CN114489105A - 基于干扰观测器的新型无人机姿态***积分滑模控制方法 - Google Patents

基于干扰观测器的新型无人机姿态***积分滑模控制方法 Download PDF

Info

Publication number
CN114489105A
CN114489105A CN202210089145.8A CN202210089145A CN114489105A CN 114489105 A CN114489105 A CN 114489105A CN 202210089145 A CN202210089145 A CN 202210089145A CN 114489105 A CN114489105 A CN 114489105A
Authority
CN
China
Prior art keywords
sliding mode
matrix
integral sliding
aerial vehicle
unmanned aerial
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.)
Granted
Application number
CN202210089145.8A
Other languages
English (en)
Other versions
CN114489105B (zh
Inventor
蒋国平
刘景宇
周映红
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202210089145.8A priority Critical patent/CN114489105B/zh
Publication of CN114489105A publication Critical patent/CN114489105A/zh
Application granted granted Critical
Publication of CN114489105B publication Critical patent/CN114489105B/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
    • G05D1/08—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

本申请涉及一种基于干扰观测器的新型无人机姿态***积分滑模控制方法、装置、无人机和存储介质。该方法包括：实时获取干扰观测器观测到的参数误差和外部扰动；将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；其中，所述新型的积分滑模控制器的构建方式为：根据无人机的动力学特性，构建无人机姿态动力学***模型；确定姿态角误差，构建积分滑模面；构建积分滑模趋近律；根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器，从而减轻了在初始控制时暂态性能减弱的问题。

