CN113220031A - 基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法 - Google Patents
基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法 Download PDFInfo
- Publication number
- CN113220031A CN113220031A CN202110519566.5A CN202110519566A CN113220031A CN 113220031 A CN113220031 A CN 113220031A CN 202110519566 A CN202110519566 A CN 202110519566A CN 113220031 A CN113220031 A CN 113220031A
- Authority
- CN
- China
- Prior art keywords
- attitude
- aerial vehicle
- unmanned aerial
- plant protection
- protection unmanned
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013178 mathematical model Methods 0.000 claims abstract description 36
- 238000013461 design Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 19
- 239000002131 composite material Substances 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000010363 phase shift Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 6
- 230000001629 suppression Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 244000145845 chattering Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
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
本发明涉及基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,与现有技术相比解决了难以对旋翼式植保无人机进行姿态跟踪控制的缺陷。本发明包括以下步骤:期望姿态角数据的获取;实时姿态角数据的采集;完整姿态数学模型的建立;完整姿态数学拓展模型的建立;有限时间拓展观测器的设计;辅助动力***的设计;进行有限时间姿态跟踪控制器的设计;旋翼式植保无人机姿态的控制调整。本发明可以实现旋翼式植保无人机在有限时间内跟踪上期望姿态角信号,提高飞行控制***的抗干扰和执行器饱和抑制能力,加快跟踪误差收敛速度,有效地抑制了***输出的抖动现象。
Description
技术领域
本发明涉及无人机控制领域,具体来说是基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法。
背景技术
随着我国对精准农业发展要求的不断提高,旋翼式植保无人机凭借其制造成本低,喷洒均匀,操作简单,具有较强的环境适应性,作业时不容易破坏农作物生长环境等诸多优势而受到工业界和学术界的广泛关注。同时,旋翼式植保无人机可通过遥控进行远程操作,避免操作人员与药物的直接接触,从而降低了农药对操作人员健康所造成的负面影响。相较于传统的背负式人工作业方式,利用旋翼式植保无人机能提高作业效率并且减轻工作人员的劳动强度。
目前,我国关于旋翼式植保无人机就如何实现高精度作业的研究还处于发展初期,这其中仍然面临着许多的挑战和障碍。首先,旋翼式植保无人机具有欠驱动、强耦合性和高非线性等结构特点,这要求飞行控制算法具备强解耦性和强鲁棒性;其次,由于飞行环境的复杂多变,旋翼式植保无人机容易受到外界扰动的影响(如:时变强风扰和空气阻力),从而导致飞行控制***的稳定性下降。另外,在作业过程中,旋翼式植保无人机自身的结构性参数也会不断变化(如:质量和惯性参数),这也容易破坏飞行稳定性和作业精确性。无人机在自主飞行时,通常需要提前对飞行轨迹进行设定,然后再通过飞行控制器实现无人机对位置的跟踪。然而位置跟踪需要通过无人机的姿态跟踪控制来实现。因此,设计一种高性能的姿态跟踪控制方法对保证无人机稳定飞行是至关重要的。
