申请/专利权人：南京航空航天大学

申请日：2022-09-21

公开（公告）日：2024-04-02

公开（公告）号：CN117806361A

主分类号：G05D1/495

分类号：G05D1/495;G05D1/46;G05D101/10;G05D109/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种有限时间扰动观测器下的空中机器人系统滑模控制算法。首先以带二自由度的六旋翼无人机为对象，建立空中机器人的系统模型，考虑存在执行器故障和系统内外部扰动的空中机器人系统。针对故障信息和扰动信息难以获取的特性，首先提出了一种有限时间扰动观测器，对故障信息和内外部扰动信息整合为一项，并对该项进行有效估计和补偿。根据空中机器人的状态信息，定义了执行器故障模型和内外部扰动模型。然后基于终端滑模控制，提出了一种改进的非奇异快速终端滑模控制，通过引入改进的趋近律，设计了滑模控制律。本发明可用于具有执行器故障和内外部扰动的空中机器人系统的姿态控制和轨迹跟踪的实现问题。

主权项：1.本方法设计了处理带执行器故障和内外部扰动的空中系统的控制算法，其特点在于：针对空中机器人系统故障的突变性和内外部干扰影响的情况下，设计了有限时间扰动观测器，在有限时间内实现了对干扰的快速估计与补偿。在终端滑模控制的基础上，针对滑模的控制策略不可避免的抖振问题，引入了改进的趋近律，极大的削弱了抖振问题。相较于常规的终端滑模控制，该控制律具有更快的收敛速度，且收敛时间有限，具有更高的鲁棒性。针对一种改进趋近率和有限时间观测器下的空中机器人系统滑模控制算法，包括如下具体步骤：步骤1确定空中机器人的动力学模型，包括如下步骤：步骤1.1确定六旋翼无人机的动力学模型如1所示： 其中，式中是位置子系统的中的线性加速度；表示旋翼无人机中姿态系统的角加速度；m是无人机质量；Uz，Uφ，Uθ，Uψ是六个螺旋桨产生的力矩，定义为Uz＝T1+T2+T3+T4+T5+T6，Tn表示第n个螺旋桨产生的力，Uψ＝Q1-Q2+Q3-Q4+Q5-Q6，其中Qn是螺旋桨n引起的扭矩，l表示转子到质心的距离；Ixx，Iyy，Izz是UAV的主惯性矩，Jr是UAV的总转动惯量；ωi代表第i个电机的转速；步骤1.2确定二自由度机械臂的动力学模型计算方法如2所示： 其中，M∈R2×1是系统的惯性矩阵，q、和分别是关节向量、关节角速度向量和关节角加速度向量；C∈R2×2是科里奥利和离心力矩阵；τ＝[τ1，τ2]T∈R2×1是关节的力矩；步骤1.3确定带有执行器故障和内外部扰动的空中机器人系统的动力学模型如3-5所示： 其中，xi1＝x，y，z，φ，θ，ψT，dii＝1，2，…，6表示外界对系统的扰动，dτ＝τ1+τ2表示系统内部机械臂动作产生的扰动，以下将它们称为扰动项，Ui是系统的虚拟输入控制量。μi表示执行器的运行的有效性。当μi＝0，表示执行器正常工作，对应控制通道的输入不受影响；当μi＝1，表示执行器完全损坏，对应的控制通道的输入为零；当0＜μi＜1时，表示执行器部分失效故障，导致输入欠缺；步骤1.4针对系统受到的外部扰动di和机械臂动作的内部扰动dτ进行合理的假设：假设1.系统的外部扰动未知，由于外部干扰总是有限的，因此外部扰动有界，定义为：|di|≤Di，i＝1，2，3…6；假设2.系统内部机械臂的作动产生的内部扰动力矩是有界的，定义为|dτ|≤Dτ，与假设1相结合，把内外部扰动整合到一项，可得系统受到的总扰动：Dt＝[d1，d2，d3，d4+dτ，d5，d6]T，因此||Dt||≤Di+Dτ；步骤2构造有限时间观测器，包括如下步骤：步骤2.1首先获取空中机器人系统的状态空间方程如6所示： 其中，X1t，X2t表示系统的状态向量，Ut是系统的输入向量，G是控制有效性矩阵I∈R6×6的单位矩阵，E＝diag{μ1，μ2，μ3，μ4，μ5，μ6}表示执行器的故障效率，Dt表示系统内外部扰动的集总。步骤2.2改写状态空间方程如7所示： 其中，γj＝[γ1，γ2，γ3，γ4，γ5，γ6]T表示系统所有不确定项的集总，把系统的执行器失效故障和内外部干扰结合到一项；步骤2.3定义系统的状态误差如9所示： 其中Xj表示系统的状态，表示系统状态的估计值，γj表示系统故障和干扰的集总，表示系统故障和干扰集总的观测值；步骤2.4设计扰动观测器如9所示： 其中，Hj表示系统的输入相关的方程，Rj表示系统的与输入无关的值，表示待设计的观测器的正参数，signpx＝[signpx1，signpx2，…，signpxn]T，其中，sign·表示符号函数；步骤2.5获取扰动观测器的动态误差如10所示： 步骤3设计终端滑模控制算法，包括如下步骤：步骤3.1定义系统的跟踪误差如11所示：e1＝x1d-x111其中，e1，x1d，x1分别代表控制通道1的跟踪误差，目标值和系统的状态；步骤3.2引入一个改进的趋近律，如12所示： 其中，0＜α＜1，η＞0，ξ＞0，ξ+η＜1.|·|表示函数的绝对值；ζ＞0表示趋近律系数；σ＞0，s0是切换函数的初始值；步骤3.3以控制通道1为例设计终端滑模面，如13所示： 其中，e1，分别为误差和误差的一阶导数；sgn·为符号函数；k1，k2是大于零的控制器参数；1＜a2＜a1＜2，为设计参数。步骤3.4对系统设计控制律，如14所示： 其中，表示系统控制通道1的状态，f1，g1是系统控制通道1的已知函数γ1是控制通道1中的不确定项的集总，表示系统控制通道1的集中不确定项的估计值，它能通过步骤2的观测器来获取；根据李雅普诺夫稳定性理论，可以验证由34和5组成的空中机器人系统在控制律14的作用下能够实现姿态和位置的稳定跟踪。

全文数据：

权利要求：

百度查询： 南京航空航天大学 有限时间扰动观测器下的空中机器人系统滑模控制算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD