CN110888451A - 一种多旋翼无人机容错控制方法及*** - Google Patents

Abstract

本发明涉及一种多旋翼无人机容错控制方法及***，采用改进的线性自抗扰控制的姿态控制算法控制所述无人机的飞行，以保证所述无人机在飞行过程的鲁棒性；当检测到所述无人机的部分电机异常时，构建故障矩阵R_i；基于所述故障矩阵R_i在线建立故障模型；基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息；采用所述改进的线性自抗扰控制的姿态控制算法控制所述故障模型下的无人机的飞行，并按照所述电机的控制分配信息控制所述无人机，以达到所需的姿态和高度。该控制方法及***提高了多旋翼无人机的容错能力，保证了多旋翼无人机具有更大的负载能力和更高的稳定性。

Description

一种多旋翼无人机容错控制方法及***

技术领域

本发明涉及无人机技术领域，尤其涉及一种多旋翼无人机容错控制方法及***。

背景技术

近年来，随着科技的不断进步，无人飞行器，尤其是在四旋翼以上的多旋翼无人飞行器领域取得了快速发展。多旋翼无人机是一种配备了数据处理与传输***、传感器、自动控制***和通信***等机载设备的飞行器，能够进行一定的稳态控制和飞行，而且具备一定的自主飞行能力。当前，多旋翼飞行器现在已广泛应用于农林植保、电力巡检、物流运输等领域，极大程度地方便了人民的生产生活。

当多旋翼无人飞行器发生故障时，飞行状态会发生突变，从而造成不可估计的后果，因此，需要设计出一种容错控制方法来提高多旋翼无人机的容错能力，从而保证多旋翼无人机具有更大的负载能力和更高的稳定性。

发明内容

本发明所要解决的技术问题是提供一种多旋翼无人机容错控制方法及***，提高了多旋翼无人机的容错能力，保证了多旋翼无人机具有更大的负载能力和更高的稳定性。

为解决上述问题，本发明所采取的技术方案是：

一方面，提供了一种多旋翼无人机容错控制方法，其包括：

采用改进的线性自抗扰控制的姿态控制算法控制所述无人机的飞行，以保证所述无人机在飞行过程的鲁棒性；

当检测到所述无人机的部分电机异常时，构建故障矩阵R_i，i为大于等于0小于等于所述无人机中所有电机个数的整数；

基于所述故障矩阵R_i在线建立故障模型；

基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息；

采用所述改进的线性自抗扰控制的姿态控制算法控制所述故障模型下的无人机的飞行，并按照所述电机的控制分配信息控制所述无人机，以达到所需的姿态和高度。

作为本发明的进一步改进，所述改进的线性自抗扰控制的姿态控制算法包括：

安排过渡过程：采用以下公式，通过二阶环节将输入的突变信号转化为缓变信号，然后使输出信号达到期望的输入信号：

其中，其中，G(s)代表二阶环节的传递函数，T代表二阶环节的时间常数，s代表代表传递函数中的变量符号；

线性扩张状态观测器：采用以下状态空间方程和公式，实现对模型中各变量进行实时跟踪：

其中，x₁,x₂,x₃分别代表所***的状态变量，

b₀代表估计的控制增益，w代表外部扰动，y代表所述模型的输出，u代表所述模型的输入；

其中，z₁,z₂,z₃分别代表所述线性扩张状态观测器的***状态变量，β₁,β₂,β₃分别代表所述线性扩张状态观测器的增益。

作为本发明的进一步改进，所述当检测到所述无人机的部分电机异常时，构建故障矩阵R_i，包括：

实时检测所述无人机的所有电机；

当检测到所述无人机的部分电机异常时，计算故障电机的输出与无故障时的输出的比值，根据所述比值构建故障矩阵R_i。

作为本发明的进一步改进，所述基于所述故障矩阵R_i在线建立故障模型，包括：

采用以下公式，在线建立故障模型：

其中

分别代表大地坐标系下的位置加速度，

分别代表在大地坐标系下所述无人机的飞行器姿态角的角加速度，

θ,ψ分别代表横滚角、俯仰角和偏航角，I_x,I_y,I_z分别代表所述无人机机身在三个方向的转动惯量，m代表所述无人机的质量，g代表重力加速度，U_R,U_P,U_Y,U_T分别代表所述无人机的电机均无故障时的横滚力矩、俯仰力矩、偏航力矩以及升力，f_p,f_q,f_r,f_z分别表示横滚力矩误差、俯仰力矩误差、偏航力矩误差以及升力误差。

