基于整定控制参数的高机动无人机控制方法

技术领域

本发明涉及无人机控制领域，具体涉及一种基于整定控制参数的高机动无人机控制方法。

背景技术

无人机基于其上制导模块获得的期望滚转角来执行对其自身的控制，具体来说是通过控制电机，达到控制无人机滚转的效果，也就是控制无人机的滚转角速度，进而控制滚转角度。然而由于无人机在飞行过程中会受到多种作用力，实际飞行轨迹会受到干扰，所以需要对期望滚转角做出调节响应，以使得最终的无人机飞行状态接近预期。所述调节响应所需的时间即响应速度，能够直接影响无人机最终的飞行效果，传统的无人机控制方案中，很多方案都在研究如何提高其响应速度，但针对具体无人机的方案设计过于复杂，难以扩大应用。

PI控制是工程应用中较为广泛的控制策略之一，可以应用到无人机的所述调节响应方案中，因此PI控制策略中的参数优化也是引人关注的一个研究方向，

一般情况下针对通常的无人机模型可以设计PI控制器并计算出相应的参数，但是这种情况下需要建立较为准确的无人机运动学和动力学模型，因此计算所得的结果可靠性还有待提高；在具体针对四旋翼无人的机姿态控制模型领域，目前还没有人使用基于遗传算法进行PI控制参数整定进行无人机姿态控制的相关研究。

基于此，本发明人对四旋翼无人的机姿态控制模型，采用遗传算法进行PI控制参数整定，以期待获得能够解决上述问题的无人机控制方法。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一种基于整定控制参数的高机动无人机控制方法，该方法中，通过设定适宜的适应度函数，进而对PI控制器进行参数整定，因此对于模型的不确定性的适应度有所提高；在参数整定的过程中，采用matlab软件直接提供相应的工具配合该适应度函数即可方便高效地获得PI控制器参数，并且据此控制无人机，能够缩短响应时间，提高无人机的飞行质量，从而完成本发明。

具体来说，本发明的目的在于提供一种基于整定控制参数的高机动无人机控制方法，该方法中，实时接收期望的滚转角，基于实际滚转角与期望滚转角的偏差，通过滚转通道的控制器获得电机控制指令，据此控制电机转速，从而对所述期望的滚转角做出响应，使得无人机的实际滚转角快速准确地跟踪所述期望滚转角。

其中，所述电机控制指令通过下式(一)获得：

其中，thr表示电机控制指令；

φ表示实际滚转角；

φ

K

p表示飞行器的滚转角速度；

s表示拉式变换算子。

其中，所述控制器增益系数K

t

其中，t

p

其中，在遗传算法中，当迭代次数达到预设数量或者适应度达到设定阈值时，获得的能够使得调节响应所需时间最小的个体组合即为遗传算法输出的控制器增益系数K

其中，所述设计参数的取值为：

p

p

p

p

p

p

本发明所具有的有益效果包括：

(1)根据本发明提供的基于整定控制参数的高机动无人机控制方法，该方法中基于遗传算法，通过设置适宜的适应度函数能够快速准确地获得相应的增益系数，从而缩短无人机响应时间，提高飞行控制效果；

(2)根据本发明提供的基于整定控制参数的高机动无人机控制方法，由于针对性地设置了滚转通道的控制器增益系数，使得无人机可以基于期望滚转角快速准确地获得实际滚转角，进而控制无人机螺旋桨工作，更好地控制无人机飞行姿态。

附图说明

图1示出本申请中控制方法对应的姿态控制回路示意图；

图2示出实施例中通过遗传算法获得控制器增益系数的过程示意图；

图3示出实施例中整定控制器增益系数的整定结果；

图4示出实施例和对比例中控制器增益系数的不同值对应的阶跃响应图。

具体实施方式

下面通过附图和实施例对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

本申请提供一种基于整定控制参数的高机动无人机控制方法，该方法中，如图1中所示，实时接收期望的滚转角，基于实际滚转角与期望滚转角的偏差，通过滚转通道的控制器获得电机控制指令，据此控制电机转速，从而对所述期望的滚转角做出响应，使得无人机的实际滚转角快速准确地跟踪所述期望滚转角。图1中的H表示增益为1的环节，取值为1。

