专利名称：一种基于行为模型的小型无人旋翼机自主起降控制方法
技术领域：
本发明涉及一种基于行为模型的小型无人旋翼机自主起降控制方法，适用于工作于空中无人机器人自主控制领域。
背景技术：
小型无人旋翼机具有垂直起降、悬停等特性，可以在市区街道等狭窄空间执行任务，具有广泛的应用前景。随着应用领域的扩张，小型无人旋翼机的智能化程度需求也日益增加，全自主、高智能的小型无人旋翼机成为研究的热点。作为复杂的多输入多输出控制系统，小型无人旋翼机具有强耦合、非线性、控制难度高等特性。目前，小型无人旋翼机的起降主要通过人工遥控操作方式控制，在很大程度上依赖于飞控手自身的技能和熟练程度。但在实际应用中，大多数军口和民口的使用人员并不具备专业的操控技能，需要小型无人旋翼机研发部门对使用方进行长时间培训，从而限制了小型无人旋翼机的推广和应用。为提高性能，PID控制方法、鲁棒控制，智能控制方法等各类控制方法被用于小型无人旋翼机的自主起降控制。智能PID控制器控制无人旋翼机姿态，提高系统控制精度，但抗干扰能力差，而小型无人旋翼机起降阶段地效干扰、风扰大，智能PID控制方法很难实现稳定的自主起降功能。鲁棒控制消除无人飞行器飞行时部分模型参数发生的摄动，但具有实时性、动态参数响应慢的特性。神经网络的非线性自适应控制，克服无人直升机参数的不确定性、无模型性以及潜在的动态非线性，实现无人直升机的姿态控制，但需要大量的样本计算。
发明内容
本发明的技术解决问题是针对小型无人旋翼机现有控制方法不足，提出一种基于行为模型的小型无人旋翼机自主起降控制方法，解决了小型无人旋翼机自主起降控制器设计问题。本发明的技术解决方案为本发明提出了一种基于自适应飞行手行为模型的自主起降控制方法，采集飞控手行为数据，分析小型无人旋翼机起降特性，确定行为规则，基于飞控手行为数据学习的方法，构建飞控手行为模型，并通过径向基神经网络进行飞控手行为模型优化，具体步骤如下(1)采集飞控手行为数据飞控手操控小型无人旋翼机进行起降操作，通过数据采集系统采集小型无人旋翼机起降阶段的主浆总距和油门阀值的操控数据，和小型无人旋翼机相应的水平位置、高度、 速度状态信息。(2)构建飞控手行为模型通过学习飞控手操控行为数据和小型无人旋翼机状态信息，利用自适应模糊控制方法构建飞控手行为模型；该模型由输入层、模糊层、规则层和去模糊层构成，表示IF-THEN (条件结论)控制过程；输入层输出节点
权利要求
1.一种基于行为模型的小型无人旋翼机自主起降控制方法，其特征在于实现步骤如下(1)采集飞控手操控小型无人旋翼机起降阶段的主浆总距、油门阀值和小型无人旋翼机在起降阶段的水平位置、高度、速度状态信息；(2)构建飞控手行为模型，通过学习飞控手操控行为数据和小型无人旋翼机状态信息， 利用自适应模糊控制方法构建飞控手行为模型，该模型由输入层、模糊层、规则层和去模糊层构成，表示条件结论IF-THEN控制过程；输入层的输入为高度误差Aheight及高度误差变化量入height,输出为经过归一化处理的高度误差和高度误差变化量；输入层的输出作为模糊层的输入，模糊层的控制器的成员函数利用高斯函数定义 Qik = exp (-(Xi-Bik) 2/(ki · b2ik))，i = 1，2，k = 1，2…N其中，Qik为对应的模糊变量的输出，分别表示N种情况，Xi为经过归一化处理后的输入值，Ak表示i输入对应的k类高斯函数的中心值，紀表示i输入对应的k类高斯函数的均方差值，h为径向基神经网络对i输入的调控参数，N为输入对应的模糊变量数目；模糊层输出为高度误差和高度误差变化量对应的模糊变量；规则层的输入为模糊层的输出，基于最大最小MAX-MIN乘积合成方法生成相应的N2个模糊规则；在去模糊层，利用隶属度函数加权平均判决法将规则层得出的数值转化为直接控制对象的精确输出，即总距舵量的控制量，并通过径向基神经网络对输入和飞控手行为模型的输入和输出进行改进，提高飞控手行为模型对环境的适应性；(3)确定自主起降阶段的行为规则，将自主起飞阶段分为起始阶段、离地阶段、和飞行阶段，起始阶段通过油门和总距阀值获得附着力，离地阶段通过自适应飞控手行为模型消除外扰获得的姿态控制，飞行阶段通过常规控制方法实现姿态控制；自主降落阶段分为飞行阶段、离地阶段、和降落阶段，飞行阶段通过常规控制方法实现姿态控制，离地阶段通过自适应飞控手行为模型和常规控制方法实现的位置和姿态控制，着地阶段通过飞控手行为模型实现位置控制。
2.根据权利要求1所述的基于行为模型的小型无人旋翼机自主起降控制方法，其特征在于步骤(2)所述径向基神经网络对输入和飞控手行为模型的输入和输出进行改进的方法为通过样本数据训练径向基神经网络来实时优化飞控手行为模型模糊层的高斯函数均方差值和总距舵量的控制量，径向基神经网络为三层神经网络，包括输入层，隐含层和输出层构成，输入层的输入为小型无人旋翼机离地阶段悬停状态时候的水平位置差值和速度差值；隐含层的输入为输入层的输出，隐含层有Z个高斯函数构成，经过权值叠加作为输出层的输入；输出层的输出为用于调整高度误差对应的高斯函数的系数Iq，用于调整高度误差对应的高斯函数的系数1 ，和用于调整输出总距舵量的系数k3。
全文摘要
一种基于行为模型的小型无人旋翼机自主起降控制方法，涉及飞控手行为数据学习、飞控手行为模型构建、自主起降规则设计。首先通过数据采集系统采集飞控手操控行为数据；其次针对小型无人旋翼机自主起降阶段的工作特性，通过模糊控制方法构建飞控手行为模型，并通过神经网络进行优化，提高飞控手行为模型性能；通过分析飞控手行为特性和小型无人旋翼机起降特性，构建自主起降行为规则。本发明具有抗干扰性强、稳定性高、便于设计等优点，可用于小型无人旋翼机复杂环境下的自主起降控制等。
文档编号G05B13/04GK102289714SQ20111014748
公开日2011年12月21日 申请日期2011年6月2日 优先权日2011年6月2日
发明者张霄, 房建成, 李晶晶, 杜玉虎, 洪晔, 白浪, 盛蔚, 雷旭升 申请人:北京航空航天大学