作为本发明的进一步改进，所述基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息，包括：

采用以下公式，得到优化后的分配矩阵N^f，将所述优化后的分配矩阵N^f作为所述无人机上所有电机的控制分配信息：

N^f＝A^f-1；

N^f＝A^fT(A^f·A^fT)^-1；其中，A^f代表部分电机故障后的控制效率矩阵，A^fT代表A^f的转置；

A^f＝AR_i；其中，A代表故障前的控制效率矩阵；

其中，b为升力系数，l为所述无人机的轴距，d为反扭矩系数。

另一方面，提供了一种多旋翼无人机容错控制***，其包括：

第一控制模块，用于采用改进的线性自抗扰控制的姿态控制算法控制所述无人机的飞行，以保证所述无人机在飞行过程的鲁棒性；

故障矩阵构建模块，用于当检测到所述无人机的部分电机异常时，构建故障矩阵R_i，i为大于等于0小于等于所述无人机中所有电机个数的整数；

故障模型建立模块，用于基于所述故障矩阵R_i在线建立故障模型；

分配信息获取模块，用于基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息；

第二控制模块，采用所述改进的线性自抗扰控制的姿态控制算法控制所述故障模型下的无人机的飞行，并按照所述电机的控制分配信息控制所述无人机，以达到所需的姿态和高度。

作为本发明的进一步改进，所述故障矩阵构建模块包括：

安排过渡过程单元，用于采用以下公式，通过二阶环节将输入的突变信号转化为缓变信号，然后使输出信号达到期望的输入信号：

其中，其中，G(s)代表二阶环节的传递函数，T代表二阶环节的时间常数，s代表代表传递函数中的变量符号；

线性扩张状态观测器单元，用于采用以下状态空间方程和公式，实现对模型中各变量进行实时跟踪：

其中，x₁,x₂,x₃分别代表所***的状态变量，

b₀代表估计的控制增益，w代表外部扰动，y代表所述模型的输出，u代表所述模型的输入；

其中，z₁,z₂,z₃分别代表所述线性扩张状态观测器的***状态变量，β₁,β₂,β₃分别代表所述线性扩张状态观测器的增益。

作为本发明的进一步改进，所述故障模型建立模块包括：

检测单元，用于实时检测所述无人机的所有电机；

故障模型建立单元，用于当检测到所述无人机的部分电机异常时，计算故障电机的输出与无故障时的输出的比值，根据所述比值构建故障矩阵R_i。

作为本发明的进一步改进，所述故障模型建立模块包括：

故障模型建立单元，用于采用以下公式，在线建立故障模型：

其中

分别代表大地坐标系下的位置加速度，

分别代表在大地坐标系下所述无人机的飞行器姿态角的角加速度，

θ,ψ分别代表横滚角、俯仰角和偏航角，I_x,I_y,I_z分别代表所述无人机机身在三个方向的转动惯量，m代表所述无人机的质量，g代表重力加速度，U_R,U_P,U_Y,U_T分别代表所述无人机的电机均无故障时的横滚力矩、俯仰力矩、偏航力矩以及升力，f_p,f_q,f_r,f_z分别表示横滚力矩误差、俯仰力矩误差、偏航力矩误差以及升力误差。

