基於自適應神經網路的小型無人機高精度控制方法研究

《基於自適應神經網路的小型無人機高精度控制方法研究》是依託北京航空航天大學，由雷旭升擔任項目負責人的面上項目。

基本介紹

• 中文名：基於自適應神經網路的小型無人機高精度控制方法研究
• 依託單位：北京航空航天大學
• 項目負責人：雷旭升
• 項目類別：面上項目

項目摘要

複雜環境下的高精度控制是小型無人機自主性的重要標誌與技術瓶頸，隨著小型無人機套用需求的增加，對該問題的研究也日益迫切。針對小型無人機由於小尺寸、低速度和易形變導致的模型精度低問題，擬通過對動力學模型參數解析，基於無跡卡爾曼濾波線上辨識方法對風洞試驗難以精確測量的動氣動導數進行線上估計，構建高精度的小型無人機動力學模型；針對小型無人機在飛行過程中存在的模型誤差、參數不確定性、外界干擾、測量誤差導致的控制精度問題，擬通過構建無需樣本訓練的自適應神經網路系統，基於狀態誤差信息，線上更新權值實現對多源擾動的全包絡曲線的快速估計和抑制；並針對小型無人機核心部件微導航控制系統體積小、重量輕、精度高的需求，研究基於球面拓撲3D 構型的微慣性測量單元減少非對稱誤差，採用干擾觀測器估計並抵消測量單元存在的多類干擾，基於嵌入式信息處理單元集成設計技術，設計性能超過國際通用產品MP2028的微導航控制系統。

結題摘要

針對小型無人機由於小尺寸、低速度和易形變導致的模型精度低問題，通過對小型無人機動力學模型參數解析，構建相應的非線性狀態方程，對風洞試驗難以精確測量的動氣動導數對狀態變數進行擴展，建立增廣狀態方程，並根據小型無人機的動力學和運動學特性，及其感測器所能測量的變數，構建非線性量測模型；其次根據飛行器數學模型建立相應的無跡卡爾曼濾波方程；基於實際套用飛行數據，通過無跡卡爾曼濾波方法進行線上氣動導數辨識，構建高精度的小型無人機動力學模型。針對小型無人機在飛行過程中存在的模型誤差、參數不確定性、外界干擾、測量誤差導致的控制精度問題，基於構建的模型，根據極點配置理論設計相應的反饋控制參數，保證系統的初步穩定性。在此基礎上，提出一種基於反饋控制和自適應神經網路複合控制方法，在反饋控制保證系統初步穩定性的前提下，構建無離線樣本巡檢的自適應神經網路對系統存在的多源干擾進行估計和抑制，通過李雅普諾夫函式設計自適應神經網路權值最佳化更新法則，基於小型無人機的狀態誤差信息實現對自適應神經網路權值的線上更新，提升對複合控制方法對小型無人機系統多源干擾的估計效果；並根據採樣周期內小型無人機實際位置與期望位置的最大差值、平均差值和均方差，構建自適應閾值最佳化策略，進一步提高控制精度。針對小型無人機自動駕駛儀系統體積小、重量輕、精度高的需求，構建了基於球面拓撲3D 構型的微慣性導航控制系統和基於高精度測量單元的微慣性導航控制系統，通過各類標定測試實驗對微慣性導航控制系統的模型誤差進行標定補償，並通過實驗室研發的小型無人機和無人旋翼直升機進行性能測試和可靠性驗證。實驗結果表明，研發的微慣性導航控制系統姿態測量精度優於0.6度，可以實現穩定的位置和姿態控制。