一种机载LiDAR姿态角补偿装置解耦控制方法与流程

本发明涉及采用神经网络逆系统实现机载lidar姿态角补偿装置控制系统的解耦控制方法。

背景技术：

机载lidar作为一种新型有效的三维成像技术，在地形测绘、城市建模等许多领域得到了广泛应用。机载lidar工作过程中，机载平台姿态角会发生实时变化，影响测量激光点云的质量而造成后续三维成像精度降低。因此，有必要设计一种机载lidar姿态角补偿装置，能够实时补偿机载平台三轴姿态角的变化对机载lidar测量的不利影响。但机载lidar姿态角补偿装置是一个复杂多输入多输出、强耦合系统，为提高控制精度，需要进行解耦控制。现有解耦方法主要有传统解耦法和自适应解耦法等。传统解耦采用前置补偿，比较适合于线性定常系统；自适应解耦是对被控对象进行辨识实现参数未知或时变系统的解耦控制，主要解决非线性、强耦合系统的动态解耦，但由于要求在线辨识系统模型，故算法复杂且计算量大，不适合快速反应的控制系统。

本专利为了解决设计的机载lidar姿态角补偿装置的控制耦合问题，分析了姿态角补偿装置的动力学特点，提出了一种实用有效的神经网络逆系统解耦方法：首先建立了姿态角补偿装置动力学系统的神经网络逆系统模型；然后，用神经网络逆系统的输出与理想输入进行比较，其差值作为前馈控制器用于修正姿态角补偿装置的控制电压信号；同时，将神经网络逆系统解耦前馈控制器与pid闭环反馈控制器相结合，组成前馈-反馈复合控制器，实现了多变量耦合控制系统的实时解耦，并提高了控制精度和抗干扰性，改善了姿态角补偿装置的动态控制性能。

技术实现要素：

所述一种机载lidar姿态角补偿装置解耦控制方法，其特征在于，机载激光雷达姿态角补偿装置的机械结构中，反射镜（1）由钛合金制作的四根镜面支撑杆（2）形成十字架进行支撑，采用磁性小半球体万向轴承（3）与立柱（4）连接，立柱上有一个球形凹面，使磁性小半球体与球形凹面通过磁性相吸，同时磁性小半球体可绕x轴和y轴灵活转动。z轴采用立式转轴方式，立柱（4）的下端安装在立式滚动轴承（5）中。采用x轴直动电机（6）和y轴直动电机（7）分别驱动反射镜（1）实现绕x轴和y轴的上下摆动，由x轴光栅位移传感器（8）和y轴光栅位移传感器（9）分别测量x轴直动电机（6）和y轴直动电机（7）的实际移动位移。并采用z轴转动电机（10）驱动齿轮传动机构（11）实现反射镜（1）绕z轴的转动，采用光电轴角编码器（12）测量实际的z轴转动电机（11）的转角大小。

其中，将机载激光雷达姿态角补偿装置安装在机载平台上，当机载平台的三个姿态角有变化时，由机载陀螺仪实时测量出三个姿态角的实时变化值，其测量频率为1000hz，输入给姿态角补偿装置控制器（13），继而由姿态角补偿装置控制器（13）分别控制反射镜（1）绕x轴和y轴反向旋转测量的滚动角和俯仰角的一半值，从而可分别实现对机载平台的滚动角和俯仰角的扰动补偿。另外，控制反射镜（1）绕z轴反向旋转测量的偏航角的一倍值，从而可实现对机载平台偏航角的扰动补偿。其中，阻尼器（14）和恢复弹簧（15）用于调节反射镜（1）转动时的动态性能。

其中，反射镜（1）绕x轴和y轴的转动是绕中心处的磁性小半球体万向轴承（3），反射镜中心点（16）与磁性小半球体万向轴承（3）的转动中心重合。

其中，通过分析，可获得姿态角补偿装置的控制系统的状态空间方程为：

（1）

其中，三轴的控制输入分别为u=(ux,uy,uz)，状态变量为。姿态角补偿装置是一个3输入6输出的复杂非线性系统，各转轴之间的控制和运动存在复杂耦合。

其中，神经网络逆系统解耦方法是把三轴转动的输出信号作为神经网络逆系统的输入信号，然后神经网络逆系统的输出与三轴转动的理想输入转角信号相比较，其差值作为三轴转动控制电压的修正信号，通过消除此控制差值达到完全解耦和提高三轴转动控制精度的目的。在姿态角补偿装置控制系统的解耦设计中，首先根据姿态角补偿装置的三轴动力学方程式（1）获得控制系统输入输出的训练数据；其次，构造神经网络逆系统结构，并进行学习训练；最后，在总控制系统中加入神经网络逆系统解耦算法。

其中，控制系统总控制器可分为两部分，（1）是pid闭环反馈控制器，（2）是神经网络逆系统解耦前馈控制器，两者构成前馈-反馈复合控制器。在姿态角补偿装置控制系统中，理想输入角θg经过pid控制器后，输出电压为=()，此控制电压施加在姿态角补偿装置的控制机构上，输出信号为角速度ω，经积分获得实际输出角。实际输出角经测角传感器测量后的信号分三路返回。第一路与理想输入角θg相减求出差值，经比例系数θ^-1调节获得输出角度误差的相对值。第二路经神经网络逆系统处理后求得与实际输出角相对应的控制电压值，将输出角度误差的相对值与神经网络逆系统的输出控制电压值相乘，此值用于修正三轴输入控制电压(ux,uy,uz)，从而达到解耦控制目的，提高三轴转动控制精度。第三路反馈回输入端，与理想输入角θg求差值，再通过pid控制器输出控制信号(ux,uy,uz)。

其中，理想输入角θg由机载陀螺仪测量获得，控制系统总控制器在姿态角补偿装置控制器（13）中编程实现，实际输出角的获得是由x轴光栅位移传感器（8）和y轴光栅位移传感器（9）分别测量x轴直动电机（6）和y轴直动电机（7）的实际移动位移，再根据实际移动位移与反射镜（1）的转角之间的对应关系通过计算获得。

其中，所构建的神经网络逆系统输入层共有9个变量，即三轴输出角运动信息：、、、、、、、和；输出层3个变量，即三轴驱动电机控制电压ux,uy,uz。另外，神经网络逆系统共有2个隐含层。采用组合实验法确定隐含层的节点数，从而使神经网络系统的输出误差最小且计算效率达到最优。神经网络逆系统输入层和隐含层均采用sigmoid函数作为传递函数，输出层采用线性函数作为传递函数。根据姿态角补偿装置的正向控制模型，给x、y、z三个轴的电机输入控制电压分别取为幅值ux,uy,uz，周期采样给定电压u和三轴转台三个轴所转过的角度、、，继而根据数值求导算法计算、、的一阶和二阶微分值，从而得训练数据集和。以为神经网络输入量，为神经网络输出量，通过学习训练，直到输出值误差小于10^-6时，完成姿态角补偿装置神经网络逆系统建模。

附图说明

图1为机载激光雷达姿态角补偿装置的机械结构示意图。

图2是基于神经网络逆系统的姿态角补偿装置解耦控制原理图。

图3是姿态角补偿装置的神经网络逆系统模型结构。

具体实施方式

图1为机载激光雷达姿态角补偿装置的机械结构，反射镜（1）由钛合金制作的四根镜面支撑杆（2）形成十字架进行支撑，采用磁性小半球体万向轴承（3）与立柱（4）连接，立柱上有一个球形凹面，使磁性小半球体与球形凹面通过磁性相吸，同时磁性小半球体可绕x轴和y轴灵活转动。z轴采用立式转轴方式，立柱（4）的下端安装在立式滚动轴承（5）中。采用x轴直动电机（6）和y轴直动电机（7）分别驱动反射镜（1）实现绕x轴和y轴的上下摆动，由x轴光栅位移传感器（8）和y轴光栅位移传感器（9）分别测量x轴直动电机（6）和y轴直动电机（7）的实际移动位移。并采用z轴转动电机（10）驱动齿轮传动机构（11）实现反射镜（1）绕z轴的转动，采用光电轴角编码器（12）测量实际的z轴转动电机（11）的转角大小。将机载激光雷达姿态角补偿装置安装在机载平台上，当机载平台的三个姿态角有变化时，由机载陀螺仪实时测量出三个姿态角的实时变化值，其测量频率为1000hz，输入给姿态角补偿装置控制器（13），继而由姿态角补偿装置控制器（13）分别控制反射镜（1）绕x轴和y轴反向旋转测量的滚动角和俯仰角的一半值，从而可分别实现对机载平台的滚动角和俯仰角的扰动补偿。另外，控制反射镜（1）绕z轴反向旋转测量的偏航角的一倍值，从而可实现对机载平台偏航角的扰动补偿。其中，阻尼器（14）和恢复弹簧（15）用于调节反射镜（1）转动时的动态性能。反射镜（1）绕x轴和y轴的转动是绕中心处的磁性小半球体万向轴承（3），反射镜中心点（16）与磁性小半球体万向轴承（3）的转动中心重合。

通过分析，可获得姿态角补偿装置的控制系统的状态空间方程为：

（2）

其中，三轴的控制输入分别为ux,uy,uz，状态变量为。姿态角补偿装置是一个3输入6输出的复杂非线性系统，各转轴之间的控制和运动存在复杂耦合。

图2为基于神经网络逆系统的姿态角补偿装置解耦控制原理图。神经网络逆系统解耦方法是把三轴转动的输出信号作为神经网络逆系统的输入信号，然后神经网络逆系统的输出与三轴转动的理想输入转角信号相比较，其差值作为三轴转动控制电压的修正信号，通过消除此控制差值达到完全解耦和提高三轴转动控制精度的目的。在姿态角补偿装置控制系统的解耦设计中，首先根据姿态角补偿装置的三轴动力学方程式（1）获得控制系统输入输出的训练数据；其次，构造神经网络逆系统结构，并进行学习训练；最后，在总控制系统中加入神经网络逆系统解耦算法。图2中，控制系统总控制器可分为两部分，（1）是pid闭环反馈控制器，（2）是神经网络逆系统解耦前馈控制器，两者构成前馈-反馈复合控制器。在姿态角补偿装置控制系统中，理想输入角θg经过pid控制器后，输出电压为u=(ux,uy,uz)，此控制电压施加在姿态角补偿装置的控制机构上，输出信号为角速度ω，经积分获得实际输出角。实际输出角经测角传感器测量后的信号分三路返回。第一路与理想输入角θg相减求出差值，经比例系数θ^-1调节获得输出角度误差的相对值。第二路经神经网络逆系统处理后求得与实际输出角相对应的控制电压值，将输出角度误差的相对值与神经网络逆系统的输出控制电压值相乘，此值用于修正三轴输入控制电压(ux,uy,uz)，从而达到解耦控制目的，提高三轴转动控制精度。第三路反馈回输入端，与理想输入角θg求差值，再通过pid控制器输出控制信号(ux,uy,uz)。理想输入角θg由机载陀螺仪测量获得，控制系统总控制器在姿态角补偿装置控制器（13）中编程实现，实际输出角的获得是由x轴光栅位移传感器（8）和y轴光栅位移传感器（9）分别测量x轴直动电机（6）和y轴直动电机（7）的实际移动位移，再根据实际移动位移与反射镜（1）的转角之间的对应关系通过计算获得。

图3为姿态角补偿装置的神经网络逆系统模型结构。所构建的神经网络逆系统输入层共有9个变量，即三轴输出角运动信息：、、、、、、、和；输出层3个变量，即三轴驱动电机控制电压(ux,uy,uz)。另外，神经网络逆系统共有2个隐含层。采用组合实验法确定隐含层的节点数，从而使神经网络系统的输出误差最小且计算效率达到最优。神经网络逆系统输入层和隐含层均采用sigmoid函数作为传递函数，输出层采用线性函数作为传递函数。根据姿态角补偿装置的正向控制模型，给x、y、z三个轴的电机输入控制电压分别取为幅值(ux,uy,uz)，周期采样给定电压u和三轴转台三个轴所转过的角度、、，继而根据数值求导算法计算、、的一阶和二阶微分值，从而得训练数据集和。以为神经网络输入量，为神经网络输出量，通过学习训练，直到输出值误差小于10^-6时，完成姿态角补偿装置神经网络逆系统建模。

以上所述，仅为本发明的具体实施例，但本发明实施例的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换都应涵盖在本发明的保护范围内。因此，本发明的保护范围应该以权利要求的保护范围为准。