[发明专利]一种无人机仿人智能控制方法

说明书

本发明提供一种无人机仿人智能控制方法。本发明方法确定无人机飞行数学模型；然后进行仿人智能控制器设计；仿人智能控制包括三层结构：运行控制层、参数校正层、任务适应层；最后采用粒子群优化对比例微分系数进行优化。仿人智能控制器能够根据被调量的偏差及偏差的变化趋势来确定变化策略，能够有效解决四旋翼飞行器PID控制参数自适应问题。但仿人智能控制中的比例、微分系数和衰减系数会影响最终的控制效果，因此采用了粒子群算法对其进行参数优化。因此基于粒子群算法的仿人智能控制器能够实现无人机角度的快速响应，提高了稳定性和抗干扰性。

技术领域

本发明属于无人机飞行控制领域，尤其针对单架无人机的飞行控制，具体设计了一种无人机仿人智能控制系统。

背景技术

现如今随着飞行控制、微机电系统等多种技术的发展，四旋翼飞行器越来越多的应用到人们的日常生活中。传统四旋翼飞行器是通过将输入量与反馈量之间的误差经过PID整定后来控制四旋翼飞行器的俯仰角(θ)、偏航角(ψ)、横滚角(φ),从而完成机体在水平及垂直方向上的运动。但传统的串级PID的调节过程过于繁琐且没有自我参数整定的适应能力，往往在四旋翼控制中会出现误差较大等问题，因此本文设计了一种基于粒子群算法与仿人智能控制相结合的新型四旋翼控制器—基于粒子群算法的四旋翼仿人智能控制器。

仿人智能控制(Human-simulated Intelligent Control，HSIC)是一种典型的智能控制方式，它是由周其鉴等人在20世纪80年代提出的，近年来经由李祖枢教授等众多学者的丰富和发展下已形成了较为完整的基本理论体系和较完善的设计方法。仿人智能控制的主要思想就是在对人的控制结构宏观模拟的基础上进一步研究人的控制行为并加以模拟，最大限度地识别和利用系统动态过程所提供的特征信息，这种控制算法是通过人对控制对象的观察、记忆、决策等智能行为的模型化为基础，根据被调量的偏差及偏差的变化趋势来确定变化策略，能够有效解决四旋翼飞行器PID控制参数自适应问题。但仿人智能控制中的比例、微分系数和衰减系数会影响最终的控制效果，因此采用了粒子群算法对其进行参数优化。

粒子群算法(Particle swarm optimization,PSO)是由Kennedy等提出的一种基于种群搜索的自适应进化计算技术，它在计算方法上近似于GA算法，但不同于GA算法的是PSO算法不使用杂交和变异等因子，而是通过模仿鸟群觅食、兽群等动物界的群体行为而进行搜索。通过粒子群算法与仿人智能控制相结合，可有效解决四旋翼飞行器常出现的稳态误差较大、飞行姿态参数自适应问题。

发明内容

本发明的目的是针对单架无人机飞行控制问题，提供了一种无人机仿人智能控制方法。本发明系统将控制器分成三层结构：直接控制层、参数矫正层、任务适应层。

本发明解决其技术问题所采用的技术方案具体包括如下步骤：

步骤1、确定无人机飞行数学模型；

无人机机体运动模型

四旋翼飞行器通过控制四个旋翼的转速从而对俯仰角(θ)、偏航角(ψ)、横滚角(φ)进行调节进而完成机体的前进后退、上升下降、左右飞行，一系列飞行运动。

首先建立两个坐标系：机体坐标系、惯用坐标系。

惯用坐标系E(OXYZ)相对于地球表面不动。

机体坐标系A(oxyz)与机体质心重合，横轴ox指向一号电机，纵轴oy指向四号电机，oz垂直于oxy面。

四旋翼飞行器欧拉角：

(1)横滚角(φ)：机体绕ox轴转动角度。

(2)俯仰角(θ)：机体绕oy轴转动角度。

(3)偏航角(ψ)：机体绕oz轴转动飞行器纵轴在水平面内投影与惯性坐标系OX轴之间的夹角。

无人机动力学模型