一種無人直升機位置跟蹤的方法與裝置與流程
2023-10-17 19:58:19 1
本發明涉及無人直升機技術領域，特別是涉及一種無人直升機位置跟蹤的方法與裝置。
背景技術：
無人直升機在過去幾年取得了較大的關注，得益於其在生活中的廣泛應用，例如空中監測，數據採集，地圖測繪和救援。國外的研究人員針對無人直升機的控制做了大量的研究，並獲得一些顯著的成果。J.R.Azinheira,P.Rives等人開發了一種基於圖像的視覺伺服控制系統，用於控制飛行器在室外環境下的自主懸停。除了懸停控制以外，Madani和Benallegue提出一種通過改變直流電機的控制輸入的控制方法，用於微型四旋翼無人直升機追蹤3個期望的笛卡爾坐標位置和偏航角度。但是，在之前的研究工作中，都提出一種假設，即在無人直升機飛行過程中不會受到非線性空氣摩擦阻力。然而，這種假設只有在無人直升機懸停或者低速飛行時才有效。對於高速飛行甚至中速飛行的無人直升機，忽略這種空氣摩擦阻力會導致整個系統的不穩定。
目前來說，為了解決無人直升機在受到非線性空氣摩擦力時軌跡追蹤控制的問題，國外的D.Lee，C.Nataraj等人提出在欠驅動四旋翼飛行器的動力學模型中，氣動力可以參數線性化。T.C.Burg，B.Xian等人提出一種基於觀察器的自適應控制方法保證直升機良好的追蹤性能。儘管空氣動力學方面已經取得了很大的進步，但是現在仍然存在一些難題。實際上，姿態動力學模型中的轉動慣量很難測得明確的值。因此，確定剛體轉動慣量是發展高精度控制器最重要的程序之一，並且在進來引起極大關注。
國內外的研究人員為解決這一非常具有挑戰性的難題做了大量研究。Chaturvedi提出了一種新的辨識器，可以漸進確定剛體的轉動慣量。基於這個漸進辨識器，Chatuvedi開發出一種有六階動態補償形式的控制律，保證全局漸進穩定。此外，Lee通過設計一種轉動慣量的在線辨識器，提出一種在SO(3)約束下的魯棒自適應控制器保證了姿態跟蹤誤差的漸近收斂性。然而，他們之前所提出的辨識器只適應於不考慮非線性空氣阻尼和外部幹擾的飛行器。
可見，如何在系統參數未知和遭到外部擾動的情況下，有效實現對無人直升機位置的跟蹤，是本領域技術人員亟待解決的問題。
技術實現要素：
本發明實施例的目的是提供一種無人直升機位置跟蹤的方法與裝置，可以在系統參數未知和遭到外部擾動的情況下，有效實現對無人直升機位置的跟蹤。
為解決上述技術問題，本發明實施例提供一種無人直升機位置跟蹤的方法，包括：
根據空氣動力學和剛體力學原理，確定出無人直升機的運動學方程和動力學方程；
依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程；
依據所述線速度誤差微分方程，確定出基於魯棒神經網絡自適應控制器的運算方程；所述自適應控制器的運算方程中包括魯棒自適應參數以及神經網絡參數；
依據所述自適應控制器的運算方程以及自適應律方程，計算出所述無人直升機的位置；所述自適應律方程包括魯棒自適應參數方程和神經網絡參數方程。
可選的，所述依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程包括：
依據所述運動學方程和所述動力學方程，確定出所述無人直升機初始的位置誤差微分方程；
將速度誤差方程和預先設置的虛擬控制器方程帶入到所述初始的位置誤差微分方程，得到所述無人直升機對應的位置誤差微分方程；
依據所述位置誤差微分方程以及所述虛擬控制器方程，確定出虛擬控制器微分方程；
依據所述虛擬控制器微分方程，確定出所述無人直升機的線速度誤差微分方程。
可選的，所述依據所述自適應控制器的運算方程以及自適應律方程，計算出所述無人直升機的位置包括：
利用自適應律方程中包括的魯棒自適應參數方程和神經網絡參數方程，對所述自適應控制器的運算方程中包括的魯棒自適應參數和神經網絡參數進行調整；
依據調整後的魯棒自適應參數和神經網絡參數，根據所述自適應控制器的運算方程，計算出所述無人直升機的位置。
本發明實施例還提供了一種無人直升機位置跟蹤的裝置，包括確定單元和計算單元：
