[发明专利]一种模块化可变体无人机系统的切换控制方法

说明书

本发明公开了一种模块化可变体无人机系统的切换控制方法，利用RBF神经网络的逼近特性，实时调整增益参数，同时在RBF神经网络学习算法中采用多种自学习方法，以防止学习过程陷入局部寻优当中。这样就能有效消除系统抖振，保证系统的快速性和鲁棒性。本发明将一个复杂的非线性系统转化为若干简单子系统的切换，不同的模型对应切换系统的各子系统，结构变化导致的模型突变由切换律加以描述，使无人机实现空中对接后不会因外形的突变而出现原控制律失效的问题，在无人机实现对接后能够及时切换无人机控制律,这样就能解决旋翼无人机在外形突变时的稳定性控制问题。

技术领域

本发明属于无人机领域，特别涉及一种模块化可变体无人机系统的切换控制方法。

背景技术

无人机是一种利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，随着无人机行业的迅速发展，无人机被运用到许多领域，例如军事方面可用无人机进行侦查，民用方面可以用来航拍、植保和高空灭火等。

无人机在执行任务时会存在两个问题。第一，由于无人机的可用载荷在设计时就已经确定，所以会存在载荷问题。一方面是载荷能力不足，即多旋翼无人机由于自身的局限性无法运载过重的物体。另一方面，单个无人机载荷能力单一，即一种型号的无人机只能运输一定重量范围的物体。第二，由于无人机大多使用电池驱动，所以存在续航时间短的问题。无人机在飞到一定的里程后就需要更换电池，常常难以保证任务的顺利完成。

对此实用新型专利201821586113.4公开了一种可组合式无人机及无人机物流系统，包括：中心基座、均匀设置在所述中心基座周向上的至少两个连接杆和设置在所述连接杆远离所述中心基座一端的安装架，所述安装架用于将无人机与所述连接杆铰接，所述中心基座上设置有用于与每个所述无人机连接的控制器。

但是，现有的组合无人机存在的问题在于：无人机组合或离开时其数量的改变会带来整体无人机组物理参数及气动参数的变化，这类突变往往蕴含着复杂的动态特征，容易对无人机的稳定飞行造成严重影响。

发明内容

为了克服以上问题，本发明提供了一种模块化可变体无人机系统的切换控制方法。本发明采用基于切换系统理论以及RBF神经网络进行可变体无人机组飞行控制系统设计，保证无人机系统的飞行稳定以及减小、消除因物理参数等改变带来的抖振问题。

本发明解决其技术问题所采用的技术方案是:

一种模块化可变体无人机系统的切换控制方法，无人机模块(1)组入或离开无人机组时，保持无人机组飞行的稳定性的步骤如下：

步骤一、建立无人机数学模型:x＝[p,v,ξ,Ω]^T,

其中，x表示无人机的飞行状态；x表示飞行状态的改变量；p 表示地理坐标系下的无人机的位置；v表示地理坐标系下无人机的速度，ξ表示无人机的姿态角；Ω表示机体坐标系相对地坐标系下的角速度，g表示重力加速度；m表示无人机的质量；R表示机体坐标轴系到地面坐标轴系的转换矩阵；F表示除重力之外的合力；J表示无人机的惯性矩阵；G_a表示陀螺效应力矩，Z_e为地坐标系下的单位向量，φ(ξ)表示绕机体轴的三轴角速率到欧拉角速率的转换矩阵，M表示除旋翼陀螺效应力矩以外的合力矩；T表示矩阵转置；

切换系统的数学模型由状态x和分段常值右连续切换律σ:[0,∞]→{1,2,......,N}表示为t表示时间；

其中切换系统写为如下形式：

表示状态x切换律下的切换系统数学模型，切换律σ＝1 时，切换律σ＝2时切换律σ＝3时，x(t)表示飞行状态的改变量；

其中为切换子系统函数，k＝1,2,3；σ:[0,∞]→{1,2,......,N}为分段常值右连续切换律；