一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法

摘要

本发明涉及一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，首先通过非故障情况下自驾仪控制系统输出指令与机体所受力和力矩间的数学模型计算机体所受力矩，然后构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，之后根据桨叶损伤数学模型的逆模型反演解算桨叶损伤模型参数估计值，最后根据桨叶损伤模型参数估计值设计控制分配重构矩阵实现自驾仪控制分配重构。本发明一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制算法与现有技术相比具有如下优点：可在线估计桨叶损伤程度，通过在线重建控制对象数学模型，实现桨叶损伤下的多旋翼无人机自驾仪控制自愈，保障无人机在桨叶损伤情况下的安全稳定飞行。

权利要求

1.一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，其特征在于，包括以下步骤：(1)根据非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型计算得到非故障情况下机体所受力矩τ；

(2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，非故障情况下机体所受力矩τ及机体实际姿态角和角速度为干扰观测器输入，桨叶损伤后对机体产生的力矩干扰量估计值 为干扰观测器输出；

(3)构建桨叶损伤数学模型，并通过桨叶损伤数学模型的逆模型对干扰观测器输出力矩干扰量估计值 进行反演解算，实时获得桨叶损伤模型参数估计值，所述桨叶损伤模型参数估计值包括：升力比率估计值 及扭矩比率估计值(4)根据桨叶损伤模型参数估计值中的升力比率估计值 设计控制分配重构矩阵R，并将R引入非故障情况下的多旋翼无人机控制分配中，实现自驾仪控制分配重构；

(5)飞行过程中，在自驾仪每个控制周期不断重复(1)至(4)，实现多旋翼无人机自驾仪桨叶损伤的估计与自愈控制；

所述步骤(2)具体实现如下：

构建多旋翼无人机姿态控制系统状态方程为：

其中，G0,H0为姿态控制系统状态方程定常系数矩阵，x(t)状态变量，u(t)为姿态控制系统输入；

选择状态变量：

输入为：

u(t)＝[τx τy τz]T

其中τx，τy，τz为姿态控制系统输入u(t)在x,y,z轴方向的分量；

螺旋桨桨叶损伤时，姿态控制系统出现扰动力矩d0(t)，即系统状态方程写为：对姿态控制系统中存在的扰动力矩d0(t)设计干扰观测器：其中，v(t)为干扰观测器状态变量， 为干扰观测器输出力矩干扰量估计值，L为观测器状态反馈矩阵，通过调节L实现干扰观测器对力矩干扰估计快速性和稳定性的平衡，且在自驾仪控制系统中需对上述干扰观测器状态方程进行离散化处理；

所述步骤(3)具体实现如下：

按如下方式构建桨叶损伤数学模型：

螺旋桨桨叶损伤后，提供的升力Tf和转矩Mf表示为：式中，CT为完好螺旋桨升力系数，CM为完好螺旋桨扭矩系数， 为电机转速，即螺旋桨转速，定义α为损伤后螺旋桨的升力比率，β为损伤后螺旋桨的扭矩比率；

若干扰观测器输出力矩干扰量估计值 快速跟踪干扰d0(t)，且收敛时估计误差为零，设：式中， 为观测器估计值在机体x，y，z轴方向的分量；

对力矩干扰量进行反演解算出损伤模型参数，反演解算方式为：式中，CR,b为多旋翼无人机电机稳态参数，dx，dy分别为损伤螺旋桨对应电机的中心轴距机体x，y轴的距离， 分别为升力和扭矩比率的估计值；

所述步骤(4)具体实现如下：

非故障情况下，多旋翼无人机控制分配设计为：

其中，X-1为非桨叶损伤故障下控制分配矩阵，P＝diag(CT,dCT,dCT,CM)，d为多旋翼电机距机体中心距离， 为对应序号电机的期望转速，Fd、τd分别自驾仪控制器输出的力和力矩控制量，即期望拉力和期望力矩，τxd,τyd,τzd分别为力矩控制量在机体x，y，z轴方向的分量；

桨叶损伤故障发生后，在非故障情况下控制分配中引入控制分配重构矩阵R：式中，diag是常用数学符号，表示Rn×n是由 元素组成的对角阵；

引入控制分配重构矩阵R的具体方法为：

2.根据权利要求1所述的一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，其特征在于：所述步骤(1)具体实现如下：通过多旋翼无人机所使用电机的转速 与自动驾仪控制系统输出指令σ之间的状态方程及非故障情况下机体所受总升力F和力矩τ与电机转速 之间的关系计算非故障情况下机体所受力矩τ，且在自动驾仪控制系统中需对所构建连续系统状态方程进行离散化处理。