Description

基于干扰观测器的新型无人机姿态***积分滑模控制方法
技术领域
本申请涉及无人机姿态***控制技术领域，特别是涉及一种基于干扰观测器的新型无人机姿态***积分滑模控制方法、装置、计算机存储介质和无人机。
背景技术
随着无人机技术领域的发展，无人机可实现高分辨率影像的采集，在弥补卫星遥感经常因云层遮挡获取不到影像缺点的同时，解决了传统卫星遥感重访周期过长，应急不及时等问题，因此，无人机广泛应用于各个领域，如：植保，军用，个人，森林灭火等等。
而目前针对无人机的控制器也层出不穷，传统的积分滑模就是其中的一种，传统的积分滑模控制方法通过施加一个非线性信号使得***状态滑动到目标状态，***状态滑过的曲线叫滑模面，但传统的积分滑模控制方法在初始控制时会产生较大的暂态性能问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够减轻在初始控制时暂态性能减弱的问题的基于干扰观测器的新型无人机姿态***积分滑模控制方法、装置、计算机设备和存储介质。
一种基于干扰观测器的新型无人机姿态***积分滑模控制方法，所述方法包括：
实时获取干扰观测器观测到的参数误差和外部扰动；
将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；
其中，所述新型的积分滑模控制器的构建方式为：
根据无人机的动力学特性，构建无人机姿态动力学***模型；
确定姿态角误差，构建积分滑模面；
构建积分滑模趋近律；
根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器。
在其中一个实施例中，所述干扰观测器的构建方式为：
根据无人机姿态动力学***模型，确定对应的干扰项；
根据所述干扰项，构建出干扰观测器。
在其中一个实施例中，所述无人机姿态动力学***模型为：
Figure BDA0003488447760000021
其中，
Figure BDA0003488447760000022
是俯仰角加速度，
Figure BDA0003488447760000023
是俯仰角速度，
Figure BDA0003488447760000024
是翻滚角加速度，
Figure BDA0003488447760000025
是翻滚角速度，
Figure BDA0003488447760000026
是偏航角加速度，
Figure BDA0003488447760000027
是偏航角速度；Jx为四旋翼无人机x轴的转动惯量，Jy为四旋翼无人机y轴的转动惯量，Jz为四旋翼无人机z轴的转动惯量；
Figure BDA0003488447760000028
为y轴的空气阻尼系数，Kθ为x轴的空气阻尼系数，Kη为z轴的空气阻尼系数；俯仰角的参数误差和外部干扰的总干扰为
Figure BDA0003488447760000029
翻滚角的参数误差和外部干扰的总干扰为dθ(t)，偏航角的参数误差和外部干扰的总干扰为dη(t)，l为力臂长度；
Figure BDA00034884477600000210
为俯仰角的控制器输出，uθ为翻滚角的控制器输出，uη为偏航角的控制器输出，c是恒力系数。
在其中一个实施例中，所述积分滑模面为：
Figure BDA00034884477600000211
其中，Kp是比列项参数矩阵，Ki是积分项参数矩阵，Kd是微分项参数矩阵，K1是缩放参数矩阵，
Figure BDA0003488447760000031
Figure BDA0003488447760000032
kpθ和kpη为比列项参数，
Figure BDA0003488447760000033
kiθ和kiη为积分项参数，
Figure BDA0003488447760000034
kdθ和kdη为微分项参数，
Figure BDA0003488447760000035
k1θ和k1η为缩放参数，
Figure BDA0003488447760000036
是姿态误差矩阵，
Figure BDA0003488447760000037
是俯仰角，θ是翻滚角，η是偏航角，
Figure BDA0003488447760000038
是俯仰角目标值，θd是翻滚角目标值，ηd是偏航角目标值，
Figure BDA0003488447760000039
是姿态角速度的误差，
Figure BDA00034884477600000310
是俯仰角速度的误差，
Figure BDA00034884477600000311
是翻滚角速度的误差，
Figure BDA00034884477600000312
是偏航角速度的误差，τ是积分用到的时间变量，s是积分滑模面矩阵，
Figure BDA00034884477600000313
是俯仰角的滑模面，sθ是翻滚角的滑模面，sη是偏航角的滑模面，e(τ)是τ时刻的姿态误差矩阵，t是时间。
在其中一个实施例中，所述积分滑模趋近律为：
Figure BDA00034884477600000314
其中，
Figure BDA00034884477600000315
是对积分滑模面的导数，K2为指数趋近项参数矩阵，K3为等速趋近项参数矩阵，
Figure BDA00034884477600000316
k2θ和k2η为指数趋近项参数，
Figure BDA00034884477600000317
Figure BDA00034884477600000318
k3θ和k3η为等速趋近项参数，
Figure BDA00034884477600000319
s是积分滑模面矩阵。
在其中一个实施例中，所述新型的积分滑模控制器为：
Figure BDA0003488447760000041
其中，
