值和姿态控制值，再根据位置控制值和姿态控制值对四旋翼无人机进行控制，以使四旋翼无人机跟随目标规划信息中的目标规划轨迹。也就是说，在本实施例中，通过参考***与当前***之间的误差和四旋翼无人机的动力学模型来预测在预测时域内的预测控制值，根据该预测控制值作为四旋翼无人机进行路径跟踪的引导命令的控制参数，实现了无人机路径的跟踪控制。采用了上述四旋翼无人机的控制方法、装置、存储介质及计算机设备之后，避免了因为多变量多约束***下的不确定性和准确度不足的问题，提高了路径跟踪控制的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中一种四旋翼无人机的控制方法的流程示意图；
图2为一个实施例中模型预测过程的方法流程示意图；
图3为一个实施例中四旋翼无人机的模型示意图；
图4为一个实施例中四旋翼无人机的控制方法下路径根据控制的示意图；
图5为一个实施例中一种四旋翼无人机的控制装置的结构示意图；
图6为一个实施例中运行上述四旋翼无人机的控制方法的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本实施例中，特提出了一种四旋翼无人机的控制方法，该方法的实现可依赖于计算机程序，该计算机程序可运行于基于冯诺依曼体系的计算机***之上，该计算机程序可以是对四旋翼无人机的路线跟踪进行控制的应用程序。该计算机***可以是运行上述计算机程序的例如智能手机、平板电脑、个人电脑、服务器等计算机设备。
需要说明的是，在本实施例中，运行上述四旋翼无人机的控制方法的计算机设备为一与无人机设备连接的计算机设备，例如，与无人机设备连接的控制器(该控制器可以是智能手机、平板电脑、个人电脑或服务器等计算机设备)，在另一个实施例中，上述四旋翼无人机的控制方法的执行还可以是基于一无人机设备，该无人机设备上设置有处理器，通过该处理器来执行上述四旋翼无人机的控制方法。
如图1所示，在一个实施例中，提供了一种四旋翼无人机的控制方法，具体包括如下步骤S102-S108：
步骤S102：获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数。
在四旋翼无人机进行具体的摄影测绘、森林防火、抢险救灾、应急安保、农业防治的相关任务时，根据需要会对四旋翼无人机的路线进行规划，即与四旋翼无人机对应的目标规划信息。
在本实施例中，与四旋翼无人机对应的目标规划信息包括与四旋翼无人机对应的位姿信息(位置信息、姿态信息，也称为状态信息)以及控制信息，记为期望位姿参数Xr和期望控制参数Ur。
需要说明的是，在本实施例中，将与四旋翼无人机对应的目标规划信息所在的控制***称之为参考***，并且，在本实施例中，假定参考***在目标规划信息对应的目标规划轨迹上跑通，可确定在一个时刻上对应的期望位姿参数Xr和期望控制参数Ur。
步骤S104：获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息。
在四旋翼无人机的飞行过程中，可以通过相应的无人机***(实际控制***、当前控制***)对无人机的位姿信息进行检测和获取，并且通过控制每一个时刻的控制信息的输入来控制四旋翼无人机的具体运行轨迹。
也就是说，通过对无人机***的控制，可以获取在当前时刻下的位姿信息X、以及前一时刻下的控制信息U。
步骤S106：将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值。
在本实施例中，对于四旋翼无人机的路径跟踪控制是通过模型预测控制器进行的，是通过处理参考***和无人机***之间的偏差，利用模型预测控制器来跟踪前述目标规划信息对应的目标规划轨迹，也即通过模型预测控制器获取在预测控制时域内的控制预测值(即位置控制值和姿态控制值)。
在一个具体的实施例中，如图2所示，上述步骤S106还包括如下步骤S1062-S1068：
步骤S1062：建立与所述四旋翼无人机对应的动力学模型，基于所述动力学模型构建位置误差预测模型。
步骤S1064：以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述位置误差预测模型计算最优化的位置控制值。
在本步骤中，需要根据四旋翼无人机的动力学特征，建立与之对应的动力学模型。
具体的，如图3所示，给出了四旋翼无人机的模型示意图，包括电机1、电机2、电机3、电机4，ω1、ω2，ω3，ω4为电机1、电机2、电机3、电机4对应的旋翼转速。
定义大地坐标系E(Xe,Ye,Ze)和无人机的机体坐标系B(Xb,Yb,Zb)，四旋翼无人机的位置通过大地坐标系描述，四旋翼姿态通过机体坐标系表示，经过坐标系转换，可以得到机体坐标系到大地坐标系的变换矩阵
Figure BDA0001988416440000071
Figure BDA0001988416440000072
四旋翼的空气动力学效应是旋翼自转产生与其转速的平方成正比且垂直旋翼向上的拉力，大小与转速的平方成正比。设Fi为第i(i＝1,2,3,4)旋翼提供的升力，ωi为第i个旋翼转速，b为旋翼升力系数，d为旋翼阻力系数。旋翼在飞行过程中受力为Fi：
Figure BDA0001988416440000073
四旋翼无人机在导航系下的质心平动的数学模型为：
Figure BDA0001988416440000074
设机体惯性矩阵为J，ω＝(ωx,ωy,ωz)T表示四旋翼绕轴转动的角速度，M为作用在机体上的合力矩，根据欧拉方程可得：
Jω+ω×Jω＝M。
四旋翼无人机的四个旋翼升力提供的力矩设为：
Mf＝(MFx,MFy,MFz)，