说明书

一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法

技术领域

[0001] 本发明涉及一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，属于无人机控制技术领域。

背景技术

[0002] 多旋翼无人机是具有多个旋翼的具有垂直起降能力的无人驾驶飞行器，拥有重量轻、体积小、灵活性高等优势，同时具有优良的垂直起降性能、悬停性能和低速性能。多旋翼体积小、重量轻、结构紧凑，集多传感器、多执行器、复杂接口的控制系统于一身、且易受外界环境变化的影响，很难保证飞行过程中不出现任何问题，在飞行过程中的故障率较高。多旋翼无人机除了刚体动力学模型外还有旋翼动力学以及电机模型,在理论上精确建立数学模型难度较大，尤其是在执行机构发生故障时，例如，电机出现转速下降甚至停转、螺旋桨出现不同程度的损伤等情况下，多旋翼无人机数学模型将产生不确定突变。由于这种故障导致的模型不确定突变，现有常规的无模型控制器和有模型控制器都会出现控制稳定性下降问题，如果上述执行器故障不能在有限的控制周期内快速进行估计和处理，甚至会导致机体不受控、坠机等严重后果。文献“Adaptive Control ofQuadrotor UAVs:A Design Trade Study With Flight Evaluations”(Zachary T.Dydek,Anuradha M.Annaswamy,and Eugene Lavretsky.Adaptive Control of Quadrotor UAVs:A Design Trade Study With Flight Evaluations[J].IEEETransactions On Control Systems Technology,2013,21(4):1400～1406.)中针对桨叶损伤情况下无人机参数不确定性问题，设计了一种自适应控制器，解决了无人机推力异常情况下的稳定控制问题。但未对桨叶损伤情况下的无人机参数不确定性进行量化估计。一种基于辅助输出的六旋翼无人机故障估计方法，专利号：201810448305.7，提出了一种能在外部干扰下对六旋翼无人机故障后电机提供残余升力信号进行精确估计的方法，但未涉及计此类故障下的控制方法设计，且未进行螺旋桨故障的估计和模型重建。

发明内容

[0003] 本发明所要解决的技术问题在于；克服上述现有技术之不足，提供一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，采用干扰观测器的思想方法，在实际飞行中桨叶损伤后，对桨叶随机损伤程度进行快速估计量化，并在线快速、精确重建桨叶损伤后的多旋翼无人机数学模型，解决桨叶损伤故障导致的模型不确定性问题，并根据重建后桨叶损伤的多旋翼无人机数学模型对控制分配进行重构，实现桨叶损伤故障下的多旋翼无人机自驾仪控制自愈，保障多旋翼无人机在桨叶损伤情况下的安全稳定飞行。

[0004] 本发明的技术解决方案为：一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，其实现步骤如下：

[0005] (1)通过非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型计算得到非故障情况下机体所受力矩τ；

[0006] (2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，非故障情况下机体所受力矩τ及机体实际姿态角和角速度为干扰观测器输入，桨叶损伤后对机体产生的力矩干扰量估计值 为干扰观测器输出；

[0007] (3)构建桨叶损伤数学模型，并通过桨叶损伤数学模型的逆模型对干扰观测器输出力矩干扰量估计值 进行反演解算，实时获得桨叶损伤模型参数估计值，所述桨叶损伤模型参数估计值包括：升力比率估计值 及扭矩比率估计值

[0008] (4)根据桨叶损伤模型参数估计值中的升力比率估计值 设计控制分配重构矩阵R，并将R引入非故障情况下的多旋翼无人机控制分配中，实现自驾仪控制分配重构；

[0009] (5)飞行过程中，在自驾仪每个控制周期不断重复(1)到(4)，实现多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法。

[0010] 所述步骤(1)通过非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间数学模型计算非故障情况下机体所受力矩τ，具体实现如下：

[0011] 通过多旋翼无人机所使用电机的转速 与自动驾仪控制系统输出指令σ计算非故障情况下机体所受力矩τ，且在自动驾仪控制系统中需对所构建连续系统状态方程进行离散化处理。

[0012] 所述步骤(2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，具体实现如下：

[0013] 构建多旋翼无人机姿态控制系统状态方程为：

[0014]

[0015] 其中，G0,H0为姿态控制系统状态方程定常系数矩阵，x(t)状态变量，u(t)为系统输入。

[0016] 选择状态变量：

[0017]

[0018] 输入为：

[0019] u(t)＝[τx τy τz]T

[0020] 其中τx，τy，τz为系统输入u(t)在x,y,z轴方向的分量。

[0021] 螺旋桨桨叶损伤时，上述姿态控制系统出现扰动力矩d0(t)，即系统状态方程写为：

[0022]

[0023] 对上述姿态控制系统中存在的扰动力矩d0(t)设计干扰观测器：

[0024]