近年来,针对旋翼式植保无人机的姿态跟踪控制问题开展了许多相关工作,主要包括PID控制、神经网络、滑模控制等。其中,PID控制作为一种应用广泛的线性控制策略具有设计简单和实用性强等特点。然而PID控制的设计过程需要对旋翼式植保无人机模型在平衡状态处进行线性化处理,这不适用于旋翼式植保无人机在大操作范围下进行作业。神经网络作为一种智能控制算法能够精确地逼近复杂的非线性***,有效地解决了非线性***的建模困难。然而,运用神经网络算法会增加计算负担并且要求配置更高的计算机,使得难以在实际应用中得到广泛推广。滑模控制作为一种典型的鲁棒控制方法,具有响应速度快、易于实现、鲁棒性强等优势。因此,该控制方法非常适用于旋翼式植保无人机这种高度非线性***。然而,实际输出信号难以避免抖振现象。为了解决该问题,常采用有界层技术或双曲正切函数替代滑模控制中的不连续项,但是这些方法降低了***的控制精度。相较于***渐近稳定,有限时间稳定能在有限时间范围内保证***状态达到平衡状态,这极大地提高了控制***的品质。近年来,虽然利用终端滑模面能实现动态***的有限时间稳定,但存在奇异和低收敛速度等问题。
除此以外,旋翼式植保无人机在起飞阶段以及装载较重的农药或水时,执行器容易出现输入饱和的问题,这极容易破坏飞行控制***的稳定性,严重的甚至会造成坠机事故。因此,设计抗饱和控制器在保证***稳定性以及安全性方面具有十分重要的研究意义。在实际应用中,旋翼式植保无人机通常需要搭载额外的速度传感器以便获取姿态角速度信息,这极大地增加了设备造价成本。因此,为了进一步降低植保无人机的造价成本,设计有效的检测方法来获取姿态角速度信息就显得尤为重要。
发明内容
本发明的目的是为了解决现有技术中难以对旋翼式植保无人机进行姿态跟踪控制的缺陷,提供一种基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下:
基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,包括以下步骤:
11)期望姿态角数据的获取:获取输入到旋翼式植保无人机飞行数据存储器中的期望姿态角数据,期望姿态角数据根据旋翼式植保无人机的飞行姿态要求设定;
12)实时姿态角数据的采集:通过旋翼式植保无人机所搭载的姿态传感器采集姿态角的实时数据,并将所采集的实时姿态角数据保存在飞行数据存储器中,姿态角实时数据包括:翻滚角度数、俯仰角度数和偏航角度数;
13)完整姿态数学模型的建立:根据旋翼式植保无人机的固有特性以及在飞行时受到执行器饱和和风扰因素的影响,建立旋翼式植保无人机的完整姿态数学模型;
14)完整姿态数学拓展模型的建立:基于旋翼式植保无人机的完整姿态数学模型,建立旋翼式植保无人机的完整姿态数学拓展模型;
15)有限时间拓展观测器的设计:基于旋翼式植保无人机的完整姿态数学拓展模型,设计有限时间拓展观测器;
16)辅助动力***的设计:引入快速非奇异终端滑模面并设计辅助动力***;
17)进行有限时间姿态跟踪控制器的设计:根据所引入的快速非奇异终端滑模面,以及所构造的辅助动力***和有限时间拓展观测器,设计旋翼式植保无人机的抗饱和有限时间姿态跟踪控制器;
18)旋翼式植保无人机姿态的控制调整:通过姿态角实时数据和期望姿态角数据对旋翼式植保无人机姿态进行跟踪控制。
所述完整姿态数学模型的建立包括以下步骤:
21)基于欧拉拉格朗日建模方法,根据旋翼式植保无人机的固有特性以及在飞行时受到执行器饱和和风扰因素的影响,建立旋翼式植保无人机的动力学数学模型,其具体表达式如下所示:
其中,Ω=[Ω1,Ω2,Ω3]T表示在惯性坐标系下的姿态角速度向量,J=diag(J1,J2,J3)表示正定对称惯性矩阵,实际输入信号sat(u)=[sat(u1),sat(u2),sat(u3)]T的数学表达形式为
其中,umax表示控制信号ui的上界值,符号函数sign(ui)定义为
自然环境下风扰D=[D1,D2,D3]T的数学表达形式为
符号(·)×表示斜对称矩阵,其满足如下形式:
22)基于欧拉拉格朗日建模方法,建立旋翼式植保无人机的运动学姿态数学模型,其数学表达式如下:
其中,Θ=[φ,θ,ψ]T表示在旋翼式植保无人机坐标系下的姿态角向量,φ、θ、ψ分别表示翻滚角度数、俯仰角度数、偏航角度数,矩阵W定义为
W=R1(θ)R2(φ)
其中,
23)基于旋翼式植保无人机的动力学姿态数学模型和运动姿态数学模型,通过基础变换得出旋翼式植保无人机的完整姿态数学模型,其数学表达式如下:
其中,M1(Θ)是对称正定矩阵,其具体表达形式如下所示:
其中,
m11=Ix,m12=m14=0,m13=-Ixsinθ,m15=Iycos2φ+Izsin2φ,m16=(Iy-Iz)cosφsinφcosθ,m17=-Ixsinθ,m18=(Iy-Iz)cosφsinφcosθ和m19=Ixsin2θ+Iysin2φcos2θ+Izcos2φcos2θ,
