基于改进自抗扰控制器的消防无人机姿态控制方法

1.本发明涉及无人机飞行控制领域，尤其涉及一种基于改进自抗扰控制器的消防无人机姿态控制方法。

背景技术：

2.现有技术中，四旋翼无人机以其机动灵活、续航时间长、抗风性能好等优点被广泛运用在军事、农业等领域。近年来，由于建筑物高度的不断上升，当城市高楼发生火灾时，消防云梯高度无法满足要求，四旋翼无人机逐渐被运用到消防灭火领域。
3.而目前，消防无人机最具代表性也是应用最广泛的控制算法是 pid 控制及其改进，其优势也是显而易见的：结构简单、运用灵活、不依赖精确的数学模型、“利用误差消除误差”。但是，在高楼火灾场景下，消防无人机面对的扰动包括高空风扰、火灾现场的高温热气流扰动以及消防无人机自身质量变化的影响，增加了消防无人机的建模难度以及控制难度，利用传统pid控制器很难满足消防无人机的控制要求。因此，设计一种具有良好抗干扰能力的控制器十分必要。
4.自抗扰控制技术主要由三部分组成：跟踪微分器、非线性误差反馈控制律以及扩张状态观测器，在不依赖系统精确模型的情况下仍然具有良好的鲁棒控制效果。近年来，该控制方法在四旋翼无人机的飞行控制中，得到了一定应用，但是目前自抗扰控制器的控制精度与控制速度仍然不足，参数整定方法较少，整定起来比较麻烦，实际运用具有一定难度，因此，本发明对自抗扰控制器进行一定的改进，并利用灰狼优化算法实现参数自整定，将其运用到消防无人机上具有重要的工程意义。

技术实现要素：

5.针对上述不足，本发明的目的是提供一种基于改进自抗扰控制器的消防无人机姿态控制方法。
6.本发明提供了如下的技术方案：一种基于改进自抗扰控制器的消防无人机姿态控制方法，包括以下步骤：步骤s1，基于四旋翼无人机模型，建立消防无人机的姿态动力学模型；步骤s2，利用跟踪微分器求取姿态角速度和加速度期望值；步骤s3，设计一种扩张状态观测器评估消防无人机内、外扰动的总扰动，具体的是设计一种改进的fal函数；步骤s4，设计非线性误差反馈控制律，并利用扩张状态观测器评估出的扰动项的值对系统的不确定项进行补偿；步骤s5，设计一种灰狼优化算法，对自抗扰控制器的主要参数进行自主调优，具体的是设计一种改进的收敛因子；步骤s6，为了验证改进自抗扰控制器的优越性，在matlab中搭建simulink模型进行仿真实验。
7.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s1中，消防无人机的姿态动力学方程为：式中，为当消防无人机飞行姿态改变时，由于陀螺效应的存在，产生的陀螺力矩。
8.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在地面坐标系下，欧拉角分别为，分别对应消防无人机的滚转角、俯仰角和偏航角，机体轴对应的转动惯量分别为，可建立消防无人机的姿态动力学模型如下：其中，所组成的控制效率模型如下所示：式中，分别为消防无人机四个电机的转速。
9.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s2中，利用跟踪微分器求取姿态角速度和加速度期望值，具体如下：姿态角信号经过微分跟踪器后会得到一个相对平滑且时刻跟踪期望值的过渡信号，也就是姿态角速度期望值，并且可以得到姿态角的微分信号，也就是姿态角加速度的期望值；其中，二阶跟踪微分器的离散型表达方程如下所示：式中，分别为消防无人机姿态角速度和姿态角加速度信号的期望值；为控制器的执行周期；针对离散系统的最速控制综合函数如下：
式中，为快速因子，越大则系统快速性越好，超调变大，过大易引起系统振荡；为滤波因子，越大系统静态误差降低，超调变小，快速性变差，过大易引起振荡。
10.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s3中，设计一种扩张状态观测器评估消防无人机内、外扰动的总扰动，具体如下：扩张状态观测器通过观测系统的内部干扰与外部干扰的总和，在非线性误差反馈控制律产生的控制量中引入一个总和扰动补偿量，最后运用简单的误差反馈控制策略，以误差消除误差，将总扰动补偿给无人机，就能实现对系统良好的控制效果；具体的，针对如下非线性系统：将函数扩充为系统新的状态变量，则可表示为，并记则可以扩张为新的线性系统：对上式系统建立三阶 eso 可得
