[发明专利]基于非线性模型的无人机姿态模糊自适应预测控制方法及系统

摘要

本发明公开了一种基于非线性模型的无人机姿态模糊自适应预测控制方法及系统，使用离线数据辨识方法建立系统的Cubic‑RBF‑ARX非线性模型，然后在所建立的非线性模型基础上设计了模糊自适应预测控制器，该预测控制器根据无人机姿态控制的实时状态在线调整预测控制器中目标函数的权重系数。该模糊自适应预测控制器可以保证无人机在姿态控制过程中，所选目标函数符合姿态调整的动态及稳态规律和趋势，与一般的无人机预测控制器相比，其目标函数参数的设定考虑到了控制的整个动态及稳态过程，从而能起到提高无人机姿态控制动静态响应指标的作用，具有较高的实用价值和应用前景。

主权项

1.一种基于非线性模型的无人机姿态模糊自适应预测控制方法，其特征在于，包括以下步骤：1)建立四旋翼无人机Cubic‑RBF‑ARX模型：其中：y(t)＝[φ(t) θ(t) ψ(t)]^T为t时刻模型预测输出序列，表示t时刻模型预测输出的四旋翼无人机的姿态角矩阵，矩阵中φ(t)、θ(t)和ψ(t)分别为t时刻模型预测输出四旋翼无人机的俯仰角、翻转角和巡航角；u(t)＝[u₁(t) u₂(t) u₃(t) u₄(t)]^T为t时刻模型预测输入序列，对应主控板输出给四旋翼无人机电子调速器的PWM占空比矩阵，矩阵中u₁(t)、u₂(t)、u₃(t)和u₄(t)分别对应控制四旋翼无人机四个电机的PWM占空比；n_y，n_u和h分别为四旋翼无人机Cubic‑RBF‑ARX模型的输出阶次、输入阶次和Cubic‑RBF网络的数目；ξ(t)是系统白噪声；X(t‑1)为四旋翼无人机Cubic‑RBF‑ARX模型的状态相依变量，选取X(t‑1)＝[φ(t) θ(t)]^T；和是线性权重系数；z_j,m是Cubic‑RBF网络的中心点，z_j,m,1～z_j,m,dim(X)为z_j,m各维度的值，dim(X)表示维数；其中，和和z_j,m为需要辨识的参数，均通过SNPOM优化方法离线辨识获得；2)根据步骤1)中所建立的无人机Cubic‑RBF‑ARX非线性模型设计预测控制器如下：其中，和yr(t)分别为t时刻预测输出序列和期望输出序列：为t时刻模型预测t+l时刻的预测输出；y(t+l|t)^T为t时刻给定的t+l时刻的期望值，取决于控制过程中的参考轨迹；N_p和N_c的分别是预测时域和控制时域，l＝1,2,…,N_p；为t时刻模型预测输入序列和预测输入增量序列，Δu(t)＝u(t)‑u(t‑1)；U_min、U_max为控制输入量约束序列，ΔU_min和ΔU_max为控制输入增量约束序列；Umin＝[‑100 ‑100 ‑100 ‑100]，Umax＝[100 100 100 100]，ΔUmin＝[‑50 ‑50 ‑50 ‑50]，ΔUmax＝[50 50 50 50]；Q(t)、R₁(t)、R₂(t)分别为t时刻的误差加权矩阵、控制加权矩阵和控制增量加权矩阵，它们都为对角阵并且随着控制状态变化而调整；3)通过二次规划法求解预测控制器中的最优值，并将的最优值中的u(t)作为控制量传递给主控板，主控板将其按比例转化为输出给四旋翼无人机电子调速器的PWM占空比矩阵；四旋翼无人机电子调速器根据PWM占空比矩阵调节四旋翼无人机四个电机的转速，从而改变四个旋翼的转速，控制四旋翼无人机的姿态。