优选地，本申请中，所述无人机为旋翼无人机；电机转速即代表螺旋桨转速；所述实际滚转角可以通过飞行器上的传感器实时测量得到。在一个优选的实施方式中，所述电机控制指令通过下式(一)获得：

其中，thr表示电机控制指令；

φ表示实际滚转角，通过无人机上的传感器实时获得；

φ

K

p表示飞行器的滚转角速度，通过无人机上的传感器测量得到；

s表示拉式变换算子。

优选地，所述控制器增益系数K

t

其中，t

p

优选地，所述遗传算法通过matlab软件执行，在上述适应度函数的基础上，再直接调取该软件中提供的工具箱即可，通过该工具箱中默认的参数执行群体选择、交叉、变异等一系列操作；为了简化处理流程，节约时间，还可以优选地初步限定所述控制器增益系数的取值区间，例如两个控制器增益系数都限定为1至2，或者更进一步地限定为1至1.5，1至1.2。

在遗传算法中，当迭代次数达到预设数量，例如100；或者适应度达到设定阈值，例如0.7时，获得的能够使得调节响应所需时间最小的个体组合即为遗传算法输出的控制器增益系数K

优选地，适应度函数中所述设计参数的取值为：

p

p

p

p

p

p

本发明人发现，通过设置上述滚转通道的控制器增益系数，能够使得无人机响应时间最短，提高无人机的飞行质量，使得实际飞行姿态满足期望。本申请中，针对无人机上期望俯仰角和期望z轴加速度的跟踪响应，即可以采用类似于上文所述的方法进行，也可以采用本领域中已有的方法进行。

实施例

通过计算机持续生成并提供期望的滚转角，采用下述方法对该期望的滚转角进行响应跟踪：基于实际滚转角与期望滚转角的偏差，通过滚转通道的控制器获得电机控制指令，据此控制电机转速，从而对所述期望的滚转角做出响应，得到无人机的实际滚转角。

其中，无人机上通过下式(一)实时获得电机控制指令，并按照该电机控制指令控制无人机电机工作，控制无人机飞行状态。

K

p表示飞行器的滚转角速度；

s表示拉式变换算子。

所述控制器增益系数K

t

(二)

其中的设计参数的取值为p

通过该matlab软件的工具箱中默认参数执行群体选择、交叉、变异操作，其中，预先设定K

该遗传算法中输出的个体数据如下所示，

输出的调节响应所需时间t

迭代输出曲线和参数整定结果，如图2和图3中所示。图2中的多个数据的横坐标表示遗传算法迭代代数，表征随着代数增加的优化收敛情况；纵坐标是每一迭代中的最短调节时间，即每一迭代的最佳适应度。

经由上述结果可知，输出的最优参数组合为K

在获得电机控制指令后，通过下式(三)模拟得到实际滚转角：

其中，无人机模型G

最终得到的滚转角阶跃响应图如图4中黑色线条所示。

对比例

通过计算机持续生成并提供与实施例中完全一致的期望的滚转角，采用下述方法对该期望的滚转角进行响应跟踪：基于实际滚转角与期望滚转角的偏差，通过滚转通道的控制器获得电机控制指令，据此控制电机转速，从而对所述期望的滚转角做出响应，得到无人机的实际滚转角。

其中，无人机上通过下式(一)实时获得电机控制指令，并按照该实际滚转角控制无人机电机工作，控制无人机飞行状态。

K

p表示飞行器的滚转角速度；

s表示拉式变换算子。

所述控制器增益系数K

针对上述四种情况，分别获得电机控制指令后，再都通过下式(三)模拟得到实际滚转角：

其中，无人机模型G

最终四种情况对应得到的滚转角阶跃响应图如图4所示。

图4中的纵坐标振幅是指输入信号的幅值，该图4中的是阶跃信号，幅值为常数1，所以期望输入就是1；取一条平行于X轴的线与这几条曲线相交，交点的横坐标就对应着到达这个y值所需的时间，由图可知黑线所需时间是最短的。

基于图4可知，通过实施例中方法获得的控制器增益系数能够更好地跟踪期望滚转角；实施例中提供的基于整定控制参数的高机动无人机控制方法能够提高无人机的姿态响应的快速性，提高无人机对期望轨迹的跟踪效果。

以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。