[发明专利]一种基于行为模型的小型无人旋翼机自主起降控制方法

摘要

一种基于行为模型的小型无人旋翼机自主起降控制方法，涉及飞控手行为数据学习、飞控手行为模型构建、自主起降规则设计。首先通过数据采集系统采集飞控手操控行为数据；其次针对小型无人旋翼机自主起降阶段的工作特性，通过模糊控制方法构建飞控手行为模型，并通过神经网络进行优化，提高飞控手行为模型性能；通过分析飞控手行为特性和小型无人旋翼机起降特性，构建自主起降行为规则。本发明具有抗干扰性强、稳定性高、便于设计等优点，可用于小型无人旋翼机复杂环境下的自主起降控制等。

主权项

1.一种基于行为模型的小型无人旋翼机自主起降控制方法，其特征在于实现步骤如下：(1)采集飞控手操控小型无人旋翼机起降阶段的主浆总距、油门阀值和小型无人旋翼机在起降阶段的水平位置、高度、速度状态信息；(2)构建飞控手行为模型，通过学习飞控手操控行为数据和小型无人旋翼机状态信息，利用自适应模糊控制方法构建飞控手行为模型，该模型由输入层、模糊层、规则层和去模糊层构成，表示条件结论IF-THEN控制过程；输入层的输入为高度误差Δheight及高度误差变化量输出为经过归一化处理的高度误差和高度误差变化量；输入层的输出作为模糊层的输入，模糊层的控制器的成员函数利用高斯函数定义：Q_ik＝exp(-(X_i-a_ik)²/(k_i·b²_ik))，i＝1，2，k＝1，2…N其中，Q_ik为对应的模糊变量的输出，分别表示N种情况，x_i为经过归一化处理后的输入值，a_ik表示i输入对应的k类高斯函数的中心值，表示i输入对应的k类高斯函数的均方差值，k_i为径向基神经网络对i输入的调控参数，N为输入对应的模糊变量数目；模糊层输出为高度误差和高度误差变化量对应的模糊变量；规则层的输入为模糊层的输出，基于最大最小MAX-MIN乘积合成方法生成相应的N²个模糊规则；在去模糊层，利用隶属度函数加权平均判决法将规则层得出的数值转化为直接控制对象的精确输出，即总距舵量的控制量，并通过径向基神经网络对输入和飞控手行为模型的输入和输出进行改进，提高飞控手行为模型对环境的适应性；(3)确定自主起降阶段的行为规则，将自主起飞阶段分为起始阶段、离地阶段、和飞行阶段，起始阶段通过油门和总距阀值获得附着力，离地阶段通过自适应飞控手行为模型消除外扰获得的姿态控制，飞行阶段通过常规控制方法实现姿态控制；自主降落阶段分为飞行阶段、离地阶段、和降落阶段，飞行阶段通过常规控制方法实现姿态控制，离地阶段通过自适应飞控手行为模型和常规控制方法实现的位置和姿态控制，着地阶段通过飞控手行为模型实现位置控制。