基于pidnn的六旋翼無人機(jī)飛行控制算法研究

《基于pidnn的六旋翼無人機(jī)飛行控制算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、基于PIDNN的六旋翼無人機(jī)飛行控制算法研究徐會麗石明全張霞王曉東井光輝中國科學(xué)院大學(xué)中國科學(xué)院重慶綠色智能技術(shù)研宄篋針對六旋翼無人機(jī)比例一積分一微分（PID）控制器參數(shù)優(yōu)化困難的問題，采用了PID神經(jīng)網(wǎng)絡(luò)（PIDNN）控制方法，利用其非線性映射和自學(xué)習(xí)的特性，實(shí)現(xiàn)了姿態(tài)控制參數(shù)的動態(tài)調(diào)整，增加了系統(tǒng)的自適應(yīng)性。為驗(yàn)證方法的奮效性，通過Matlab的Simulink模塊構(gòu)建丫六旋翼無人機(jī)數(shù)學(xué)模型;利用S函數(shù)實(shí)現(xiàn)丫基于反向傳播（BP）算法的PIDNN控制器;將仿真結(jié)果與傳統(tǒng)PID控制效果進(jìn)行對比，結(jié)果表明：在縮短姿態(tài)調(diào)整時(shí)間與減少超調(diào)量方面，P1DNN方法控制效果優(yōu)于PID方法。關(guān)

2、鍵詞：六旋翼無人機(jī);比例一積分一微分神經(jīng)網(wǎng)絡(luò)算法;姿態(tài)控制;另外，傳統(tǒng)的比例一積分一微分(proportionintegrationdifferentiation,PID)方法，雖然原理節(jié)單，但用于多旋翼飛行器時(shí)，存在不易在線調(diào)參、自適應(yīng)性差等問題m，對控制效果產(chǎn)生影響。HD神經(jīng)網(wǎng)絡(luò)(PIDneuralnetwork,PIDNN)控制是針對上述問題提出的一種控制策略，可用于解決非線性系統(tǒng)的在線控制問題W1。白國振、俞潔皓U1提出了采用基于Mamdani模型的模糊神經(jīng)網(wǎng)絡(luò)，但五層Mamdani網(wǎng)絡(luò)結(jié)構(gòu)延長了訓(xùn)練時(shí)間，增加了網(wǎng)絡(luò)復(fù)雜度。陳宇峰包1、盛賢君等人提出了在輸出層得到參數(shù)優(yōu)化

3、量AkP,Ak：,Akrf后再用于PID控制器，但存在輸入/輸岀變量過多、實(shí)現(xiàn)難度大等缺點(diǎn)。鑒于以上各類型方法的不足，本文采用了將反向傳播NN(backpropagationNN,BPNN)與PID融為一體的控制策略，即PIDNN控制方法。該方法不再顯式調(diào)用P1D方法，而是將神經(jīng)網(wǎng)絡(luò)隱含層設(shè)置為比例神經(jīng)元、積分神經(jīng)元及微分神經(jīng)元，每次迭代均對連接權(quán)重進(jìn)行整定，增加了自適應(yīng)性m。該方法控制方案清晰且能夠?qū)⒌r經(jīng)網(wǎng)絡(luò)與常規(guī)PID控制理論的優(yōu)勢結(jié)合，提高了控制可靠性。1六旋翼飛行器數(shù)學(xué)模型建立參照文獻(xiàn)［8~11］建立六旋翼無人機(jī)的線運(yùn)動模型和角運(yùn)動模型，如圖1所示。其中，1，3,5電機(jī)順