Figure BDA0003488447760000042
为控制器输出矩阵，
Figure BDA0003488447760000043
代表俯仰角的控制器输出，uθ代表翻滚角的控制器输出，uη代表偏航角的控制器输出，K0为空气阻尼系数矩阵，
Figure BDA0003488447760000044
为y轴的空气阻尼系数，Kθ为x轴的空气阻尼系数，Kη为z轴的空气阻尼系数；
Figure BDA0003488447760000045
为姿态角速度矩阵，
Figure BDA0003488447760000046
为姿态角加速度矩阵，
Figure BDA0003488447760000047
是姿态角矩阵，
Figure BDA0003488447760000048
为无人机转动惯量参数矩阵，Jx为四旋翼无人机x轴的转动惯量，Jy为四旋翼无人机y轴的转动惯量，Jz为四旋翼无人机z轴的转动惯量；
Figure BDA0003488447760000049
是总干扰估计值矩阵，
Figure BDA00034884477600000410
是俯仰角的总干扰估计值，
Figure BDA00034884477600000411
是翻滚角的总干扰估计值，
Figure BDA00034884477600000412
是偏航角的总干扰估计值，
Figure BDA00034884477600000413
是力臂长度矩阵，l为力臂长度，c是恒力系数；Kp是比列项参数矩阵，Ki是积分项参数矩阵，Kd是微分项参数矩阵，K1是缩放参数矩阵，
Figure BDA00034884477600000414
是姿态角速度的误差，s是积分滑模面矩阵，K2为指数趋近项参数矩阵，K3为等速趋近项参数矩阵。
在其中一个实施例中，所述干扰观测器为：
Figure BDA0003488447760000051
Figure BDA0003488447760000052
Figure BDA0003488447760000053
其中，
Figure BDA0003488447760000054
是姿态角速度估计值的微分，
Figure BDA0003488447760000055
是姿态角速度的估计值，
Figure BDA0003488447760000056
为姿态角速度矩阵，Z1是总干扰估计值，Z2是总干扰导数的估计值，
Figure BDA0003488447760000057
是总干扰估计值的导数，
Figure BDA0003488447760000058
是总干扰导数估计值的导数，L是力臂长度矩阵，u为控制器输出矩阵，L0、L1、L2、L3是误差参数矩阵，
Figure BDA0003488447760000059
Figure BDA00034884477600000510
L0θ、L0η、
Figure BDA00034884477600000511
L1θ、L1η、
Figure BDA00034884477600000512
L2θ、L2η、
Figure BDA00034884477600000513
L3θ和L3η是误差参数；λ是辅助参数，λ>0，sat(x)为饱和函数，
Figure BDA00034884477600000514
Figure BDA00034884477600000515
其中，maxVal为设定的饱和函数最大值，R为实数。
一种基于干扰观测器的新型无人机姿态***积分滑模控制装置，所述装置包括：
信息获取模块，用于实时获取干扰观测器观测到的参数误差和外部扰动；
控制模块，用于将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；
其中，所述新型的积分滑模控制器的构建方式为：
根据无人机的动力学特性，构建无人机姿态动力学***模型；
确定姿态角误差，构建积分滑模面；
构建积分滑模趋近律；
根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器。
一种无人机，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的方法的步骤。
上述基于干扰观测器的新型无人机姿态***积分滑模控制方法、装置、无人机和存储介质，通过实时获取干扰观测器观测到的参数误差和外部扰动；将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；其中，所述新型的积分滑模控制器的构建方式为：根据无人机的动力学特性，构建无人机姿态动力学***模型；确定姿态角误差，构建积分滑模面；构建积分滑模趋近律；根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器，该新型的积分滑模控制器有较强的的鲁棒性，可以放大小的误差，缩小大的误差，使得误差曲线更为平滑，从而减轻了在初始控制时暂态性能减弱的问题，进一步解决了无人机参数不准确和外部干扰对控制效果影响的问题。
附图说明
图1为一个实施例中基于干扰观测器的新型无人机姿态***积分滑模控制方法的流程示意图；
图2为软件仿真中目标俯仰角和实际俯仰角的曲线图；
图3为软件仿真中俯仰角实际干扰值和俯仰角干扰观测值的曲线图；
图4为软件仿真中目标翻滚角和实际翻滚角的曲线图；
图5为软件仿真中翻滚角实际干扰值和翻滚角干扰观测值的曲线图；
图6为软件仿真中目标偏航角和实际偏航角的曲线图；
图7为软件仿真中偏航角实际干扰值和偏航角干扰观测值的曲线图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于干扰观测器的新型无人机姿态***积分滑模控制方法，以该方法应用于无人机为例进行说明，包括以下步骤：
