本發(fā)明涉及群智能優(yōu)化算法在無人機自抗擾控制領(lǐng)域的應(yīng)用，具體涉及一種基于人群搜索算法的無人機自抗擾控制方法。

本發(fā)明還涉及無人機控制裝置，具體涉及一種基于人群搜索算法的無人機自抗擾控制裝置，包括主控裝置、控制量轉(zhuǎn)換裝置和傳感器裝置。

背景技術(shù)：

無人機是現(xiàn)代智能機器人的主流，無人機集傳感器，飛行控制器，遙控系統(tǒng)，定位系統(tǒng)等于一體，是當今世界民用和軍事領(lǐng)域研究的熱點之一。但是無人機結(jié)構(gòu)簡單，控制復(fù)雜，具有六個輸出通道和四個輸入通道，高耦合且非線性，而且由于其重量比較輕，所以容易受到類似于風(fēng)力之類的外力干擾。人機的飛行控制系統(tǒng)是欠驅(qū)動、強耦合、非線性系統(tǒng)，存在多種不確定性因素，具有難以描述的非線性特性，對其進行有效準確的控制是一個難點

目前，無人機的控制多采用PID控制，原因是在控制工程實際過程中，控制目標和對象實際行為之間的誤差是容易獲取的，是基于誤差來消除誤差的控制策略。比例環(huán)節(jié)按照給定的比例反映控制系統(tǒng)的偏差信號。積分環(huán)節(jié)主要用于消除靜差，提高系統(tǒng)的無差度。微分環(huán)節(jié)反映偏差信號的誤差信號的變化趨勢，并能在偏差信號變的太大之前在系統(tǒng)中引入一個有效的早期修正信號，從而加快系統(tǒng)的動作速度。

CN105912011A中國專利申請文件公開了一種四旋翼飛行器姿態(tài)的線性自抗擾控制方法，利用模型已知動態(tài)設(shè)計了線性擴張狀態(tài)觀測器(LESO)，把各通道間的動態(tài)耦合部分視為系統(tǒng)內(nèi)部不確定干擾，將其與外界干擾作為作用于系統(tǒng)的未知綜合擾動。該觀測器只對當前系統(tǒng)的未知擾動進行快速估計，降低了觀測器的負擔(dān)，從而提高了對擾動的估計能力。在此基礎(chǔ)上，設(shè)計線性狀態(tài)反饋控制器對擾動進行在線補償，實現(xiàn)了穩(wěn)定的姿態(tài)控制。

現(xiàn)有技術(shù)都是基于線性自抗擾控制方法，控制方法通常局限于角度、角速度控制且對自抗擾控制器參數(shù)進行調(diào)整的難度較大，很難滿足飛行控制性能如控制精度、穩(wěn)定性、魯棒性等越來越高的要求。

技術(shù)實現(xiàn)要素：

針對上述現(xiàn)有技術(shù)存在的缺點，本發(fā)明要解決的技術(shù)問題是在控制方法中增加位置、線速度控制并且降低自抗擾控制器參數(shù)調(diào)整的難度。

為解決上述技術(shù)問題，本發(fā)明提供的技術(shù)方案是一種基于人群搜索算法的無人機自抗擾控制方法和裝置，無人機控制裝置由主控裝置、控制量轉(zhuǎn)換裝置和傳感器裝置組成。主控裝置包括ADRC控制模塊、無人機飛行控制模塊和SOA參數(shù)整定模塊，其中ADRC控制模塊由微分跟蹤器(TD)模塊、非線性狀態(tài)誤差反饋(NLSEF)模塊、擴張狀態(tài)觀測器(ESO)模塊組成。傳感器裝置包括加速度計、陀螺儀、電子羅盤、GPS和氣壓計組成，能夠給出無人機位置和姿態(tài)的6種數(shù)據(jù)。在控制系統(tǒng)中，將控制的期望信號v₀(t)經(jīng)微分跟蹤器(TD)后得到的輸出信號v₁(t)和v₂(t)與擴張狀態(tài)觀測器(ESO)的兩個觀測信號z₁(t)和z₂(t)形成的誤差信號e₁(t)和e₂(t)經(jīng)非線性狀態(tài)誤差反饋(NLSEF)模塊得到輸出信號u₀(t)，u₀(t)與擴張狀態(tài)觀測器(ESO)的最后一個觀測值z₃(t)組合形成自抗擾控制器的輸出信號u(t)，之后將u(t)作為無人機控制通道的輸入信號得到實際的輸出信號y_out(t)，將v₀(t)，y_out(t)和u(t)作為SOA參數(shù)整定模塊的輸入信號，得到擴張狀態(tài)觀測器(ESO)的3個控制參數(shù)β₀₁、β₀₂、β₀₃和非線性狀態(tài)誤差反饋(NLSEF)模塊的兩個控制參數(shù)β₁、β₂，該方法包括如下具體步驟:

步驟1，分析無人機動力學(xué)模型，建立無人機控制通道傳遞函數(shù)；

無人機在三維空間的動力學(xué)方程如下：

其中，

控制模型可以分解為角運動和線運動兩個獨立的子系統(tǒng)，忽略附加干擾項后簡化運動方程如下：

根據(jù)傳遞函數(shù)G(s)＝(sI-A)^-1B得到各個通道的傳遞函數(shù)；

步驟2，依據(jù)無人機動力學(xué)方程，設(shè)計ADRC控制器；

TD是跟蹤參考輸入和安排的過渡過程，v₁(t)和v₂(t)分別是近似期望信號和近似期望信號的廣義微分，其作用是減少超調(diào)量，提高系統(tǒng)的魯棒性，其二階離散形式如下：

v₁(t+h)＝v₁(t)+hv₂(t)

v₂(t+h)＝v₁(t)+h·fhan(v₁(t)-v₀(t),v₂(t),r,h₀)

這里h是采樣周期，r和h₀是控制器參數(shù)，fhan(x₁,x₂,r,h₀)的表達式如下：

ESO是整個控制器的核心，利用可測狀態(tài)和控制命令來估計的內(nèi)部狀態(tài)和總擾動，它采用雙通道補償方法來轉(zhuǎn)換對象模型和非線性變化使得不確定性系統(tǒng)近似成為線性確定系統(tǒng)；三階ESO算法如下：

其中β₀₁，β₀₂，β₀₃是可調(diào)節(jié)的參數(shù)，但是對整個系統(tǒng)的調(diào)節(jié)和矯正有著很深的影響；

NLSEF是一種獨立的能改善動態(tài)性能且不增加計算復(fù)雜度的非線性控制器結(jié)構(gòu)，離散形式的二階NLSEF如下:

步驟3，依賴ADRC控制器和無人機控制通道的輸入輸出信號，結(jié)合SOA算法，建立SOA參數(shù)在線整定模塊，實現(xiàn)ADRC控制器參數(shù)自適應(yīng)；

SOA搜索算法的搜索步長采用如下形式：

u_ij＝rand(u_i,1)(j＝1,2,...,D)

ω＝(iter_max-iter)/iter_max

其中u_i為目標函數(shù)值i的隸屬度；u_ij為j維搜索空間目標函數(shù)值i的隸屬度；D為搜索空間維數(shù)；α_ij為j維搜索空間的搜索步長；δ_ij為高斯隸屬函數(shù)參數(shù)；和分別是同一種群中的最小和最大函數(shù)值的位置；ω是慣性權(quán)值；iter和iter_max分別是當前迭代次數(shù)和最大迭代次數(shù)；

確定搜索方向的計算如下：

其中和分別為中的最佳位置；為第i個搜尋個體所在領(lǐng)域的集體歷史最佳位置，為第i個搜尋個體到目前經(jīng)歷過的最佳位置；sign()為符號函數(shù)；和為[0,1]內(nèi)的常數(shù)；ω是慣性權(quán)值；

個體更新位置如下：

Δx_ij(t+1)＝α_ij(t)d_ij(t)

x_ij(t+1)＝x_ij(t)+Δx_ij(t+1)

本發(fā)明具有的優(yōu)點和積極效果是：

利用ADRC控制器的優(yōu)點，微分跟蹤器(TD)可以減少無人機控制系統(tǒng)輸出的超調(diào)、增強系統(tǒng)的魯棒性；利用SOA群智能搜索算法，簡化了ADRC參數(shù)的選擇，進一步提升了ADRC控制的快速收斂性和高魯棒性；為SOA參數(shù)整定模塊引入評價函數(shù)來評價個體或者解的優(yōu)劣，采用時間乘絕對誤差積分準則(ITAE)，指導(dǎo)算法的不斷進化，為搜尋個體提位置更新依據(jù)，加快收斂。

本發(fā)明的控制方法與現(xiàn)有技術(shù)控制方法相比，使無人機飛行控制系統(tǒng)具有更高智能和更高的輸出精度，并能適應(yīng)各種飛行環(huán)境，提高飛行控制系統(tǒng)的穩(wěn)定性和可靠性。

