基于BP神經網絡算法的四旋翼飛行器預測控制

(西安工業大學計算機科學與工程學院 陜西 西安 710021)

基于BP神經網絡算法的四旋翼飛行器預測控制

甘孟哲趙在強王浩同左嘉奇董銀娜

(西安工業大學計算機科學與工程學院陜西西安710021)

四旋翼穩定飛行姿態控制一直都是制約其發展的重要瓶頸1。因常規的卡爾曼濾波控制效果在一定程度上受限于濾波器的性能。本文提出一種基于BP神經網絡的具有很強的自組織，自學習，自適應和非線性映射能力的預測控制方法2，可以解決具有高度非線性、復雜性及模糊性問題。仿真結果表明飛行器在飛行過程中系統出現故障時，能實時快速診斷，依據故障特性和損傷特性，迅速進行故障隔離和控制重構，保證飛行器的正常飛行。

姿態控制；BP神經網絡；非線性

一、引言

四旋翼飛行器，具有體積小、結構簡單，操作靈活等優點。在諸多領域應用廣泛。但飛行環境復雜，對控制頻率要求很高。穩定性飛行控制一直都是制約其發展的重要瓶頸。

無人機的快速發展對現代社會產生了深遠影響。然后無人機的飛行預測姿態控制，如何對其進行快速、準確的姿態預測評估，以適應其對于不同的空域，已成為目前無人機預測控制的重點研究課題。

基于BP神經網絡的預測控制規則是：基于一個或多個神經網絡，對四旋翼無人機姿態控制系統非線性系統的過程信息進行前向多步預測，然后通過優化一個含有預測信息的多步優化目標函數，從而獲得非線性預測控制律。

二、四旋翼飛行器物理模型

在建立四旋翼飛行器的模型之前，首先對該飛行器做出如下假設：

1.該四旋翼飛行器是完全對稱且質量均勻分布的剛體，在空間內做剛體運動；

2.選取地面為慣性參考系，由于四旋翼飛行器在近距離、低空情況下飛行，所以地表可看作平面；

3.重力加速度為g，且不計地球自轉與公轉的影響。

四旋翼飛行器的慣性張量是:

①

在上述假設條件下，我們建立四旋翼飛行器的控制模型，首先選取機體坐標系b和慣性坐標系i這兩種在慣性導航中常用的基本坐標系，便于后面四旋翼飛行器模型的建立與分析

若要對飛行器進行控制，則需要得到飛行器的戲臺信息，而飛行器的姿態信息是由機體坐標系b和慣性坐標系i之間的旋轉關系確定的。分別設飛行器的橫滾角α、偏航角β、俯仰角γ，從慣性坐標系i向機體坐標系b旋轉，首先繞慣性坐標系的z軸轉動β，再繞y軸轉動γ，最后繞x軸轉動α。

姿態矩陣為

②

經數學建模，可以到飛行器的數學模型：

③

上式各個參數含義如下表1：

表1 飛行器參數

四個機翼角速度ω1,ω2,ω3,ω4作為輸入信號，三個偏轉角為輸出信號，仿真過程中以改變四個機翼角速度的值；以階躍信號作為信號源進行仿真，觀察位移和偏轉角的變化進行分析有如下結果：

1.起飛和降落：當四個角速度的值一樣時，即ω1=ω2=ω3=ω4,使得垂直方向的輸入控制量U1數值持續增大，達到一定值時實現飛行器的起飛和降落。

2.橫滾運動：當一對對角速度值一樣，另一對對角值速度不一樣時，即ω1=ω3，ω2>ω4,使得翻滾輸入控制量U2增大，反之減小，實現飛行器的橫滾。

3.俯仰運動：類似于橫滾運動，但是方向相反，即ω2=ω4，ω1>ω3，使得俯仰控制量U3增大，反之減小，來模擬飛行器俯仰角的變化。

三、BP神經網絡算法預測控制

由已知預測控制規則，建立飛行器控制方案，控制方案具有預測控制的4種要素，即模型預測、反饋校正、參考輸入軌跡和滾動優化。

1.模型預測：在預測控制算法中，需要一個描述被控對象動態特性的對象模型，該模型能夠根據對象前后的輸入輸出信息來預測系統的未來輸出狀態。

2.反饋校正：針對四旋翼無人機，其飛行狀態受氣壓，風速的干擾，因此預測模型的輸出可能與實際對象不一致，實際對象輸出與模型輸出之間的誤差可以表示為：

em(k)=y(k)-ym(k)