步骤S220，实时获取干扰观测器观测到的参数误差和外部扰动。
其中，干扰观测器用来观测无人机的参数误差和外部扰动，让无人机控制效果更好。
步骤S240，将参数误差和外部扰动输入新型的积分滑模控制器中，使新型的积分滑模控制器根据参数误差和外部扰动，输出控制信号对无人机的姿态进行控制。
其中，所述新型的积分滑模控制器的构建方式为：根据无人机的动力学特性，构建无人机姿态动力学***模型；确定姿态角误差，构建积分滑模面；构建积分滑模趋近律；根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器。
上述基于干扰观测器的新型无人机姿态***积分滑模控制方法，通过实时获取干扰观测器观测到的参数误差和外部扰动；将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；其中，所述新型的积分滑模控制器的构建方式为：根据无人机的动力学特性，构建无人机姿态动力学***模型；确定姿态角误差，构建积分滑模面；构建积分滑模趋近律；根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器，该新型的积分滑模控制器有较强的的鲁棒性，可以放大小的误差，缩小大的误差，使得误差曲线更为平滑，从而减轻了在初始控制时暂态性能减弱的问题，进一步解决了无人机参数不准确和外部干扰对控制效果影响的问题。
在一个实施例中，所述干扰观测器的构建方式为：根据无人机姿态动力学***模型，确定对应的干扰项；根据所述干扰项，构建出干扰观测器。
在一个实施例中，所述无人机姿态动力学***模型为：
Figure BDA0003488447760000081
其中，
Figure BDA0003488447760000082
是俯仰角加速度，
Figure BDA0003488447760000083
是俯仰角速度，
Figure BDA0003488447760000084
是翻滚角加速度，
Figure BDA0003488447760000085
是翻滚角速度，
Figure BDA0003488447760000086
是偏航角加速度，
Figure BDA0003488447760000087
是偏航角速度；Jx为四旋翼无人机x轴的转动惯量，Jy为四旋翼无人机y轴的转动惯量，Jz为四旋翼无人机z轴的转动惯量；
Figure BDA0003488447760000088
为y轴的空气阻尼系数，Kθ为x轴的空气阻尼系数，Kη为z轴的空气阻尼系数；俯仰角的参数误差和外部干扰的总干扰为
Figure BDA0003488447760000089
翻滚角的参数误差和外部干扰的总干扰为dθ(t)，偏航角的参数误差和外部干扰的总干扰为dη(t)，l为力臂长度；
Figure BDA00034884477600000810
为俯仰角的控制器输出，uθ为翻滚角的控制器输出，uη为偏航角的控制器输出，c是恒力系数。
在一个实施例中，所述积分滑模面为：
Figure BDA00034884477600000811
其中，Kp是比列项参数矩阵，Ki是积分项参数矩阵，Kd是微分项参数矩阵，K1是缩放参数矩阵，
Figure BDA0003488447760000091
Figure BDA0003488447760000092
kpθ和kpη为比列项参数，
Figure BDA0003488447760000093
kiθ和kiη为积分项参数，
Figure BDA0003488447760000094
kdθ和kdη为微分项参数，
Figure BDA0003488447760000095
k1θ和k1η为缩放参数，
Figure BDA0003488447760000096
是姿态误差矩阵，
Figure BDA0003488447760000097
是俯仰角，θ是翻滚角，η是偏航角，
Figure BDA0003488447760000098
是俯仰角目标值，θd是翻滚角目标值，ηd是偏航角目标值，
Figure BDA0003488447760000099
是姿态角速度的误差，
Figure BDA00034884477600000910
是俯仰角速度的误差，
Figure BDA00034884477600000911
是翻滚角速度的误差，
Figure BDA00034884477600000912
是偏航角速度的误差，τ是积分用到的时间变量，s是积分滑模面矩阵，
Figure BDA00034884477600000913
是俯仰角的滑模面，sθ是翻滚角的滑模面，sη是偏航角的滑模面，e(τ)是τ时刻的姿态误差矩阵，t是时间。
其中，积分滑模面中积分项的tanh(e(τ))可以放大小的误差，缩小大的误差，使得误差曲线更为平滑。
在一个实施例中，所述积分滑模趋近律为：
Figure BDA00034884477600000914
其中，
Figure BDA00034884477600000915
是对积分滑模面的导数，K2为指数趋近项参数矩阵，K3为等速趋近项参数矩阵，
Figure BDA0003488447760000101
k2θ和k2η为指数趋近项参数，
Figure BDA0003488447760000102
Figure BDA0003488447760000103
k3θ和k3η为等速趋近项参数，
Figure BDA0003488447760000104
s是积分滑模面矩阵。
在一个实施例中，所述新型的积分滑模控制器为：
Figure BDA0003488447760000105
其中，
Figure BDA0003488447760000106
为控制器输出矩阵，
Figure BDA0003488447760000107