[0025] 其中，v(t)为干扰观测器状态变量， 为干扰观测器输出力矩干扰量估计值，L为观测器状态反馈矩阵，通过调节L实现干扰观测器对力矩干扰估计快速性和稳定性的平衡，且在自驾仪控制系统中需对上述干扰观测器状态方程进行离散化处理。

[0026] 所述步骤(3)构建桨叶损伤数学模型及桨叶损伤模型参数反演解算，具体实现如下：

[0027] 按如下方式构建桨叶损伤数学模型：

[0028] 螺旋桨桨叶损伤后，提供的升力Tf和转矩Mf表示为：

[0029]

[0030]

[0031] 式中，CT为完好螺旋桨升力系数，CM为完好螺旋桨扭矩系数， 为螺旋桨转速，定义α为损伤后螺旋桨的升力比率，β为损伤后螺旋桨的扭矩比率；

[0032] 若干扰观测器输出力矩干扰量估计值 快速跟踪干扰d0(t)，且收敛时估计误差为零，设：

[0033]

[0034] 式中， 为观测器估计值在机体x，y，z轴方向的分量；

[0035] 对力矩干扰量进行反演解算出损伤模型参数，反演解算方式为：

[0036]

[0037] 式中，CR,b为多旋翼无人机电机稳态参数，dx，dy分别为损伤螺旋桨对应电机的中心轴距机体x，y轴的距离， 分别为升力和扭矩比率的估计值。

[0038] 所述步骤(4)根据桨叶损伤模型参数估计值设计控制分配重构，具体实现如下：

[0039] 非故障情况下，多旋翼无人机控制分配设计为：

[0040]

[0041] 其中，X-1为非桨叶损伤故障下控制分配矩阵，P＝diag(CT,dCT,dCT,CM)，d为多旋翼电机距机体中心距离， 为对应序号电机的期望转速，Fd、τd分别自驾仪控制器输出的力和力矩控制量，即期望拉力和期望力矩，τxd,τyd,τzd分别为力矩控制量在机体x，y，z轴方向的分量；

[0042] 桨叶损伤故障发生后，在非故障情况下控制分配中引入控制分配重构矩阵R：

[0043]

[0044] 引入控制分配重构矩阵R的具体方法为：

[0045]

[0046] 本发明与现有技术相比具有如下优点：

[0047] (1)可在实际飞行中，对桨叶随机损伤程度进行快速估计量化，并在线快速、精确重建桨叶损伤后的多旋翼无人机数学模型，解决桨叶损伤故障导致的模型不确定性问题；

[0048] (2)根据重建后桨叶损伤的多旋翼无人机数学模型对控制分配进行重构，因此可与现有多种控制器相结合，实现桨叶损伤故障下的多旋翼无人机自驾仪控制自愈，保障多旋翼无人机在桨叶损伤情况下的安全稳定飞行。

附图说明

[0049] 图1是本发明方法流程图。

具体实施方式

[0050] 如图1所示，本发明方法为：首先构建非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型，并计算机体所受力矩τ，然后构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，之后根据桨叶损伤逆模型反演解算桨叶损伤模型参数估计值，最后根据桨叶损伤模型参数估计值设计控制分配重构矩阵R，实现自驾仪控制分配重构。本发明一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法与现有技术相比具有如下优点：可在线估计桨叶损伤程度，通过在线重建控制对象数学模型，实现桨叶损伤下的多旋翼无人机自驾仪控制自愈，保障无人机在桨叶损伤情况下的安全稳定飞行。

[0051] 本发明具体实现步骤如下：

[0052] (1)根据非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型计算得到非故障情况下机体所受力矩τ；

[0053] 具体实现如下：

[0054] 多旋翼无人机所使用的无刷直流电机的转速 与自驾仪控制系统输出的百分比油门指令σ之间的关系可用如下状态方程表示：

[0055]

[0056] 式中，CR和b为电机稳态参数，Tm为电机动态参数，x为状态方程中间变量，且在自驾仪控制系统中需对上述连续系统状态方程进行离散化处理。

[0057] 以“+”型构造四旋翼无人机为例，非故障情况下机体所受总升力F和力矩τ及其在三轴的分量τx，τy，τz为：

[0058]

[0059] 式中，CT为螺旋桨升力系数，CM为螺旋桨扭矩系数,d+为“+”型构造下，电机轴到机体z轴的垂直距离。

[0060] (2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，非故障情况下机体所受力矩τ及机体实际姿态角和角速度为干扰观测器输入，桨叶损伤后对机体产生的力矩干扰量估计值 为干扰观测器输出；

[0061] 具体实现如下：

[0062] 四旋翼姿态非线性模型表示为：

[0063]