陀螺效应产生的力矩设为Mg＝(Mgx,Mgy,Mgz)，l为四旋翼机体的半轴长，无人机在机体系下绕三个轴转动产生的动力矩为：
Figure BDA0001988416440000081
分析四旋翼的陀螺效应，设每个旋翼的转动惯量均为Jr，则机体受到的力矩为：
Figure BDA0001988416440000082
根据机体坐标系相对于大地坐标系的角运动来对四旋翼姿态进行分析，用欧拉角来描述机体坐标系相对于大地坐标系的转动关系，欧拉角
Figure BDA0001988416440000083
与四旋翼无人机的角速度ω＝(ωx,ωy,ωz)T关系可以由机体坐标系到大地坐标系的旋转顺序得到：
Figure BDA0001988416440000084
在四旋翼无人机空中悬停或者匀速飞行时，可以认为机体的欧拉角变化很小，几乎接近零度，Ω＝[0°，0°，0°]T。
由以上公式可以推导出四旋翼无人机的动力学模型：
Figure BDA0001988416440000085
将四旋翼无人机按6个方向的自由度进行解耦，把四旋翼无人机的飞行状态分为四个独立的通道：上下、左右、前后、偏航，定义变量：其中，
Figure BDA0001988416440000091
其中，U1为上下通道的控制量；U2为前后通道的控制量；U3为左右通道的控制量；U4为偏航角控制量。
从而进一步的得四旋翼无人机非线性动力学模型：
Figure BDA0001988416440000092
进一步的，在四旋翼无人机***的动力学模型建立之后，还需要基于该动力学模型建立对应的可以进行模型预测控制的模型。
进一步的，还基于上述模型预测控制器的设计原理、结合四旋翼无人机对应的动力学模型，建立对应的模型预测控制器(在本实施例中即为位置误差预测模型)。
基于线性的状态空间模型预测控制方法，把与四旋翼无人机对应的动力学模型写成状态空间形式：
Figure BDA0001988416440000093
式中：X＝[x(t) u0(t) y(t) v0(t) z(t) w0(t)]T表示状态空间矢量，
Figure BDA0001988416440000094
表示X的微分。
令
Figure BDA0001988416440000095
可得：
Figure BDA0001988416440000101
其中，
Figure BDA0001988416440000102
定义一个和四旋翼无人机数学模型一样的虚拟参考状态空间：
Figure BDA0001988416440000103
式中，Xr(t)＝[xr(t)u0r(t)yr(t)v0r(t)zr(t)w0r(t)]T是参考***下的位姿信息(期望位姿信息)，期望控制参数为Ur(t)＝[uxr uyr U1r]T。
参考***对应的参考状态空间模型理想状况，没有外部干扰，且四旋翼无人机高度稳定，通过与所述四旋翼无人机对应的动力学模型可得：
Figure BDA0001988416440000104
从而可得位置误差预测模型：
Figure BDA0001988416440000105
式中，
Figure BDA0001988416440000106
表示期望控制参数和控制信息之间的误差，A(t),B(t)分别是X(t),U(t)相关的雅克比矩阵。通过雅克比矩阵，将非线性***近似转化为一个连续的线性***，使其适用于模型预测控制器设计，进行离散化处理可得：
X(k+1)＝A(k)·X(k)+B(k)·U(k)。
将上述离散化之后的***分成两个子***，高度误差预测模型和水平误差预测模型。水平误差预测模型表示为如下形式
Xz(k+1)＝Az(k)·Xz(k)+Bz(k)·Uz(k)
式中：
Figure BDA0001988416440000107
Δt为采样时间。
四旋翼无人机水平误差预测模型表示为：
Xxy(k+1)＝Axy(k)·Xxy(k)+Bxy(k)·Uxy(k)，
式中，
Figure BDA0001988416440000111
以上得到模型预测控制的位置误差预测模型，下面把路径跟踪问题转化为在输入约束的情况下二次规划问题，针对高度位置的控制，控制输入量U1通过下面的二次规划问题求得：
Figure BDA0001988416440000112
Qz,Rz是定义的对角加权矩阵，通过采用线性的时变模型，可以求得模型的高度控制预测输出值
Figure BDA0001988416440000113
Figure BDA0001988416440000114
其中，Uz(k|k)＝U1(k)-U1r(k)和Xz(k)是高度控制误差。位置高度控制输入可求得
Figure BDA0001988416440000115
水平方向的位置控制输入，同理可得
Figure BDA0001988416440000116
步骤S1066：基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型；
步骤S1068：以所述位置控制值为输入，输出所述姿态控制值。
基于线性时变控制律的姿态控制方法，四旋翼无人机状态空间实现，设姿态信息为
Figure BDA0001988416440000117
其中各项分别表示x方向速率
Figure BDA0001988416440000118
y方向速率
Figure BDA0001988416440000119
z方向速率
Figure BDA00019884164400001110
滚转角速率
Figure BDA00019884164400001111
俯仰角速率
Figure BDA00019884164400001112
偏航角速率
Figure BDA00019884164400001113
