带臂无人机的飞行姿态稳定控制方法及系统

本发明涉及无人机飞行控制，具体地，涉及一种带臂无人机的飞行姿态稳定控制方法及系统。

背景技术：

1、无人机是近些年来用途广泛的一类运动平台，可适用于信息采集、环境监控、智能交互等多种任务场景。但无人机本身结构简单，重量较轻，难以携带较多的设备，故只适用于部分的信息数据采集等任务，难以实现较为复杂的环境交互任务。此外，新加入无人机的环境交互设备往往与无人机独立于两个控制系统，二者间的交互较少，难以实现真正的协同操作。而且由于无人机本身的模型复杂，且为欠驱动系统，其控制需要较为精准的数学模型才可以实现稳定的控制，而额外的设备引入会导致系统本身模型参数发生改变，且与环境的交互过程中会导致系统的参数在作业过程中出现变化，更易出现不稳定的情况，难以适应实际应用场景环境多变的需求，适用性较差。

2、目前，无人机的常见控制算法包括pid，adrc，滑模控制以及鲁棒控制等。但在常见的控制算法中，其控制律需要根据具体的模型进行调整，在达到较好的控制效果后，若系统参数发生一定的变化，则很难达到令人满意的控制效果。针对机械臂引入后会产生的周期性干扰的问题，为实现干扰的及时补偿，引入固定时间收敛观测器来保证收敛时间上限可控，同时结合二阶非线性自抗扰控制器实现对系统的高精度补偿控制。

3、公开号为cn116880535a的中国专利文献，公开了一种改进二阶自抗扰控制四旋翼无人机姿态控制方法。与现有技术相比，该发明的有益效果在于：响应速度更快，优化后的线性扩张状态观测器的传递函数算法大大提高了控制系统的响应速度；控制系统更加稳定，在控制系统响应过程中，优化后的线性扩张状态观测器的传递函数算法的幅度变换更加平缓；控制精度高，通过优化控制算法，相位滞后得到明显减小，提高了控制的准确性和稳定性；参数易整定，该发明引入了一种自适应控制方法用于实时调整pd控制器的pd环节控制参数，可以补偿控制器参数偏差和扰动引起的跟踪误差，不仅简化了参数设置过程，还提高控制系统的控制精度，增强控制器的抗扰性能。该发明无法解决携带机械臂的无人机，如何利用优化的自适应控制模型进行姿态控制。

4、因此，需要一种带臂无人机的飞行姿态稳定控制方法及系统。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种带臂无人机的飞行姿态稳定控制方法及系统。

2、根据本发明提供的一种带臂无人机的飞行姿态稳定控制方法，包括：

3、步骤s1：根据无人机模型，建立无人机的姿态运动学模型；

4、步骤s2：根据无人机的姿态运动学模型，建立带臂无人机的姿态运动学模型；

5、步骤s3：建立自适应控制模型，实时调整带臂无人机的姿态运动学模型的参数，对带臂无人机进行姿态控制。

6、优选的，所述步骤s1包括：

7、步骤s1.1：根据无人机模型，建立无人机的位置与姿态模型：

8、

9、

10、ψ表示无人机的偏航角；φ表示无人机的滚转角；θ表示无人机的俯仰角；jxx表示无人机绕x轴的转动惯量，jyy表示无人机绕y轴的转动惯量，jzz表示无人机绕z轴的转动惯量；τx表示输入无人机信号的x轴方向向量；τy表示输入无人机信号的y轴方向向量；τz表示输入无人机信号的z轴方向向量；

11、步骤s1.2：根据无人机的位置方程与姿态模型，建立无人机的姿态运动学模型：

12、

13、其中，δ为无人机的欧拉角向量，表示为δ＝[φ,θ,ψ]；τf表示无人机受到的转动惯量；τd表示无人机受到的外界扰动；矩阵n与c为无人机的姿态运动学模型的参数矩阵，为：

14、

15、c11＝0

16、

17、其中,ix、iy、iz表示无人机的机身惯性矩阵，s表示sin；c表示cos。

18、优选的，步骤s2包括：

19、步骤s2.1：在无人机模型中加入机械臂；

20、步骤s2.2：根据无人机的姿态运动学模型，建立带臂无人机的姿态运动学模型，为：

21、

22、其中，τextra表示机械臂引入无人机模型后的总扰动。

23、优选的，所述步骤s3包括：

24、步骤s3.1：将跟踪微分器、控制律单元以及误差反馈单元按照预设规则连接，建立自适应控制模型，用于调整带臂无人机的姿态运动学模型的姿态；

25、步骤s3.2：采集带臂无人机的姿态运动学模型的初始信号作为自适应控制模型的输入信号，将输入信号输入到跟踪微分器中，进行信号转换；具体为：

26、fh＝fhan(τ1(t)-τ(t),τ2(t),r,h0)

