[发明专利]一种抗干扰四旋翼无人机姿态控制方法

权利要求书

1.一种抗干扰四旋翼无人机姿态控制方法，其特征在于步骤如下：

步骤1、建立无人机姿态运动方程：

式中，p为无人机的滚动角速度；为无人机的滚动角加速度；q为无人机的俯仰角速度；为无人机的俯仰角加速度；r为无人机的偏航角速度；为无人机的偏航角加速度；I_x、I_y、I_z分别为无人机在x、y、z轴上的转动惯量；τ_x、τ_y、τ_z分别为无人机在x、y、z轴上的力矩；

步骤2将无人机姿态运动方程变换为的积分链式模型形式：：

式中，Δf(·)为模型不确定性项；d(·)为外部干扰项；x₁＝φ为无人机的滚动角，x₃＝θ为无人机的俯仰角，x₅＝ψ为无人机的偏航角；

步骤3：控制指令跟踪微分器

1.滚动通道跟踪微分器：

式中，为微分器为滚动角指令φ_cmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对滚动角指令φ_cmd一、二阶导数的估计信号，R_t为微分器跟踪参数；

2.俯仰通道跟踪微分器：

式中，为微分器为俯仰角指令θ_cmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对俯仰角指令θ_cmd一、二阶导数的估计信号；

3.偏航通道跟踪微分器：

式中，为微分器为偏航角指令ψ_cmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对偏航角指令ψ_cmd一、二阶导数的估计信号；

步骤4：设计分数阶反馈控制器

无人机的滚动通道反馈控制器；

式中，K_φ2为滚动通道比例控制增益，K_φ1为滚动通道分数阶微分控制增益，μ_φ为滚动通道分数阶微分阶次，为e_φ的μ_φ阶分数阶微分；

无人机的俯仰通道反馈控制器；

式中，K_θ2为俯仰通道比例控制增益，K_θ1为俯仰通道分数阶微分控制增益，μ_θ为俯仰通道分数阶微分阶次，为e_θ的μ_θ阶分数阶微分；

无人机的偏航通道反馈控制器；

式中，K_ψ2为偏航通道比例控制增益，K_ψ1为偏航通道分数阶微分控制增益，μ_ψ为偏航通道分数阶微分阶次，为e_ψ的μ_ψ阶分数阶微分；

步骤5：基于径向基神经网络设计抗干扰补偿器

1.滚动通道补偿器：

式中，为滚动通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，隐含层节点个数为N，为高斯函数输出，c_φj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，b_φj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；W_φ^T为滚动通道神经网络的权值；

2.俯仰通道补偿器：

式中，为俯仰通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，为高斯函数输出，c_θj为俯仰通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，b_θj为俯仰通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；W_θ^T为俯仰通道神经网络的权值；

3.偏航通道补偿器：

式中，为偏航通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，为高斯函数输出，c_ψj为偏航通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，b_ψj为偏航通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；W_ψ^T为偏航通道神经网络的权值；

步骤6：反馈线性化控制器：

1.滚动通道：

2.俯仰通道：

3.偏航通道：

将u_φcontrol、u_θcontrol、u_ψcontrol分为输出给τ_x、τ_y、τ_z作为无人机控制力矩进行控制姿态。