作为本发明的进一步改进，所述分配信息获取模块包括：

分配信息获取单元，用于采用以下公式，采用以下公式，得到优化后的分配矩阵N^f，将所述优化后的分配矩阵N^f作为所述无人机上所有电机的控制分配信息：

N^f＝A^f-1；

N^f＝A^fT(A^f·A^fT)^-1；其中，A^f代表部分电机故障后的控制效率矩阵，A^fT代表A^f的转置；

A^f＝AR_i；其中，A代表故障前的控制效率矩阵；

其中，b为升力系数，l为所述无人机的轴距，d为反扭矩系数。

采用上述技术方案所产生的有益效果在于：

本发明所提供的一种本发明实施例提供的一种多旋翼无人机容错控制方法及***，采用改进的线性自抗扰控制的姿态控制算法控制所述无人机的飞行，以保证所述无人机在飞行过程的鲁棒性；当检测到所述无人机的部分电机异常时，构建故障矩阵R_i；基于所述故障矩阵R_i在线建立故障模型；基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息；采用所述改进的线性自抗扰控制的姿态控制算法控制所述故障模型下的无人机的飞行，并按照所述电机的控制分配信息控制所述无人机，以达到所需的姿态和高度。在无人机的电机未发生故障时，选用的基本控制律为改进的线性自抗扰控制的姿态控制算法，该控制算法对干扰具有较强的鲁棒能力。而且，当无人机的部分电机发生故障时，还能基于发生故障后的故障矩阵，得到新的飞行模型-故障模型，以及所有电机的控制分配信息，从而保证无人机在该故障模式下飞行的同时，还能减少故障电机的使用，从而使无人机达到平稳飞行状态。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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它的附图。

图1是本发明实施例提供的一种多旋翼无人机容错控制方法的流程图。

图2是本发明实施例提供的一种发生第一种故障时***未进行分配优化的横滚角的响应曲线图。

图3是本发明实施例提供的一种发生第一种故障时***未进行分配优化的俯仰角的响应曲线图。

图4是本发明实施例提供的一种发生第一种故障时***未进行分配优化的偏航角的响应曲线图。

图5是本发明实施例提供的一种发生第一种故障时***进行分配优化与未发生故障时的横滚角对比图。

图6是本发明实施例提供的一种发生第一种故障时***进行分配优化与未发生故障时的俯仰角对比图。

图7是本发明实施例提供的一种发生第一种故障时***进行分配优化与未发生故障时的偏航角对比图。

图8是本发明实施例提供的一种发生第二种故障时***未进行分配优化的横滚角的响应曲线图。

图9是本发明实施例提供的一种发生第二种故障时***未进行分配优化的俯仰角的响应曲线图。

图10是本发明实施例提供的一种发生第二种故障时***未进行分配优化的偏航角的响应曲线图。

图11是本发明实施例提供的一种发生第二种故障时***进行分配优化与未发生故障时的横滚角对比图。

图12是本发明实施例提供的一种发生第二种故障时***进行分配优化与未发生故障时的俯仰角对比图。

图13是本发明实施例提供的一种发生第二种故障时***进行分配优化与未发生故障时的偏航角对比图。

图14是本发明实施例提供的一种多旋翼无人机容错控制***的结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对发明进行清楚、完整的描述。

当前，多旋翼无人机主要分为：四旋翼无人机和四旋翼以上的多旋翼无人机，四旋翼无人机缺少旋翼组件的冗余，一旦发送故障，飞行姿态发生突变，在某些应用领域会造成不可估计的后果。而对于四旋翼以上的多旋翼无人机来说，可以通过优化控制算法，使多旋翼无人机具有很好的容错能力、更大的负载能力和更高的稳定性，以保证无人机在遇到强外力干扰或部分电机受损时仍具有良好的稳定性和安全性，从而可以携带更多的任务设备，完成更复杂的任务。