其中,
m21=0,
m24=-m22,
M3(Θ)表示旋转矩阵,其具体表达形式如下:
所述完整姿态数学拓展模型的建立包括以下步骤:
32)基于旋翼式植保无人机的完整姿态数学模型和中间变量z1,建立旋翼式植保无人机的完整姿态数学拓展模型,其具体表达形式如下:
所述设计有限时间拓展观测器如下:
所述辅助动力***的设计包括以下步骤:
51)引入快速非奇异终端滑模面s,其具体表达形式如下:
52)基于所引入的快速非奇异终端滑模面设计辅助动力***,其具体表达形式如下
其中,Υ表示辅助动力***参数,Δu=u-sat(u),ρ1>1以及ρ2>0。
所述旋翼式植保无人机的抗饱和有限时间姿态跟踪控制器设计为:
u=ua+ub+uc
所述旋翼式植保无人机姿态的控制调整包括以下步骤:
71)将飞行数据存储器中的姿态角实时数据输入到有限时间拓展观测器中,输出有限时间拓展观测器所观测的实时姿态角速度信息和复合扰动信息;
72)将所观测的实时姿态角速度信息和复合扰动信息,以及飞行数据存储器中的期望姿态角数据和实时姿态角数据,输入到抗饱和有限时间姿态跟踪控制器中,输出调整植保无人机姿态的控制信号和新的实时姿态角数据;
73)将新的实时姿态角数据更新并存储于飞行数据存储器;
74)通过飞行数据库存储器中期望姿态角数据与实时姿态角数据进行差值比较:
如果三种期望姿态角度数与相应的实时姿态角度数差值的绝对值之和大于1,则控制参数m1和m2的值同时按0.2大小增加,直至差值的绝对值之和小于等于0.5;
如果差值的绝对值之和小于等于0.5,则控制参数m1和m2的值同时按0.1大小增加,直至差值的绝对值之和小于等于0.1;
如果差值的绝对值之和小于等于0.1,则控制参数m1和m2的值同时按0.05大小增加,直至差值的绝对值之和小于等于0.01;
如果差值的绝对值之和小于等于0.01,则满足旋翼式植保无人机的实时姿态控制性能要求。
有益效果
本发明的基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,与现有技术相比可以实现旋翼式植保无人机在有限时间内跟踪上期望姿态角信号,提高飞行控制***的抗干扰和执行器饱和抑制能力,加快跟踪误差收敛速度,有效地抑制了***输出的抖动现象,能够在线检测姿态角速度以降低旋翼式植保无人机的设计成本,同时可以避免因选择过大控制增益所造成的能量损耗。
本发明方法可以保证旋翼式植保无人机的姿态跟踪误差在有限时间内收敛至有界误差区域;其次,该方法可以在风扰和执行器饱和问题存在的情况下,实现旋翼式植保无人机姿态轨迹的精确跟踪、抖动消除以及执行器饱和抑制的目标,提高***的鲁棒性和轨迹跟踪品质;然后,该方法可以在线检测旋翼式植保无人机的姿态角速度以及补偿风扰所带来的不利影响,同时可以避免因提高***鲁棒性而挑选大控制增益所造成的能量损耗问题。
本发明提出的方法,旨在实现旋翼式植保无人机如何在风扰以及执行器饱和的飞行条件下提高飞行控制***的鲁棒性、抑制抖动现象、实现姿态跟踪误差的快速收敛、消除执行器饱和所造成的负面影响,以及避免因选择过大控制增益所引起的能量损失,同时能在线检测姿态角速度信号以降低旋翼式植保无人机的造价成本。
附图说明
图1为本发明的方法顺序图;
图2为本发明的控制原理框图;
图3是本发明的翻滚角实时跟踪响应曲线图;
图4是本发明的俯仰角实时跟踪响应曲线图;
图5是本发明的偏航角实时跟踪响应曲线图;
图6是本发明的姿态角跟踪误差响应曲线图;
图7是本发明的实际输入响应曲线图;
图8是本发明的有限时间拓展观测器的风扰检测误差曲线图;
图9是本发明的有限时间拓展观测器的姿态角速度检测曲线图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1和图2所示,本发明所述的一种基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,包括以下步骤:
第一步,期望姿态角数据的获取:获取输入到旋翼式植保无人机飞行数据存储器中的期望姿态角数据,期望姿态角数据根据旋翼式植保无人机的飞行姿态要求设定。
第二步,实时姿态角数据的采集:通过旋翼式植保无人机所搭载的姿态传感器采集姿态角的实时数据,并将所采集的实时姿态角数据保存在飞行数据存储器中,姿态角实时数据包括:翻滚角度数、俯仰角度数和偏航角度数。
第三步,完整姿态数学模型的建立:根据旋翼式植保无人机的固有特性以及在飞行时受到执行器饱和和风扰因素的影响,建立旋翼式植保无人机的完整姿态数学模型。
需要特别说明的是,旋翼式植保无人机在长时间飞行或者起飞阶段,其执行器很容易出现输入饱和的问题,这会破坏飞行***的稳定性,轻者造成任务的失败,严重的甚至会造成坠机事故。另外,旋翼式植保无人机在飞行时会持续不断的受到自然界风扰的影响,降低飞行***的稳定性。因此,在旋翼式植保无人机的数学建模过程,考虑执行器饱和和风扰因素的影响有助于增强***的安全可靠性,但这以极大地增加了控制***的设计难度。