重力加速度g，滚转角θ，俯仰角γ和偏航角
Figure BDA0001988416440000121
四旋翼飞行器***的一个输入为U＝(U1,U2,U3,U4)T；***输出为
Figure BDA0001988416440000122
即垂直速率
Figure BDA0001988416440000123
滚转率
Figure BDA0001988416440000124
俯仰角γ和偏航角
Figure BDA0001988416440000125
由与所述四旋翼无人机对应的动力学模型，表示成状态方程形式：
Figure BDA0001988416440000126
Figure BDA0001988416440000127
Figure BDA0001988416440000128
Figure BDA0001988416440000129
Figure BDA00019884164400001210
Figure BDA00019884164400001211
Figure BDA00019884164400001212
Figure BDA00019884164400001213
Figure BDA00019884164400001214
Figure BDA00019884164400001215
即为线性时变模型(LPV)：
Figure BDA00019884164400001216
其中，
Figure BDA00019884164400001217
Figure BDA00019884164400001218
U＝(U1,U2,U3,U4)。
步骤S108：通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
前述步骤S106确定了无人机控制***对应的位置控制值和姿态控制值，根据该预测计算得到的位置控制值和姿态控制值可以对四旋翼无人机进行控制，将位置控制值和姿态控制值作为四旋翼无人机进行路径跟踪所需要的引导命令中的相关控制参数，以使该四旋翼无人机可以跟踪前述目标规划信息中的目标规划轨迹进行飞行。
如图4所示，给出了上述四旋翼无人机的控制方法下路径根据控制的示意图。
采用了上述四旋翼无人机的控制方法之后，在四旋翼无人机进行相关任务时，对相应的任务进行路径规划，并确定在该参考***下对应的目标规划信息；然后在四旋翼无人机飞行的过程中，获取当前***下的位姿信息和控制信息，然后通过处理目标规划信息中的期望位姿信息和期望控制信息与当前***下的位姿信息和控制信息之间的误差，并通过模型预测来获取对四旋翼无人机进行控制的位置控制值和姿态控制值，再根据位置控制值和姿态控制值对四旋翼无人机进行控制，以使四旋翼无人机跟随目标规划信息中的目标规划轨迹。也就是说，在本实施例中，通过参考***与当前***之间的误差和四旋翼无人机的动力学模型来预测在预测时域内的预测控制值，根据该预测控制值作为四旋翼无人机进行路径跟踪的引导命令的控制参数，实现了无人机路径的跟踪控制。采用了上述四旋翼无人机的控制方法、装置、存储介质及计算机设备之后，避免了因为多变量多约束***下的不确定性和准确度不足的问题，提高了路径跟踪控制的精准度。
如图5所示，本发明实施例还提供一种四旋翼无人机的控制装置。具体的，如图5所示，所述四旋翼无人机的控制装置包括：
目标规划信息获取模块102，用于获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
当前***参数检测模块104，用于获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
模型预测模块106，用于将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
无人机控制模块108，用于通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
上述四旋翼无人机的控制装置中，在四旋翼无人机进行相关任务时，对相应的任务进行路径规划，并确定在该参考***下对应的目标规划信息；然后在四旋翼无人机飞行的过程中，获取当前***下的位姿信息和控制信息，然后通过处理目标规划信息中的期望位姿信息和期望控制信息与当前***下的位姿信息和控制信息之间的误差，并通过模型预测来获取对四旋翼无人机进行控制的位置控制值和姿态控制值，再根据位置控制值和姿态控制值对四旋翼无人机进行控制，以使四旋翼无人机跟随目标规划信息中的目标规划轨迹。也就是说，在本实施例中，通过参考***与当前***之间的误差和四旋翼无人机的动力学模型来预测在预测时域内的预测控制值，根据该预测控制值作为四旋翼无人机进行路径跟踪的引导命令的控制参数，实现了无人机路径的跟踪控制。采用了上述四旋翼无人机的控制方法、装置、存储介质及计算机设备之后，避免了因为多变量多约束***下的不确定性和准确度不足的问题，提高了路径跟踪控制的精准度。
在其中一个实施例中，前述模型预测模块106还用于建立与所述四旋翼无人机对应的动力学模型，基于所述动力学模型构建位置误差预测模型；以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述位置误差预测模型计算最优化的位置控制值。
在其中一个实施例中，前述模型预测模块106还用于构建与所述目标规划信息对应的满足输入约束的模型预测控制器，通过最优化求解方法获取的输出的位置控制值。
在其中一个实施例中，所述位置误差预测模型包括高度误差预测模型和水平误差预测模型；前述模型预测模块106还用于将所述位姿信息、控制信息以及期望位姿参数、期望控制参数输入所述高度误差预测模型，获取高度控制值；将所述位姿信息、控制信息以及期望位姿参数、期望控制参数输入所述水平误差预测模型，获取X轴控制值和Y轴控制值；将所述高度控制值、X轴控制值和Y轴控制值作为所述位置控制值。
在其中一个实施例中，前述模型预测模块106还用于基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型；以所述位置控制值为输入，输出所述姿态控制值。
在其中一个实施例中，前述模型预测模块106还用于将所述姿态控制值作为自变量、所述位置控制值作为因变量，基于所述与所述四旋翼无人机对应的动力学模型建立与所述四旋翼无人机对应的线性时变模型；将所述位置控制值输入所述线性时变模型，获取所述姿态控制值。
图6示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器。如图6所示，该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现四旋翼无人机的控制方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行四旋翼无人机的控制方法。网络接口用于与外部进行通信。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的四旋翼无人机的控制方法可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成四旋翼无人机的控制装置的各个程序模板。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
上述计算机设备，在其中一个实施例中，上述计算机程序被所述处理器执行时，还用于执行以下步骤：
建立与所述四旋翼无人机对应的动力学模型，基于所述动力学模型构建位置误差预测模型；
以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述位置误差预测模型计算最优化的位置控制值；
基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型；
以所述位置控制值为输入，输出所述姿态控制值。
上述计算机设备中，在四旋翼无人机进行相关任务时，对相应的任务进行路径规划，并确定在该参考***下对应的目标规划信息；然后在四旋翼无人机飞行的过程中，获取当前***下的位姿信息和控制信息，然后通过处理目标规划信息中的期望位姿信息和期望控制信息与当前***下的位姿信息和控制信息之间的误差，并通过模型预测来获取对四旋翼无人机进行控制的位置控制值和姿态控制值，再根据位置控制值和姿态控制值对四旋翼无人机进行控制，以使四旋翼无人机跟随目标规划信息中的目标规划轨迹。也就是说，在本实施例中，通过参考***与当前***之间的误差和四旋翼无人机的动力学模型来预测在预测时域内的预测控制值，根据该预测控制值作为四旋翼无人机进行路径跟踪的引导命令的控制参数，实现了无人机路径的跟踪控制。采用了上述四旋翼无人机的控制方法、装置、存储介质及计算机设备之后，避免了因为多变量多约束***下的不确定性和准确度不足的问题，提高了路径跟踪控制的精准度。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制。
上述计算机可读存储介质中，在四旋翼无人机进行相关任务时，对相应的任务进行路径规划，并确定在该参考***下对应的目标规划信息；然后在四旋翼无人机飞行的过程中，获取当前***下的位姿信息和控制信息，然后通过处理目标规划信息中的期望位姿信息和期望控制信息与当前***下的位姿信息和控制信息之间的误差，并通过模型预测来获取对四旋翼无人机进行控制的位置控制值和姿态控制值，再根据位置控制值和姿态控制值对四旋翼无人机进行控制，以使四旋翼无人机跟随目标规划信息中的目标规划轨迹。也就是说，在本实施例中，通过参考***与当前***之间的误差和四旋翼无人机的动力学模型来预测在预测时域内的预测控制值，根据该预测控制值作为四旋翼无人机进行路径跟踪的引导命令的控制参数，实现了无人机路径的跟踪控制。采用了上述四旋翼无人机的控制方法、装置、存储介质及计算机设备之后，避免了因为多变量多约束***下的不确定性和准确度不足的问题，提高了路径跟踪控制的精准度。
需要说明的是，上述四旋翼无人机的控制方法、四旋翼无人机的控制装置、计算机设备和计算机可读存储介质属于同一个发明构思，四旋翼无人机的控制方法、四旋翼无人机的控制装置、计算机设备和计算机可读存储介质中涉及的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种四旋翼无人机的控制方法，其特征在于，包括：
获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制；
其中，所述将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值的步骤，还包括：
以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过预设的位置误差预测模型计算最优化的位置控制值；
以所述位置控制值为输入，通过预设的基于所述四旋翼无人机的线性时变模型输出所述姿态控制值。
2.根据权利要求1所述的四旋翼无人机的控制方法，其特征在于，所述将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值的步骤，还包括：
建立与所述四旋翼无人机对应的动力学模型，基于所述动力学模型构建位置误差预测模型。
