[发明专利]一种基于自构造模糊神经网络的容错飞行控制方法

说明书

本发明公开了一种新型针对多旋翼飞行器执行器故障的具有自构造模糊神经网络的容错飞行控制方法。针对多执行器故障的四旋翼无人机的容错控制问题，设计了一种具有自适应率的自构造模糊神经网络与滑模控制器相结合的容错控制方法。利用一种新型的自构造模糊神经网络结构，将传统的一型模糊替代为二型，可利用较少的规则数量使飞行器处理时间缩短，提高了系统在模型发生变化时的响应速度。针对模型不确定性、故障以及干扰问题，将自适应自构造模糊神经网络的参数输出用于滑模控制器控制率的设计，可使系统鲁棒控制提高的同时，故障飞行器的轨迹就可在短时间内转向平衡点。本发明用于一类含有多执行器故障的飞行器的故障容错飞行控制。

技术领域

本发明涉及一种基于自构造模糊神经网络的容错飞行控制方法，属于不确定性非线性系统的容错控制技术领域。

背景技术

随着基础制造业、电子技术、计算机技术等行业技术水平的快速发展，多旋翼无人机的应用变得广泛。多旋翼飞行器在飞行过程中由于碰撞、电机卷入颗粒物体、电磁干扰、温度等原因很容易造成执行器部件、传感器部件、电池部件发生故障。对于执行器故障，通常多旋翼飞行器在设计之初会留出高于其自身重力的30％的推力。因此，飞行器在不发生剧烈碰撞而丧失大量推力的情况下，控制器能够控制飞行器的稳定飞行。

一般情况下，飞行器在发生故障时，往往是多个执行器故障的情况。所以，针对飞行器在各类复杂环境中可能发生故障的情况，研究四旋翼飞行器在发生执行器故障的故障容错控制器是很有意义的。容错控制一般情况下可分为主动容错和被动容错。在被动容错控制器设计过程中会考虑到正常飞行和预期故障的情况，进而设计相应的鲁棒控制器，而控制器无需在发生故障情况后进行参数或者结构调整。对于主动容错控制器设计则是了解飞行器当前的飞行器状态，在发生故障后进行控制器结构或者参数的自行调整。主动容错控制方法能够更好的进行误差检测、故障隔离。并且，随着机载系统的集成度、复杂性的提高，系统的非线性参数增加，尤其在发生故障后，模型的不确定性和扰动对系统会产生更加不利的影响。因此，主动容错控制的优势更加明显。通过建立飞行器姿态系统的未知扰动和故障的动力学模型，结合故障观测器可以将观测得到的故障数据用于容错控制设计，使飞行器发生故障时使飞行表现更加稳定。

然而，当系统发生故障时，仅依靠一般的带有自适应参数的滑模控制器控制时，并不能够对存在建模不确定性的非线性系统进行更稳定的控制。因此，对系统中存在的非线性项进行很好的逼近可以弥补这一缺点。模糊控制在非线性系统中可以达到很好的效果。将模糊推理系统与神经网络相结合产生的模糊神经网络可以同时具有神经网络和模糊系统的优点，即适应性和高精度。

所以，本发明将模糊神经网络与滑模控制器的优势相结合，针对存在系统建模不确定性和误差项以及执行故障器和外界干扰的情况，引入了一种新型的具有自重构特性的模糊神经网络，并充分利用模糊神经网络逼近非线性项和误差项处理系统的故障和建模不确定性，利用自适应滑模控制器提高系统的鲁棒性，并进一步优化系统的控制相应。

目前，许多学者提出了新型的模糊神经网络的控制方法，但是，在系统存在故障情况的问题上很少有更深入的研究。

发明内容

发明目的：针对一类存在执行器故障的不确定性非线性系统的多旋翼无人机系统，设计了一种基于自构造模糊神经网络的四旋翼容错飞行控制方法。该方法中，利用带有自适应参数的滑模控制器保证了全局的鲁棒性和抗干扰性；利用一种新型的二型模糊神经网络代替传统的一型模糊神经网络用以估计系统中的不确定项和误差项，提高了控制器计算的快速性；同时，将M距离法用于该模糊神经网络，实现了模糊规则的调整，使系统在发生故障和干扰后模型发生变化的情况下，利用较少的规则数量使飞行器处理时间缩短；并且通过相应参数的设计可以使系统在快速性和准确性能上拥有良好的表现。