附圖說明

圖1是本發(fā)明設(shè)計控制裝置原理結(jié)構(gòu)框圖；

圖2是本發(fā)明控制方法的總體結(jié)構(gòu)框圖；

圖3是本發(fā)明單一通道控制結(jié)構(gòu)框圖；

圖4是有控制參數(shù)輸入的自抗擾控制器結(jié)構(gòu)框圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明設(shè)計的無人機控制裝置和實施方式作詳細說明。

見圖1，無人機控制裝置由主控裝置、傳感器裝置和控制量轉(zhuǎn)換裝置三部分組成。傳感器裝置給出無人機位置和姿態(tài)數(shù)據(jù)，經(jīng)由主控裝置中ADRC模塊，ASO模塊和飛行控制模塊處理后得到控制量，再經(jīng)控制量轉(zhuǎn)換裝置轉(zhuǎn)換后得到電機轉(zhuǎn)速，以達到控制無人機穩(wěn)定飛行的目的。

無人機的位置信息由GPS和氣壓計給出，GPS給出相對坐標(x,y)，氣壓計給出高度信息z。姿態(tài)信息由IMU給出，加速度計輸出重力在機體坐標系x、y、z三個軸上的分量信號，陀螺儀輸出繞三軸旋轉(zhuǎn)的角速度信號，電子羅盤輸出磁場強度在三軸上的分量信號，將三種信號經(jīng)濾、解算、融合后可得到飛行器ψ翻滾角、θ俯仰角、偏航角姿態(tài)信息。

見圖2，將位置和姿態(tài)這六個信息分為線運動和角運動兩個子系統(tǒng)，也就形成了位置環(huán)和角度環(huán)兩個控制，經(jīng)位置ADRC、翻滾ADRC、偏航ADRC、俯仰ADRC后得到四個通道控制信號U₁、U₂、U₃、U₄從而控制無人機按照需要的姿態(tài)飛行。SOA模塊負責(zé)收集控制器輸入信號v₀(t)，被控對象輸出信號y_out(t)和控制器輸出信號u(t)，給出ADRC控制器需要的可調(diào)控制參數(shù)β₀₁、β₀₂、β₀₃、β₁和β₂。

見圖3，SOA模塊引入v₀(t)、y_out(t)和u(t)，將之運用在適應(yīng)度函數(shù)中，作為適應(yīng)度值來評價解的優(yōu)劣。利用ITAE準則，給定目標函數(shù)為：

e(t)＝v₀(t)-y_out(t)

為了防止控制能量過大，引入控制輸入平方項，則目標函數(shù)為：

為了避免超調(diào)，采用懲罰函數(shù)，即一旦產(chǎn)生超調(diào)將超調(diào)量最為最優(yōu)指標的一項，此時最優(yōu)指標為：

if e(t)＞0,

其中ω₁、ω₂、ω₃為權(quán)值常數(shù)。

可以說適應(yīng)度函數(shù)F的選取包含了無人機ADRC控制器和被控對象的所有信息，這也保證了搜尋出的最優(yōu)解能滿足控制器的控制需求。

SOA模塊輸出參數(shù)β₀₁、β₀₂、β₀₃、β₁和β₂的取值范圍可調(diào)，但需要考慮控制量輸入受限情況，給定合理且合適的取值范圍，在保證能夠達到控制目標的前題條件下，盡可能快的收斂。模塊輸出參數(shù)給到無人機ADRC控制器的ESO和ELSEF。

見圖4，β₀₁、β₀₂、β₀₃是經(jīng)SOA搜索給定ESO的控制參數(shù)，β₁、β₂是經(jīng)SOA搜索給定ELSEF的控制參數(shù)，ADRC控制器的其它參數(shù)都可以由經(jīng)驗給定。其中ω(t)為系統(tǒng)外擾，z₃(t)為ESO觀測到的總擾動，在與u₀(t)結(jié)合后形成u(t)可以主動抵消外擾，提高系統(tǒng)的抗干擾能力。

以上顯示和描述了本發(fā)明的基本原理、主要特征和本發(fā)明的優(yōu)點，本行業(yè)的技術(shù)人員應(yīng)當了解，本發(fā)明不局限于上述具體實施例的限制，上述實施例和說明書只是說明了發(fā)明的原理和特征，在不脫離本發(fā)明的基本精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些將會落入保護范圍，本發(fā)明要求保護范圍由權(quán)利要求書進行界定。