3.根据权利要求2所述的四旋翼无人机的控制方法，其特征在于，所述以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述误差预设模型计算最优化的位置控制值和姿态控制值的步骤，还包括：
构建与所述目标规划信息对应的满足输入约束的模型预测控制器，通过最优化求解方法获取的输出的位置控制值。
4.根据权利要求2所述的四旋翼无人机的控制方法，其特征在于，所述位置误差预测模型包括高度误差预测模型和水平误差预测模型；
所述以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述位置误差预测模型计算最优化的位置控制值的步骤，还包括：
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数输入所述高度误差预测模型，获取高度控制值；
将所述位姿信息、控制信息以及期望位姿参数、期望控制参数输入所述水平误差预测模型，获取X轴控制值和Y轴控制值；
将所述高度控制值、X轴控制值和Y轴控制值作为所述位置控制值。
5.根据权利要求2所述的四旋翼无人机的控制方法，其特征在于，所述以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过所述误差预设模型计算最优化的位置控制值的步骤之后，还包括：
基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型。
6.根据权利要求5所述的四旋翼无人机的控制方法，其特征在于，所述基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型的步骤，还包括：
将所述姿态控制值作为自变量、所述位置控制值作为因变量，基于所述与所述四旋翼无人机对应的动力学模型建立与所述四旋翼无人机对应的线性时变模型；
所述以所述位置控制值为输入，输出所述姿态控制值的步骤，还包括：
将所述位置控制值输入所述线性时变模型，获取所述姿态控制值。
7.一种四旋翼无人机的控制装置，其特征在于，包括：
目标规划信息获取模块，用于获取与四旋翼无人机对应的目标规划信息，所述目标规划信息包括期望位姿参数和期望控制参数；
当前***参数检测模块，用于获取无人机***在当前时刻下的位姿信息和控制信息，所述位姿信息包括位置信息和姿态信息；
模型预测模块，用于将所述位姿信息、控制信息以及期望位姿参数、期望控制参数作为模型预测控制器的输入，获取所述模型预测控制器输出的位置控制值和姿态控制值；
无人机控制模块，用于通过所述位置控制值和姿态控制值对所述四旋翼无人机进行控制；
其中，模型预测模块还用于以所述位姿信息、控制信息以及期望位姿参数、期望控制参数为输入，通过预设的位置误差预测模型计算最优化的位置控制值；以所述位置控制值为输入，通过预设的基于所述四旋翼无人机的线性时变模型输出所述姿态控制值。
8.根据权利要求7所述 的四旋翼无人机的控制装置，其特征在于，所述模型预测模块还用于：
建立与所述四旋翼无人机对应的动力学模型，基于所述动力学模型构建位置误差预测模型；
基于线性时变控制规律和所述与所述四旋翼无人机对应的动力学模型，构建基于所述四旋翼无人机的线性时变模型。
9.一种无人机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
CN201910172135.9A 2019-03-07 2019-03-07 四旋翼无人机的控制方法、装置、设备及可读介质 Active CN109947126B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910172135.9A CN109947126B (zh) 2019-03-07 2019-03-07 四旋翼无人机的控制方法、装置、设备及可读介质
PCT/CN2019/097730 WO2020177267A1 (zh) 2019-03-07 2019-07-25 四旋翼无人机的控制方法、装置、设备及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910172135.9A CN109947126B (zh) 2019-03-07 2019-03-07 四旋翼无人机的控制方法、装置、设备及可读介质

Publications (2)

Publication Number Publication Date
CN109947126A CN109947126A (zh) 2019-06-28
CN109947126B true CN109947126B (zh) 2020-04-14

Family

ID=67008528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910172135.9A Active CN109947126B (zh) 2019-03-07 2019-03-07 四旋翼无人机的控制方法、装置、设备及可读介质

Country Status (2)

Country Link
CN (1) CN109947126B (zh)
WO (1) WO2020177267A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947126B (zh) * 2019-03-07 2020-04-14 中国科学院深圳先进技术研究院 四旋翼无人机的控制方法、装置、设备及可读介质
CN110751266A (zh) * 2019-09-26 2020-02-04 北航（四川）西部国际创新港科技有限公司 一种无人机轨迹预测模块及其预测方法
