一种双曲滑模无模型自适应控制方法、系统、终端及介质

本发明涉及无模型自适应控制，具体为一种双曲滑模无模型自适应控制方法、系统、终端及介质。

背景技术：

1、四旋翼无人机以其结构简单精巧、实用性强、性价比高等独特优势，在军、警和民等众多领域广泛应用。四旋翼是一种典型的非线性、强耦合的欠驱动多输入多输出系统，由于四旋翼模型的独特性使得针对它的控制系统设计任务难度较大。在飞行器的姿态调节应用中常见的控制算法有经典的pid控制、线性二次型调节器、滑模控制、鲁棒控制等，而它们存在过度依赖精确数学模型、鲁棒性不强、稳态精度差等多种问题。因此，设计一种符合四旋翼模型特点并能够自适应环境的控制算法至关重要。

2、滑模控制(sliding model control,sm)是一种变结构控制，多滑动模态运用于不连续的非线性系统，它能够根据控制对象状态方程偏离的不同程度切换合适的函数和控制器结构，最终使其运动到平衡点。滑模控制主要依赖于滑模面和趋近律的选择，滑模面的选择依照经验而定，而常用的典型趋近律，如：等速趋近律虽然简单，但当系数取值过小时，会出现趋近时间过长，当系数取值太大时系统会出现抖振现象；指数趋近律存在趋近时间过长的问题；幂次趋近律的结果虽是一种快速、低抖振的到达模式，可其收敛速度慢，不利于四旋翼的飞行控制。相较于传统的滑模控制算法中斜率无穷大的趋近律，双切正切函数陡度较为平缓，利用双切正切函数的平滑性缓解传统趋近律存在的收敛速度慢、时间长和抖振严重等问题。

3、目前应用于四旋翼飞行器的姿态调节设计中的智能控制算法主要包含神经网络控制和模糊控制等。智能控制方法在使用过程中，依赖于对被控对象内部信息的获取，通过对相关数据进行计算开始实现控制效果，当系统信息难以获取时，智能控制算法将难以满足期望的控制效果。此外，由于基于模型的控制算法严重依赖被控对象模型的精确度，当被控对象系统复杂或系统中的不确定性较多时，被控对象的数学模型与实际系统之间会存在很大的偏差，模型控制算法效果就会下降。因此，这种不依赖于被控系统精确模型，仅利用系统的输入输出数据就可以实现控制的数据驱动控制方法受到研究学者的广泛关注。

4、无模型自适应控制(model free adaptive control,mfac)作为数据驱动控制算法的一种，适用于强耦合、非线性的复杂多输入多输出时变系统。mfac算法不仅只利用被控系统的输入和输出数据就可以实现控制器设计，而且所得控制器的结构和参数可以实现自适应控制。但根据笔者了解，无模型自适应控制算法尚未被运用于四旋翼轨迹跟踪控制中，该领域亟待进一步探索。

技术实现思路

1、为了克服上述现有技术存在的缺陷，本发明的目的在于提供一种双曲滑模无模型自适应控制方法、系统、终端及介质，以解决现有技术中飞行器的姿态调节存在过度依赖精确数学模型、鲁棒性不强以及稳态精度差的技术问题。