代表俯仰角的控制器输出，uθ代表翻滚角的控制器输出，uη代表偏航角的控制器输出，K0为空气阻尼系数矩阵，
Figure BDA0003488447760000108
为y轴的空气阻尼系数，Kθ为x轴的空气阻尼系数，Kη为z轴的空气阻尼系数；
Figure BDA0003488447760000109
为姿态角速度矩阵，
Figure BDA00034884477600001010
为姿态角加速度矩阵，
Figure BDA00034884477600001011
是姿态角矩阵，
Figure BDA00034884477600001012
为无人机转动惯量参数矩阵，Jx为四旋翼无人机x轴的转动惯量，Jy为四旋翼无人机y轴的转动惯量，Jz为四旋翼无人机z轴的转动惯量；
Figure BDA00034884477600001013
是总干扰估计值矩阵，
Figure BDA00034884477600001014
是俯仰角的总干扰估计值，
Figure BDA00034884477600001015
是翻滚角的总干扰估计值，
Figure BDA00034884477600001016
是偏航角的总干扰估计值，
Figure BDA00034884477600001017
是力臂长度矩阵，l为力臂长度，c是恒力系数；Kp是比列项参数矩阵，Ki是积分项参数矩阵，Kd是微分项参数矩阵，K1是缩放参数矩阵，
Figure BDA0003488447760000111
是姿态角速度的误差，s是积分滑模面矩阵，K2为指数趋近项参数矩阵，K3为等速趋近项参数矩阵。
在一个实施例中，所述干扰观测器为：
Figure BDA0003488447760000112
Figure BDA0003488447760000113
Figure BDA0003488447760000114
其中，
Figure BDA0003488447760000115
是姿态角速度估计值的微分，
Figure BDA0003488447760000116
是姿态角速度的估计值，
Figure BDA0003488447760000117
为姿态角速度矩阵，Z1是总干扰估计值，Z2是总干扰导数的估计值，
Figure BDA0003488447760000118
是总干扰估计值的导数，
Figure BDA0003488447760000119
是总干扰导数估计值的导数，L是力臂长度矩阵，u为控制器输出矩阵，L0、L1、L2、L3是误差参数矩阵，
Figure BDA00034884477600001110
Figure BDA00034884477600001111
L0θ、L0η、
Figure BDA00034884477600001112
L1θ、L1η、
Figure BDA00034884477600001113
L2θ、L2η、
Figure BDA00034884477600001114
L3θ和L3η是误差参数；λ是辅助参数，λ>0，sat(x)为饱和函数，
Figure BDA00034884477600001115
Figure BDA00034884477600001116
其中，maxVal为设定的饱和函数最大值，R为实数。
上述基于干扰观测器的新型无人机姿态***积分滑模控制方法中的新型的积分滑模控制器具有有较强的的鲁棒性，在控制器中可以放大小的误差，缩小大的误差，使得误差曲线更为平滑；上述基于干扰观测器的新型无人机姿态***积分滑模控制方法中的干扰观测器可以观测出无人机的参数误差和外部扰动的具体数值，融入到控制算法中让控制效果更好。因此，通过新型的积分滑模控制器和干扰观测器结合对无人机的姿态进行控制，可以使得实际姿态和目标姿态的误差较快的趋近于零，保证无人机姿态***快速到达目标角度，且鲁棒性好，可以使无人机的姿态角到达任意设定的目标姿态。
为验证基于干扰观测器的新型无人机姿态***积分滑模控制方法具有收敛性，进行如下证明过程：
对于干扰观测器：
假设1：在无人机姿态动力学***模型中，
Figure BDA0003488447760000121
D(t)的i阶导数是D(i)(t)且是有界的。
假设2：存在常数αi(i＝1，2，3，4)、β、正定连续可微分的函数V和正定连续可微分的函数W，其中，正定连续可微分的函数V和正定连续可微分的函数W的Rn+1趋近于实数R，Rn+1为n+1维欧氏空间，n＝0，1，2，3……。
使得以下公式成立：
(1)α1||k||2≤V(k)≤α2||k||2，α3||k||2≤W(f)≤α4||k||2，
(2)
Figure BDA0003488447760000122
(3)
Figure BDA0003488447760000123
其中，k是向量，k＝(k1，k2，k3……kn+1)，k1是第一函数，k2是第二函数，k3是第三函数，fi是第i个函数，fn+1是第n+1个函数，||·||代表Rn+1的欧几里得范数。
将干扰观测器转换为如下公式：
Figure BDA0003488447760000131
Figure BDA0003488447760000132
Figure BDA0003488447760000133
其中，λ很小，几近为零，且对于f1，f2和f3有，
Figure BDA0003488447760000134
Figure BDA0003488447760000135
Figure BDA0003488447760000136
设定
Figure BDA0003488447760000137
则有误差方程组为：
Figure BDA0003488447760000138
Figure BDA0003488447760000139
Figure BDA00034884477600001310