CN110989640B (zh) * 2019-10-24 2022-07-08 深圳市道通智能航空技术股份有限公司 一种飞行控制方法、飞行器及飞行***
CN111142550B (zh) * 2020-01-09 2021-07-27 上海交通大学 民用飞机辅助驾驶控制方法、***及飞行品质评估方法
CN113190043A (zh) * 2021-05-06 2021-07-30 国网山西省电力公司吕梁供电公司 基于ros平台的六旋翼无人机mpc控制方法
CN113673034A (zh) * 2021-08-24 2021-11-19 北京三快在线科技有限公司 一种无人机状态预测方法、装置、存储介质及电子设备
CN114217632B (zh) * 2021-12-03 2023-09-26 中国人民解放军国防科技大学 自适应容错无人机跟踪巡航***及方法
CN114415715B (zh) * 2021-12-17 2024-02-27 北京天玛智控科技股份有限公司 多无人机集成***的控制方法及装置
CN114415720B (zh) * 2021-12-28 2023-10-24 深圳市优必选科技股份有限公司 一种四旋翼无人机控制方法、装置、终端设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106020236A (zh) * 2016-08-02 2016-10-12 中国人民解放军国防科学技术大学 一种自适应引导长度的无人机航迹跟踪方法
CN106527137A (zh) * 2016-11-25 2017-03-22 天津大学 基于观测器的四旋翼无人机容错控制方法
CN107563044A (zh) * 2017-08-29 2018-01-09 武汉科技大学 基于在线安全学习的四旋翼无人机路径跟踪控制方法
CN107992088A (zh) * 2018-01-18 2018-05-04 北京航空航天大学 一种无人飞行器的鲁棒分层控制方法和装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102439646B (zh) * 2009-03-26 2014-11-26 俄亥俄州立大学 轨迹跟踪飞行控制器
US9984586B2 (en) * 2015-11-22 2018-05-29 Victor Popa-Simil Method and device to improve the flying abilities of the airborne devices operator
CN105676641B (zh) * 2016-01-25 2018-10-16 南京航空航天大学 基于反步和滑模控制的非线性鲁棒控制器的设计方法
CN107402578A (zh) * 2017-06-21 2017-11-28 中国科学院深圳先进技术研究院 无人机全景障碍感知方法、装置、设备及存储介质
CN107247459B (zh) * 2017-07-24 2023-06-09 桂林航天工业学院 抗干扰飞行控制方法及装置
CN108363298A (zh) * 2018-01-17 2018-08-03 合肥工业大学 一种基于四元数描述的四旋翼无人机快速收敛控制方法
CN108646772A (zh) * 2018-05-11 2018-10-12 内蒙古宇通博辉航空航天科技发展有限公司 油动四旋翼无人机的姿态控制方法
CN108829123B (zh) * 2018-07-18 2021-06-01 广西师范大学 一种四旋翼飞行器控制方法、***和装置
CN109947126B (zh) * 2019-03-07 2020-04-14 中国科学院深圳先进技术研究院 四旋翼无人机的控制方法、装置、设备及可读介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106020236A (zh) * 2016-08-02 2016-10-12 中国人民解放军国防科学技术大学 一种自适应引导长度的无人机航迹跟踪方法
CN106527137A (zh) * 2016-11-25 2017-03-22 天津大学 基于观测器的四旋翼无人机容错控制方法
CN107563044A (zh) * 2017-08-29 2018-01-09 武汉科技大学 基于在线安全学习的四旋翼无人机路径跟踪控制方法
CN107992088A (zh) * 2018-01-18 2018-05-04 北京航空航天大学 一种无人飞行器的鲁棒分层控制方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Unmanned aerial vehicle dynamic path planning in an uncertain environment;Zhao min，Yao min;《Robotica: International journal of information, education and research in robotics and artificial intelligence》;20151231;第33卷(第3期);第611-621页 *
条件触发MPC在飞行器控制中的应用研究;Xilin Zhao,等;《控制工程》;20181231;第25卷(第12期);第2203-2209页 *

Also Published As

Publication number Publication date