基于此，本发明涉及的多旋翼无人机指代的是四旋翼以上的多旋翼无人机。

图1和图2是本发明提供的多旋翼无人机容错控制方法的流程图，如图1和图2所示，该容错控制方法包括：

S101：采用改进的线性自抗扰控制的姿态控制算法控制无人机的飞行，以保证无人机在飞行过程的鲁棒性。

其中，改进的线性自抗扰控制的姿态控制算法包括：

(1)安排过渡过程：采用以下公式，通过二阶环节将输入的突变信号转化为缓变信号，然后使输出信号达到期望的输入信号：

其中，G(s)代表二阶环节的传递函数，T代表二阶环节的时间常数，T可取期望过渡时间的

s代表传递函数中的变量符号，是一个复参数。

(2)线性扩张状态观测器：采用以下状态空间方程和公式，实现对模型中各变量进行实时跟踪：

其中，x₁,x₂,x₃分别代表***的状态变量，

b₀代表估计的控制增益，w代表外部扰动，y代表模型的输出，u代表模型的输入；

其中，z₁,z₂,z₃分别代表线性扩张状态观测器的***状态变量，β₁,β₂,β₃分别代表线性扩张状态观测器的增益。

需要说明的是，多旋翼无人机的主要通过改变每个旋翼对应的电机的转速来改变该无人机飞行的姿态，电机的转速是通过改变PWM信号的占空比改变的，电机转速发生变化后，电机产生的扬力和转矩发生变化，同时根据多旋翼无人机自身电机的位置分布，决定了横滚方向、俯仰方向的转矩和偏航方向的反转矩。横滚方向和俯仰方向的变化产生了飞机X，Y轴方向的线速度，偏航角的变化为飞机航向的变化，扬力的变化产生了飞机Z轴即高度的变化。

其中，机体坐标系定义为：原点取在无人机的质心，坐标系与机体固连；X轴与机身设计的纵轴平行，且处于无人机的对称平面内，指向前方；Y轴垂直于无人机对称平面指向右方；Z轴在无人机对称平面内，且垂直于X轴指向下方。整个坐标系符合欧拉坐标系右手定则。地面坐标系即惯性坐标系定义为：采用北东地坐标系，XE轴指向北面，YE轴指向东面，而ZE轴指向地心方向。地面坐标系为仿真实验的环境中的坐标系。

无人机根据用户操作所产生的虚拟控制指令经控制分配信息分配为每个电机的实际控制指令。在四个电机正常的情况下，控制分配信息为固定值，不发生改变。但当无人机的部分电机发生故障时，电机无法正确响应分配的实际控制指令，即电机对于相同的控制指令无法调整为对应的转速，不能满足控制的要求，因此需对控制分配信息进行优化再分配。

S102：当检测到无人机的部分电机异常时，构建故障矩阵Ri，i为大于等于0小于等于无人机中所有电机个数的整数。

其中，该步骤包括：

S1021：实时检测无人机的所有电机。

S1022：当检测到无人机的部分电机异常时，计算故障电机的输出与无故障时的输出的比值，根据比值构建故障矩阵。

关于判断部分电机异常的方式，在一种可能的实现方式中，在无人机飞行过程中，用户可通过推动遥控器的摇杆以向无人机飞行控制***发送控制指令，无人机飞行控制***接收到控制指令后，通过内部的姿态解算环节和姿态控制环节对每个电调输出一定的控制量，之后每个电调输出与该控制量对应的PWM值以控制与该电调连接的电机的转速，即，每个电调输出的PWM值与控制指令相对应。因此，当某一个电调输出的PWM值不与该控制指令相对应时，则确定该电调对应的电机发生故障。

当检测到无人机的部分电机异常时，无人机飞行控制***获取所有电机的输出值，即，电机的效率。其中，本发明实施例中，将未发生故障的电机的效率设为1；而发生故障的电机效率为故障电机的输出相对于正常时的输出的量化值。将每个电机的效率分别以k₁,k₂…k_i表示，则构建得到的故障矩阵R_i为：

R_i＝diag[k₁,k₂…k_i]。

例如：该多旋翼无人机为六旋翼无人机，将该六旋翼无人机上的六个电机分别标号为1-6，当1号电机和2号电机由于发生故障导致其电机的效率分别为k₁,k₂时，该六旋翼无人机的故障矩阵为：

S103：基于故障矩阵R_i在线建立故障模型。

采用以下公式，在线建立故障模型：

其中，

分别代表大地坐标系下的位置加速度，

分别代表在大地坐标系下无人机的飞行器姿态角的角加速度，

θ,ψ分别代表横滚角、俯仰角和偏航角，I_x,I_y,I_z分别代表无人机机身在三个方向的转动惯量，m代表无人机的质量，g代表重力加速度，U_R,U_P,U_Y,U_T分别代表无人机的电机均无故障时的横滚力矩、俯仰力矩、偏航力矩以及升力，f_p,f_q,f_r,f_z分别表示横滚力矩误差、俯仰力矩误差、偏航力矩误差以及升力误差。

