[发明专利]基于人群搜索算法的无人机自抗扰控制方法

摘要

一种基于人群搜索算法的无人机自抗扰控制方法，系统由微分跟踪器（TD），非线性状态误差反馈（NLSEF），扩张状态观测器（ESO），被控对象和SOA参数整定模块组成，控制方法包括如下具体步骤:步骤1分析无人机动力学模型，建立无人机控制通道传递函数；步骤2依据无人机动力学方程，设计ADRC控制器；步骤3依赖ADRC控制器和无人机控制通道的输入输出，结合SOA算法，建立SOA参数在线整定模块，实现ADRC控制器参数自适应。本发明的技术方案可使无人机飞行控制系统具有更高智能和更高的输出精度，并能适应各种飞行环境，提高飞行控制系统的稳定性和可靠性。

主权项

一种基于人群搜索算法的无人机自抗扰控制方法，在由微分跟踪器(TD)，非线性状态误差反馈(NLSEF)，扩张状态观测器(ESO)，无人机飞行控制模块和SOA参数整定模块组成的系统中，将控制的期望信号v0(t)经微分跟踪器(TD)后得到的输出信号v1(t)和v2(t)与扩张状态观测器(ESO)的两个观测信号z1(t)和z2(t)形成的误差信号e1(t)和e2(t)经非线性状态误差反馈(NLSEF)得到输出信号u0(t)，u0(t)与扩张状态观测器(ESO)的最后一个观测值z3(t)组合形成自抗扰控制器的输出信号u(t)，之后将u(t)作为无人机控制通道的输入信号得到实际的输出信号yout(t)，将v0(t)，yout(t)和u(t)作为SOA参数整定模块的输入信号，得到扩张状态观测器(ESO)的3个控制参数β01、β02、β03和非线性状态误差反馈(NLSEF)的两个控制参数β1、β2，其特征在于：该方法包括如下具体步骤:步骤1分析无人机动力学模型，建立无人机控制通道传递函数；无人机在三维空间的动力学方程如下：其中，U1=Ω12+Ω22+Ω32+Ω42U2=Ω22-Ω42U3=Ω12-Ω32U4=Ω12-Ω22+Ω32-Ω42]]>控制模型可以分解为角运动和线运动两个独立的子系统，忽略附加干扰项后简化运动方程如下：mx·=Ax+Bux=x·y·z·pqrTu=u1u2u3u4T]]>根据传递函数G(s)＝(sI‑A)‑1B得到各个通道的传递函数；步骤2依据无人机动力学方程，设计ADRC控制器；TD是跟踪参考输入和安排的过渡过程，v1(t)和v2(t)分别是近似期望信号和近似期望信号的广义微分，其作用是减少超调量，提高系统的鲁棒性，其二阶离散形式如下：v1(t+h)＝v1(t)+hv2(t)v2(t+h)＝v1(t)+h·fhan(v1(t)‑v0(t),v2(t),r,h0)这里h是采样周期，r和h0是控制器参数，fhan(x1,x2,r,h0)的表达式如下：δ=rh0y=x1+h0x2a0=δ2-8r|y|a=x2+sgn(y)a0-δ2,|y|>δh0x2+yh0,|y|≤δh0]]>ESO是整个控制器的核心，利用可测状态和控制命令来估计的内部状态和总扰动，它采用双通道补偿方法来转换对象模型和非线性变化使得不确定性系统近似成为线性确定系统；三阶ESO算法如下：ϵ(t)=z1(t)-yout(t)z1(t+h)=z1(t)+h[z2(t)-β01ϵ(t)]z2(t+h)=z2(t)+h[z3(t)-β02fal(ϵ(t),0.5,δ)+bu(t)]z3(t+h)=z3(t)-hβ03fal(ϵ(t),0.25,δ)]]>其中β01，β02，β03是可调节的参数，但是对整个系统的调节和矫正有着很深的影响；NLSEF是一种独立的能改善动态性能且不增加计算复杂度的非线性控制器结构，离散形式的二阶NLSEF如下:e1=v1-z1e2=v2-z2u0=β1·fal(e1,α1,δ)+β2·fal(e2,α2,δ)u=u0-z3/b]]>步骤3依赖ADRC控制器和无人机控制通道的输入输出，结合SOA算法，建立SOA参数在线整定模块，实现ADRC控制器参数自适应；SOA搜索算法的搜索步长采用如下形式： uij＝rand(ui,1)(j＝1,2,...,D) ω＝(itermax‑iter)/itermax其中ui为目标函数值i的隶属度；uij为j维搜索空间目标函数值i的隶属度；D为搜索空间维数；αij为j维搜索空间的搜索步长；δij为高斯隶属函数参数；和分别是同一种群中的最小和最大函数值的位置；ω是惯性权值；iter和itermax分别是当前迭代次数和最大迭代次数；确定搜索方向的计算如下：其中和分别为中的最佳位置；为第i个搜寻个体所在领域的集体历史最佳位置，为第i个搜寻个体到目前经历过的最佳位置；sign()为符号函数；和为[0,1]内的常数；ω是惯性权值；个体更新位置如下：Δxij(t+1)＝αij(t)dij(t)xij(t+1)＝xij(t)+Δxij(t+1)。