CN112068583A - 用于无人机***的滑模控制器设计方法 - Google Patents

用于无人机***的滑模控制器设计方法 Download PDF

Info

Publication number
CN112068583A
CN112068583A CN202011156613.6A CN202011156613A CN112068583A CN 112068583 A CN112068583 A CN 112068583A CN 202011156613 A CN202011156613 A CN 202011156613A CN 112068583 A CN112068583 A CN 112068583A
Authority
CN
China
Prior art keywords
interference
aerial vehicle
unmanned aerial
vehicle system
sliding mode
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.)
Pending
Application number
CN202011156613.6A
Other languages
English (en)
Inventor
方星
刘飞
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.)
Jiangnan University
Original Assignee
Jiangnan University
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 Jiangnan University filed Critical Jiangnan University
Priority to CN202011156613.6A priority Critical patent/CN112068583A/zh
Publication of CN112068583A publication Critical patent/CN112068583A/zh
Pending legal-status Critical Current

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
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
    • G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
    • G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
    • 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
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Feedback Control In General (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种用于无人机***的滑模控制器设计方法，包括根据无人机***的动力学模型分析出影响所述无人机***的匹配干扰和非匹配干扰；使用干扰观测器估计出所述匹配干扰的估计值、所述非匹配干扰的估计值，以及所述非匹配干扰的各阶导数估计值；同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出滑模控制器。本发明用于无人机***的滑模控制器设计方法，设计出的滑模控制器能够同时有效处理无人机***的匹配干扰和非匹配干扰，有效提升无人机***的抗干扰能力。

