基于自适应神经网络的多旋翼飞行器滑模容错控制与应用研究

摘要

随着物流、通信、计算机等行业技术水平的快速发展，如今，多旋翼飞行器不仅在军事上广泛应用，它在农药喷洒、电力巡检、地理测绘、人员搜救、物资投放与运输等方面也应用广泛。然而，对于执行重要任务或者搭载昂贵仪器的多旋翼飞行器而言，其系统复杂度较高，容易受到周围环境的干扰，当飞行器发生故障时，如执行器故障，容易导致控制系统不稳定，引发坠机。因此，研究其控制系统的容错控制方法，对保证飞行器能够安全飞行具有重要意义。本文针对多旋翼飞行器存在执行器故障，考虑系统中存在干扰、模型不确定性的问题，结合滑模控制方法和自适应神经网络进行了容错控制研究，主要工作内容和创新点如下：　　首先，阐述本课题研究的背景及意义，介绍了多旋翼飞行器的发展现状，综述了容错控制领域发展历程与研究现状，介绍了滑模控制方法和神经网络方法在控制领域的研究现状。对四旋翼飞行器结构与原理进行了介绍，并构建了其非线性动力学模型。　　其次，针对存在多个执行器故障、扰动以及系统中模型参数不确定性的多旋翼系统，提出了一种基于自构造模糊神经网络的多变量滑模容错方法。改进了Ⅰ型的自构造模糊神经网络，设计了能够自适应调整网络权值和相关参数的Ⅱ型自构造模糊神经网络，并基于马氏距离法设计了模糊规则数量调整机制，降低了控制器计算量。同时，设计了多变量滑模控制器作为系统的整体控制器，并将神经网络参数引入滑模控制器中，设计了容错控制律，保证了系统具备良好的稳定性和鲁棒性，设计了自适应参数用于处理系统中存在的干扰问题。最后，通过仿真实验平台验证提出算法的有效性。　　然后，针对存在执行器偏差故障、增益故障以及阵风扰动的多旋翼系统，考虑其含有模型不确定性的情况，提出了一种新型的具有时空扩展和自适应融合核的径向基函数神经网络方法，用于辨识非线性系统中含有模型不确定性和故障信息的参数项以及阵风扰动项，并结合反步滑模控制方法设计了容错控制律。最后，通过仿真实验平台验证了该算法的有效性。　　最后，针对常规的多旋翼飞行器不适合容错控制实验的问题，考虑将容错控制算法实现模型仿真与物理仿真，设计了用于容错控制算法仿真的模型仿真和硬件在环仿真平台，设计了多旋翼飞行器实物仿真容错实验平台，实现了飞行器在仿真环节过程中故障数据的注入。实验中飞行器的飞行性能，可以将实际飞行数据用于分析并改进容错控制算法的设计，对于研究容错控制技术具有一定的工程应用价值。

目录