[发明专利]一种抗干扰四旋翼无人机姿态控制方法

摘要

本发明涉及一种通过设计径向基神经网络补偿器估计通道间耦合、模型不确定性部分及外部干扰，采用极点配置法确定分数阶比例微分控制器的增益初值，通过微调分数阶微分阶数进一步提高控制性能，增强系统灵活性，最后设计反馈线性化控制器得出控制量，实现对四旋翼无人机具有强抗干扰性的稳定姿态控制。有益效果：考虑了系统未建模部分、通道之间的耦合作用和外部干扰，提高了姿态控制方法的普适性。通过设计径向基神经网络估计器对系统的未建模部分、通道之间的耦合作用和外部干扰进行估计用于补偿，使系统具有良好的抗干扰能力。在传统比例微分控制的基础上，引入分数阶微分提高了系统的控制性能和灵活性。

主权项

一种抗干扰四旋翼无人机姿态控制方法，其特征在于步骤如下：步骤1、建立无人机姿态运动方程：p·=Iy-IzIxqr+τxIxq·=Iz-IzIypr+τyIyr·=Ix-IyIzpq+τzIz]]>式中，p为无人机的滚动角速度；为无人机的滚动角加速度；q为无人机的俯仰角速度；为无人机的俯仰角加速度；r为无人机的偏航角速度；为无人机的偏航角加速度；Ix、Iy、Iz分别为无人机在x、y、z轴上的转动惯量；τx、τy、τz分别为无人机在x、y、z轴上的力矩；步骤2将无人机姿态运动方程变换为的积分链式模型形式：：x·1=x2x·2=a1θ·ψ·+b1τx+Δfφ+dφx·3=x4x·4=a2φ·ψ·+b2τy+Δfθ+dθx·5=x6x·6=a3φ·θ·+b3τz+Δfψ+dψ]]>式中，Δf(·)为模型不确定性项；d(·)为外部干扰项。x1＝φ为无人机的滚动角，x2＝θ为无人机的俯仰角，x3＝ψ为无人机的偏航角；步骤3：控制指令跟踪微分器1.滚动通道跟踪微分器：式中，为微分器为滚动角指令φcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对滚动角指令φcmd一、二阶导数的估计信号，r为微分器跟踪参数；2.俯仰通道跟踪微分器：式中，为微分器为俯仰角指令θcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对俯仰角指令θcmd一、二阶导数的估计信号；3.偏航通道跟踪微分器：式中，为微分器为偏航角指令ψcmd的跟踪信号，分别为的一阶导数、二阶导数，即微分器对滚动角指令ψcmd一、二阶导数的估计信号；步骤4：设计分数阶反馈控制器无人机的滚动通道反馈控制器；式中，Kφ1为俯仰通道比例控制增益，Kφ2为俯仰通道分数阶微分控制增益，μφ为俯仰通道分数阶微分阶次；无人机的俯仰通道反馈控制器；式中，Kθ1为俯仰通道比例控制增益，Kθ2为俯仰通道分数阶微分控制增益，μθ为俯仰通道分数阶微分阶次；无人机的偏航通道反馈控制器；式中，Kψ1为偏航通道比例控制增益，Kψ2为偏航通道分数阶微分控制增益，μψ为俯仰通道分数阶微分阶次；步骤5：基于径向基神经网络设计抗干扰补偿器1.滚动通道补偿器：式中，为滚动通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，隐含层节点个数为N，为高斯函数输出，cφj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，bφj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；WφT为滚动通道神经网络的权值；εφ为滚动通道神经网络逼近误差；2.俯仰通道补偿器：式中，为滚动通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，为高斯函数输出，cθj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，bθj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；WθT为滚动通道神经网络的权值；εθ为滚动通道神经网络逼近误差。3.偏航通道补偿器：式中，为滚动通道神经网络输入信号，该神经网络输入个数为2；j为网络第j个隐含层节点，为高斯函数输出，cψj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的均值参数，bψj为滚动通道神经网络抗干扰补偿器第j个网络隐含节点高斯函数的方差参数；WψT为滚动通道神经网络的权值；εψ为滚动通道神经网络逼近误差。步骤6：反馈线性化控制器：1.滚动通道：2.俯仰通道：3.偏航通道：将uφcontrol、uθcontrol、uψcontrol分为输出给τx、τy、τz作为无人机控制力矩进行控制姿态。