上述

可通过传感器得到，传感器包括测量加速度的三轴加速度计和测量角速度的三轴陀螺仪。

f_p,f_q,f_r,f_z可由故障矩阵R_i得到，需要说明的是，f_p,f_q,f_r,f_z与无人机的旋翼数量及旋翼的布局类型相关，一般情况下，一旦确定无人机的旋翼数量和旋翼的类型，即可得到f_p,f_q,f_r,f_z。

在一种可能的实现方式中，该多旋无人机为“X”型六旋翼无人机时，将该六旋翼无人机上的六个电机分别标号为1-6，各轴之间夹角为60°，可采用以下方式，得到无人机的电机均无故障时的横滚力矩U_R、俯仰力矩U_P、偏航力矩U_Y以及升力U_T：

则当1号电机发生故障后其电机效率为k₁，其他电机未发生故障时，故障矩阵R₆为：

可采用以下方式得到无人机的部分电机出现故障时的的横滚力矩

俯仰力矩

偏航力矩

以及升力

其中，上述

分别代表1-6号电机未出故障时每个电机所对应的转速。

之后，采用以下公式，求得横滚力矩误差f_p、俯仰力矩误差f_q、偏航力矩误差f_r以及升力误差f_z：

S104：基于故障矩阵R_i得到无人机上所有电机的控制分配信息。

采用以下公式，得到优化后的分配矩阵N^f，将优化后的分配矩阵N^f作为无人机上所有电机的控制分配信息：

N^f＝A^f-1；

N^f＝A^fT(A^f·A^fT)^-1；其中，A^f代表部分电机故障后的控制效率矩阵，A^fT代表A^f的转置；

A^f＝AR_i；其中，A代表故障前的控制效率矩阵；

其中，b为升力系数，l为无人机的轴距，d为反扭矩系数。

S105：采用改进的线性自抗扰控制的姿态控制算法控制故障模型下的无人机的飞行，并按照电机的控制分配信息控制无人机，以达到所需的姿态和高度。

根据实际控制指令调整每个电机的转速，进而使每个电机驱动无人机达到所需的姿态和高度。姿态包括俯仰、滚转和偏航。

例如，可采用以下公式调整每个电机的转速：

τ^f＝[U_R U_P U_Y U_T]^T；其中，τ^f代表力矩矩阵；

其中，

表示当无人机部分电机异常时，每个电机所对应的转速。

本发明实施例中，无人机飞行控制***根据用户操作分布虚拟控制指令给执行机构，执行机构中的电机的转速发生变化，则无人机飞行控制***在采用改进的线性自抗扰控制的姿态控制算法控制无人机飞行过程中，基于新的控制分配信息对每个电机的控制分配信息进行优化；还会按照建立的故障模型，补偿由于电机故障而产生的横滚力矩误差f_p、俯仰力矩误差f_q、偏航力矩误差f_r以及升力误差f_z，从而使得无人机的高度和姿态发生变化，达到无人机所要达到的高度和姿态。

另外，本发明实施例采用六旋翼无人机为对象，对容错控制方法进行了仿真验证，如图2-图13所示，且图2-图13均为给定期望的横滚角、俯仰角和偏航角为15°，给定期望的高度为1m的情况下得到的曲线图。

其中，图2-图4分别为1号电机的效率为1/5时，***未进行分配优化的横滚角、俯仰角和偏航角响应曲线图。由图2-图4可知，当1号电机力效为1/5时且不采用本发明实施例提供的无人机容错控制方法时，三个姿态角无法跟随输入的期望姿态角达到稳定。

图5-图7分别为1号电机的效率为1/5时，***进行分配优化与未发生故障时的横滚角、俯仰角和偏航角的对比图，其中，(a)线表示***进行分配优化的三个姿态角，(b)线代表未发生故障时的三个姿态角。由图5-图7可知，当采用了本发明实施例提供的无人机容错控制方法后，与无故障时的飞行状况相比，虽然没稳定时间较长，但是依然可以很好的跟踪期望值并达到最终稳定。

图8-图10分别为1号电机的效率为1/2时，***未进行分配优化的横滚角、俯仰角和偏航角响应曲线图。由图8-图10可知，当1号电机力效为1/2时且不采用本发明实施例提供的无人机容错控制方法时，三个姿态角无法跟随输入的期望姿态角达到稳定且震荡明显。