Description

用于无人机***的滑模控制器设计方法
技术领域
本发明涉及无人机***控制技术领域，具体涉及一种用于无人机***的滑模控制器设计方法。
背景技术
现阶段小型无人直升机(简称“无人机”)被广泛用于军事和民用各个领域，其能够垂直起降、悬停、高机动飞行等，无人机在飞行过程中会受到阵风干扰的影响，以及受到模型参数摄动等的模型不确定性因素影响，为了确保无人机安全、高效地运行，需要设计高性能的鲁棒控制器。
滑模控制器为基于滑模控制算法设计的控制器，滑模控制也叫变结构控制，本质上是一类特殊的非线性控制，且非线性表现为控制的不连续性，可以在动态过程中，根据***当前的状态(如偏差及其各阶导数等)有目的地不断变化，迫使***按照预定“滑动模态”的状态轨迹运动。滑模控制器的上述控制特性非常适合应用于无人机***的控制，现有的滑模控制器只能处理无人机***的匹配干扰，对非匹配干扰非常敏感；但是，无人机实际运行过程中会同时受到匹配干扰和非匹配干扰的影响，不能处理非匹配干扰的滑模控制器的抗干扰性能较差。此处的匹配干扰为***的动力学方程中既有输入控制量又有干扰量的干扰，非匹配干扰为***的动力学方程中只有干扰量而没有控制输入量的干扰。
发明内容
本发明要解决的技术问题是提供一种用于无人机***的滑模控制器设计方法，设计出的滑模控制器能够同时有效处理无人机***的匹配干扰和非匹配干扰。
为了解决上述技术问题，本发明提供了一种用于无人机***的滑模控制器设计方法，包括以下步骤，
根据无人机***的动力学模型分析出影响所述无人机***的匹配干扰和非匹配干扰；
使用干扰观测器估计出所述匹配干扰的估计值、所述非匹配干扰的估计值，以及所述非匹配干扰的各阶导数估计值；
同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出滑模控制器。
本发明一个较佳实施例中，进一步包括，同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出所述滑模控制器的控制率，所述滑模控制器根据所述控制率同时对所述无人机***的所述匹配干扰和非匹配干扰做补偿。
本发明一个较佳实施例中，进一步包括，所述无人机***的动力学模型包括，
Figure BDA0002742989290000021
P表征无人机***的位置向量；V表征无人机***的速度向量；Θ＝[φ θ ψ]T表征无人机***的欧拉角向量；Ω表征无人机***的角速度向量；u＝[δcol δlon δlat δped]T表征无人机***的控制输入量；
δcol表征无人机***的总距舵机输入；δlon表征无人机***的俯仰舵机输入；δlat表征无人机***的横滚舵机输入；δped表征无人机***的方向舵机输入；
g表征重力加速度；e3＝[0 0 1]T表征一个单位向量；R(Θ)和Π(Θ)为旋转矩阵；m表征质量；
Zw，Zcol，A和B表征无人机***的模型参数；
J＝diag(Jxx,Jyy,Jzz)表征惯性矩阵；
fd表征作用在无人机上的力干扰；τd表征作用在无人机上的力矩干扰。
本发明一个较佳实施例中，进一步包括，基于输入-输出反馈线性化方法将所述动力学模型变换为反馈线性化的动力模型，根据所述反馈线性化动力模型分析出影响所述无人机***的匹配干扰和非匹配干扰。
本发明一个较佳实施例中，进一步包括，变换后的反馈线性化动力模型为：
Figure BDA0002742989290000031
定义ξ1＝P，
Figure BDA0002742989290000032
ξ4＝P(3)，ξ5＝ψ和
Figure BDA0002742989290000033
其中，Tm表征无人机***的主旋翼的升力；d1、d2、d3分别表征三个干扰项；
d1＝Rfd/m；
Figure BDA0002742989290000034
Figure BDA0002742989290000041
R表征旋转矩阵；
τd1表征力矩干扰τd的第一个分量；τd2表征力矩干扰τd的第二个分量；τd3表征力矩干扰τd的第三个分量；
Figure BDA0002742989290000042
Figure BDA0002742989290000043
Figure BDA0002742989290000044
Figure BDA0002742989290000045
和
Figure BDA0002742989290000046
表征变换以后的四个等效输入量；其中，
Figure BDA0002742989290000047
表征等效输入量的第一二四个分量，
Figure BDA0002742989290000048
表征等效输入量的第一个分量；
Figure BDA0002742989290000049
表征等效输入量的第四个分量；
Figure BDA00027429892900000410
表征等效输入量的第三个分量；
根据式(2)确定出：
d1＝Rfd/m为非匹配干扰；