27、τ1(t+t)＝τ1(t)+hτ2(t)

28、τ2(t+t)＝τ2(t)+h*fh

29、其中，初始信号包括带臂无人机的姿态运动学模型的欧拉角向量、转动惯量以及模型参数；r为函数的速度因子；τ1(t)表示输入信号τ(t)的跟踪信号；τ2(t)表示对输入信号τ(t)的近似微分；τ(t)表示t时刻的输入信号；t表示采样周期；h0为滤波因数；h为采样时间，fhan为最速跟踪函数；

30、步骤s3.3：将转换后的信号传递给控制律单元，对信号进行进一步处理，并将控制律单元的输出信号u发送给带臂无人机的姿态运动学模型，对带臂无人机的姿态运动学模型的姿态进行调整；具体的：

31、

32、其中，β1与β2分别为输入量的跟踪信号以及其微分信号的观测值的增益系数；r1、r2、σ1、σ2为自适应控制模型的参数；fal为非线性函数；

33、步骤s3.4：对带臂机器人的姿态运动学模型的姿态调整后，带臂机器人的输出信号为y(t)，设置误差反馈单元，将y(t)发送给误差反馈单元，将误差反馈单元的输出信号z反馈给自适应控制模型的指定单元，对带臂无人机模型姿态进行闭环实时反馈控制；

34、其中，误差反馈单元设计为：

35、

36、其中，e(t)为带臂无人机的姿态运动学模型的跟踪误差；z1(t)与z2(t)分别为误差反馈单元的输出信号的跟踪信号以及误差反馈单元输出信号的导数，z3为扰动估计值；α1与α2分别为带臂无人机的姿态运动学模型的非线性参数，σ为滤波系数；β01、β02以及β03均为参数，函数fal为：

37、

38、其中，e表示输入与输出信号之间的误差；α的值设置在(0，1)区间内。

39、优选的，包括：

40、在自适应控制模型中，引入固定时间收敛观测器，用于对扰动进行补偿，具体的：

41、根据带臂无人机的姿态运动学模型，机械臂引入无人机模型后的扰动为：

42、

43、根据扰动，设计状态变量为：

44、

45、在自适应控制模型中引入固定时间收敛观测器，对扰动进行补偿，在预设时间内收敛误差信号，设定固定时间收敛观测器为：

46、

47、其中，为观测器的状态向量为：

48、

49、参数满足：α01>1，α02<1，且k1，k2，a1，a2，a3均为正增益，β表示预设参数；

50、误差信号ew为：

51、将误差信号收敛，当误差信号ew收敛至0时，观测器的观测误差在预设时间内收敛至0，收敛时间ti的上限ti-max为：

52、

53、根据本发明提供的一种带臂无人机的飞行姿态稳定控制系统，包括：

54、模块m1：根据无人机模型，建立无人机的姿态运动学模型；

55、模块m2：根据无人机的姿态运动学模型，建立带臂无人机的姿态运动学模型；

56、模块m3：建立自适应控制模型，实时调整带臂无人机的姿态运动学模型的参数，对带臂无人机进行姿态控制。

57、优选的，所述模块m1包括：

58、模块m1.1：根据无人机模型，建立无人机的位置与姿态模型：

59、

60、ψ表示无人机的偏航角；φ表示无人机的滚转角；θ表示无人机的俯仰角；jxx表示无人机绕x轴的转动惯量，jyy表示无人机绕y轴的转动惯量，jzz表示无人机绕z轴的转动惯量；τx表示输入无人机信号的x轴方向向量；τy表示输入无人机信号的y轴方向向量；τz表示输入无人机信号的z轴方向向量；

61、模块m1.2：根据无人机的位置方程与姿态模型，建立无人机的姿态运动学模型：

62、

63、其中，δ为无人机的欧拉角向量，表示为δ＝[φ,θ,ψ]；τf表示无人机受到的转动惯量；τd表示无人机受到的外界扰动；矩阵n与c为无人机的姿态运动学模型的参数矩阵，为：

