[发明专利]基于事件驱动的无人机吊挂系统在线轨迹规划方法

说明书

本发明属于四旋翼无人机吊挂系统轨迹规划技术领域，为针对吊挂系统空运过程中减小吊挂负载摆动以及降低机载处理器计算负担的需求，提出一种在线轨迹规划方法。本发明在此基础上本发明采用的技术方案是，基于事件驱动的无人机吊挂系统在线轨迹规划方法，将吊挂系统负载摆角的动力学方程转换成非线性仿射系统的形式，引入折现代价函数和强化学习机制，通过神经网络逼近的方法来求解负载摆角抑制的最优控制问题。本发明主要应用于四旋翼无人机吊挂系统轨迹控制场合。

技术领域

本发明属于四旋翼无人机吊挂系统轨迹规划研究领域。针对吊挂系统空运过程中减小吊挂负载摆动以及降低机载处理器计算负担的需求，提出了一种基于事件驱动的在线轨迹规划方法。

背景技术

近年来，小型无人直升机凭借垂直起降能力、空中悬停能力以及具有灵活飞行的特点被视为工业级无人机的重要发展方向。然而，直升机具有非线性、强动态耦合以及其生成推力的空气动力学特性存在的参数和模型不确定性，难以建立精确的动力学模型，使得其控制设计极具挑战性。近年来，随着搜救，快递，农业，军事等领域对高效作业的需求上升，研究人员对四旋翼无人机展开了很多相关研究。其中，四旋翼无人机吊挂系统又以能够实现物资投放、快递运输、农业施肥以及军事援助等应用，成为了研究的热点之一。

四旋翼无人机作为一个典型的欠驱动系统，只有四个控制输入但有六个输出，本身存在不易控制的特点。并且由于没有直接的控制输入作用在负载上，一个带有吊挂负载的四旋翼无人机的欠驱动特性更加复杂。四旋翼无人机吊挂系统的控制目标是实现快速准确定位的同时有效抑制负载的摆动，这是一项具有挑战性的任务。为了获得令人满意的性能，鉴于人工神经网络对特定的函数具有良好的逼近性能，许多研究人员已经将人工神经网络融入到四旋翼无人机吊挂系统的控制器设计以及轨迹规划中去。萨格勒布大学的Ivana Palunko等人用高阶规划器生成航点，并用动态规划算法为吊挂负载的四旋翼无人机生成减摆轨迹。实验验证，该算法通过多次迭代遍历使得轨迹跟踪误差收敛且负载摆角减小(会议：2012IEEE International Conference on Robotics and Automation；著者：Ivana Palunko,Rafael Fierro,and Patricio Cruz；出版年月：2012；文章题目：Trajectory generation for swing-free maneuvers of a quadrotor with suspendedpayload:A dynamic programming approach；页码：2691–2697)。此外，Ivana Palunko等人采用一种基于最小二乘策略迭代(Least-Square Policy Iteration，LSPI)的强化学习方法。在飞行过程中四旋翼无人机根据自身飞行轨迹的反馈来实时学习生成目标轨迹点，从而保证负载沿预定轨迹运动(会议：2013IEEE International Conference on Roboticsand Automation；著者：Ivana Palunko,Aleksandra Faust,Patricio Cruz,Lydia Tapia,and Rafael Fierro；出版年月：2013；文章题目：A reinforcement learning approachtowards autonomous suspended load manipulation using aerial robots；页码：4896–4901)。新墨西哥大学的Aleksandra Faust等人提出了一种基于有限样本的批量强化学习算法，带吊挂负载的四旋翼无人机能根据不同环境生成相应的合理轨迹，且系统对噪声和系统未建模动态有一定的鲁棒性。其核心在于给予无人机有限的轨迹作为学习样本进行自主学习(会议：2013IEEE International Conference on Robotics and Automation；著者：Aleksandra Faust,Ivana Palunko,Patricio Cruz,Rafael Fierro,and LydiaTapia；出版年月：2013；文章题目：Learning swing-free trajectories for UAVs with asuspended load；页码：4902–4909)。Aleksandra Faust等人进一步优化了上述的学习算法，扩充了轨迹的样本空间，提出了一种在有静态障碍的环境中进行货物运输的强化学习方法(期刊：Artificial Intelligence；著者：Aleksandra Faust,Ivana Palunko,Patricio Cruz,Rafael Fierro,and Lydia Tapia；出版年月：2017；文章题目：Automatedaerial suspended cargo delivery through reinforcement learning；页码：381–398)。伊达尔戈州自治大学的Ricardo A.Barrón-Gómez等人提出了一种新型无模型自适应小波网络PID(Adaptive Wave-net PID，AWPID)控制器，实现了无人机位置跟踪与负载减摆控制(会议：2017 20th World Congress of the International Federation of AutomaticControl(IFAC)；著者：Ricardo A.Barrón-Gómez,Luis E.Ramos-Velasco,EduardoS.Espinoza Quesada,and Luis R.García Carrillo；出版年月：2017；文章题目：Waveletneural network PID controller for a UAS transporting a cable-suspended load；页码：2335–2340)。中国石油大学(华东)的Cai Luo等人设计了一种基于径向基函数神经网络(Radial Basis Function Neural Network，RBFNN)的非线性反步滑模控制器，该控制器能够对多时变不确定性和干扰进行补偿(期刊：Electronics；著者：Cai Luo,Zhenpeng Du,and Leijian Yu；出版年月：2019；文章题目：Neural network control design for anunmanned aerial vehicle with a suspended payload；页码：931)。天津大学的韩晓薇等人利用基于能量整形的控制方法构造了一种新型的能量存储函数以处理状态耦合，然后利用神经网络对系统未建模动态特性进行在线估计，并采用基于符号函数的鲁棒控制算法补偿神经网络的估计误差(期刊：控制理论与应用；著者：韩晓薇，鲜斌，杨森；出版年月：2020；文章题目：无人机吊挂空运系统的自适应控制设计；页码：999–1006)。