基于RBF-ARX模型的预测控制在四旋翼飞行器控制系统中的应用

摘要

四旋翼飞行器是一个多输入多输出的非线性带耦合对象，本文针对此系统，进行了数学建模和预测控制算法的研究与实验，对现代飞行器的分析和研究有一定的意义。
　　 首先介绍了四旋翼飞行器的建模。以往采用的物理方法建模是通过机理分析来得到微分方程，进而建立数学模型。弊端在于物理参数难以精确测量，而且在建模过程中存在着一些简化与线性化处理。
　　 ARX模型和RBF-ARX模型建模都属于系统辨识方法建模。其中，ARX模型是一种线性的局部模型，描述四旋翼这类非线性对象时，必须将其工作空间划分成局部子空间才可以表征其特征。而RBF-ARX模型是通过RBF网络对ARX模型中的函数系数进行逼近而得到的一种全局模型，它的自变量是一组表征系统非线性状态的信号量，采用RBF神经网络结构对模型参数进行实时在线调整。因此，RBF-ARX模型不仅在局部的线性区间内有着优越的近似效果，还可以根据自己的参数能进行自我更新调整，具有全局性。
　　 其次设计了四旋翼飞行器的预测控制器，预测控制分为模型建立、滚动优化和反馈矫正这三个步骤，本文采用的是基于状态空间模型的预测控制，用二次规划方法来优化性能指标函数，从而计算出系统的最佳控制输入序列。
　　 最后进行了Simulink仿真和实时控制实验，结果表明，基于RBF-ARX模型的预测控制系统有较强的稳定性和鲁棒性，在各模型下，系统均能较快地跟随给定变化而变化。通过对比分析，RBF-ARX模型预测控制具有快速响应，精准和稳定的控制效果。

目录

声明

摘要

第一章 绪论

1．1 四旋翼飞行器的背景研究

1．1．1 引言

1．1．2 四旋翼飞行器的国内外研究

1．2 预测控制的研究状况

1．2．1 引言

1．2．2 预测控制的研究情况概述

1．3 RBF-ARX模型研究情况

1．3．1 RBF-ARX模型的基本概念

1．3．2 RBF-ARX模型的应用实例

1．4 简介本文的主要研究内容

第二章 四旋翼飞行器的建模研究

2．1 物理建模方法

2．2 系统辨识的建模方法

2．2．1 辨识模型的输入输出数据采集

2．2．2 ARX模型建模方法

2．2．3 基于ARX模型的四旋翼飞行器系统建模

2．2．4 RBF-ARX模型建模方法

2．2．5 四旋翼飞行器系统的RBF-ARX建模

2．3 ARX建模效果和RBF-ARX建模效果对比

2．4 本章小结

第三章 四旋翼飞行器的预测控制器设计

3．1 预测控制器的基本思想

3．2 基于状态空间模型的预测控制器设计

3．3 基于RBF-ARX模型四旋翼飞行器的预测控制

3．3．1 RBF-ARX模型的预测控制器设计

3．3．2 预测控制器的Matlab程序实现

3．3．3 预测控制器的参数设定

3．4 本章小结

第四章 四旋翼飞行器的实验控制结果

4．1 基于RBF-ARX模型的四旋翼飞行器仿真控制

4．1．1 预测控制器的稳定性仿真分析

4．1．2 预测控制器的阶跃响应仿真分析

4．1．3 预测控制器抗方波干扰仿真分析

4．2 系统实时实验的控制结果分析

4．2．1 基于物理模型的LQR实时控制结果分析

4．2．2 基于RBF-ARX模型的LQR实时控制结果

4．2．3 基于RBF-ARX模型的预测实时控制分析

4．3 本章小结

第五章 本文工作总结与未来展望

5．1 本文的工作总结

5．2 本文的未来展望

参考文献

致谢

攻读硕士期间主要的研究成果