64、

65、c11＝0

66、

67、其中,ix、iy、iz表示无人机的机身惯性矩阵，s表示sin；c表示cos。

68、优选的，模块m2包括：

69、模块m2.1：在无人机模型中加入机械臂；

70、模块m2.2：根据无人机的姿态运动学模型，建立带臂无人机的姿态运动学模型，为：

71、

72、其中，τextra表示机械臂引入无人机模型后的总扰动。

73、优选的，所述模块m3包括：

74、模块m3.1：将跟踪微分器、控制律单元以及误差反馈单元按照预设规则连接，建立自适应控制模型，用于调整带臂无人机的姿态运动学模型的姿态；

75、模块m3.2：采集带臂无人机的姿态运动学模型的初始信号作为自适应控制模型的输入信号，将输入信号输入到跟踪微分器中，进行信号转换；具体为：

76、fh＝fhan(τ1(t)-τ(t),τ2(t),r,h0)

77、τ1(t+t)＝τ1(t)+hτ2(t)

78、τ2(t+t)＝τ2(t)+h*fh

79、其中，初始信号包括带臂无人机的姿态运动学模型的欧拉角向量、转动惯量以及模型参数；r为函数的速度因子；τ1(t)表示输入信号τ(t)的跟踪信号；τ2(t)表示对输入信号τ(t)的近似微分；τ(t)表示t时刻的输入信号；t表示采样周期；h0为滤波因数；h为采样时间，fhan为最速跟踪函数；

80、模块m3.3：将转换后的信号传递给控制律单元，对信号进行进一步处理，并将控制律单元的输出信号u发送给带臂无人机的姿态运动学模型，对带臂无人机的姿态运动学模型的姿态进行调整；具体的：

81、

82、其中，β1与β2分别为输入量的跟踪信号以及其微分信号的观测值的增益系数；r1、r2、σ1、σ2为自适应控制模型的参数；fal为非线性函数；

83、模块m3.4：对带臂机器人的姿态运动学模型的姿态调整后，带臂机器人的输出信号为y(t)，设置误差反馈单元，将y(t)发送给误差反馈单元，将误差反馈单元的输出信号z反馈给自适应控制模型的指定单元，对带臂无人机模型姿态进行闭环实时反馈控制；

84、其中，误差反馈单元设计为：

85、

86、其中，e(t)为带臂无人机的姿态运动学模型的跟踪误差；z1(t)与z2(t)分别为误差反馈单元的输出信号的跟踪信号以及误差反馈单元输出信号的导数，z3为扰动估计值；α1与α2分别为带臂无人机的姿态运动学模型的非线性参数，σ为滤波系数；β01、β02以及β03均为参数，函数fal为：

87、

88、其中，e表示输入与输出信号之间的误差；α的值设置在(0，1)区间内。

89、优选的，包括：

90、在自适应控制模型中，引入固定时间收敛观测器，用于对扰动进行补偿，具体的：

91、根据带臂无人机的姿态运动学模型，机械臂引入无人机模型后的扰动为：

92、

93、根据扰动，设计状态变量为：

94、

95、在自适应控制模型中引入固定时间收敛观测器，对扰动进行补偿，在预设时间内收敛误差信号，设定固定时间收敛观测器为：

96、

97、其中，为观测器的状态向量为：

98、

99、参数满足：α01>1，α02<1，且k1，k2，a1，a2，a3均为正增益，β表示预设参数；

100、误差信号ew为：

101、将误差信号收敛，当误差信号ew收敛至0时，观测器的观测误差在预设时间内收敛至0，收敛时间ti的上限ti-max为：

102、

103、与现有技术相比，本发明具有如下的有益效果：

104、1、本发明提供的带臂无人机的飞行姿态稳定控制方法，将固定时间收敛观测器与二阶非线性自抗扰控制器结合，有效地提高了对于存在周期性扰动的无人机系统的扰动观测能力以及控制效果；

105、2、本发明提供的带臂无人机的飞行姿态稳定控制方法，有效地解决了包括外部扰动以及机械臂造成的参数摄动与周期性扰动对系统稳定性的影响，提高了带臂无人机系统的抗干扰能力；

106、3、在自适应控制模型中，本发明采用了跟踪微分器、控制律单元和误差反馈单元的组合。这种设计能够快速、准确地处理无人机的姿态信号，并通过实时反馈机制对姿态进行精确调整。这不仅提高了控制的响应速度，还增强了系统的鲁棒性；

107、4、本发明在自适应控制模型中进一步引入了固定时间收敛观测器，用于对扰动进行补偿。该观测器能够在预设时间内快速收敛至零误差，从而实现对扰动的准确估计和补偿。