图11-图13分别为1号电机的效率为1/2时，***进行分配优化与未发生故障时的横滚角、俯仰角和偏航角的对比图，其中，(a)线表示***进行分配优化的三个姿态角，(b)线代表未发生故障时的三个姿态角。由图11-图13可知，当采用了本发明实施例提供的无人机容错控制方法后，与无故障时的飞行状况相比，虽然没稳定时间较长，但是依然可以很好的跟踪期望值并达到最终稳定。

本发明实施例提供的一种多旋翼无人机容错控制方法，采用改进的线性自抗扰控制的姿态控制算法控制无人机的飞行，以保证无人机在飞行过程的鲁棒性；当检测到无人机的部分电机异常时，构建故障矩阵R_i；基于故障矩阵R_i在线建立故障模型；基于故障矩阵R_i得到无人机上所有电机的控制分配信息；采用改进的线性自抗扰控制的姿态控制算法控制故障模型下的无人机的飞行，并按照电机的控制分配信息控制无人机，以达到所需的姿态和高度。在无人机的电机未发生故障时，选用的基本控制律为改进的线性自抗扰控制的姿态控制算法，该控制算法对干扰具有较强的鲁棒能力。而且，当无人机的部分电机发生故障时，还能基于发生故障后的故障矩阵，得到新的飞行模型-故障模型，以及所有电机的控制分配信息，从而保证无人机在该故障模式下飞行的同时，还能减少故障电机的使用，从而使无人机达到平稳飞行状态。

图14是本发明实施例提供的一种多旋翼无人机容错控制***的结构图，如图14所示，其包括：

第一控制模块1401，用于采用改进的线性自抗扰控制的姿态控制算法控制无人机的飞行，以保证无人机在飞行过程的鲁棒性；

故障矩阵构建模块1402，用于当检测到无人机的部分电机异常时，构建故障矩阵R_i，i为大于等于0小于等于无人机中所有电机个数的整数；

故障模型建立模块1403，用于基于故障矩阵R_i在线建立故障模型；

分配信息获取模块1404，用于基于故障矩阵R_i得到无人机上所有电机的控制分配信息；

第二控制模块1405，采用改进的线性自抗扰控制的姿态控制算法控制故障模型下的无人机的飞行，并按照电机的控制分配信息控制无人机，以达到所需的姿态和高度。

其中，第一控制模块1401和第二控制模块1405可以为同一个控制模块。

在一种可能的实现方式中，故障矩阵构建模块1402包括：

安排过渡过程单元，用于采用以下公式，通过二阶环节将输入的突变信号转化为缓变信号，然后使输出信号达到期望的输入信号：

其中，其中，G(s)代表二阶环节的传递函数，T代表二阶环节的时间常数，s代表传递函数中的变量符号；

线性扩张状态观测器单元，用于采用以下状态空间方程和公式，实现对模型中各变量进行实时跟踪：

其中，x₁,x₂,x₃分别代表所***的状态变量，

b₀代表估计的控制增益，w代表外部扰动，y代表模型的输出，u代表模型的输入；

其中，z₁,z₂,z₃分别代表线性扩张状态观测器的***状态变量，β₁,β₂,β₃分别代表线性扩张状态观测器的增益。

在一种可能的实现方式中，故障模型建立模块1403包括：

检测单元，用于实时检测无人机的所有电机；

故障模型建立单元，用于当检测到无人机的部分电机异常时，计算故障电机的输出与无故障时的输出的比值，根据比值构建故障矩阵R_i。

在一种可能的实现方式中，故障模型建立模块1403包括：

故障模型建立单元，用于采用以下公式，在线建立故障模型：

其中

分别代表大地坐标系下的位置加速度，

分别代表在大地坐标系下无人机的飞行器姿态角的角加速度，

θ,ψ分别代表横滚角、俯仰角和偏航角，I_x,I_y,I_z分别代表无人机机身在三个方向的转动惯量，m代表无人机的质量，g代表重力加速度，U_R,U_P,U_Y,U_T分别代表无人机的电机均无故障时的横滚力矩、俯仰力矩、偏航力矩以及升力，f_p,f_q,f_r,f_z分别表示横滚力矩误差、俯仰力矩误差、偏航力矩误差以及升力误差。