完整姿态数学模型的建立具体步骤如下:
(1)基于欧拉拉格朗日建模方法,根据旋翼式植保无人机的固有特性以及在飞行时受到执行器饱和和风扰因素的影响,建立旋翼式植保无人机的动力学数学模型,其具体表达式如下所示:
其中,Ω=[Ω1,Ω2,Ω3]T表示在惯性坐标系下的姿态角速度向量,J=diag(J1,J2,J3)表示正定对称惯性矩阵,实际输入信号sat(u)=[sat(u1),sat(u2),sat(u3)]T的数学表达形式为
其中,umax表示控制信号ui的上界值,符号函数sign(ui)定义为
自然环境下风扰D=[D1,D2,D3]T的数学表达形式为
符号(·)×表示斜对称矩阵,其满足如下形式:
(2)基于欧拉拉格朗日建模方法,建立旋翼式植保无人机的运动学姿态数学模型,其数学表达式如下:
其中,Θ=[φ,θ,ψ]T表示在旋翼式植保无人机坐标系下的姿态角向量,φ、θ、ψ分别表示翻滚角度数、俯仰角度数、偏航角度数,矩阵W定义为
W=R1(θ)R2(φ)
其中,
(3)基于旋翼式植保无人机的动力学姿态数学模型和运动姿态数学模型,通过基础变换得出旋翼式植保无人机的完整姿态数学模型,其数学表达式如下:
其中,M1(Θ)是对称正定矩阵,其具体表达形式如下所示:
其中,
m11=Ix,m12=m14=0,m13=-Ixsinθ,m15=Iycos2φ+Izsin2φ,m16=(Iy-Iz)cosφsinφcosθ,m17=-Ixsinθ,m18=(Iy-Iz)cosφsinφcosθ和m19=Ixsin2θ+Iysin2φcos2θ+Izcos2φcos2θ,
其中,
m21=0,
m24=-m22,
M3(Θ)表示旋转矩阵,其具体表达形式如下:
第四步,完整姿态数学拓展模型的建立:基于旋翼式植保无人机的完整姿态数学模型,建立旋翼式植保无人机的完整姿态数学拓展模型。
其具体步骤如下:
(2)基于旋翼式植保无人机的完整姿态数学模型和中间变量z1,建立旋翼式植保无人机的完整姿态数学拓展模型,其具体表达形式如下:
第五步,有限时间拓展观测器的设计:基于旋翼式植保无人机的完整姿态数学拓展模型,设计有限时间拓展观测器;
需要特别说明的是,相较于传统的观测器,本发明所设计的有限时间拓展观测器不仅能有效地补偿复合扰动造成的不利影响,同时也能精确地检测姿态角速度信息,更为重要的是能够实现观测***的有限时间收敛,提高观测***的检测性能。
第六步,辅助动力***的设计:引入快速非奇异终端滑模面并设计辅助动力***。
辅助动力***的设计包括以下步骤:
(1)引入快速非奇异终端滑模面s,其具体表达形式如下:
ψdn1signψ-ψdT和
(2)基于所引入的快速非奇异终端滑模面设计辅助动力***,其具体表达形式如下
其中,Υ表示辅助动力***参数,Δu=u-sat(u),ρ1>1以及ρ2>0。
需要特别说明的是,设计的快速非奇异终端滑模面能提高***状态在达到滑模面后的收敛速度以及避免出现奇异问题;所设计的辅助动力***不要求控制信号是有界的,并且该***是有限时间收敛,这提高了飞行***的输入饱和抑制品质;除此以外,可以通过增大控制参数ρ1和ρ2,以提高输入饱和的消除速度。
第七步,进行有限时间姿态跟踪控制器的设计:根据所引入的快速非奇异终端滑模面,以及所构造的辅助动力***和有限时间拓展观测器,设计旋翼式植保无人机的抗饱和有限时间姿态跟踪控制器。
旋翼式植保无人机的抗饱和有限时间姿态跟踪控制器设计为:
u=ua+ub+uc
第八步,旋翼式植保无人机姿态的控制调整:通过姿态角实时数据和期望姿态角数据对旋翼式植保无人机姿态进行跟踪控制。
(1)将飞行数据存储器中的姿态角实时数据输入到有限时间拓展观测器中,输出有限时间拓展观测器所观测的实时姿态角速度信息和复合扰动信息;
(2)将所观测的实时姿态角速度信息和复合扰动信息,以及飞行数据存储器中的期望姿态角数据和实时姿态角数据,输入到抗饱和有限时间姿态跟踪控制器中,输出调整植保无人机姿态的控制信号和新的实时姿态角数据;
(3)将新的实时姿态角数据更新并存储于飞行数据存储器;
(4)通过飞行数据库存储器中期望姿态角数据与实时姿态角数据进行差值比较:
如果三种期望姿态角度数与相应的实时姿态角度数差值的绝对值之和大于1,则控制参数m1和m2的值同时按0.2大小增加,直至差值的绝对值之和小于等于0.5;
如果差值的绝对值之和小于等于0.5,则控制参数m1和m2的值同时按0.1大小增加,直至差值的绝对值之和小于等于0.1;
如果差值的绝对值之和小于等于0.1,则控制参数m1和m2的值同时按0.05大小增加,直至差值的绝对值之和小于等于0.01;
如果差值的绝对值之和小于等于0.01,则满足旋翼式植保无人机的实时姿态控制性能要求。
为了证明旋翼式植保无人机的跟踪误差信号在有限时间范围内收敛至有界区域,设计如下复合李雅普诺夫函数V1:
对复合李雅普诺夫函数V1求一次导数,并将所设计的快速非奇异终端滑模面、辅助动力***以及抗饱和有限时间姿态跟踪控制器带入其中,可得:
其中,Ψ1=min{λmin(H1-H3s-1),σ1-1},Ψ2=min{λmin(H2),σ2}以及根据李雅普诺夫有限时间稳定性原理可知,复合李雅普诺夫函数V1在有限时间t1收敛至零。在该情况下,有限时间t1的计算公式是
综合情况1和情况2,快速非奇异终端滑模面s在有限时间t3收敛至如下有界区域Λ内:
其中,有限时间t3的计算公式是t3=min{t1,t2}。
基于所设计的快速非奇异滑模面s和有界区域Λ,姿态角跟踪误差Θe在有限时间t4收敛至如下有界区域Δ内:
其中,有限时间t4的计算公式是
综上所述,本发明在旋翼式植保无人机受风扰和执行器饱和的影响下,所设计的抗饱和有限时间姿态跟踪控制器能够保证整个闭环***有限时间稳定,提高***的鲁棒性和执行器抗饱和能力,加快误差收敛速度,有效地抑制抖动现象,能够在线检测姿态角速度以降低旋翼式植保无人机的设计成本,同时可以避免因选择过大控制增益所造成的能量损耗。
为了验证本发明所提控制器的有效性,在具体地实施例中,基于MATLAB/Simulink仿真平台上搭建旋翼式植保无人机姿态跟踪控制***。
惯性矩阵为J=diag(0.055,0.055,0.098)(单位:kg·m2),
自然环境下的风扰为6+3sin4πt5+710+3sinπt4+410,3+2sin3πt5+310+6cosπt4+410T(单位:N·m),实际输入信号的上界值为umax=0.3(单位:N·m)。
除此以外,为了更好的模拟实际飞行环境,在仿真中增加了传感器噪声,其值设定为0.1。选取的控制参数如下:n1=2.5,l1=9,p1=5,l2=5,p2=9,m1=25,m2=0.6,h1=10,h2=15,σ1=0.6,σ2=0.4以及ξ1=ξ2=35。采样时间是t=0.01(单位:s)。图3是翻滚角实时跟踪响应曲线图,图4是俯仰角实时跟踪响应曲线图,图5是偏航角实时跟踪响应曲线图,图6是姿态角跟踪误差响应曲线图,图7是实际输入响应曲线图,图8是有限时间拓展观测器的风扰检测误差曲线图,图9是有限时间拓展观测器的姿态角速度检测曲线图。从图3至图5可以看出,旋翼式植保无人机在外部风扰和输入饱和的影响下,其实时翻滚角信号、实时俯仰角信号和实时偏航角信号能分别准确地跟踪上期望翻滚角信号、期望俯仰角信号和期望偏航角信号。从图6可以看出本发明所设计的姿态控制方法能保证姿态角误差信号收敛至0附近。从图7中可以看出实际控制信号是在的饱和范围内(-0.3~0.3),并且没有出现抖振现象。从图8中可以看出本发明所设计的有限时间拓展观测器能保证其复合扰动的检测误差在很小的范围内。从图9可以看出本发明所设计的有限时间拓展观测器能有效地检测出实时姿态角信号。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (7)
1.一种基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,其特征在于,包括以下步骤:
11)期望姿态角数据的获取:获取输入到旋翼式植保无人机飞行数据存储器中的期望姿态角数据,期望姿态角数据根据旋翼式植保无人机的飞行姿态要求设定;
12)实时姿态角数据的采集:通过旋翼式植保无人机所搭载的姿态传感器采集姿态角的实时数据,并将所采集的实时姿态角数据保存在飞行数据存储器中,姿态角实时数据包括:翻滚角度数、俯仰角度数和偏航角度数;
13)完整姿态数学模型的建立:根据旋翼式植保无人机的固有特性以及在飞行时受到执行器饱和和风扰因素的影响,建立旋翼式植保无人机的完整姿态数学模型;
14)完整姿态数学拓展模型的建立:基于旋翼式植保无人机的完整姿态数学模型,建立旋翼式植保无人机的完整姿态数学拓展模型;
15)有限时间拓展观测器的设计:基于旋翼式植保无人机的完整姿态数学拓展模型,设计有限时间拓展观测器;
16)辅助动力***的设计:引入快速非奇异终端滑模面并设计辅助动力***;
17)进行有限时间姿态跟踪控制器的设计:根据所引入的快速非奇异终端滑模面,以及所构造的辅助动力***和有限时间拓展观测器,设计旋翼式植保无人机的抗饱和有限时间姿态跟踪控制器;
18)旋翼式植保无人机姿态的控制调整:通过姿态角实时数据和期望姿态角数据对旋翼式植保无人机姿态进行跟踪控制。
2.根据权利要求1所述的基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,其特征在于,所述完整姿态数学模型的建立包括以下步骤:
21)基于欧拉拉格朗日建模方法,根据旋翼式植保无人机的固有特性以及在飞行时受到执行器饱和和风扰因素的影响,建立旋翼式植保无人机的动力学数学模型,其具体表达式如下所示:
其中,Ω=[Ω1,Ω2,Ω3]T表示在惯性坐标系下的姿态角速度向量,J=diag(J1,J2,J3)表示正定对称惯性矩阵,实际输入信号sat(u)=[sat(u1),sat(u2),sat(u3)]T的数学表达形式为
其中,umax表示控制信号ui的上界值,符号函数sign(ui)定义为
自然环境下风扰D=[D1,D2,D3]T的数学表达形式为
符号(·)×表示斜对称矩阵,其满足如下形式:
22)基于欧拉拉格朗日建模方法,建立旋翼式植保无人机的运动学姿态数学模型,其数学表达式如下:
其中,Θ=[φ,θ,ψ]T表示在旋翼式植保无人机坐标系下的姿态角向量,φ、θ、ψ分别表示翻滚角度数、俯仰角度数、偏航角度数,矩阵W定义为
W=R1(θ)R2(φ)
其中,
23)基于旋翼式植保无人机的动力学姿态数学模型和运动姿态数学模型,通过基础变换得出旋翼式植保无人机的完整姿态数学模型,其数学表达式如下:
其中,M1(Θ)是对称正定矩阵,其具体表达形式如下所示:
其中,
m11=Ix,m12=m14=0,m13=-Ixsinθ,m15=Iycos2φ+Izsin2φ,m16=(Iy-Iz)cosφsinφcosθ,m17=-Ixsinθ,m18=(Iy-Iz)cosφsinφcosθ和m19=Ixsin2θ+Iysin2φcos2θ+Izcos2φcos2θ,
其中,
m21=0,
m24=-m22,
M3(Θ)表示旋转矩阵,其具体表达形式如下:
7.根据权利要求1所述的基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,其特征在于,所述旋翼式植保无人机姿态的控制调整包括以下步骤:
71)将飞行数据存储器中的姿态角实时数据输入到有限时间拓展观测器中,输出有限时间拓展观测器所观测的实时姿态角速度信息和复合扰动信息;
72)将所观测的实时姿态角速度信息和复合扰动信息,以及飞行数据存储器中的期望姿态角数据和实时姿态角数据,输入到抗饱和有限时间姿态跟踪控制器中,输出调整植保无人机姿态的控制信号和新的实时姿态角数据;
73)将新的实时姿态角数据更新并存储于飞行数据存储器;
74)通过飞行数据库存储器中期望姿态角数据与实时姿态角数据进行差值比较:
如果三种期望姿态角度数与相应的实时姿态角度数差值的绝对值之和大于1,则控制参数m1和m2的值同时按0.2大小增加,直至差值的绝对值之和小于等于0.5;
如果差值的绝对值之和小于等于0.5,则控制参数m1和m2的值同时按0.1大小增加,直至差值的绝对值之和小于等于0.1;
如果差值的绝对值之和小于等于0.1,则控制参数m1和m2的值同时按0.05大小增加,直至差值的绝对值之和小于等于0.01;
如果差值的绝对值之和小于等于0.01,则满足旋翼式植保无人机的实时姿态控制性能要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110519566.5A CN113220031A (zh) | 2021-05-13 | 2021-05-13 | 基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110519566.5A CN113220031A (zh) | 2021-05-13 | 2021-05-13 | 基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113220031A true CN113220031A (zh) | 2021-08-06 |
Family
ID=77095679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110519566.5A Pending CN113220031A (zh) | 2021-05-13 | 2021-05-13 | 基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113220031A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113961010A (zh) * | 2021-08-26 | 2022-01-21 | 中国科学院合肥物质科学研究院 | 基于抗饱和有限时间自适应神经网络容错技术的四旋翼植保无人机跟踪控制方法 |
CN114185357A (zh) * | 2021-11-19 | 2022-03-15 | 合肥中科融道智能科技有限公司 | 基于自适应有限时间模糊***的电力巡检无人机姿态跟踪控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9663252B1 (en) * | 2016-12-07 | 2017-05-30 | Beihang University | Method for attitude controlling based on finite time friction estimation for flexible spacecraft |