其中式中为可调参数，一般取0~1之间的某个数；为线性段区间长度；，，为增益系数。
11.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s3中，扩张状态观测器中一种改进的fal函数，具体如下：为了便于区分，式中为误差，等同于fal中的；。
12.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s4中，设计非线性误差反馈控制律，并利用扩张状态观测器评估出的扰动项的值对系统的不确定项进行补偿，具体如下：式中，为补偿系数；为增益系数；为通过姿态角误差和姿态角微分信号经非线性误差反馈控制律得到的初始控制量；为经过扰动补偿后作用于被控系统的最终控制量。
13.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s5中，设计一种灰狼优化算法，对自抗扰控制器的主要参数进行自主调优，具体如下：针对自抗扰控制器参数较多，消防任务较紧急，并且消防无人机面临的环境瞬息万变的特点，为了减小消防员操作无人机的调参难度，将自抗扰控制器调参问题转化为寻优问题，利用灰狼优化算法实现参数自整定；fitness函数选取的是itae指标，也就是时间乘以误差绝对值的积分；从表达式上来看，这个fitness函数最终收敛结果越小，代表系统的快速性越好，稳态误差越小；；
在灰狼优化算法狩猎过程中将通过下式进行对猎物的包围，式中，表示迭代次数，表示次迭代的灰狼与猎物间距离，表示灰狼所在的位置，表示猎物所在的位置，和表示协同性系数常量，和
ꢀꢀ
是 0-1 之间的随机数，表示收敛因子其取值是从2线性减到0；其中，。
14.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s5中，对灰狼优化算法收敛因子的改进，具体如下：当小于 1 时，表示靠近当前最优解位置；当大于 1 时，表示远离当前最优解位置；在迭代前期需要让减小缓慢，扩大搜索范围，防止局部最优；在迭代后期需要让减小迅速，在当前最优解周围迅速搜索，到最优解；其中，。
15.作为一种基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s6中，验证改进自抗扰控制器的优越性，在matlab中搭建simulink 模型进行仿真实验，具体如下：为了验证改进fal函数的优越性，进行了消防无人机扰动下姿态角响应曲线对比仿真实验；为了验证改进收敛因子对灰狼优化算法的优越性，进行了在其他条件都相同的情况下，不同收敛因子，不同fal函数，利用灰狼优化算法进行参数寻优最终达到收敛的对比仿真实验。
16.本发明的有益效果是：基于自抗扰控制的消防无人机比 pid控制更能适应强扰动环境；使用一个更加平滑的 newfal 函数代替非线性扩张状态观测器中的传统 fal 函数，使系统具有更小的稳态误差和更快的收敛速度；利用灰狼优化算法实现自主调参，简化了调参复杂度；利用非线性递减的收敛因子替换灰狼优化算法中线性的收敛因子，防止算法陷入局部最优并能快速达到收敛条件。
附图说明
17.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1为本发明基于改进自抗扰控制器的消防无人机姿态控制方法的流程图。
18.图2为本发明中消防无人机的自抗扰控制器结构示意图。
19.图3为本发明中 newfal 和 fal 函数曲线对比图。
20.图4为本发明中 newfal 和 fal 原点处曲线放大图。
21.图5为本发明中扩张状态观测器改进前后误差增益对比图。
22.图6为本发明中灰狼优化算法实现自抗扰控制器参数自整定的结构示意图。
23.图7为本发明灰狼优化算法流程图。
24.图8为本发明灰狼优化算法改进后收敛因子与改进前函数曲线对比图。
25.图9为本发明自抗扰控制器改进前后消防无人机俯仰角跟踪曲线对比图，其他通道同俯仰通道。
26.图10为本发明改进灰狼优化算法前后适应度函数随迭代次数变化对比图。
具体实施方式
27.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