Figure BDA00027429892900000411
为匹配干扰；
Figure BDA00027429892900000412
为匹配干扰。
本发明一个较佳实施例中，进一步包括，根据反馈线性化的动力模型创建所述干扰观测器包括，
变换反馈线性化动力模型(2)为以下形式：
Figure BDA00027429892900000413
创建以下所述干扰观测器：
Figure BDA0002742989290000051
Figure BDA0002742989290000052
为干扰d的估计值；z为辅助变量；Γ为正定对角矩阵；L(ξ)为干扰观测器增益；p(ξ)满足p(ξ)＝L(ξ)ξ；
Figure BDA0002742989290000053
ξ表征状态向量
Figure BDA0002742989290000054
f(ξ)表征非线性向量
Figure BDA0002742989290000055
g1(ξ)和g2(ξ)分别表征非线性矩阵；
Figure BDA0002742989290000056
表征变换后的控制输入向量、
Figure BDA0002742989290000057
分别表征控制输入向量的第一、二、三、四个分量。
本发明一个较佳实施例中，进一步包括，同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出滑模控制器包括，创建以下滑模变量σP：
Figure BDA0002742989290000058
Λj＝diag(λj1,λj2,λj3),j＝1,2,3为正定对角矩阵，其各元素使得以下多项式Pk(s)＝s3+λ3ks2+λ2ks+λ1k,k＝1,2,3满足赫尔维茨条件；
Figure BDA0002742989290000059
和
Figure BDA00027429892900000510
分别为非匹配干扰d1的估计值和非匹配干扰d1的一阶导数估计值；
eξ1、eξ2、eξ3、eξ4分别表征位置的跟踪误差，eξ1＝ξ1-Pr，eξ2＝ξ2-Pr (1)，
Figure BDA00027429892900000511
本发明一个较佳实施例中，进一步包括，根据所述滑模变量σP设计以下滑模控制率
Figure BDA0002742989290000061
Figure BDA0002742989290000062
Figure BDA0002742989290000063
为非匹配干扰d2的估计值；KP＝diag(kp1,kp2,kp3)为正定对角矩阵；RT表征旋转矩阵R的转置；
Figure BDA0002742989290000064
表征期望轨迹Pr的四阶导数；KP表征位置控制器增益；sign(σP)表征滑模变量σP的符号；K-1表征矩阵K的逆矩阵。
本发明一个较佳实施例中，进一步包括，同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出滑模控制器还包括，创建以下滑模变量σψ：
σψ＝eψ2+λ4eψ1 (7)；
λ4为正实数；eψ1、eψ2分别表征偏航角的跟踪误差，eψ1＝ξ5-ψr和
Figure BDA0002742989290000065
本发明一个较佳实施例中，进一步包括，根据所述滑模变量σψ设计以下滑模控制率
Figure BDA0002742989290000066
Figure BDA0002742989290000067
Figure BDA0002742989290000068
为匹配干扰d3的估计值；
Figure BDA0002742989290000069
表征期望偏航角ψr的二阶导数；Kψ表征偏航角控制器增益；sign(σψ)表征滑模变量σψ的符号。
本发明的有益效果：
本发明用于无人机***的滑模控制器设计方法，设计出的滑模控制器能够同时有效处理无人机***的匹配干扰和非匹配干扰，有效提升无人机***的抗干扰能力。
附图说明
图1为本发明优选实施例中滑模控制器设计方法的流程图；
图2为干扰观测器估计无人机***干扰的仿真示意图；
图3为本发明优选实施例中滑模控制器的控制率仿真示意图；
图4为基于干扰观测器的滑模控制率仿真示意图；
图5为现有技术中滑模控制器的控制率仿真示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例
本发明实施例公开一种用于无人机***的滑模控制器设计方法，参照图1所示，设计方法具体包括以下步骤：
步骤1：针对无人机***在飞行过程中会受到阵风干扰、模型参数摄动和未建模动态等因素影响，创建无人机***的动力学模型。
无人机***是一个典型的六自由度刚体***，其动力学模型可由下述微分方程描述：
Figure BDA0002742989290000071
