关键词:
无人直升机
输出约束
状态约束
指定性能约束
神经网络控制
摘要:
无人机(Unmanned Aerial Vehicles,简称UAV)是一种无人飞行机器,具有多种应用领域,包括但不限于军事、民用、商业和科学探索。无人机的出现和发展,推动了航空技术的进步和创新,为人们带来了更多的机会和挑战。无人直升机作为一种典型的无人机具有良好的应用前景,可以运输物资和设备,支持军事和民用应用得到越来越多的研究关注。然而,无人直升机在实际应用中面临着许多环境和设备本身的约束特性,例如气流干扰、高度和速度限制、机身和旋翼受力约束等,如果忽略这些约束特性,将会对直升机的性能和安全性产生负面影响,甚至可能导致设备损坏。为此直升机系统必须考虑这些约束特性,并在控制器设计中加以考虑和限制,同时约束特性增加了直升机控制器设计的难度和复杂度。由于约束条件的存在,直升机控制器必须同时考虑多个输入和输出变量,并且需要设计复杂的约束控制算法来解决这些问题。由此可见,约束控制对于直升机控制器的设计是一个极具挑战性的问题,需要在理论和实践中进行深入的研究和探索,对于直升机控制器设计和应用中,必须充分考虑和处理这些约束特性,才能实现更加安全和高效的直升机控制,只有这样,才能保证直升机的顺利运行,并降低意外事故的风险。基于上述说明,本文借助Quanser Aero的二自由度直升机平台开展了输出受限条件下二自由度直升机系统非线性控制的研究,并从以下方面入手:(1)研究了输出约束条件下非线性二自由度直升机系统的自适应神经网络控制问题,通过构建反步法进行控制,在此基础上,通过采用径向基神经网络来逼近未知的函数,实现对系统的自适应控制。同时,该研究还利用障碍李雅普诺夫函数的构造方法,对控制器的设计进行了优化,并通过自适应参数的设置使系统的输出不违反约束,最后通过仿真和实验的验证,证明了所提出的方法的有效性。(2)研究了状态约束下非线性二自由度直升机系统的自适应神经网络控制问题,在反步法的控制框架下,通过构造障碍李雅普诺夫函数函数进行控制器的设计,从而实现对直升机系统状态约束的控制。在此基础上,采用径向基神经网络对直升机系统中的未知函数进行估计,保证了系统的状态在预定的区域内,最后,通过仿真和实验验证了所提出方法的有效性。(3)研究了一种针对满足规定性能约束的非线性二自由度无人直升机系统的神经网络控制方法。通过引入一个规定的性能函数来表示系统的约束条件,通过误差变换将一个有约束的跟踪控制问题转化为一个等价的无约束稳定性问题。设计了该神经网络控制器,以确保跟踪误差收敛到一个小的零邻域,并满足了规定的性能约束。此外,利用李亚普诺夫直接方法分析了系统的稳定性和误差收敛性。通过仿真结果和实验结果,验证了所提控制方案的有效性。