[0064]

[0065] J为机体转动惯量矩阵，可表示为：

[0066]

[0067] 对上述姿态非线性模型进行小角度近似并忽略高阶项，得旋翼姿态线性化模型：

[0068]

[0069] 将上述线性化模型用状态方程表示：

[0070]

[0071] 其中，G0,H0为姿态控制系统状态方程定常系数矩阵，x(t)状态变量，u(t)为系统输入。

[0072] 选择状态变量：

[0073]

[0074] 输入为：

[0075] u＝[τxτyτz]T

[0076] 其中τx，τy，τz为系统输入u(t)在x,y,z轴方向的分量。

[0077] 则状态方程中：

[0078]

[0079] 螺旋桨桨叶损伤时，上述线性系统出现扰动力矩，即系统状态方程可写为：

[0080]

[0081] 对上述线性系统中存在的干扰d0(t)设计干扰观测器：

[0082]

[0083] 其中，v(t)为干扰观测器状态变量， 为干扰观测器输出力矩干扰量估计值，L为观测器状态反馈矩阵，通过调节L实现干扰观测器对力矩干扰估计快速性和稳定性的平衡，且在自驾仪控制系统中需对上述连续系统状态方程进行离散化处理。

[0084] (3)构建桨叶损伤数学模型，并通过桨叶损伤数学模型的逆模型对干扰观测器输出力矩干扰量估计值 进行反演解算，实时获得桨叶损伤模型参数估计值，所述桨叶损伤模型参数估计值包括：升力比率估计值 及扭矩比率估计值

[0085] 具体实现如下：

[0086] 按如下方式构建桨叶损伤数学模型：

[0087] 螺旋桨桨叶损伤后，提供的升力Tf和转矩Mf表示为：

[0088]

[0089]

[0090] 式中，CT为损伤前螺旋桨升力系数，CM为损伤前螺旋桨扭矩系数， 为螺旋桨转速，定义α为损伤后螺旋桨的升力比率，β为损伤后螺旋桨的扭矩比率。

[0091] 对于“+”型构造四旋翼无人机，以螺旋桨1出现损伤为例，四旋翼机体所受升力和力矩为：

[0092]

[0093] 在上述螺旋桨桨叶损伤数学模型条件下，将螺旋桨升力和扭矩损失量带来的对机体轴产生的力矩损失量作为系统的扰动力矩d0(t)，可表示为：

[0094]

[0095] 若干扰观测器输出力矩干扰量估计值 可以快速跟踪干扰d0(t)，且收敛时估计误差为零，设：

[0096]

[0097] 式中， 为观测器估计值在x，y，z轴方向的分量。

[0098] 对力矩干扰量进行反演解算出损伤模型参数，反演解算方式为：

[0099]

[0100]

[0101] 式中，CR,b为多旋翼无人机电机稳态参数。

[0102] (4)根据桨叶损伤模型参数估计值中的升力比率估计值 设计控制分配重构矩阵R，并将R引入非故障情况下的多旋翼无人机控制分配中，实现自驾仪控制分配重构；

[0103] 具体实现如下：

[0104] 非故障情况下，“+”型构造四旋翼无人机控制分配设计为：

[0105]

[0106]

[0107] 为对应序号电机的期望转速，Fd、τd分别控制器输出的力和力矩控制量(期望拉力和期望力矩)，X-1为非故障情况下控制分配矩阵。

[0108] 桨叶损伤故障发生后，在非故障原控制分配中引入控制分配重构矩阵R：

[0109]

[0110] 引入控制分配重构矩阵R的具体方法为：

[0111]

[0112] 根据步骤(3)所述桨叶损伤模型，引入控制分配重构矩阵R后，当 有效跟踪真实值α，且螺旋桨转速 到达期望转速 时，四旋翼机体实际所受的升力和力矩为：

[0113]

[0114] 引入控制分配重构矩阵R后，在电机转速上升到期望值后，机体所获得的实际升力及x,y轴方向上的力矩可以有效跟踪控制器输出的期望值，机体俯仰和横滚角完全可控。z轴方向上的力矩在一般情况下无法跟踪控制器的输出值(当α＝β时，可以达到，但通常情况下α≠β)，但这种效应带来的偏航角变化对飞行稳定性影响较小。

[0115] (5)飞行过程中，在自驾仪每个控制周期不断重复(1)到(4)，实现多旋翼无人机自驾仪桨叶损伤的估计与自愈控制。

[0116] 总之，本发明可在线估计桨叶损伤程度，通过在线重建控制对象数学模型，实现桨叶损伤下的多旋翼无人机自驾仪控制自愈，保障无人机在桨叶损伤情况下的安全稳定飞行。