P＝[x y z]T表征无人机***的位置向量；V＝[u v w]T表征无人机***的速度向量；Θ＝[φ θ ψ]T表征无人机***的欧拉角向量；Ω＝[p q r]T表征无人机***的角速度向量；g表征重力加速度；e3＝[0 0 1]T表征一个单位向量；R(Θ)和Π(Θ)为旋转矩阵；m表征质量；J＝diag(Jxx,Jyy,Jzz)表征惯性矩阵；fd表征作用在无人机上的力干扰；τd表征作用在无人机上的力矩干扰。
f和τ是作用在无人机上的力和力矩，可表示如下：
Figure BDA0002742989290000081
τ＝J(AΩ+Bu) (式3)；
u＝[δcol δlon δlat δped]T表征无人机***的控制输入量；δcol表征无人机***的总距舵机输入；δlon表征无人机***的俯仰舵机输入；δlat表征无人机***的横滚舵机输入；δped表征无人机***的方向舵机输入；
Zw，Zcol，A和B表征无人机***的模型参数。
基于以上式1～3，得到以下无人机***的非线性模型：
Figure BDA0002742989290000082
R(Θ)fd/m和J-1τd表示作用在直升机上的干扰。
步骤2：利用输入-输出反馈线性化方法将所述动力学模型(1)变换为反馈线性化的动力模型(即输入-输出线性化模型)，根据所述反馈线性化动力模型分析出影响所述无人机***的匹配干扰和非匹配干扰。
在进行反馈线性化过程前，先忽略无人机***的干扰fd和τd，并且使用主旋翼的升力Tm来表征模型中的项-m(-g+Zww+Zcolδcol)，将非线性模型(1)简化成如下模型：
Figure BDA0002742989290000091
上述***的阶数为12，通过分析可知其相对阶数为8，因此，该无人机***存在一个4维的零动态***，***不能完全反馈线性化，为了解决该问题，增加升力Tm的两阶导数的动态特性。
此外，为了简化分析过程，采用下述变换：
Figure BDA0002742989290000092
由此可得到以下关系：
Figure BDA0002742989290000093
Figure BDA0002742989290000094
和
Figure BDA0002742989290000095
表征变换以后的四个等效输入量；将
Figure BDA0002742989290000096
看做新的控制输入量。
其中，
Figure BDA0002742989290000097
表征等效输入量的第一二四个分量，
Figure BDA0002742989290000098
表征等效输入量的第一个分量；
Figure BDA0002742989290000099
表征等效输入量的第四个分量；
Figure BDA00027429892900000910
表征等效输入量的第三个分量；
以后，根据输入-输出反馈线性化流程，对位置P和偏航角ψ求各阶导数，直至导数中出现输入变量。
由此可得位置P的四阶导数中出现控制输入量：
Figure BDA00027429892900000911
其中，
Figure BDA0002742989290000101
和
Figure BDA0002742989290000102
同理，可得偏航角ψ的二阶导数中出现控制输入量：
Figure BDA0002742989290000103
其中，
Figure BDA0002742989290000104
由此可知，扩展无人机***的阶数为14，相对阶数也是14，即扩展***能够完全反馈线性化。
定义新的状态变量ξ1＝P，
Figure BDA0002742989290000105
ξ4＝P(3)，ξ5＝ψ和
Figure BDA0002742989290000106
并重新考虑干扰量fd和τd，由此得到反馈线性化的完整动力学模型：
Figure BDA0002742989290000107
d1、d2、d3分别表征三个干扰项；
d1＝Rfd/m；
Figure BDA0002742989290000108
Figure BDA0002742989290000109
R表征旋转矩阵；τd1表征力矩干扰τd的第一个分量；τd2表征力矩干扰τd的第二个分量；τd3表征力矩干扰τd的第三个分量；
Figure BDA0002742989290000111
Figure BDA0002742989290000112
Figure BDA0002742989290000113
Figure BDA0002742989290000114
和
Figure BDA0002742989290000115
表征变换以后的四个等效输入量；其中，
Figure BDA0002742989290000116
表征等效输入量的第一二四个分量，
Figure BDA0002742989290000117
表征等效输入量的第一个分量；
Figure BDA0002742989290000118
表征等效输入量的第四个分量；
Figure BDA0002742989290000119
表征等效输入量的第三个分量。
由此可以确定出d1＝Rfd/m为非匹配干扰；
Figure BDA00027429892900001110
为匹配干扰；