所述確定單元，用於根據空氣動力學和剛體力學原理，確定出無人直升機的運動學方程和動力學方程；
所述確定單元還用於依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程；
所述確定單元還用於依據所述線速度誤差微分方程，確定出基於魯棒神經網絡自適應控制器的運算方程；所述自適應控制器的運算方程中包括魯棒自適應參數以及神經網絡參數；
所述計算單元，用於依據所述自適應控制器的運算方程以及自適應律方程，計算出所述無人直升機的位置；所述自適應律方程包括魯棒自適應參數方程和神經網絡參數方程。
可選的，所述確定單元具體用於依據所述運動學方程和所述動力學方程，確定出所述無人直升機初始的位置誤差微分方程；
將速度誤差方程和預先設置的虛擬控制器方程帶入到所述初始的位置誤差微分方程，得到所述無人直升機對應的位置誤差微分方程；
依據所述位置誤差微分方程以及所述虛擬控制器方程，確定出虛擬控制器微分方程；
依據所述虛擬控制器微分方程，確定出所述無人直升機的線速度誤差微分方程。
可選的，所述計算單元包括：調整子單元和計算子單元；
所述調整子單元，用於利用自適應律方程中包括的魯棒自適應參數方程和神經網絡參數方程，對所述自適應控制器的運算方程中包括的魯棒自適應參數和神經網絡參數進行調整；
所述計算子單元，用於依據調整後的魯棒自適應參數和神經網絡參數，根據所述自適應控制器的運算方程，計算出所述無人直升機的位置。
由上述技術方案可以看出，根據空氣動力學和剛體力學原理，可以確定出無人直升機的運動學方程和動力學方程。依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程；依據所述線速度誤差微分方程，最終確定出基於魯棒神經網絡自適應控制器的運算方程；所述自適應控制器的運算方程中包括魯棒自適應參數以及神經網絡參數。依據自適應律方程中包括的魯棒自適應參數方程和神經網絡參數方程，可以實現對無人機外部擾動的補償，以及對系統未知參數的在線估計，從而可以在系統參數未知和遭到外部擾動的情況下，根據自適應控制器的運算方程，準確的計算出所述無人直升機的位置，實現對無人直升機位置的跟蹤。
附圖說明
為了更清楚地說明本發明實施例，下面將對實施例中所需要使用的附圖做簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為本發明實施例提供的一種無人直升機位置跟蹤的方法的流程圖；
圖2為本發明實施例提供的一種無人直升機位置跟蹤的裝置的結構示意圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下，所獲得的所有其他實施例，都屬於本發明保護範圍。
為了使本技術領域的人員更好地理解本發明方案，下面結合附圖和具體實施方式對本發明作進一步的詳細說明。
接下來，詳細介紹本發明實施例所提供的一種無人直升機位置跟蹤的方法。圖1為本發明實施例提供的一種無人直升機位置跟蹤的方法的流程圖，所述方法包括：
S101：根據空氣動力學和剛體力學原理，確定出無人直升機的運動學方程和動力學方程。
確定出的運動學方程為：
其中，R(Θ)∈SO(3)是機體坐標系與慣性坐標系之間的歐拉轉換矩陣，SO(3):＝{R∈R3×3|RTR＝I3，det(R)＝1}是一個3×3的正交矩陣；T(Θ)為無人直升機姿態角度與角速度之間的轉換矩陣；v(t)是線速度方程，ω(t)是角速度方程。
所述動力學方程為：
其中，v為相對於機載坐標系的線速度，ω為相對於機載坐標系的角速度，可表示為v＝(vx,vy,vz)T和ω＝(ωx,ωy,ωz)T；M＝diag{mI3,J}表示質量-慣性矩陣；m是無人直升機的質量；J是對稱正定轉動慣量；S(ω)是一個斜對稱矩陣；N1和N2是帶有阻尼係數d1和d2的非線性空氣摩擦阻力；G＝G(Θ)＝mgRT(Θ)EZ是重力向量,Ez＝(0,0,1)T是單位向量，g是重力加速度；τd1和τd2是有界外部擾動；τ是驅動力；S(Jω)是包含了徑向基函數的一個已知向量，O3×3是三階零矩陣，O3×1是三維零向量。