28.如图1至2所示，本发明公开了一种基于改进自抗扰控制器的消防无人机姿态控制方法，包括以下步骤：步骤1、基于四旋翼无人机模型，建立消防无人机的姿态动力学模型；步骤2、利用跟踪微分器（td）求取姿态角速度和加速度期望值；步骤3、设计一种扩张状态观测器（eso）评估消防无人机内、外扰动的总扰动，特别是设计一种改进的fal函数；步骤4、设计非线性误差反馈控制律（nlsef），并利用扩张状态观测器评估出的扰动项的值对系统的不确定项进行补偿；步骤5、设计一种灰狼优化算法，对自抗扰控制器的主要参数进行自主调优，特别是设计一种改进的收敛因子；步骤6、为了验证改进自抗扰控制器的优越性，在matlab中搭建 simulink 模型进行仿真实验。
29.作为一种具体实施方式，步骤1中基于四旋翼无人机模型，建立消防无人机的姿态动力学模型，具体如下：考虑消防无人机在对高楼进行灭火作业时处于悬停状态，也就是定高状态，确定消防无人机的姿态动力学方程为：式中，为当消防无人机飞行姿态改变时，由于陀螺效应的存在，产生的陀螺力矩。
30.在地面坐标系下，欧拉角分别为，分别对应消防无人机的滚转角，俯仰角和偏航角，机体轴对应的转动惯量分别为，可建立消防无人机
的姿态动力学模型如下：其中所组成的控制效率模型如下所示：式中，分别为消防无人机四个电机的转速。
31.本发明采用的消防无人机的参数如表1所示。
32.表1 消防无人机仿真参数表作为一种具体实施方式，步骤2中利用跟踪微分器求取姿态角速度和加速度期望值，具体如下：姿态角信号经过微分跟踪器后会得到一个相对平滑且时刻跟踪期望值的过渡信号，也就是姿态角速度期望值，并且可以得到姿态角的微分信号，也就是姿态角加速度的期望值。二阶跟踪微分器的离散型表达方程如下所示：式中，分别为消防无人机姿态角速度和姿态角加速度信号的期望值；为控制器的执行周期；针对离散系统的最速控制综合函数如下：
式中，为快速因子，越大则系统快速性越好，超调变大，过大易引起系统振荡；为滤波因子，越大系统静态误差降低，超调变小，快速性变差，过大易引起振荡；因此本发明通过步骤5的灰狼优化算法实现快速因子与滤波因子参数的耦合自主调参，解决了快速性与超调量之间的矛盾。
33.作为一种具体实施方式，步骤3中设计一种扩张状态观测器评估消防无人机内、外扰动的总扰动，具体如下：扩张状态观测器通过观测系统的各部分扰动(内部干扰与外部干扰）的总和，即消防无人机外部因风扰、热气流扰动复杂扰动与无人机内部传感器噪声扰动、自身质量变化产生扰动的总和，在非线性误差反馈控制律产生的控制量中引入一个总和扰动补偿量，最后运用简单的误差反馈控制策略，以误差消除误差，将总扰动补偿给无人机，就能实现对系统良好的控制效果。以如下非线性系统为例：将函数扩充为系统新的状态变量，则可表示为，并记，则可以扩张为新的线性系统：对上式系统建立三阶eso可得
其中式中为可调参数，一般取0~1之间的某个数；为线性段区间长度；，，为增益系数。
34.作为一种具体实施方式，步骤3中扩张状态观测器中一种改进的 fal函数，具体如下：扩张状态观测器是整个自抗扰控制器的核心部分，而fal函数又是扩张状态观测器的核心。从传统fal函数的表达式可以看出，该非线性函数在误差绝对值比较小的时候，是线性的，而当误差比较大的时候是呈指数上升的，不收敛的。针对这一问题，本发明设计出如下式的一个新的非线性函数newfal来替换传统的非线性函数fal，为了便于区分，式中为误差，等同于fal中的。
35.由图3、图4可知，当误差绝对值较大时，newfal函数输出值收敛于一个固定的常数，明显小于fal函数输出值，避免了因误差不断增大，非线性函数不收敛的问题，同时newfal函数在原点附近更光滑且收敛性更好，有效克服了传统 fal 函数在原点附近存在拐点而导致斜率较大的问题。由图5可知，当输入误差值趋向于0时，fal函数输出增益趋于无穷，易引起系统震荡；输入误差较小时，newfal函数输出增益高于fal函数；而输入误差较大时，newfal函数输出增益明显低于fal函数，因此本发明设计的newfal函数比fal函数更能体现“小误差，大增益；大误差，小增益”的工程思想。
36.作为一种具体实施方式，步骤4中设计非线性误差反馈控制律，并利用扩张状态观测器评估出的扰动项的值对系统的不确定项进行补偿，具体如下：式中，为补偿系数；为增益系数；为通过姿态角误差和姿态角微分信号经非线性误差反馈控制律得到的初始控制量；为经过扰动补偿后作用于被控系统的