2、本发明是通过以下技术方案来实现：

3、第一方面，本发明提供了一种双曲滑模无模型自适应控制方法，包括：

4、根据动力学模型获取无人机动力学设计模型；

5、对所获取的无人机动力学设计模型采用双闭环控制策略设计得到位置控制器环和姿态控制环；

6、所述位置控制器通过双曲正切滑模控制算法以及所述姿态环控制器通过在线的控制输入力矩与输出姿态数据完成双曲滑模无模型自适应控制。

7、优选的，位置控制器环的设计过程如下：

8、s1，根据无人机动力学设计模型设计滑模面得到滑模函数；

9、s2，根据滑模函数设计得到滑模控制率，作为位置控制器环的控制输入。

10、3.根据权利要求2所述的一种双曲滑模无模型自适应控制方法，其特征在于，所述s1中，滑模函数的确定过程如下：

11、在滑模面面确定跟踪误差e(t)，其中跟踪误差e(t)定义如下：

12、e(t)＝x-xd

13、其中，x为系统输出信号；xd为给定的期望信号；

14、根据跟踪误差定义滑模函数s(t)，表达式如下：

15、

16、其中，k为符号为正的设计参数，为跟踪误差的导数。

17、进一步的，s2中，滑模趋近率的表达式如下：

18、

19、其中，γ为设计参数，用来调节双曲正切函数的曲率，s是滑模面函数；m是四旋翼无人机的质量；g是重力加速度常量；分别为四旋翼无人机在z轴方向的期望加速度，期望速度以及实际速度；k3为四旋翼无人机的阻力系数；φd,θd分别为机体的期望滚转角和俯仰角。

20、优选的，姿态控制环的设计过程如下：

21、k1，通过估计准则函数获取反应无人机动力学设计模型特性的伪偏导数的参数值；其中，估计准则函数表达式如下：

22、

23、其中，μ>0是权重因子；δu(k-1)是k-1时刻的输入变化量；为未知的ppdφc(k)的估计值；xv(k)是中间变量；

24、根据φc(k)求极值得到伪偏导数的参数值，表达式如下：

25、

26、其中，η∈(0,2]是加入的步长因子，目的是使控制律具有更强的灵活性和一般性；δxv(k-1)是k-1时刻的中间量变化量；δu(k-1)是k-1时刻的控制输入变化量；

27、k2，根据伪偏导数的参数值通过控制输入准则函数得到无人机动力学设计模型的最优控制输入量，对最优控制输入量进行幅值调整限制，并根据幅值调整限制后的最优控制输入量构造离散形式的李雅普诺夫函数；

28、k3，根据离散形式的李雅普诺夫函数设计中间变量得到姿态子系统的虚拟期望输出，完成姿态控制环的设计。

29、进一步的，k2中，控制输入准则函数j(u(k))的表达式如下：

30、

31、其中，是姿态控制环的虚拟期望输出，λ>0是一个权重因子，用来限制控制输入的变化；u(k)是k时刻的控制输入量。

32、优选的，姿态环控制器的在线的控制输入力矩计算过程如下：

33、获取当前k时刻采集到的系统各个状态量以及k-1时刻输入力矩u(k-1)，计算得到在线的控制输入力矩，公式如下：

34、

35、其中，ρ∈(0,1]是步长因子，它加入目的是使控制算法更具有一般性。

36、第二方面，本发明还提供了一种双曲滑模无模型自适应控制系统，包括：

37、模型获取模块，用于根据动力学模型获取无人机动力学设计模型；

38、设计模块，用于对所获取的无人机动力学设计模型采用双闭环控制策略设计得到位置控制器环和姿态控制环；

39、控制模块，用于所述位置控制器通过双曲正切滑模控制算法以及所述姿态环控制器通过在线的控制输入力矩与输出姿态数据完成双曲滑模无模型自适应控制。

40、第三方面，本发明还提供了一种移动终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述双曲滑模无模型自适应控制方法的步骤。

41、第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述双曲滑模无模型自适应控制方法的步骤。

42、与现有技术相比，本发明具有以下有益的技术效果：

43、本发明提供了一种双曲滑模无模型自适应控制方法、系统、终端及介质，通过动力学模型获取无人机动力学设计模型，对所获取的无人机动力学设计模型采用双闭环控制策略设计得到位置控制器环和姿态控制环，相较于传统的滑模控制算法中斜率无穷大的切换函数，位置环中双曲正切滑模控制算法采取的切换函数陡度较为平缓，在保证具备良好的鲁棒性的前提下，利用双曲正切函数的平滑性缓解由于控制信号切换导致的抖振问题，提升了位置环中跟踪控制的跟踪精度与收敛速度，同时本发明率先将无模型自适应控制理论应用在无人机轨迹跟踪控制上来，仅根据在线的控制输入力矩与输出姿态数据就可以实现对期望姿态的跟踪控制，在姿态环中无模型自适应反演控制的引入摆脱了以往控制算法对无人机动力学模型的高度依赖，对控制力矩幅值进行限制也有效减少了姿态环中可能出现的输入振荡带来的能量消耗。