S102：依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程。
依據運動學方程和動力學方程，可以確定出所述無人直升機初始的位置誤差微分方程，其公式如下：
其中，是無人直升機目標位置跟蹤軌跡的導數。
預先設置的虛擬控制器方程可以用於穩定位置誤差系統。
在本發明實施例中，通過將速度誤差方程ev(t)和預先設置的虛擬控制器方程帶入到所述初始的位置誤差微分方程，得到所述無人直升機對應的位置誤差微分方程。
其中，預先設置的虛擬控制器方程的公式如下：
其中，RT(Θ)是R(Θ)的轉置，Kp∈R3×3是一個對稱正定矩陣，ep(t)是位置誤差方程。
最終得到的位置誤差微分方程的公式如下：
依據所述位置誤差微分方程以及所述虛擬控制器方程，可以確定出虛擬控制器微分方程，其公式如下：
其中，R(Θ)是機體坐標系與慣性坐標系之間的歐拉轉換矩陣，RT(Θ)是R(Θ)的轉置，是無人直升機目標位置跟蹤軌跡二階導數。
依據所述虛擬控制器微分方程，確定出所述無人直升機的線速度誤差微分方程，其公式如下：
其中，N1是非線性空氣摩擦阻力，g是重力加速度，Ez是單位向量，τ1是平移方向上的推力。
通過分析速度誤差的變化率可以知道，因為空氣阻尼係數d1j(j＝1,2,3)不確定而無法處理非線性空氣摩擦阻力，所以通過假設內部幹擾Δi(·)＝0，使用RBFNNs補償未知空氣阻力，得到空氣動力學函數F1(·)的具體公式如下：
其中，是權重矩陣，δ1(v)是逼近誤差，X1是隱含層神經元的個數，S1(v)是徑向基函數。
S103：依據所述線速度誤差微分方程，確定出基於魯棒神經網絡自適應控制器的運算方程。
所述自適應控制器的運算方程中包括魯棒自適應參數以及神經網絡參數，其公式如下：
其中，Kv是對稱正定矩陣，a1是一個常數，是徑向基函數S1(v)的轉置，是理想化權重矩陣，是用來估計ε1值的魯棒自適應參數；是一個神經網絡在線學習參數；用來估計W1的值，W1是理想化權重矩陣θ1的最大奇異值的平方。
需要說明的是，上述自適應控制器的運算方程中ev與上述介紹中ev(t)為同一個函數，為了描述公式方便，在本發明實施例中將ev(t)簡化為ev表示。
S104：依據所述自適應控制器的運算方程以及自適應律方程，計算出所述無人直升機的位置。
所述自適應律方程包括魯棒自適應參數方程和神經網絡參數方程，其公式如下：
其中，kε1，k01是修正參數，rε1，r1是設計參數。
根據該自適應律方程可以使得位置跟蹤誤差漸進收斂到原點附近的任意小區域，具體的，利用自適應律方程中包括的魯棒自適應參數方程和神經網絡參數方程，對所述自適應控制器的運算方程中包括的魯棒自適應參數和神經網絡參數進行調整；依據調整後的魯棒自適應參數和神經網絡參數，根據所述自適應控制器的運算方程，可以計算出所述無人直升機的位置。
在神經網絡算法逼近未知的空氣動力學函數時，通過估計理想化權重矩陣θ1最大奇異值的平方，只需要在線調整一個自適應參數以此來解決直接在線估計權重矩陣θ1導致的在線學習參數過多加大了無人直升機板載控制器的繁重計算任務。
由上述技術方案可以看出，根據空氣動力學和剛體力學原理，可以確定出無人直升機的運動學方程和動力學方程。依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程；依據所述線速度誤差微分方程，最終確定出基於魯棒神經網絡自適應控制器的運算方程；所述自適應控制器的運算方程中包括魯棒自適應參數以及神經網絡參數。依據自適應律方程中包括的魯棒自適應參數方程和神經網絡參數方程，可以實現對無人機外部擾動的補償，以及對系統未知參數的在線估計，從而可以在系統參數未知和遭到外部擾動的情況下，根據自適應控制器的運算方程，準確的計算出所述無人直升機的位置，實現對無人直升機位置的跟蹤。
圖2為本發明實施例提供的一種無人直升機位置跟蹤的裝置的結構示意圖，包括確定單元21和計算單元22：