最终控制量。
37.作为一种具体实施方式，步骤5中设计一种灰狼优化算法，对自抗扰控制器的主要参数进行自主调优，具体如下：针对自抗扰控制器参数较多，消防任务较紧急，并且消防无人机面临的环境瞬息万变的特点，为了减小消防员操作无人机的调参难度，本发明将自抗扰控制器调参问题转化为寻优问题，利用灰狼优化算法（gwo）实现参数自整定。
38.表2 自抗扰控制器待调参数自抗扰控制器待调参数如表2所示，表里的参数是通过经验法调得。优化调参的对象是其中几个重要并且变化较大的参数，补偿系数，增益系数、、、和。
39.灰狼优化算法优化自抗扰控制器的控制结构图和流程图，如图6和7所示；fitness 函数选取的是itae指标，也就是时间乘以误差绝对值的积分；。
40.在gwo算法狩猎过程中将通过下式进行对猎物的包围，体现在本发明的实现上就是对自抗扰最优参数的靠近以及 fitness 函数的逐步收敛。
41.式中，表示迭代次数，表示次迭代的灰狼与猎物间距离，表示灰狼所在的
位置，表示猎物所在的位置，和表示协同性系数常量，和是0-1之间的随机数，表示收敛因子其取值是从2线性减到0；其中，。
42.作为一种具体实施方式，步骤5中对灰狼优化算法收敛因子的改进，具体如下：当小于1时，表示靠近当前最优解位置；当大于1时，表示远离当前最优解位置。在迭代前期需要让减小缓慢，扩大搜索范围，防止局部最优；在迭代后期需要让减小迅速，在当前最优解周围迅速搜索，到最优解。因此本发明设计如下非线性递减的收敛因子，如图8所示：其中，。
43.作为一种具体实施方式，在步骤6中验证改进自抗扰控制器的优越性，在matlab中搭建simulink模型进行仿真实验，具体如下：为了验证改进fal函数的优越性，进行了扰动下姿态角响应曲线对比实验，如图9所示，以俯仰角跟踪曲线为例，设计的newfal函数作用下的自抗扰控制器对消防无人机的姿态控制明显具有更好的快速性和更小的误差。
44.为了验证灰狼优化算法（gwo）中改进收敛因子的收敛速度优越性，通过迭代50次后收敛函数曲线的对比，如图10所示，可以看出改进收敛因子下的gwo算法达到收敛所需迭代次数明显较少，并且收敛误差也明显较小。通过不同方式对自抗扰控制器的参数整定以及 fitness 函数值对比如下表 3 所示。
45.表3通过不同方式对自抗扰控制器的参数整定以及 fitness 函数值对比以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，包括以下步骤：步骤s1，基于四旋翼无人机模型，建立消防无人机的姿态动力学模型；步骤s2，利用跟踪微分器求取姿态角速度和加速度期望值；步骤s3，设计一种扩张状态观测器评估消防无人机内、外扰动的总扰动，具体的是设计一种改进的fal函数；步骤s4，设计非线性误差反馈控制律，并利用扩张状态观测器评估出的扰动项的值对系统的不确定项进行补偿；步骤s5，设计一种灰狼优化算法，对自抗扰控制器的主要参数进行自主调优，具体的是设计一种改进的收敛因子；步骤s6，为了验证改进自抗扰控制器的优越性，在matlab中搭建simulink模型进行仿真实验。2.根据权利要求1所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在步骤s1中，消防无人机的姿态动力学方程为：式中，为当消防无人机飞行姿态改变时，由于陀螺效应的存在，产生的陀螺力矩。3.根据权利要求2所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在地面坐标系下，欧拉角分别为，分别对应消防无人机的滚转角、俯仰角和偏航角，机体轴对应的转动惯量分别为，可建立消防无人机的姿态动力学模型如下：其中，所组成的控制效率模型如下所示：式中，分别为消防无人机四个电机的转速。4.根据权利要求1所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在步骤s2中，利用跟踪微分器求取姿态角速度和加速度期望值，具体如下：姿态角信号经过微分跟踪器后会得到一个相对平滑且时刻跟踪期望值的过渡信号，也就是姿态角速度期望值，并且可以得到姿态角的微分信号，也就是姿态角加速度的期望值；其中，二阶跟踪微分器的离散型表达方程如下所示：