4、時(shí)針轉(zhuǎn)動，2,4,6電機(jī)逆時(shí)針轉(zhuǎn)動，Pitch(0),Roll(),Yaw(*)為俯仰角、橫滾角、航偏角。本文僅考慮飛行速度較小的情況，忽略空氣阻力［12］，根據(jù)牛頓運(yùn)動定律及大地坐標(biāo)系與機(jī)身坐標(biāo)系之間的轉(zhuǎn)換方程，六旋翼無人機(jī)的線性運(yùn)動模型為圖1六旋翼飛行器結(jié)構(gòu)式中X，y，z為質(zhì)心相對大地染標(biāo)系的位置;u,V，w為運(yùn)動線速度1為第i螺旋槳產(chǎn)生的升力;b為轉(zhuǎn)速與升力的轉(zhuǎn)化系數(shù)；Qi(i-1,2-,6)為各旋翼轉(zhuǎn)速。由式(1)、式(2)可得到六旋翼線加速度與控制量、姿態(tài)角的關(guān)系。在橫滾角、俯仰角較小(可忽略機(jī)身坐標(biāo)和大地坐標(biāo)之間的轉(zhuǎn)化)情況K,通過分析飛行器所受力矩與剛體動力學(xué)方程中

5、力矩和轉(zhuǎn)動慣量的關(guān)系，可得到六旋翼無人機(jī)角運(yùn)動模型式中J,為旋翼轉(zhuǎn)動慣量;Ix,Iy，L為繞機(jī)身坐標(biāo)系x,y，z軸的轉(zhuǎn)動慣量;IA，U2,U3,為油門、橫滾角、俯仰角、航偏角的輸入值;L為螺旋槳中心到機(jī)身質(zhì)心的距離。由式(3)可得到六旋翼角加速度與控制量、螺旋漿轉(zhuǎn)速以及當(dāng)前角速度之間的關(guān)系。2PIDNN控制器結(jié)構(gòu)和算法由式（1）~式（3）可知，六旋翼飛行器的角運(yùn)動和其線運(yùn)行情況無關(guān)。因此，可將飛行器3個(gè)歐拉角作為狀態(tài)值，作為控制器輸出的控制量。HDNN基木結(jié)構(gòu)由3部分構(gòu)成:輸入層、隱含層和輸岀層。系統(tǒng)結(jié)構(gòu)如圖2所示。神經(jīng)網(wǎng)絡(luò)輸入值為歐拉角反饋值和控制S標(biāo)值，輸出值為控制量。圖2控

6、制系統(tǒng)結(jié)構(gòu)各子網(wǎng)i的隱含層為PIDNN主要構(gòu)成部分，含有3種神經(jīng)元：比例神經(jīng)元（P）、積分神經(jīng)元（T）和微分神經(jīng)元（D）。比例神經(jīng)元的輸入輸出值關(guān)系為積分神經(jīng)元的輸入輸出值關(guān)系為微分神經(jīng)元的輸入輸出值關(guān)系為PIDNN每次迭代結(jié)朿，利用梯度下降法對隱含層到輸出層的連接權(quán)重更新。另外，輸入層至隱含層模擬的是誤差的計(jì)算，可直接將子網(wǎng)的權(quán)重設(shè)定為wu=[l-l;1-1;1-1],i=l,2,3o隱含層到輸出層的權(quán)值更新公式為式中J為3個(gè)誤差平方和;yK（k）為3個(gè)歐拉角；（k）為設(shè)定值；n為學(xué)習(xí)速率;E?為歐拉角誤差;m為輸出量個(gè)數(shù);j為輸出神經(jīng)元個(gè)數(shù);u,為角度控制量。3HDNN對機(jī)控

7、制效果驗(yàn)證實(shí)驗(yàn)為定點(diǎn)懸停狀態(tài)下實(shí)現(xiàn)對'6行器姿態(tài)的控制，控制對象為3個(gè)歐拉角。仿真實(shí)驗(yàn)相關(guān)參數(shù)設(shè)置為:m=0.5kg;gn=9.8N/kg;L=0.2m;轉(zhuǎn)動慣量I=0.114kg?m,L=0.158kg*m;bM.5。圖3為系統(tǒng)控制桐圖，其中，姿態(tài)角控制模塊根據(jù)式（4）~式（8）設(shè)計(jì)完成，通過S函數(shù)實(shí)現(xiàn);控制分配模型、機(jī)身剛體模型根據(jù)式（1）~式（3）建立，通過改變6個(gè)電機(jī)轉(zhuǎn)速控制飛行器姿態(tài)。圖3六旋翼無人機(jī)姿態(tài)控制系統(tǒng)首先利用傳統(tǒng)PTD控制參數(shù)調(diào)整的方式獲得參數(shù)值，并將其設(shè)置