所述確定單元21，用於根據空氣動力學和剛體力學原理，確定出無人直升機的運動學方程和動力學方程。
所述確定單元21還用於依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程。
所述確定單元21還用於依據所述線速度誤差微分方程，確定出基於魯棒神經網絡自適應控制器的運算方程；所述自適應控制器的運算方程中包括魯棒自適應參數以及神經網絡參數。
所述計算單元22，用於依據所述自適應控制器的運算方程以及自適應律方程，計算出所述無人直升機的位置；所述自適應律方程包括魯棒自適應參數方程和神經網絡參數方程。
可選的，所述確定單元具體用於依據所述運動學方程和所述動力學方程，確定出所述無人直升機初始的位置誤差微分方程；
將速度誤差方程和預先設置的虛擬控制器方程帶入到所述初始的位置誤差微分方程，得到所述無人直升機對應的位置誤差微分方程；
依據所述位置誤差微分方程以及所述虛擬控制器方程，確定出虛擬控制器微分方程；
依據所述虛擬控制器微分方程，確定出所述無人直升機的線速度誤差微分方程。
可選的，所述計算單元包括：調整子單元和計算子單元；
所述調整子單元，用於利用自適應律方程中包括的魯棒自適應參數方程和神經網絡參數方程，對所述自適應控制器的運算方程中包括的魯棒自適應參數和神經網絡參數進行調整；
所述計算子單元，用於依據調整後的魯棒自適應參數和神經網絡參數，根據所述自適應控制器的運算方程，計算出所述無人直升機的位置。
圖2所對應實施例中特徵的說明可以參見圖1所對應實施例的相關說明，這裡不再一一贅述。
由上述技術方案可以看出，確定單元根據空氣動力學和剛體力學原理，可以確定出無人直升機的運動學方程和動力學方程；依據所述運動學方程、所述動力學方程以及預先設置的虛擬控制器方程，確定出所述無人直升機的線速度誤差微分方程；依據所述線速度誤差微分方程，最終確定出基於魯棒神經網絡自適應控制器的運算方程；所述自適應控制器的運算方程中包括魯棒自適應參數以及神經網絡參數。依據自適應律方程中包括的魯棒自適應參數方程和神經網絡參數方程，可以實現對無人機外部擾動的補償，以及對系統未知參數的在線估計，從而可以在系統參數未知和遭到外部擾動的情況下，計算單元可以根據自適應控制器的運算方程，準確的計算出所述無人直升機的位置，實現對無人直升機位置的跟蹤。
以上對本發明所提供的一種無人直升機位置跟蹤的方法與裝置進行了詳細介紹。說明書中各個實施例採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對於實施例公開的裝置而言，由於其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。應當指出，對於本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以對本發明進行若干改進和修飾，這些改進和修飾也落入本發明權利要求的保護範圍內。
專業人員還可以進一步意識到，結合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬體、計算機軟體或者二者的結合來實現，為了清楚地說明硬體和軟體的可互換性，在上述說明中已經按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬體還是軟體方式來執行，取決於技術方案的特定應用和設計約束條件。專業技術人員可以對每個特定的應用來使用不同方法來實現所描述的功能，但是這種實現不應認為超出本發明的範圍。
結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬體、處理器執行的軟體模塊，或者二者的結合來實施。軟體模塊可以置於隨機存儲器(RAM)、內存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬碟、可移動磁碟、CD-ROM、或技術領域內所公知的任意其它形式的存儲介質中。