Figure BDA00027429892900001111
为匹配干扰。
步骤3：使用干扰观测器估计出所述匹配干扰的估计值、所述非匹配干扰的估计值，以及所述非匹配干扰的各阶导数估计值。
首先，设计扩展非线性干扰观测器(简称“干扰观测器”)
变换反馈线性化动力模型(2)为以下形式：
Figure BDA00027429892900001112
创建以下所述干扰观测器：
Figure BDA00027429892900001113
Figure BDA00027429892900001114
为干扰d的估计值；z为辅助变量；Γ为正定对角矩阵；L(ξ)为干扰观测器增益；p(ξ)满足p(ξ)＝L(ξ)ξ；
Figure BDA00027429892900001115
ξ表征状态向量
Figure BDA0002742989290000121
f(ξ)表征非线性向量
Figure BDA0002742989290000122
g1(ξ)和g2(ξ)分别表征非线性矩阵；
Figure BDA0002742989290000123
表征变换后的控制输入向量、
Figure BDA0002742989290000124
分别表征控制输入向量的第一、二、三、四个分量。
将干扰观测器增益设计为L(ξ)以下形式：
Figure BDA0002742989290000125
C表征正定对角矩阵；g2表征无人机模型中干扰的系数矩阵；
Figure BDA0002742989290000126
表征g2的转置。
由此可得到干扰估计误差的动态特性为：
Figure BDA0002742989290000127
从而得到干扰观测器的传递函数：
Figure BDA0002742989290000128
由传递函数可知，干扰观测器在本质上是一个二阶低通滤波器，将第i个通道的传递函数写成如下形式
Figure BDA0002742989290000129
通过设计足够高的自然频率ωn,i，能够使得估计值
Figure BDA00027429892900001210
以足够的精度收敛于真实干扰di，其
Figure BDA00027429892900001211
导数收敛于真实干扰的导数
Figure BDA00027429892900001212
步骤4：同时以匹配干扰的估计值、非匹配干扰的估计值、非匹配干扰的各阶导数估计值为关联项设计出滑模控制器。
定义跟踪误差和各阶导数如下：
Figure BDA0002742989290000131
针对无人机***的位置子***，同时受到非匹配干扰d1和匹配干扰d2的影响，设计如下滑模变量σP：
Figure BDA0002742989290000132
Λj＝diag(λj1,λj2,λj3),j＝1,2,3为正定对角矩阵，其各元素使得以下多项式Pk(s)＝s3+λ3ks2+λ2ks+λ1k,k＝1,2,3满足赫尔维茨条件；
Figure BDA0002742989290000133
和
Figure BDA0002742989290000134
分别为非匹配干扰d1的估计值和非匹配干扰d1的一阶导数估计值；
eξ1、eξ2、eξ3、eξ4分别表征位置的跟踪误差，eξ1＝ξ1-Pr，
Figure BDA0002742989290000135
Figure BDA0002742989290000136
根据所述滑模变量σP设计以下滑模控制率
Figure BDA0002742989290000137
Figure BDA0002742989290000138
Figure BDA0002742989290000139
为非匹配干扰d2的估计值；KP＝diag(kp1,kp2,kp3)为正定对角矩阵；
RT表征旋转矩阵R的转置；
Figure BDA00027429892900001310
表征期望轨迹Pr的四阶导数；
sign(σP)表征滑模变量σP的符号；K-1表征矩阵K的逆矩阵。
滑模控制器根据滑模控制率
Figure BDA00027429892900001311
对无人机的位置子***进行补偿，能够同时有效处理匹配干扰和非匹配干扰。
同样的，针对无人机系***的偏航角子***，只受到匹配干扰d3的影响，设计以下滑模变量σψ：
σψ＝eψ2+λ4eψ1 (7)；
λ4为正实数；eψ1、eψ2分别表征偏航角的跟踪误差，eψ1＝ξ5-ψr和
Figure BDA0002742989290000141
根据所述滑模变量σψ设计以下滑模控制率
Figure BDA0002742989290000142
Figure BDA0002742989290000143
Figure BDA0002742989290000144
为匹配干扰d3的估计值；
Figure BDA0002742989290000145
表征期望偏航角ψr的二阶导数；Kψ表征偏航角控制器增益；sign(σψ)表征滑模变量σψ的符号。
滑模控制器根据滑模控制率
Figure BDA0002742989290000146
