[发明专利]一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法

说明书

本发明公开了一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，包括以下步骤：S1.根据空气动力学和刚体力学原理，确认出四旋翼飞行器(QAR)的动力学模型方程；S2.依据所述的动力学模型方程，采用球面投影法建立位置误差和投影图像误差之间的等效变换；S3.依据所述球面投影方法以及动力学模型方程，确定所述QAR的线速度误差微分方程；S4.依据所述QAR的线速度误差微分方程，构建反推虚拟姿态控制器；S5.依据所述的反推控制器，确定出基于神经网络的自适应控制器的运算方程；S6.依据所述的自适应控制器的运算方程，构建基于乔莱斯基分解的惯性矩阵估计器；S7.依据所述自适应控制器的运算方程以及自适应律方程，计算出QAR的位置，实现了QAR视觉位置跟踪控制。

技术领域

本发明涉及计算机技术领域，特别是一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法。

背景技术

在过去的几十年里，随着计算机技术和摄像设备的发展，以通过视觉反馈信号控制机器人运动为目标的视觉伺服已逐渐发展为跨机器人、自动控制和图像处理等技术领域的一门独立技术。一般来说，视觉伺服可以分为两种类型，即基于位置的视觉伺服(PBVS)和基于图像的视觉伺服(IBVS)。IBVS方法通过直接控制图像规划中的位置误差来解决伺服问题，比PBVS方法对扰动和参数偏差更鲁棒。在经典的IBVS框架中，需要从视觉信号中估计每个特征点的深度信息，这在实际实现中通常是困难的或昂贵的。为了避免这个问题，已经有很多学者提出了各种解决方案。例如提出了一种在线估计机器人位置的自适应估计器，用来控制非完整移动机器人进行位置跟踪。也有假设摄像机参数未被校准，并使用与深度无关的交互作用矩阵的伪逆将图像误差映射到机械手的关节空间。

这些研究主要涉及全驱动系统的视觉伺服。然而，四旋翼空中机器人(QAR)是一个典型的欠驱动系统，因此可能不能被这些以前的方法有效地处理。为了解决空中机器人的欠驱动特性，早期的研究集中在状态反馈策略上，这意味着需要精确地测量位置和方向信息，作为控制器开发的先验知识，尽管付出了巨大的努力，机器人的高精度定位仍然是机器人学中最具挑战性的问题之一。

视觉伺服技术为空中机器人的移动控制提供了一个有效的框架，进一步消除了对全球定位测量的要求，提高了定位精度。一些开创性的工作已有所报道，如Hamel和Mahony利用结构无源性提出了一类欠驱动刚体系统的IBVS算法，开发的闭环系统对摄像机和目标的标定误差具有鲁棒性。然而，值得注意的是，目前这些开发的视觉控制器通常需要显式的惯性信息，这通常是难以获得的。而目前提出了一些惯性识别方案大多建立在欠驱动空中机器人的简化模型上，没有一个考虑到视觉系统。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，解决了四旋翼空中机器人的高精度定位困难，且机器人欠驱动，在线计算量大，缺少显示的惯性矩阵的问题，实现了QAR视觉位置跟踪控制。

为解决上述问题，本发明采用如下的技术方案。

一种基于视觉反馈的四旋翼飞行器自适应神经网络定位控制方法，包括以下步骤：

S1.根据空气动力学和刚体力学原理，确认出QAR的动力学模型方程；

S2.依据所述的动力学模型方程，采用球面投影法建立位置误差和投影图像误差之间的等效变换；

S3.依据所述球面投影方法以及动力学模型方程，确定所述QAR的线速度误差微分方程；

S4.依据所述QAR的线速度误差微分方程，构建反推虚拟姿态控制器；

S5.依据所述的反推控制器，确定出基于神经网络的自适应控制器的运算方程；

S6.依据所述的自适应控制器的运算方程，构建基于乔莱斯基分解的惯性矩阵估计器；

S7.依据所述自适应控制器的运算方程以及自适应律方程，计算出QAR的位置。