其中，ei是状态误差，xi(t)是真实状态值，
Figure BDA00034884477600001311
是估计状态值，yi是第i个误差方程，
Figure BDA00034884477600001312
是第1个误差方程的导数，
Figure BDA00034884477600001313
是总干扰矩阵的导数。
根据假设1，当t>0时，
Figure BDA00034884477600001314
且M>0，M为正常数。
再根据假设2选定一个V(y(t))，
Figure BDA00034884477600001315
Figure BDA0003488447760000141
则有，
Figure BDA0003488447760000142
根据误差定义，得到，
Figure BDA0003488447760000143
因此，当假设1和2都满足且参数选定合适时，干扰观测器会稳定收敛。
对于滑模面s，设Lyapunov函数V1为：
Figure BDA0003488447760000144
对式(13)求导，并将积分滑模面的导数和新型的积分滑模控制器带入，则有：
Figure BDA0003488447760000145
因为干扰观测器可以稳定，则有：
Figure BDA0003488447760000146
则公式(14)有，
Figure BDA0003488447760000147
因此，根据Lyapunov第二定理，积分滑模面可以收敛至零。
根据Barbalat引理可知，当t→0，
Figure BDA0003488447760000148
根据积分滑模面，则有，
Figure BDA0003488447760000149
根据式(17)得到，
Figure BDA0003488447760000151
其中，
Figure BDA0003488447760000152
是姿态角加速度误差。
对于误差e，设对应的Lyapunov函数V2为：
Figure BDA0003488447760000153
对式(19)求导有：
Figure BDA0003488447760000154
将式(18)带入式(20)，则，
Figure BDA0003488447760000155
因此，e在控制器的作用下可以收敛至零。
综上所述，本申请的基于干扰观测器的新型无人机姿态***积分滑模控制方法可以使得无人机姿态***稳定。
为进一步验证基于干扰观测器的新型无人机姿态***积分滑模控制方法的有效性和可行性，进行了Matlab程序仿真，仿真数据如下：
在Matlab中进行程序仿真，Jx＝0.00531，Jy＝0.00577，Jz＝0.00808，c＝1，l＝0.165，
Figure BDA0003488447760000156
Figure BDA0003488447760000157
Figure BDA0003488447760000161
λ＝0.1，
Figure BDA0003488447760000162
通过Matlab程序仿真验证了理论分析，仿真结果如图2-7所示。
通过图2，图4和图6可以观察到，俯仰角的目标值为-1，翻滚角的目标值为0，偏航角的目标值为1，在基于干扰观测器的新型无人机姿态***积分滑模控制方法的作用下，很快的从初试角度收敛到了目标角度，而且目标角度和实际角度之间的误差较小。
通过图3，图5和图7可以观察到，通过干扰观测器获取到的俯仰角，翻滚角和偏航角的干扰估计值和实际干扰值之间误差较小，且在高频率下，可以很快的追踪上实际的干扰值。
综上，经过仿真实验，验证了基于干扰观测器的新型无人机姿态***积分滑模控制方法的有效性和可行性。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，提供了一种基于干扰观测器的新型无人机姿态***积分滑模控制装置，包括：
信息获取模块，用于实时获取干扰观测器观测到的参数误差和外部扰动；
控制模块，用于将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；
其中，所述新型的积分滑模控制器的构建方式为：
根据无人机的动力学特性，构建无人机姿态动力学***模型；
确定姿态角误差，构建积分滑模面；
构建积分滑模趋近律；
根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器。
关于基于干扰观测器的新型无人机姿态***积分滑模控制装置的具体限定可以参见上文中对于基于干扰观测器的新型无人机姿态***积分滑模控制方法的限定，在此不再赘述。上述基于干扰观测器的新型无人机姿态***积分滑模控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供一种无人机，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的基于干扰观测器的新型无人机姿态***积分滑模控制方法的步骤。
在一个实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的基于干扰观测器的新型无人机姿态***积分滑模控制方法的步骤。
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的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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发明专利范围的限制。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)

1.一种基于干扰观测器的新型无人机姿态***积分滑模控制方法，其特征在于，所述方法包括：
实时获取干扰观测器观测到的参数误差和外部扰动；
将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；
其中，所述新型的积分滑模控制器的构建方式为：
根据无人机的动力学特性，构建无人机姿态动力学***模型；
确定姿态角误差，构建积分滑模面；
构建积分滑模趋近律；
根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器。
2.根据权利要求1所述的方法，其特征在于，所述干扰观测器的构建方式为：
根据无人机姿态动力学***模型，确定对应的干扰项；
根据所述干扰项，构建出干扰观测器。
3.根据权利要求1所述的方法，其特征在于，所述无人机姿态动力学***模型为：
Figure FDA0003488447750000011
其中，
Figure FDA0003488447750000012
是俯仰角加速度，
Figure FDA0003488447750000013
是俯仰角速度，
Figure FDA0003488447750000014
是翻滚角加速度，
Figure FDA0003488447750000015
是翻滚角速度，
Figure FDA0003488447750000016
是偏航角加速度，
Figure FDA0003488447750000017
是偏航角速度；Jx为四旋翼无人机x轴的转动惯量，Jy为四旋翼无人机y轴的转动惯量，Jz为四旋翼无人机z轴的转动惯量；
Figure FDA0003488447750000018
为y轴的空气阻尼系数，Kθ为x轴的空气阻尼系数，Kη为z轴的空气阻尼系数；俯仰角的参数误差和外部干扰的总干扰为
Figure FDA00034884477500000218
翻滚角的参数误差和外部干扰的总干扰为dθ(t)，偏航角的参数误差和外部干扰的总干扰为dη(t)，l为力臂长度；
Figure FDA00034884477500000219
为俯仰角的控制器输出，uθ为翻滚角的控制器输出，uη为偏航角的控制器输出，c是恒力系数。
4.根据权利要求1所述的方法，其特征在于，所述积分滑模面为：
Figure FDA0003488447750000021
其中，Kp是比列项参数矩阵，Ki是积分项参数矩阵，Kd是微分项参数矩阵，K1是缩放参数矩阵，
Figure FDA0003488447750000022
Figure FDA0003488447750000023
Figure FDA0003488447750000024
kpθ和kpη为比列项参数，
Figure FDA0003488447750000025
kiθ和kiη为积分项参数，
Figure FDA0003488447750000026
kdθ和kdη为微分项参数，
Figure FDA0003488447750000027
k1θ和k1η为缩放参数，
Figure FDA0003488447750000028
是姿态误差矩阵，
Figure FDA0003488447750000029
是俯仰角，θ是翻滚角，η是偏航角，
Figure FDA00034884477500000210
是俯仰角目标值，θd是翻滚角目标值，ηd是偏航角目标值，
Figure FDA00034884477500000211
是姿态角速度的误差，
Figure FDA00034884477500000212
是俯仰角速度的误差，
Figure FDA00034884477500000213
是翻滚角速度的误差，
Figure FDA00034884477500000214
是偏航角速度的误差，τ是积分用到的时间变量，s是积分滑模面矩阵，
Figure FDA00034884477500000215
Figure FDA00034884477500000216
是俯仰角的滑模面，sθ是翻滚角的滑模面，sη是偏航角的滑模面，e(τ)是τ时刻的姿态误差矩阵，t是时间。
5.根据权利要求1所述的方法，其特征在于，所述积分滑模趋近律为：
Figure FDA00034884477500000217
其中，
Figure FDA0003488447750000031
是对积分滑模面的导数，K2为指数趋近项参数矩阵，K3为等速趋近项参数矩阵，
Figure FDA0003488447750000032
Figure FDA0003488447750000033
k2θ和k2η为指数趋近项参数，
Figure FDA0003488447750000034
Figure FDA0003488447750000035
k3θ和k3η为等速趋近项参数，
Figure FDA0003488447750000036
s是积分滑模面矩阵。
6.根据权利要求1所述的方法，其特征在于，所述新型的积分滑模控制器为：
Figure FDA0003488447750000037
其中，
Figure FDA0003488447750000038
为控制器输出矩阵，
Figure FDA0003488447750000039
代表俯仰角的控制器输出，uθ代表翻滚角的控制器输出，uη代表偏航角的控制器输出，K0为空气阻尼系数矩阵，
Figure FDA00034884477500000310
Figure FDA00034884477500000311
为y轴的空气阻尼系数，Kθ为x轴的空气阻尼系数，Kη为z轴的空气阻尼系数；
Figure FDA00034884477500000312
为姿态角速度矩阵，
Figure FDA00034884477500000313
为姿态角加速度矩阵，
Figure FDA00034884477500000314
是姿态角矩阵，
Figure FDA00034884477500000315
为无人机转动惯量参数矩阵，Jx为四旋翼无人机x轴的转动惯量，Jy为四旋翼无人机y轴的转动惯量，Jz为四旋翼无人机z轴的转动惯量；
Figure FDA00034884477500000316
是总干扰估计值矩阵，
Figure FDA00034884477500000317
是俯仰角的总干扰估计值，
Figure FDA00034884477500000318
是翻滚角的总干扰估计值，
Figure FDA0003488447750000041
是偏航角的总干扰估计值，
Figure FDA0003488447750000042
是力臂长度矩阵，l为力臂长度，c是恒力系数；Kp是比列项参数矩阵，Ki是积分项参数矩阵，Kd是微分项参数矩阵，K1是缩放参数矩阵，
Figure FDA0003488447750000043
是姿态角速度的误差，s是积分滑模面矩阵，K2为指数趋近项参数矩阵，K3为等速趋近项参数矩阵。
7.根据权利要求1所述的方法，其特征在于，所述干扰观测器为：
Figure FDA0003488447750000044
Figure FDA0003488447750000045
Figure FDA0003488447750000046
其中，
Figure FDA0003488447750000047
是姿态角速度估计值的微分，
Figure FDA0003488447750000048
是姿态角速度的估计值，
Figure FDA0003488447750000049
为姿态角速度矩阵，Z1是总干扰估计值，Z2是总干扰导数的估计值，
Figure FDA00034884477500000410
是总干扰估计值的导数，
Figure FDA00034884477500000411
是总干扰导数估计值的导数，L是力臂长度矩阵，u为控制器输出矩阵，L0、L1、L2、L3是误差参数矩阵，
Figure FDA00034884477500000412
Figure FDA00034884477500000413
L0θ、L0η、
Figure FDA00034884477500000414
L1θ、L1η、
Figure FDA00034884477500000415
L2θ、L2η、
Figure FDA00034884477500000416
L3θ和L3η是误差参数；λ是辅助参数，λ>0，sat(x)为饱和函数，
Figure FDA00034884477500000417
Figure FDA00034884477500000418
其中，maxVal为设定的饱和函数最大值，R为实数。
8.一种基于干扰观测器的新型无人机姿态***积分滑模控制装置，其特征在于，所述装置包括：
信息获取模块，用于实时获取干扰观测器观测到的参数误差和外部扰动；
控制模块，用于将所述参数误差和外部扰动输入新型的积分滑模控制器中，使所述新型的积分滑模控制器根据所述参数误差和外部扰动，输出控制信号对无人机的姿态进行控制；
其中，所述新型的积分滑模控制器的构建方式为：
根据无人机的动力学特性，构建无人机姿态动力学***模型；
确定姿态角误差，构建积分滑模面；
构建积分滑模趋近律；
根据所述无人机姿态动力学***模型、所述积分滑模面和所述积分滑模趋近律，构建新型的积分滑模控制器。
9.一种无人机，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202210089145.8A 2022-01-25 2022-01-25 基于干扰观测器的新型无人机姿态***积分滑模控制方法 Active CN114489105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210089145.8A CN114489105B (zh) 2022-01-25 2022-01-25 基于干扰观测器的新型无人机姿态***积分滑模控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210089145.8A CN114489105B (zh) 2022-01-25 2022-01-25 基于干扰观测器的新型无人机姿态***积分滑模控制方法

Publications (2)

Publication Number Publication Date
CN114489105A true CN114489105A (zh) 2022-05-13
CN114489105B CN114489105B (zh) 2024-01-16

Family

ID=81474662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210089145.8A Active CN114489105B (zh) 2022-01-25 2022-01-25 基于干扰观测器的新型无人机姿态***积分滑模控制方法

Country Status (1)

Country Link
CN (1) CN114489105B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115562262A (zh) * 2022-09-28 2023-01-03 徐州徐工特种工程机械有限公司 一种agv的自动导航控制方法及装置
CN116627156A (zh) * 2023-07-24 2023-08-22 南京信息工程大学 一种四旋翼无人机姿态抗扰控制方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017111971A1 (en) * 2015-12-22 2017-06-29 Intel Corporation UNIVERSAL CONTROLLER FOR ROBUST TRAJECTORY TRACKING IN MULTIROTOR UNMANNED AERIAL VEHICLES (UAVs)
US9694918B1 (en) * 2016-05-26 2017-07-04 Beihang University Method for disturbance compensation based on sliding mode disturbance observer for spacecraft with large flexible appendage
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
CN109343369A (zh) * 2018-11-19 2019-02-15 南京邮电大学 一种基于非线性观测器的四旋翼容错控制器设计方法
CN109521786A (zh) * 2019-01-23 2019-03-26 南京邮电大学 基于比例积分观测器的四旋翼无人机滑模姿态控制方法
CN109901606A (zh) * 2019-04-11 2019-06-18 大连海事大学 一种用于四旋翼精确轨迹跟踪的混合有限时间控制方法
CN111176311A (zh) * 2020-01-03 2020-05-19 莆田学院 四旋翼无人机姿态的滑模延时估计控制方法及存储介质
CA3094757A1 (en) * 2019-09-30 2021-03-30 Bombardier Inc. Aircraft control systems and methods using sliding mode control and feedback linearization
CN113110554A (zh) * 2021-04-30 2021-07-13 南京航空航天大学 一种四旋翼无人机复合连续快速终端滑模姿态控制方法
CN113568419A (zh) * 2021-05-18 2021-10-29 南京邮电大学 一种变载四旋翼无人机容错控制方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017111971A1 (en) * 2015-12-22 2017-06-29 Intel Corporation UNIVERSAL CONTROLLER FOR ROBUST TRAJECTORY TRACKING IN MULTIROTOR UNMANNED AERIAL VEHICLES (UAVs)
US9694918B1 (en) * 2016-05-26 2017-07-04 Beihang University Method for disturbance compensation based on sliding mode disturbance observer for spacecraft with large flexible appendage
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
CN109343369A (zh) * 2018-11-19 2019-02-15 南京邮电大学 一种基于非线性观测器的四旋翼容错控制器设计方法
CN109521786A (zh) * 2019-01-23 2019-03-26 南京邮电大学 基于比例积分观测器的四旋翼无人机滑模姿态控制方法
CN109901606A (zh) * 2019-04-11 2019-06-18 大连海事大学 一种用于四旋翼精确轨迹跟踪的混合有限时间控制方法
CA3094757A1 (en) * 2019-09-30 2021-03-30 Bombardier Inc. Aircraft control systems and methods using sliding mode control and feedback linearization
CN111176311A (zh) * 2020-01-03 2020-05-19 莆田学院 四旋翼无人机姿态的滑模延时估计控制方法及存储介质
CN113110554A (zh) * 2021-04-30 2021-07-13 南京航空航天大学 一种四旋翼无人机复合连续快速终端滑模姿态控制方法
CN113568419A (zh) * 2021-05-18 2021-10-29 南京邮电大学 一种变载四旋翼无人机容错控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BO LI: "Appointed Fixed Time Observer-Based Sliding Mode Control for a Quadrotor UAV Under External Disturbances", IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, vol. 58, no. 1, pages 290 - 303 *
贺有源: "四旋翼无人机自适应反步滑模姿态控制器设计", 杭州电子科技大学学报, vol. 39, no. 2, pages 57 - 63 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115562262A (zh) * 2022-09-28 2023-01-03 徐州徐工特种工程机械有限公司 一种agv的自动导航控制方法及装置
CN116627156A (zh) * 2023-07-24 2023-08-22 南京信息工程大学 一种四旋翼无人机姿态抗扰控制方法
CN116627156B (zh) * 2023-07-24 2023-12-01 南京信息工程大学 一种四旋翼无人机姿态抗扰控制方法

Also Published As

Publication number Publication date
CN114489105B (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
CN114489105A (zh) 基于干扰观测器的新型无人机姿态***积分滑模控制方法
Chowdhary et al. Theory and flight-test validation of a concurrent-learning adaptive controller
Palumbo et al. Modern homing missile guidance theory and techniques
McFarland et al. Multilayer neural networks and adaptive nonlinear control of agile anti-air missiles
Acquatella et al. Incremental backstepping for robust nonlinear flight control
Ghersin et al. LPV control of a 6-DOF vehicle
CN108829123B (zh) 一种四旋翼飞行器控制方法、***和装置
GB2423376A (en) Adaptive output feedback apparatuses and methods capable of controlling a non-minimum phase system.
Ma et al. Adaptive backstepping-based neural network control for hypersonic reentry vehicle with input constraints
Bu et al. Robust tracking control of hypersonic flight vehicles: A continuous model-free control approach
McFarland et al. Neural networks and adaptive nonlinear control of agile antiair missiles
Zhang et al. Fixed-time disturbance observer-based nearly optimal control for reusable launch vehicle with input constraints
Chen et al. Output constrained adaptive neural control for generic hypersonic vehicles suffering from non-affine aerodynamic characteristics and stochastic disturbances
Nakamura-Zimmerer et al. Neural network optimal feedback control with guaranteed local stability
CN113064350B (zh) 一种导弹助推段自适应动态面控制方法和装置
Pal et al. Star sensor based spacecraft angular rate estimation independent of attitude determination
Lee et al. Robust-backstepping missile autopilot design considering time-varying parameters and uncertainty
Shen et al. Nonlinear observer-based adaptive output feedback tracking control of underactuated ships with input saturation
Sachan et al. State-constrained robust adaptive cruise control design for air-breathing hypersonic vehicles
Zhang et al. Prediction-based guidance algorithm for high-lift reentry vehicles
CN113515142B (zh) 无人机轨迹跟踪控制方法、装置、无人机和存储介质
dos Santos et al. ADCS Design for a Sounding Rocket with Thrust Vectoring
Sekhavat et al. UKF-based spacecraft parameter estimation using optimal excitation
Wei et al. Low-complexity stabilization control of combined spacecraft with an unknown captured object
Bruyère et al. Robust performance study for lateral autopilot of a quasi-linear parameter-varying missile

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