在一种可能的实现方式中，分配信息获取模块1404包括：

分配信息获取单元，用于采用以下公式，得到优化后的分配矩阵N^f，将优化后的分配矩阵N^f作为无人机上所有电机的控制分配信息：

N^f＝A^f-1；

N^f＝A^fT(A^f·A^fT)^-1；其中，A^f代表部分电机故障后的控制效率矩阵，A^fT代表A^f的转置；

A^f＝AR_i；其中，A代表故障前的控制效率矩阵；

其中，b为升力系数，l为无人机的轴距，d为反扭矩系数。

本发明实施例提供的一种多旋翼无人机容错控制***，采用改进的线性自抗扰控制的姿态控制算法控制无人机的飞行，以保证无人机在飞行过程的鲁棒性；当检测到无人机的部分电机异常时，构建故障矩阵R_i；基于故障矩阵R_i在线建立故障模型；基于故障矩阵R_i得到无人机上所有电机的控制分配信息；采用改进的线性自抗扰控制的姿态控制算法控制故障模型下的无人机的飞行，并按照电机的控制分配信息控制无人机，以达到所需的姿态和高度。在无人机的电机未发生故障时，选用的基本控制律为改进的线性自抗扰控制的姿态控制算法，该控制算法对干扰具有较强的鲁棒能力。而且，当无人机的部分电机发生故障时，还能基于发生故障后的故障矩阵，得到新的飞行模型-故障模型，以及所有电机的控制分配信息，从而保证无人机在该故障模式下飞行的同时，还能减少故障电机的使用，从而使无人机达到平稳飞行状态。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种多旋翼无人机容错控制方法，其特征在于，其包括：

采用改进的线性自抗扰控制的姿态控制算法控制所述无人机的飞行，以保证所述无人机在飞行过程的鲁棒性；

当检测到所述无人机的部分电机异常时，构建故障矩阵R_i，i为大于等于0小于等于所述无人机中所有电机个数的整数；

基于所述故障矩阵R_i在线建立故障模型；

基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息；

采用所述改进的线性自抗扰控制的姿态控制算法控制所述故障模型下的无人机的飞行，并按照所述电机的控制分配信息控制所述无人机，以达到所需的姿态和高度。

2.根据权利要求1所述的一种多旋翼无人机容错控制方法，其特征在于，所述改进的线性自抗扰控制的姿态控制算法包括：

安排过渡过程：采用以下公式，通过二阶环节将输入的突变信号转化为缓变信号，然后使输出信号达到期望的输入信号：

其中，其中，G(s)代表二阶环节的传递函数，T代表二阶环节的时间常数，s代表传递函数中的变量符号；

线性扩张状态观测器：采用以下状态空间方程和公式，实现对模型中各变量进行实时跟踪：

其中，x₁,x₂,x₃分别代表所***的状态变量，

b₀代表估计的控制增益，w代表外部扰动，y代表所述模型的输出，u代表所述模型的输入；

其中，z₁,z₂,z₃分别代表所述线性扩张状态观测器的***状态变量，β₁,β₂,β₃分别代表所述线性扩张状态观测器的增益。

3.根据权利要求1所述的一种多旋翼无人机容错控制方法，其特征在于，所述当检测到所述无人机的部分电机异常时，构建故障矩阵R_i，包括：

实时检测所述无人机的所有电机；

当检测到所述无人机的部分电机异常时，计算故障电机的输出与无故障时的输出的比值，根据所述比值构建故障矩阵R_i。

4.根据权利要求1所述的一种多旋翼无人机容错控制方法，其特征在于，所述基于所述故障矩阵R_i在线建立故障模型，包括：

采用以下公式，在线建立故障模型：

其中

分别代表大地坐标系下的位置加速度，

分别代表在大地坐标系下所述无人机的飞行器姿态角的角加速度，

θ,ψ分别代表横滚角、俯仰角和偏航角，I_x,I_y,I_z分别代表所述无人机机身在三个方向的转动惯量，m代表所述无人机的质量，g代表重力加速度，U_R,U_P,U_Y,U_T分别代表所述无人机的电机均无故障时的横滚力矩、俯仰力矩、偏航力矩以及升力，f_p,f_q,f_r,f_z分别表示横滚力矩误差、俯仰力矩误差、偏航力矩误差以及升力误差。

