[发明专利]一种基于自适应神经网络的小型无人旋翼机高精度控制方法

说明书

一种基于自适应神经网络的小型无人旋翼机高精度控制方法，涉及小型无人旋翼机反馈控制、无样本训练的自适应神经网络的构建与优化相结合的复合控制器设计。首先，针对小型无人旋翼机动力学模型，通过极点配置方法构建反馈控制系数矩阵来保证系统的初步稳定性；其次，设计具有自主更新权值特性的自适应神经网络，基于误差信息构建自适应网络权值更新矩阵来在线更新神经网络的权值矩阵，实现对扰动的估计和抑制；并设计自适应阈值优化策略，基于时间窗口内的实际位置与期望位置的误差均方差，对自适应神经网络的控制残差上限阈值进行在线更新，降低控制残差上界不精确对神经网络扰动控制量的影响，进而优化自适应神经网络扰动控制量，实现复杂环境下的小型无人旋翼机高精度姿态控制。本发明具有实时性好、动态参数响应快、对多源干扰适应性强等优点，可用于小型无人旋翼机复杂多源干扰环境下的高精度控制。

技术领域

本发明涉及一种基于自适应神经网络的小型无人旋翼机高精度控制方法，适用于工作在空中的无人机器人自主控制领域。

背景技术

小型无人旋翼机具有垂直起降、悬停等特性，通过自身携带的各类传感器可以在危险区域或市区街道等狭窄空间执行观测、信息收集等任务，具有广泛的应用前景。随着应用领域的拓展，小型无人旋翼机的工作环境也复杂多变，抗扰性强、稳定性高的小型无人旋翼机高精度控制成为研究的热点。

作为复杂的多输入多输出控制系统，小型无人旋翼机具有非线性、强耦合、控制难度高等特性。并且小型无人旋翼机在飞行过程中存在多类干扰，如风扰、大气湍流、地面干扰、系统电磁干扰等，因此，小型无人旋翼机在扰动下的高精度控制是飞控系统的关键技术之一。

为提高性能，智能PID控制方法、鲁棒控制、智能控制方法等各类控制方法被用于小型无人旋翼机的飞行控制。智能PID控制器结构简单，但抗干扰能力差，小型无人旋翼机的控制性能很容易受到外界干扰影响而降低。鲁棒控制可以较好地消除小型无人旋翼机在飞行过程中存在的模型参数不精确和外界干扰问题，但鲁棒控制具有实时性较差、动态参数响应慢的特性。通过大量的样本训练，神经网络可以实现非线性自适应控制，克服小型无人旋翼机所具有的模型不确定性，以及存在多源干扰等问题，实现高精度的姿态控制，但传统的神经网络需要大量的样本数据进行训练，具有实时性差的缺点。

发明内容

本发明的技术解决问题是：针对小型无人旋翼机在执行任务时控制性能容易受到外界干扰影响的问题，提出一种基于自适应神经网络和极点配置方法相结合的复合控制方法，对小型无人旋翼机在飞行中所受的多源干扰进行估计并抑制，实现大包络范围的高精度控制。

本发明的技术解决方案为：针对小型无人旋翼机动力学模型，通过极点配置方法构建反馈控制系数矩阵来保证系统的初步稳定性；设计具有自主更新权值特性的自适应神经网络，基于误差信息构建自适应网络权值更新矩阵来在线更新神经网络的权值矩阵，实现对扰动的估计和抑制；并设计自适应阈值优化策略，基于时间窗口内的实际位置与期望位置的误差均方差，对自适应神经网络的控制残差上限阈值进行在线更新，实现复杂环境下的小型无人旋翼机高精度姿态控制。其实现步骤如下：

(1)针对小型无人旋翼机动力学模型，通过极点配置方法构建反馈控制系数矩阵来保证系统的初步稳定性；

(2)对飞行中存在的多源干扰，设计具有自主更新权值特性的自适应神经网络，基于误差信息构建自适应网络权值更新矩阵来在线更新神经网络的权值矩阵，实现对小型无人旋翼机在飞行中所受多源干扰进行在线估计，自适应神经网络权值更新矩阵和扰动估计量表达式如下：