基于自适应自抗扰控制的旋翼无人机姿态控制器及方法与流程

1.本发明属于无人机领域，具体涉及一种基于自适应自抗扰控制的旋翼无人机姿态控制器及方法。


背景技术：

2.无人机因其相对较低的价格和无人驾驶的优势在如今受到了越来越多的关注。对于大型无人机，其无人的安全性和可控性受到欢迎；而小型无人机则更加受到市场的喜爱：其便携性和较低的成本，使得其在摄像、管道巡检、警务巡逻等场合大放异彩。
3.而在无人机越发多的出现在人们的视野之中的同时，其安全性和稳定性也需要得到进一步的加强。当前市面上大多数无人机仍采用传统的pid控制算法进行控制，其控制精度和抗干扰能力较弱，不能应对很多极端情况；韩京清教授所研究出的adrc自抗扰算法可以较好地在一些方面解决干扰估算、参数估计等难题。而当前已有的部分无人机自抗扰控制器中，对模型与算法的结合仍不完善，需要进行修正，且adrc算法本身缺乏自适应性。


技术实现要素：

4.为了克服现有无人机自抗扰控制器中模型与算法的结合不完善，需要进行修正，且adrc算法本身缺乏自适应性的问题，本发明提供一种基于自适应自抗扰控制的旋翼无人机姿态控制器及方法，采用自适应控制器增加了算法的自适应性。
5.本发明采用的技术方案为：
6.一种基于自适应自抗扰控制的旋翼无人机姿态控制器，包括外环比例控制器、跟踪微分器、自适应控制器、无人机和二阶扩展状态观测器，所述的外环比例控制器输出端与跟踪微分器输入端连接，所述的跟踪微分器输出端与自适应控制器输入端连接，所述的自适应控制器输出端与无人机输入端连接，所述的无人机输出端分别与二阶扩展状态观测器输入端和外环比例控制器的输入端连接；二阶扩展状态观测器的输出端与自适应控制器输入端连接。
7.所述的自适应控制器为ac，其表达式为：
[0008][0009]
其中，b0表示控制器反馈增益，u(t)表示输出量，k
p
为控制器增益，km表示理想模型增益，kc为自适应可调增益，e(t)为控制器输入即角速率差，μ为广义输出误差，代表理想参考模型的输出um与被控系统的输出u
′
的差值，k为自适应增益。
[0010]
所述的跟踪微分器为td跟踪微分器，用于对期望信号进行滤波处理。
[0011]
所述的跟踪微分器的表达式为：
[0012][0013]
其中，δ(t)为期望的角速率信息，δ
′
和δ
′2分别代表对期望角速率的跟踪量和对期望角速率微分的跟踪量；r为td的控制器增益，sign为函数。
[0014]
所述的sign函数取值为：
[0015][0016]
所述的二阶扩展状态观测器为eso，其表达式为：
[0017][0018]
其中，z1(t)，z2(t)分别表示第一和第二观测量，e1(t)为观测误差，u(t)表示输出量，β1，β2为观测器的两个增益，b0表示控制器反馈增益，fal为函数。
[0019]
所述的fal函数形式为：
[0020][0021]
其中，α为非线性因子，取值范围为(0，1)；δ为滤波因子。
[0022]
一种基于自适应自抗扰控制的旋翼无人机姿态控制方法，将姿态外环误差量ε(t)经过外环比例控制器处理得到期望的角速率信息δ(t)，期望的角速率信息δ(t)经过跟踪微分器处理，得到对期望角速率的跟踪量δ
′
，对期望角速率的跟踪量δ
′
与期望角速率的观测量z1(t)做差得到自适应控制器输入信号即角速率差e(t)，角速率差e(t)以及观测总扰动值z2(t)作为自适应控制器的输入，自适应控制器的输出量u(t)输送给二阶扩展状态观测器，进行计算得到第一、第二观测量z1(t)和z2(t)，同时，u(t)通过消息体发布接收结构传输给混控器，经混控器处理后得到作动器的输入，最后由作动器进行输出。