CN106774373A (zh) * | 2017-01-12 | 2017-05-31 | 哈尔滨工业大学 | 一种四旋翼无人机有限时间姿态跟踪控制方法 |
US20170153650A1 (en) * | 2015-11-30 | 2017-06-01 | Metal Industries Research & Development Centre | Multiple rotors aircraft and control method |
CN107577144A (zh) * | 2017-08-22 | 2018-01-12 | 浙江工业大学 | 一种基于增强型指数趋近律的飞行器有限时间自适应姿态控制方法 |
CN108845586A (zh) * | 2018-05-28 | 2018-11-20 | 浙江工业大学 | 基于双曲正弦增强型等速趋近律和快速终端滑模面的四旋翼飞行器有限时间控制方法 |
-
2021
- 2021-05-13 CN CN202110519566.5A patent/CN113220031A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170153650A1 (en) * | 2015-11-30 | 2017-06-01 | Metal Industries Research & Development Centre | Multiple rotors aircraft and control method |
US9663252B1 (en) * | 2016-12-07 | 2017-05-30 | Beihang University | Method for attitude controlling based on finite time friction estimation for flexible spacecraft |
CN106774373A (zh) * | 2017-01-12 | 2017-05-31 | 哈尔滨工业大学 | 一种四旋翼无人机有限时间姿态跟踪控制方法 |
CN107577144A (zh) * | 2017-08-22 | 2018-01-12 | 浙江工业大学 | 一种基于增强型指数趋近律的飞行器有限时间自适应姿态控制方法 |
CN108845586A (zh) * | 2018-05-28 | 2018-11-20 | 浙江工业大学 | 基于双曲正弦增强型等速趋近律和快速终端滑模面的四旋翼飞行器有限时间控制方法 |
Non-Patent Citations (4)
Title |
---|
LIU, K,ET AL.: "Antisaturation Finite-Time Attitude Tracking Control Based Observer for a Quadrotor", 《 IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II-EXPRESS BRIEFS》 * |
安炳合等: "基于自抗扰终端滑模的高速滑翔飞行器姿态控制", 《弹箭与制导学报》 * |
沈林武等: "基于快速终端滑模面的两旋翼飞行器有限时间姿态控制", 《计算机测量与控制》 * |
都延丽等: "高超声速飞行器自适应抗饱和再入控制", 《南京航空航天大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113961010A (zh) * | 2021-08-26 | 2022-01-21 | 中国科学院合肥物质科学研究院 | 基于抗饱和有限时间自适应神经网络容错技术的四旋翼植保无人机跟踪控制方法 |
CN113961010B (zh) * | 2021-08-26 | 2023-07-18 | 中国科学院合肥物质科学研究院 | 四旋翼植保无人机跟踪控制方法 |
CN114185357A (zh) * | 2021-11-19 | 2022-03-15 | 合肥中科融道智能科技有限公司 | 基于自适应有限时间模糊***的电力巡检无人机姿态跟踪控制方法 |
CN114185357B (zh) * | 2021-11-19 | 2022-06-10 | 合肥中科融道智能科技有限公司 | 基于自适应有限时间模糊***的电力巡检无人机姿态跟踪控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Decentralized fractional-order backstepping fault-tolerant control of multi-UAVs against actuator faults and wind effects | |
