[发明专利]一种基于ESO的无人机动态逆广义预测控制器

说明书

本发明公开了一种基于ESO的无人机动态逆广义预测控制器，包括以下步骤：步骤1：建立无人机姿态回路和速度回路的数学模型；步骤2：采用动态逆方法对无人机的数学模型进行线性化处理；步骤3：设计线性扩张状态观测器对姿态回路和速度回路的总扰动进行估计；步骤4：设计基于CARMA模型的广义预测控制器对线性化后的姿态回路和速度回路施加控制作用。本发明将被控对象的参数不确定性、未建模动态以及外部扰动合在一起看成总扰动，用线性扩张状态观测器对总扰动进行估计；利用动态逆方法的思想，实现对被控对象数学模型的线性化。与传统的广义预测控制算法相比，该算法可以离线求得丢番图方程的解析解，降低了算法的在线计算量，减小了广义预测控制器对模型参数的敏感性。

技术领域

本发明属于控制器及其应用领域，具体涉及一种基于ESO的无人机动态逆广义预测控制器。

背景技术

非线性动态逆控制是基于被控对象的数学模型构造出对应的逆系统模型，利用非线性反馈的方式实现对被控对象的线性化，来将原来的被控对象简化成积分器的形式，以此来简化控制器的设计，实现更优控制的一种方法。动态逆方法的思想已经被用于各类实际控制系统中，实现了很好的控制效果。然而由于实际被控对象在建模时存在各种内部外部不确定性，使得动态逆控制算法的鲁棒性难以得到保证。

ESO(Extended State Observer，扩张状态观测器)是自抗扰控制重要的组成部分，它可以对被控对象所有的内部外部不确定性进行估计，以此来简化控制器的设计，使得被控对象具有满意的动态性能本发明将ESO引入到动态逆方法中，可以实现对被控对象所有未知部分的实时估计，从而改善了动态逆方法的鲁棒性。

广义预测控制(Generalized Predictive Control-GPC)是一种新型预测控制算法，它以受控自回归积分滑动平均模型(CARIMA)或受控自回归滑动平均模型(CARMA)为预测模型，通过对过程输出多步预测，并结合滚动优化和反馈校正的思想，来对被控对象施加控制作用，具有良好的动态性能、鲁棒性和干扰抑制能力，可以更好的适应于非线性、大时滞、时变等复杂的控制过程，因此，广义预测控制算法被广泛运用于实际装置中。但是GPC对于模型参数比较敏感，同时需要在线求解丢番图方程组，在线计算量大，限制了其在快速系统中的应用。

本发明将动态逆方法与广义预测控制结合在一起，利用动态逆控制的思想，通过反馈的方式对被控对象进行线性化；通过引入ESO对模型中所有的内部外部不确定性进行实时估计，从而将原系统简化成单积分器的形式；之后针对单积分器这一简单的线性系统设计广义预测控制器。该方法可以离线求得丢番图方程的解析解，降低了算法的在线计算量，减小了广义预测控制器对模型参数的敏感性。基于ESO的无人机动态逆广义预测控制器可以实时估计系统的内部、外部不确定性，具有良好的动态性能、抗干扰性能以及鲁棒性。

发明内容

本发明的目的是提供一种基于ESO的无人机动态逆广义预测控制器，该方法可以离线求得丢番图方程的解析解，降低了算法的在线计算量，减小了广义预测控制器对模型参数的敏感性。

本发明所采用的技术方案是，一种基于ESO的无人机动态逆广义预测控制器，包括以下步骤：

步骤1：建立无人机姿态回路和速度回路的数学模型；

步骤2：采用动态逆方法对无人机的数学模型进行线性化处理；

步骤3：设计线性扩张状态观测器对姿态回路和速度回路的总扰动进行估计；

步骤4：设计基于CARMA模型的广义预测控制器对线性化后的姿态回路和速度回路施加控制作用。

优选的，所述步骤1中，以姿态回路为例，来给出基于ESO的无人机动态逆广义预测控制器的设计思路，速度回路数学模型的处理思路和姿态回路类似。假设无人机姿态回路的数学模型可以写成如下形式：