[0023]
所述的姿态外环误差量ε(t)为ρ(t)与y(t)的差，其中ρ(t)表示姿态控制器输入量即期望的角度信息，y(t)表示系统实际状态量。
[0024]
本发明的有益效果为：
[0025]
本发明通过跟踪微分器对期望信号进行滤波处理，采用自适应控制器增加了算法的自适应性，提高了无人机飞行过程中的稳定性。
[0026]
以下将结合附图进行进一步的说明。
附图说明
[0027]
图1本发明旋翼无人机姿态控制器的整体结构框图。
[0028]
图2为传统串级pid控制器阶跃信号仿真结果图。
[0029]
图3本发明控制器阶跃信号仿真结果图。
[0030]
图中，附图标记为：1、外环比例控制器；2、跟踪微分器；3、自适应控制器；4、无人机；5、二阶扩展状态观测器。
具体实施方式
[0031]
实施例1：
[0032]
为了克服现有无人机自抗扰控制器中模型与算法的结合不完善，需要进行修正，且adrc算法本身缺乏自适应性的问题，本发明提供如图1-3所示的一种基于自适应自抗扰控制的旋翼无人机姿态控制器及方法，采用自适应控制器增加了算法的自适应性。
[0033]
一种基于自适应自抗扰控制的旋翼无人机姿态控制器，包括外环比例控制器1、跟踪微分器2、自适应控制器3、无人机4和二阶扩展状态观测器5，所述的外环比例控制器1输出端与跟踪微分器2输入端连接，所述的跟踪微分器2输出端与自适应控制器3输入端连接，所述的自适应控制器3输出端与无人机4输入端连接，所述的无人机4输出端分别与二阶扩展状态观测器5输入端和外环比例控制器1的输入端连接；二阶扩展状态观测器5的输出端与自适应控制器3输入端连接。
[0034]
如图1所示，本发明中通过外环比例控制器1、跟踪微分器2、自适应控制器3和二阶扩展状态观测器5配合使用在无人机4上，通过跟踪微分器对期望信号进行滤波处理，采用自适应控制器3增加了算法的自适应性，提高了无人机飞行过程中的稳定性。
[0035]
实施例2：
[0036]
基于实施例1的基础上，本事实例中，优选的，所述的跟踪微分器2为td跟踪微分器，用于对期望信号进行滤波处理。自适应控制器3优选为ac，二阶扩展状态观测器优选为eso。
[0037]
一种基于自适应自抗扰控制的旋翼无人机姿态控制方法，将姿态外环误差量ε(t)经过外环比例控制器1处理得到期望的角速率信息δ(t)，期望的角速率信息δ(t)经过跟踪微分器2处理，得到对期望角速率的跟踪量δ
′
，对期望角速率的跟踪量δ
′
与期望角速率的观测量z1(t)做差得到自适应控制器3输入信号即角速率差e(t)，角速率差e(t)以及观测总扰动值z2(t)作为自适应控制器3的输入，自适应控制器3的输出量u(t)输送给二阶扩展状态观测器5，进行计算得到第一、第二观测量z1(t)和z2(t)，同时，u(t)通过消息体发布接收结构传输给混控器，经混控器处理后得到作动器的输入，最后由作动器进行输出。
[0038]
优选的，ε(t)为ρ(t)与y(t)的差，ρ(t)表示姿态控制器输入量即期望的角度信息，y(t)表示系统实际状态量。
[0039]
本发明的原理为：在控制器设计中，将无人机4控制分为位置控制和姿态控制，分别为无人机控制中的外环和内环控制。而在姿态控制中，又可将其分为姿态外环和姿态内环控制。其中，姿态外环对角度进行控制，得到期望的角速率控制量；姿态内环对角速率进行控制，得到最终姿态控制器输出信息。该输出信息通过消息体发布接收结构传输给混控器，经混控器处理后得到作动器的输入，最后由作动器进行输出。
[0040]