5.根据权利要求1所述的一种多旋翼无人机容错控制方法，其特征在于，所述基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息，包括：

采用以下公式，得到优化后的分配矩阵N^f，将所述优化后的分配矩阵N^f作为所述无人机上所有电机的控制分配信息：

N^f＝A^f-1；

N^f＝A^fT(A^f·A^fT)^-1；其中，A^f代表部分电机故障后的控制效率矩阵，A^fT代表A^f的转置；

A^f＝AR_i；其中，A代表故障前的控制效率矩阵；

其中，b为升力系数，l为所述无人机的轴距，d为反扭矩系数。

6.一种多旋翼无人机容错控制***，其特征在于，其包括：

第一控制模块，用于采用改进的线性自抗扰控制的姿态控制算法控制所述无人机的飞行，以保证所述无人机在飞行过程的鲁棒性；

故障矩阵构建模块，用于当检测到所述无人机的部分电机异常时，构建故障矩阵R_i，i为大于等于0小于等于所述无人机中所有电机个数的整数；

故障模型建立模块，用于基于所述故障矩阵R_i在线建立故障模型；

分配信息获取模块，用于基于所述故障矩阵R_i得到所述无人机上所有电机的控制分配信息；

第二控制模块，采用所述改进的线性自抗扰控制的姿态控制算法控制所述故障模型下的无人机的飞行，并按照所述电机的控制分配信息控制所述无人机，以达到所需的姿态和高度。

7.根据权利要求6所述的一种多旋翼无人机容错控制***，其特征在于，所述故障矩阵构建模块包括：

安排过渡过程，用于采用以下公式，通过二阶环节将输入的突变信号转化为缓变信号，然后使输出信号达到期望的输入信号：

其中，其中，G(s)代表二阶环节的传递函数，T代表二阶环节的时间常数，s代表传递函数中的变量符号；

线性扩张状态观测器单元，用于采用以下状态空间方程和公式，实现对模型中各变量进行实时跟踪：

其中，x₁,x₂,x₃分别代表所***的状态变量，

b₀代表估计的控制增益，w代表外部扰动，y代表所述模型的输出，u代表所述模型的输入；

其中，z₁,z₂,z₃分别代表所述线性扩张状态观测器的***状态变量，β₁,β₂,β₃分别代表所述线性扩张状态观测器的增益。

8.根据权利要求6所述的一种多旋翼无人机容错控制***，其特征在于，所述故障模型建立模块包括：

检测单元，用于实时检测所述无人机的所有电机；

故障模型建立单元，用于当检测到所述无人机的部分电机异常时，计算故障电机的输出与无故障时的输出的比值，根据所述比值构建故障矩阵R_i。

9.根据权利要求6所述的一种多旋翼无人机容错控制***，其特征在于，所述故障模型建立模块包括：

故障模型建立单元，用于采用以下公式，在线建立故障模型：

其中

分别代表大地坐标系下的位置加速度，

分别代表在大地坐标系下所述无人机的飞行器姿态角的角加速度，

θ,ψ分别代表横滚角、俯仰角和偏航角，I_x,I_y,I_z分别代表所述无人机机身在三个方向的转动惯量，m代表所述无人机的质量，g代表重力加速度，U_R,U_P,U_Y,U_T分别代表所述无人机的电机均无故障时的横滚力矩、俯仰力矩、偏航力矩以及升力，f_p,f_q,f_r,f_z分别表示横滚力矩误差、俯仰力矩误差、偏航力矩误差以及升力误差。

10.根据权利要求6所述的一种多旋翼无人机容错控制***，其特征在于，所述分配信息获取模块包括：

分配信息获取单元，用于采用以下公式，得到优化后的分配矩阵N^f，将所述优化后的分配矩阵N^f作为所述无人机上所有电机的控制分配信息：

N^f＝A^f-1；

N^f＝A^fT(A^f·A^fT)^-1；其中，A^f代表部分电机故障后的控制效率矩阵，A^fT代表A^f的转置；

A^f＝AR_i；其中，A代表故障前的控制效率矩阵；

其中，b为升力系数，l为所述无人机的轴距，d为反扭矩系数。

Images