式中，分别为消防无人机姿态角速度和姿态角加速度信号的期望值；为控制器的执行周期；针对离散系统的最速控制综合函数如下：针对离散系统的最速控制综合函数如下：式中，为快速因子，越大则系统快速性越好，超调变大，过大易引起系统振荡；为滤波因子，越大系统静态误差降低，超调变小，快速性变差，过大易引起振荡。5.根据权利要求1所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在步骤s3中，设计一种扩张状态观测器评估消防无人机内、外扰动的总扰动，具体如下：扩张状态观测器通过观测系统的内部干扰与外部干扰的总和，在非线性误差反馈控制律产生的控制量中引入一个总和扰动补偿量，最后运用简单的误差反馈控制策略，以误差消除误差，将总扰动补偿给无人机，就能实现对系统良好的控制效果；具体的，针对如下非线性系统：将函数扩充为系统新的状态变量，则可表示为，并记则可以扩张为新的线性系统：
对上式系统建立三阶 eso 可得其中式中为可调参数，一般取0~1之间的某个数；为线性段区间长度；，，为增益系数。6.根据权利要求5所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在步骤s3中，扩张状态观测器中一种改进的fal函数，具体如下：为了便于区分，式中为误差，等同于fal中的；。7.根据权利要求1所述的基于改进自抗扰控制器的消防无人机姿态控制方法，在步骤s4中，设计非线性误差反馈控制律，并利用扩张状态观测器评估出的扰动项的值对系统的不确定项进行补偿，具体如下：式中，为补偿系数；为增益系数；为通过姿态角误差和姿态角微分信号经非线性误差反馈控制律得到的初始控制量；为经过扰动补偿后作用于被控系统的最终控制量。8.根据权利要求1所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在步骤s5中，设计一种灰狼优化算法，对自抗扰控制器的主要参数进行自主调优，具体如下：
针对自抗扰控制器参数较多，消防任务较紧急，并且消防无人机面临的环境瞬息万变的特点，为了减小消防员操作无人机的调参难度，将自抗扰控制器调参问题转化为寻优问题，利用灰狼优化算法实现参数自整定；fitness函数选取的是itae指标，也就是时间乘以误差绝对值的积分；从表达式上来看，这个fitness函数最终收敛结果越小，代表系统的快速性越好，稳态误差越小；；在灰狼优化算法狩猎过程中将通过下式进行对猎物的包围，式中，表示迭代次数，表示次迭代的灰狼与猎物间距离，表示灰狼所在的位置，表示猎物所在的位置，和表示协同性系数常量，和
ꢀꢀ
是 0-1 之间的随机数，表示收敛因子其取值是从2线性减到0；其中，。9.根据权利要求8所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在步骤s5中，对灰狼优化算法收敛因子的改进，具体如下：当小于 1 时，表示靠近当前最优解位置；当大于 1 时，表示远离当前最优解位置；在迭代前期需要让减小缓慢，扩大搜索范围，防止局部最优；在迭代后期需要让减小迅速，在当前最优解周围迅速搜索，到最优解；其中，。10.根据权利要求1所述的基于改进自抗扰控制器的消防无人机姿态控制方法，其特征在于，在步骤s6中，验证改进自抗扰控制器的优越性，在matlab中搭建simulink 模型进行仿真实验，具体如下：为了验证改进fal函数的优越性，进行了消防无人机扰动下姿态角响应曲线对比仿真实验；为了验证改进收敛因子对灰狼优化算法的优越性，进行了在其他条件都相同的情况下，不同收敛因子，不同fal函数，利用灰狼优化算法进行参数寻优最终达到收敛的对比仿真实验。

技术总结

本发明涉及无人机飞行控制技术领域，尤其涉及一种基于改进自抗扰控制器的消防无人机姿态控制方法，该方法为：建立消防无人机的姿态动力学模型；利用跟踪微分器求取姿态角速度和角加速度期望值；设计一种扩张状态观测器评估消防无人机内、外扰动的总扰动；设计非线性误差反馈控制律，利用扩张状态观测器评估出的扰动项的值对系统的不确定项进行补偿；设计一种灰狼优化算法，对自抗扰控制器的主要参数进行自主调优；验证改进自抗扰控制器的优越性。本发明解决了传统控制器控制精度低、误差大的缺点。缺点。缺点。