④

得到反饋校正后模型的預測輸出為：

yp(k+d)=ym(k+d)+h[y(k)-ym(k)]

⑤

(3)參考軌跡：為使系統的輸出y(k)，能夠沿著一條規定的曲線逐漸到達設定值r，從而可以減小過量的控制作用，使系統的輸出能平滑的到達設定值。

參考軌跡yr可以表示為：

yr(k+d)=ary(k)+(1-ar)r(k)

⑥

(4)滾動優化計算：預測控制算法的優化計算是建立上述預測模型基礎上的，它要求控制步都向未來有限步提出優化要求：

圖1 評估結果示意圖

從圖1直觀看出，當無人機失速控制時，BP神經網絡的評估結果輸出誤差相對穩定且趨向于0，表明BP神經網絡模型對無人機姿態預測控制效能評估的可信程度高。經計算：BP神經網絡評估結果的均方誤差為。仿真結果表明：BP神經網絡的姿態預測控制評估高反映了BP神經網絡是無人機預測控制效能評估的有效方法。

四、結語

本文研究BP神經網絡算法預測控制無人機飛行控制效能評估，構建了BP神經網絡評估模型。仿真結果表明，BP神經網絡飛行控制預測評估模型能夠搜索到合理的初始權值和閾值，使四旋翼飛行器表現出更加優異的性能，不但提高了神經網絡的收斂速度，而且也提高了BP神經網絡的評估精度，取得了很好的評估效果。這種基于BP神經網絡算法的無人機飛行控制評估模型，可以解決很多的非線性函數關系，擁有良好的學習能力和預測能力，具有較高的實用價值。

[1]岳基隆，張慶杰，朱華勇.微小型四旋翼無人機研究進展及關鍵技術淺析[J].電光與控制，2010,10(10):46-52.

[2]梁勤，馬捷中，翟正軍.基于MATLAB的通用飛行器仿真[J]:計算機測量與控制2008，16(8)

[3]易先軍，周敏，謝亞奇.四旋翼飛行器控制系統的設計與實現[J]:武漢工程大學學報，2014，36(11)

[4]楊慶華，宋召青，時磊.四旋翼飛行器建模、控制與仿真[J].海軍航空工程學院學報，2009,24(5)

[5]王震宇，熊家新，陳純，劉麗.四軸飛行器的數學模型[J].長春理工大學學報(自然科學版)，2015,38(4)

[6]王小川，史峰，郁磊,等.MATLAB神經網絡43個案例分析[M].北京:北京航空航天大學出版社，2013：1-14.

Control of four-rotor stable flight attitude has always been an important bottleneck restricting its development.Conventional Kalman filter control is somewhat limited by the performance of the filter.This paper presents a predictive control method based on BP neural network with strong ability of self-organizing,self-learning,adaptive and non-linear mapping,which can solve the problem of high nonlinearity,complexity and fuzziness.Simulation results show that the system can quickly diagnose faults in real time when the system is in flight,and quickly isolate and control the fault according to fault characteristics and damage characteristics to ensure the normal flight of the aircraft.

Attitude control；BP neural network；non-linearity

國家級大創項目(項目編號201610702023)

西安工業大學大學生創新創業訓練項目(項目編號201610702023)

甘孟哲(1996.11-)，男，漢族，山東省嘉祥縣，在讀大學生，西安工業大學計算機科學與工程學院,研究方向非線性系統控制。