对影响无人机偏航角子***的匹配干扰进行补偿。
其中一个示例中，验证滑模控制器的有效性，设计仿真实验，干扰观测器参数C＝diag(20,…,20)和Γ＝diag(0.1,…,0.1)。滑模面参数Λ1＝diag(27,27,27)，Λ2＝diag(27,27,27)，Λ3＝diag(9,9,9)和λ4＝1。控制器增益KP＝diag(5,25,40)和Kψ＝2。并且对了突出所设计的新型滑模控制方法的优越性，将传统滑模控制方法，以及基于干扰观测器的传统滑模(DOB-SMC)方法作为对照组进行对比。
无人机***的复合干扰
Figure BDA0002742989290000147
其中，Δ∈R6×12，表示模型不确定性，dwind＝[0 0 fd3 0 0 τd3]T表示由阵风引起的外界干扰。
首先，干扰观测器对无人机***中存在的扰动估计的结果如图2所示。
本发明设计的滑模控制器的控制率、基于干扰观测器的控制率、现有技术中滑模控制器的控制率分别如图3、4、5所示。
仿真结果表明，所设计扩展非线性干扰观测器能够快速地估计无人机***的复合干扰。在本发明设计的滑模控制器作用下，无人机***能够更加精确地跟踪预定的轨迹。在基于干扰观测器的滑模控制器和传统滑模控制器作用下，无人机***的跟踪效果会受到一定程度的波动，控制效果明显比本发明设计的滑模控制器要差。从图3-5可知，本发明设计的滑模控制器能够有效地抑制抖振现象。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.一种用于无人机***的滑模控制器设计方法，其特征在于：包括以下步骤，
根据无人机***的动力学模型分析出影响所述无人机***的匹配干扰和非匹配干扰；
使用干扰观测器估计出所述匹配干扰的估计值、所述非匹配干扰的估计值，以及所述非匹配干扰的各阶导数估计值；
同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出滑模控制器。
2.如权利要求1所述的用于无人机***的滑模控制器设计方法，其特征在于：同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出所述滑模控制器的控制率，所述滑模控制器根据所述控制率同时对所述无人机***的所述匹配干扰和非匹配干扰做补偿。
3.如权利要求1所述的用于无人机***的滑模控制器设计方法，其特征在于：所述无人机***的动力学模型包括，
Figure FDA0002742989280000011
P表征无人机***的位置向量；V表征无人机***的速度向量；Θ＝[φ θ ψ]T表征无人机***的欧拉角向量；Ω表征无人机***的角速度向量；u＝[δcol δlon δlat δped]T表征无人机***的控制输入量；
δcol表征无人机***的总距舵机输入；δlon表征无人机***的俯仰舵机输入；δlat表征无人机***的横滚舵机输入；δped表征无人机***的方向舵机输入；
g表征重力加速度；e3＝[0 0 1]T表征一个单位向量；R(Θ)和Π(Θ)为旋转矩阵；m表征质量；
Zw，Zcol，A和B表征无人机***的模型参数；
J＝diag(Jxx,Jyy,Jzz)表征惯性矩阵；
fd表征作用在无人机上的力干扰；τd表征作用在无人机上的力矩干扰。
4.如权利要求3所述的用于无人机***的滑模控制器设计方法，其特征在于：基于输入-输出反馈线性化方法将所述动力学模型变换为反馈线性化的动力模型，根据所述反馈线性化动力模型分析出影响所述无人机***的匹配干扰和非匹配干扰。
5.如权利要求4所述的用于无人机***的滑模控制器设计方法，其特征在于：变换后的反馈线性化动力模型为：
Figure FDA0002742989280000021
定义ξ1＝P，
Figure FDA0002742989280000022
ξ4＝P(3)，ξ5＝ψ和
Figure FDA0002742989280000023
其中，Tm表征无人机***的主旋翼的升力；d1、d2、d3分别表征三个干扰项；
d1＝Rfd/m；
Figure FDA0002742989280000031
Figure FDA0002742989280000032
R表征旋转矩阵；
τd1表征力矩干扰τd的第一个分量；τd2表征力矩干扰τd的第二个分量；τd3表征力矩干扰τd的第三个分量；
Figure FDA0002742989280000033
Figure FDA0002742989280000034
Figure FDA0002742989280000035
Figure FDA0002742989280000036
和
Figure FDA0002742989280000037
表征变换以后的四个等效输入量；其中，
Figure FDA0002742989280000038
表征等效输入量的第一二四个分量，
Figure FDA0002742989280000039
表征等效输入量的第一个分量；
Figure FDA00027429892800000310
表征等效输入量的第四个分量；
Figure FDA00027429892800000311
表征等效输入量的第三个分量；
根据式(2)确定出：
d1＝Rfd/m为非匹配干扰；
Figure FDA00027429892800000312
为匹配干扰；
Figure FDA00027429892800000313
为匹配干扰。
6.如权利要求5所述的用于无人机***的滑模控制器设计方法，其特征在于：根据反馈线性化的动力模型创建所述干扰观测器包括，
变换反馈线性化动力模型(2)为以下形式：
Figure FDA0002742989280000041
创建以下所述干扰观测器：
Figure FDA0002742989280000042
Figure FDA0002742989280000043
为干扰d的估计值；z为辅助变量；Γ为正定对角矩阵；L(ξ)为干扰观测器增益；p(ξ)满足p(ξ)＝L(ξ)ξ；
Figure FDA0002742989280000044
ξ表征状态向量
Figure FDA0002742989280000045
f(ξ)表征非线性向量
Figure FDA0002742989280000046
g1(ξ)和g2(ξ)分别表征非线性矩阵；
Figure FDA0002742989280000047
表征变换后的控制输入向量、
Figure FDA0002742989280000048
分别表征控制输入向量的第一、二、三、四个分量。
7.如权利要求1所述的用于无人机***的滑模控制器设计方法，其特征在于：同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出滑模控制器包括，创建以下滑模变量σP：
Figure FDA0002742989280000049
Λj＝diag(λj1,λj2,λj3),j＝1,2,3为正定对角矩阵，其各元素使得以下多项式Pk(s)＝s3+λ3ks2+λ2ks+λ1k,k＝1,2,3满足赫尔维茨条件；
Figure FDA00027429892800000410
和
Figure FDA00027429892800000411
分别为非匹配干扰d1的估计值和非匹配干扰d1的一阶导数估计值；
eξ1、eξ2、eξ3、eξ4分别表征位置的跟踪误差，eξ1＝ξ1-Pr，
Figure FDA0002742989280000051
Figure FDA0002742989280000052
8.如权利要求7所述的用于无人机***的滑模控制器设计方法，其特征在于：根据所述滑模变量σP设计以下滑模控制率
Figure FDA0002742989280000053
Figure FDA0002742989280000054
Figure FDA0002742989280000055
为非匹配干扰d2的估计值；KP＝diag(kp1,kp2,kp3)为正定对角矩阵；
RT表征旋转矩阵R的转置；
Figure FDA0002742989280000056
表征期望轨迹Pr的四阶导数；KP表征位置控制器增益；sign(σP)表征滑模变量σP的符号；K-1表征矩阵K的逆矩阵。
9.如权利要求7所述的用于无人机***的滑模控制器设计方法，其特征在于：同时以所述匹配干扰的估计值、所述非匹配干扰的估计值、所述非匹配干扰的各阶导数估计值为关联项设计出滑模控制器还包括，创建以下滑模变量σψ：
σψ＝eψ2+λ4eψ1 (7)；
λ4为正实数；eψ1、eψ2分别表征偏航角的跟踪误差，eψ1＝ξ5-ψr和
Figure FDA0002742989280000057
10.如权利要求9所述的用于无人机***的滑模控制器设计方法，其特征在于：根据所述滑模变量σψ设计以下滑模控制率
Figure FDA0002742989280000058
Figure FDA0002742989280000059
Figure FDA00027429892800000510
为匹配干扰d3的估计值；
Figure FDA00027429892800000511
表征期望偏航角ψr的二阶导数；Kψ表征偏航角控制器增益；sign(σψ)表征滑模变量σψ的符号。
CN202011156613.6A 2020-10-26 2020-10-26 用于无人机***的滑模控制器设计方法 Pending CN112068583A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011156613.6A CN112068583A (zh) 2020-10-26 2020-10-26 用于无人机***的滑模控制器设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011156613.6A CN112068583A (zh) 2020-10-26 2020-10-26 用于无人机***的滑模控制器设计方法