CN104950898B (zh) | 一种再入飞行器全阶非奇异终端滑模姿态控制方法 | |
Tang et al. | An integral TSMC-based adaptive fault-tolerant control for quadrotor with external disturbances and parametric uncertainties | |
CN109541941B (zh) | 一种针对垂直起降运载器主动段飞行的自适应增广抗扰容错方法 | |
Huang et al. | Fixed-time autonomous shipboard landing control of a helicopter with external disturbances | |
CN110442020B (zh) | 一种新型的基于鲸鱼优化算法的容错控制方法 | |
Wen et al. | Optimized backstepping tracking control using reinforcement learning for quadrotor unmanned aerial vehicle system | |
CN107562068B (zh) | 一种四旋翼飞行器姿态的动态面输出调节控制方法 | |
Yan et al. | Extended state observer‐based sliding mode fault‐tolerant control for unmanned autonomous helicopter with wind gusts | |
CN108181920B (zh) | 基于给定时间的四旋翼无人机高精度姿态跟踪控制方法 | |
CN109521786A (zh) | 基于比例积分观测器的四旋翼无人机滑模姿态控制方法 | |
CN111324142B (zh) | 一种导弹驾驶仪扰动补偿控制方法 | |
CN108803648A (zh) | 无人飞行器鲁棒姿态控制方法、装置及电子设备 | |
CN113220031A (zh) | 基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法 | |
Xu et al. | Adaptive prescribed performance terminal sliding mode attitude control for quadrotor under input saturation | |
CN109507890A (zh) | 一种基于eso的无人机动态逆广义预测控制器 | |
Ma et al. | Adaptive backstepping-based neural network control for hypersonic reentry vehicle with input constraints | |
Cisneros et al. | Linear parameter-varying controller design for a nonlinear quad-rotor helicopter model for high speed trajectory tracking | |
CN108681331A (zh) | 一种近空间飞行器的姿态跟踪控制方法 | |
CN113961010B (zh) | 四旋翼植保无人机跟踪控制方法 | |
CN111813140A (zh) | 一种具有高精度的四旋翼无人机轨迹跟踪控制方法 | |
Yan et al. | Adaptive tracking flight control for unmanned autonomous helicopter with full state constraints and actuator faults | |
CN115576341A (zh) | 基于函数微分和自适应变增益的无人机轨迹跟踪控制方法 | |
Xiong et al. | Self-tuning sliding mode control for an uncertain coaxial octorotor UAV | |
CN115556111A (zh) | 基于变惯性参数建模的飞行机械臂耦合扰动控制方法 |
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: 20210806 |
|
RJ01 | Rejection of invention patent application after publication |