CN109947126A (zh) 2019-06-28
WO2020177267A1 (zh) 2020-09-10

Similar Documents

Publication Publication Date Title
CN109947126B (zh) 四旋翼无人机的控制方法、装置、设备及可读介质
Wang et al. Robust H∞ attitude tracking control of a quadrotor UAV on SO (3) via variation-based linearization and interval matrix approach
US11378983B2 (en) Stable flight control method for multi-rotor unmanned aerial vehicle based on finite-time neurodynamics
Islam et al. Robust control of four-rotor unmanned aerial vehicle with disturbance uncertainty
García Carrillo et al. Modeling the quad-rotor mini-rotorcraft
CN112241125B (zh) 一种基于微分平坦特性的无人机轨迹跟踪方法
Tang et al. Nonlinear dynamic modeling and hybrid control design with dynamic compensator for a small-scale UAV quadrotor
Lu et al. Real-time simulation system for UAV based on Matlab/Simulink
CN111026160B (zh) 一种四旋翼无人机轨迹跟踪控制方法
Kong et al. Mathematical modeling and modal switching control of a novel tiltrotor UAV
Chiou et al. Attitude Control of a Single Tilt Tri‐Rotor UAV System: Dynamic Modeling and Each Channel′ s Nonlinear Controllers Design
Ansari et al. Development and experimental investigation of a Quadrotor’s robust generalized dynamic inversion control system
Torres et al. Fuzzy state feedback for attitude stabilization of quadrotor
He et al. Model-based real-time robust controller for a small helicopter
Ferdaus et al. A generic self-evolving neuro-fuzzy controller based high-performance hexacopter altitude control system
Trenev et al. Movement stabilization of the parrot mambo quadcopter along a given trajectory based on PID controllers
Zhang et al. A quadratic programming based neural dynamic controller and its application to UAVs for time-varying tasks
CN108845508B (zh) 一种基于cmac-滑膜一体化控制的无人机半物理仿真控制方法
Guillén-Bonilla et al. Vision‐Based Nonlinear Control of Quadrotors Using the Photogrammetric Technique
Lungu et al. Adaptive flight control law based on neural networks and dynamic inversion for micro-aerial vehicles
Kandeel et al. Modeling and control of x-shape quadcopter
Sanca et al. Stability analysis of a multirotor UAV with robust backstepping controller
Raffo et al. An underactuated ℋ∞ control strategy for a quadrotor helicopter
Deif et al. Modeling, robustness, and attitude stabilization of indoor quad rotor using fuzzy logic control
Benmoussa et al. Quadrotor flight simulator modeling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant