[发明专利]一种基于自适应神经网络的四旋翼编队容错控制方法

说明书

本发明公开了一种基于自适应神经网络的四旋翼编队容错控制方法，针对含有多个四旋翼飞行器的编队控制系统，将系统中可能出现的外部干扰考虑在内，利用编队的误差信息设计了一个四旋翼飞行器编队飞行控制器，使用神经网络补偿故障带来的损失，并且使用李雅普诺夫稳定性理论证明了编队控制器的稳定性，鲁棒性以及容错性能；基于自适应神经网络控制方法，设计了四旋翼内环的姿态容错控制器，有效提高了姿态容错控制的效果，使用李雅普诺夫稳定性理论证明了再出现执行器故障的情况下系统仍然可以跟踪期望的姿态。

技术领域

本发明涉及一种基于自适应神经网络的四旋翼编队容错控制方法，属于多智能体系统技术领域。

背景技术

四旋翼飞行器是一种可以垂直起降的旋翼无人飞行器，四旋翼飞行器的基本结构由一个十字形的机架和安装在机架顶端的四个旋翼构成。这种特殊的结构使得四旋翼飞行器的控制方法相对于其他类型的飞行器来说要更加简单方便，可以通过改变四个旋翼的转速实现对飞行器姿态和位置的控制。四旋翼飞行器的各个控制通道之间的相互耦合相对较弱，更具有灵活性，因此在电力巡线，SLAM，物流运输，航拍等领域已经有了广泛的应用。

随着控制理论和微机技术的快速发展，单个四旋翼飞行器的控制方法发展迅猛并且已经日益趋于完善。人们不再满足单个飞行器的控制，开始研究多个飞行器的协同控制和编队控制。当多个飞行器协同工作时，可以完成单个飞行器难以完成的复杂任务。例如通过多个飞行器编队飞行，可以大幅增大飞行器的航拍范围，可以获得更大的运载能力，可以从不同的方向对目标进行侦测。毫无疑问的是，随着相关理论的进一步发展与完善，四旋翼飞行器的协同工作将会在不远的未来得到非常广泛的应用。

容错控制是控制理论的重要分支。系统在长时间的工作过程中，难免会因为内部零件的损坏或者外部损伤导致系统出现故障，故障的出现会影响系统的动态特性，导致原本设计的控制器的控制性能下降，严重时甚至有可能使得整个系统变得不稳定。容错控制主要研究的是当系统出现故障时如何尽可能保证系统的稳态和动态性能，从而抑制故障对整个系统的不良影响。对于四旋翼飞行器来说，常见的故障是执行器部分失效故障，这种故障表现为执行器升力的部分损失，其原因可能是由于四旋翼电子调速器元器件老化或者旋翼桨叶的部分损坏导致的。在四旋翼飞行器的编队控制中，如果有一个四旋翼出现故障，会对整个编队系统产生影响，如果处理不当，可能会导致整个编队系统出现不稳定。

神经网络可以实现对非线性函数的任意精度的逼近。普通的神经网络可以通过在线或者离线学习的方式得到神经网络的权值矩阵，但是往往难以对系统进行稳定性分析，而自适应神经网络将神经网络的权值矩阵看做一个自适应变量，通过系统的误差信息更新神经网络的权值，自适应神经网络不仅可以实现神经网络的在线自学习，而且可以通过李亚普欧诺夫判据保证系统跟踪误差的稳定性和神经网络权值参数的有界性。

发明内容

为了克服现有技术的不足，本发明提供一种基于自适应神经网络的四旋翼编队容错控制方法可在理论层面上有效抑制外界干扰以及故障对四旋翼编队飞行控制带来的的不利影响，并实现四旋翼飞行器编队中任何一个节点出现执行器故障或者多个节点同时出现执行器故障的容错控制。

本发明为解决上述技术问题采用以下技术方案：

一种基于自适应神经网络的四旋翼编队容错控制方法，所述四旋翼编队具有领导-跟随架构，由一个虚拟的领导节点和n个跟随者节点组成，跟随者节点即为四旋翼编队中的四旋翼飞行器。该控制方法包括如下步骤：

第一步：构建四旋翼编队飞行系统的连接图并以无向图的形式表示，得出四旋翼编队控制系统的拉普拉斯矩阵和领导跟随连通矩阵；

第二步：将四旋翼飞行器的数学模型解耦成内环姿态子系统和外环位置子系统；

第三步：根据四旋翼编队飞行系统的邻接误差信息，设计具有神经网络补偿机制的外环位置子系统的容错编队虚拟控制律；