Publications (1)

Publication Number Publication Date
CN112068583A true CN112068583A (zh) 2020-12-11

Family

ID=73655045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011156613.6A Pending CN112068583A (zh) 2020-10-26 2020-10-26 用于无人机***的滑模控制器设计方法

Country Status (1)

Country Link
CN (1) CN112068583A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112731957A (zh) * 2021-04-06 2021-04-30 北京三快在线科技有限公司 无人机的控制方法、装置、计算机可读存储介质及无人机

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107479370A (zh) * 2017-07-03 2017-12-15 浙江工业大学 一种基于非奇异终端滑模的四旋翼无人机有限时间自适应控制方法
CN109062052A (zh) * 2018-08-31 2018-12-21 湖北工业大学 基于扩张状态观测器的四旋翼无人机积分滑模控制方法
CN109188913A (zh) * 2018-10-18 2019-01-11 南京邮电大学 一种无人机姿态的鲁棒控制方法和实现该方法的鲁棒控制器
CN111694278A (zh) * 2020-06-28 2020-09-22 南京工业大学 一种四旋翼无人机的鲁棒跟踪控制方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107479370A (zh) * 2017-07-03 2017-12-15 浙江工业大学 一种基于非奇异终端滑模的四旋翼无人机有限时间自适应控制方法
CN109062052A (zh) * 2018-08-31 2018-12-21 湖北工业大学 基于扩张状态观测器的四旋翼无人机积分滑模控制方法
CN109188913A (zh) * 2018-10-18 2019-01-11 南京邮电大学 一种无人机姿态的鲁棒控制方法和实现该方法的鲁棒控制器
CN111694278A (zh) * 2020-06-28 2020-09-22 南京工业大学 一种四旋翼无人机的鲁棒跟踪控制方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚达琛等: "基于扩张状态观测器的四旋翼积分滑模反步控制", 《东华大学学报(自然科学版)》 *
方星: "非匹配扰动下小型无人直升机鲁棒飞行控制算法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112731957A (zh) * 2021-04-06 2021-04-30 北京三快在线科技有限公司 无人机的控制方法、装置、计算机可读存储介质及无人机
CN112731957B (zh) * 2021-04-06 2021-09-07 北京三快在线科技有限公司 无人机的控制方法、装置、计算机可读存储介质及无人机

Similar Documents

Publication Publication Date Title
CN109343369B (zh) 一种基于非线性观测器的四旋翼容错控制器设计方法
CN106444799B (zh) 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法
CN104950898B (zh) 一种再入飞行器全阶非奇异终端滑模姿态控制方法
Zhen et al. Automatic carrier landing control for unmanned aerial vehicles based on preview control and particle filtering
CN103425135B (zh) 一种具有输入饱和的近空间飞行器鲁棒控制方法
CN111240212B (zh) 一种基于优化预测的倾转旋翼无人机控制分配方法
Liu et al. Barrier Lyapunov function-based integrated guidance and control with input saturation and state constraints
Babaei et al. Adaptive super-twisting sliding mode control of 6-DOF nonlinear and uncertain air vehicle
CN110347170A9 (zh) 可重复使用运载器再入段鲁棒容错制导控制***及工作方法
CN111650830A (zh) 一种基于迭代学习的四旋翼飞行器鲁棒跟踪控制方法
CN111367182A (zh) 考虑输入受限的高超声速飞行器抗干扰反步控制方法
CN106802570B (zh) 一种无人直升机位置跟踪的方法与装置
Chang et al. Integrated guidance and control design for the hypersonic interceptor based on adaptive incremental backstepping technique
CN107817818B (zh) 一种模型不确定飞艇航迹跟踪有限时间控制方法
CN114721266B (zh) 飞机舵面结构性缺失故障情况下的自适应重构控制方法
Yan et al. Adaptive tracking flight control for unmanned autonomous helicopter with full state constraints and actuator faults
Li et al. Anti-disturbance control for attitude and altitude systems of the helicopter under random disturbances
CN113126491A (zh) 基于t-s模糊干扰建模的抗干扰跟踪控制设计方法
Yuan et al. Adaptive fault-tolerant controller for morphing aircraft based on the L2 gain and a neural network
CN112068583A (zh) 用于无人机***的滑模控制器设计方法
Liu et al. Reachability analysis on optimal trim state for aerial docking
Chen et al. Adaptive attitude control for a coaxial tilt-rotor UAV via immersion and invariance methodology
CN113391555B (zh) 基于非线性扰动观测器的四旋翼无人机降落控制方法
Wang et al. A neural network based MRAC scheme with application to an autonomous nonlinear rotorcraft in the presence of input saturation
Li et al. Control system design of flying-wing UAV based on nonlinear methodology

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201211

RJ01 Rejection of invention patent application after publication