基于无人机俯仰和滚转力矩与偏航力矩生成原理的不同，将控制器分两部分，tilt和torsion部分，亦即：俯仰和滚转方向使用相同的控制器，偏航则使用另一组控制器。
二者可使用相同结构，采取不同参数；也可以使用相同的控制器结构。
[0041]
本发明通过ac将算法进行一定简化，使之更贴合无人机控制模型，并在一定程度上减轻调参的工作量。本发明中，姿态外环控制采用传统p控制，姿态内环采用一阶的自抗扰控制算法。其优点在于：相对传统的串级pid控制，控制精度更高，抗干扰能力更强；而相对于目前已有的部分自抗扰控制器，其参数更少方便调参，同时使用的是一阶自抗扰控制，更加贴合实际的控制模型。控制器部分采用自适应控制器，增加了算法的自适应性。当系统受到干扰时，控制器增益k
p
可能发生变化，则设置可调节增益kc，使得k
p
与kc之积与理想增益km一致。而想要实时调节kc，就需要设计相应的自适应控制器ac。
[0042]
本发明中，优选的，跟踪微分器2为td，其表达式为：
[0043][0044]
其中，δ(t)即期望的角速率信息，δ
′
和δ
′2分别代表对期望角速率的跟踪量和对期望角速率微分的跟踪量。r为td的控制器增益。
[0045]
sign函数即数学符号函数：
[0046][0047]
在实际应用中，为方便程序运行及工程应用，有离散形式如下：
[0048][0049]
其中，fhan函数为最速控制综合函数，记：
[0050]
fsg(x，d)＝(sign(x+d)-sign(x-d))/2
[0051]
那么，fhan(x1，x2，r，h)函数可表示成：
[0052][0053]
其中，r为速度因子，r越大，跟踪得就越快。h为滤波因子，h越大，滤波效果就越好。x1为跟踪输入的状态变量，x2为跟踪输入量的导数。
[0054]
跟踪微分器td在此算法中的作用主要是对期望信号进行滤波处理。考虑到姿态内
环为角速率控制，信号变化很快，经过滤波处理后再进行控制可以得到较好的控制结果。
[0055]
本发明中，优选的，自适应控制器3为ac，其表达式：
[0056][0057]
其中，b0表示控制器反馈增益，u(t)表示输出量，k
p
为控制器增益，km表示理想模型增益，kc为自适应可调增益，e(t)为控制器输入即角速率差，μ为广义输出误差，代表理想参考模型的输出um与被控系统的输出u
′
的差值，k为自适应增益。
[0058]
本发明中，优选的，二阶扩展状态观测器5为eso，其表达式为：
[0059][0060]
其中，z1(t)，z2(t)分别表示第一和第二观测量，在本发明中分别为对期望角速率的观测和总扰动值；e1(t)为观测误差，u(t)表示输出量，β1，β2为观测器的两个增益，b0表示控制器反馈增益，fal为函数。
[0061]
所述的fal函数形式为：
[0062][0063]
其中，α为非线性因子，取值范围为(0，1)；δ为滤波因子。
[0064]
e(t)的关系式如下：
[0065][0066]
本发明中，图2为传统串级pid控制器阶跃信号仿真结果图。图3本发明控制器阶跃信号仿真结果图。分别对对应的无人机4加以大小为0.27
°
的期望俯仰角阶跃信号。得到图2和图3所示的仿真结果图。从图3和图2的对比可以明显看出，与传统pid控制器相比，本发明控制器的超调量更小，进入稳态时间也更短，控制效果得到明显提升。图2和图3中的横坐标为时间t，纵坐标为角度值。根据图3可知，本发明的响应值顶点更接近于期望值。
[0067]
以上举例仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。本发明中未详细描述的装置结构及其方法步骤均为现有技术，本发明中将不再进行进一步的说明。