赵志甲,贺威,陈俊龙等 | 考虑输入约束和全局预设性能的两自由度直升机系统自适应神经网络控制
文摘
科技
2025-01-05 12:01
北京
![]()
![]()
研究团队
赵志甲、吴嘉乐：广州大学机械与电气工程学院
刘志杰、贺威：北京科技大学智能科学与技术学院、智能仿生无人系统教育部重点实验室
陈俊龙：华南理工大学计算机科学与工程学院、琶洲实验室
文章下载
Zhijia ZHAO, Jiale WU, Zhijie LIU, Wei HE & C. L. Philip CHEN. Adaptive neural network control of a 2-DOF helicopter system considering input constraints and global prescribed performance. Sci China Inf Sci, 2024, 67(7): 172202, doi: 10.1007/s11432-023-3949-3
![]()
在技术快速发展的当今时代，无人直升机技术作为现代航空领域的关键组成部分，正以前所未有的速度不断进步。凭借其轻量化、可定点悬停、能够垂直起降等特性，无人直升机在各个领域得到了广泛应用。然而，无人直升机作为一个具有不确定性的非线性系统，其复杂的动态模型和轴间交叉耦合性质限制了其飞行的控制性能。对此，自适应神经网络因其强大的并行计算和卓越的泛化能力而成为解决非线性系统不确定性的关键工具。同时，输入约束是影响系统稳定性的一个因素，忽略这个问题可能会降低控制性能，甚至导致系统的不稳定。因此，在控制系统的设计中，有必要考虑输入约束。此外，为了确保直升机无人机在飞行中的误差、响应速度等性能始终稳定，还需要考虑预设性能控制，保证直升机无人机可以适应各种任务需求，在复杂环境中更加精准、可靠地运行。图1 Quanser Aero 的二自由度直升机系统平台
针对具有输入约束和全局预设性能的二自由度直升机，本文提出了自适应神经网络控制方法，描述了控制器设计和稳定性分析的过程。首先，使用径向基函数神经网络来估计直升机系统的不确定性。在此基础上，引入了一种新的预设性能函数，并利用误差变换和障碍函数变换方法将原始约束误差转化为等效的无约束误差。然后，通过对所建立的李雅普诺夫函数的分析，证明了闭环系统是全局一致有界的。最后，通过实例仿真和实验，验证了所提控制算法的可行性。(1) 本文将约束函数近似为平滑非仿射函数，并通过光滑函数补偿约束误差，来解决具有输入约束的非线性问题，提高系统的鲁棒性。(2) 本文引用了一个预设性能函数，通过归一化函数变化和障碍函数变换，将性能特征可视化为跟踪误差约束，将原约束非线性系统转换为等价的“无约束”系统。此外，由于其初值不是一个有界常数，这一特性消除了预设性能控制对初始值的依赖，实现了系统的全局跟踪控制。(3) 本文提出了一种自适应神经网络控制，解决了直升机系统中同时存在输入约束和全局预设性能的复合效应，通过严格的李雅普诺夫稳定性分析验证了闭环系统的有界性，通过对比仿真和实验验证了所提方法的有效性。本文所提出的控制方法在Quanser Aero的二自由度直升机实验平台上进行验证。通过对比不考虑全局预设性能的控制方法，所提控制方法能实现更快的收敛速度，保证系统误差始终在预设性能范围内演化，保持稳定的安全输入电压，呈现更良好的控制效果。为了更清晰地衡量仿真中二自由度直升机系统实际轨迹与期望轨迹之间的差异程度，并提供关于轨迹跟踪性能的定量评估。我们计算了考虑全局预设性能和不考虑全局预设性能两种方法的RMSE。表1给出了这两种控制方法仿真结果中的RMSE对比。从表格中可以看出，所提考虑了全局预设性能的方法相较于不考虑全局预设性能控制在俯仰角和偏航角上都表现出更小均方根误差，说明实际观测值与预测期望值之间的差异越小，表明所提的考虑了全局预设性能的控制方法在轨迹跟踪控制中具有更好的性能。表1 仿真结果中的均方根误差（RMSE）对比
![]()
为了能够更全面地验证所提出的自适应神经网络控制策略对于具有输入约束和全局预设性能的二自由度直升机系统的控制是有效的，我们进行实验验证，并对实验结果进行分析。为了更清晰地衡量实验中二自由度直升机系统实际轨迹与期望轨迹之间的差异程度，并提供关于轨迹跟踪性能的定量评估。我们计算了考虑全局预设性能和不考虑全局预设性能两种方法的RMSE。表2给出了这两种控制方法实验结果中的RMSE对比。从表格中可以看出，所提考虑了全局预设性能的方法相较于不考虑全局预设性能控制在俯仰角和偏航角上都表现出更小均方根误差，说明实际观测值与预测期望值之间的差异越小，表明所提的考虑了全局预设性能的控制方法在轨迹跟踪控制中具有更好的性能。因此，所提控制方法能实现更快的收敛速度，呈现振幅更小的系统误差，并保证系统误差始终在预设性能范围内演化，得到更良好的控制效果，验证了所提控制算法的可行性。![]()
![]()
![]()
