本發(fā)明涉及自動(dòng)控制技術(shù)領(lǐng)域，特別是指一種針對(duì)仿生撲翼飛行機(jī)器人的控制方法。

背景技術(shù)：

近年來(lái)，隨著人們對(duì)無(wú)人機(jī)技術(shù)需求的持續(xù)增加，以及先進(jìn)制造技術(shù)、新材料技術(shù)和新能源技術(shù)的飛速發(fā)展，使仿生撲翼飛行機(jī)器人的研究成為技術(shù)熱點(diǎn)。科學(xué)家們受到飛行昆蟲(chóng)和蜂鳥(niǎo)的啟發(fā)，提出了仿生撲翼飛行機(jī)器人的概念，并制造出多種仿生撲翼飛行機(jī)器人。仿生撲翼飛行機(jī)器人的優(yōu)點(diǎn)是體積小，擅長(zhǎng)低空飛行，并具有優(yōu)秀的懸停能力和盤(pán)旋能力。這些突出的優(yōu)點(diǎn)對(duì)目標(biāo)在特定環(huán)境下的搜尋，救援以及軍事偵察提供了可能。

六自由度仿生撲翼飛行機(jī)器人系統(tǒng)的動(dòng)態(tài)模型是很復(fù)雜的。雖然對(duì)動(dòng)態(tài)模型進(jìn)行了簡(jiǎn)化，但還是有很多模型參數(shù)需要獲取。然而，有些模型參數(shù)不能被測(cè)量。即使可以測(cè)得，也需要大量的傳感器，付出很高的代價(jià)，并影響控制精度。因此，需要使用可減小仿生撲翼飛行機(jī)器人對(duì)動(dòng)態(tài)模型參數(shù)需求的控制方法來(lái)設(shè)計(jì)控制器。由于神經(jīng)網(wǎng)絡(luò)能很好地近似許多種類的非線性參數(shù)，可以使用神經(jīng)網(wǎng)絡(luò)控制方法控制仿生撲翼飛行機(jī)器人。

目前，有關(guān)仿生撲翼飛行機(jī)器人的專利寥寥無(wú)幾，基于仿生撲翼飛行機(jī)器人模型設(shè)計(jì)的控制算法更是少之又少。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種針對(duì)仿生撲翼飛行機(jī)器人的控制方法，能夠填補(bǔ)仿生撲翼飛行機(jī)器人控制算法的空白。

為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供一種針對(duì)仿生撲翼飛行機(jī)器人的控制方法，包括：

對(duì)所述仿生撲翼飛行機(jī)器人進(jìn)行運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)分析，建立拉格朗日型模型；

基于所述拉格朗日型模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器；

基于設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器；

基于所述仿生撲翼飛行機(jī)器人的位置控制模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器；

根據(jù)設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器、神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器及基于模型的位置控制器，對(duì)所述仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制。

進(jìn)一步地，所述拉格朗日型模型表示為：

其中，D_r(q_r)、表示矩陣，D_r(q_r)＝I_pT，I_p表示轉(zhuǎn)動(dòng)慣量矩陣，T表示由身體坐標(biāo)系到慣性坐標(biāo)系的坐標(biāo)轉(zhuǎn)換矩陣，表示T對(duì)時(shí)間t的一階導(dǎo)數(shù)，L(t)表示一個(gè)使等式成立的矩陣，q_r是q_r(t)的簡(jiǎn)寫(xiě)形式，q_r(t)表示系統(tǒng)姿態(tài)狀態(tài)矩陣，是的簡(jiǎn)寫(xiě)形式，表示q_r(t)對(duì)時(shí)間t的一階導(dǎo)數(shù)，表示q_r(t)對(duì)時(shí)間t的二階導(dǎo)數(shù)，τ_r是τ_r(t)的簡(jiǎn)寫(xiě)形式，τ_r(t)表示仿生撲翼飛行機(jī)器人姿態(tài)控制輸入。

進(jìn)一步地，所述帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器表示為：

e_r1＝x_r1-x_r1d

e_r2＝x_r2-α_r1

e_r3＝d_r(t)-Φ(e_r2)

其中，τ_r1表示姿態(tài)控制器，x_r1＝q_r，x_r1表示姿態(tài)狀態(tài)矩陣q_r(t)，x_r2表示表示q_r(t)對(duì)時(shí)間t的一階導(dǎo)數(shù)，x_r1d是x_r1d(t)的簡(jiǎn)寫(xiě)形式，x_r1d(t)＝[θ_1d(t),θ_2d(t),θ_3d(t)]^T，θ_1d(t),θ_2d(t),θ_3d(t)分別是身體坐標(biāo)系中的三個(gè)歐拉角要跟蹤的期望角度，K_r2表示控制增益，e_r1、e_r2表示狀態(tài)偏差，表示系統(tǒng)擾動(dòng)d_r(t)的估計(jì)值，表示虛擬速度跟蹤軌跡α_r1對(duì)時(shí)間t的一階導(dǎo)數(shù)，e_r3為輔助函數(shù)，為e_r3的估計(jì)值，Φ(e_r2)關(guān)于e_r2的函數(shù)，為關(guān)于時(shí)間t的一階導(dǎo)數(shù)，K(e_r2)為Φ(e_r2)關(guān)于e_r2的導(dǎo)數(shù)，表示D_r(x_r1)的逆矩陣。

進(jìn)一步地，所述帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器表示為：

e_r1＝x_r1-x_r1d

e_r2＝x_r2-α_r1

e_r3＝d_r(t)-Φ(e_r2)

其中，τ_r2表示神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器，x_r1＝q_r，x_r1表示姿態(tài)狀態(tài)矩陣，x_r2表示表示姿態(tài)狀態(tài)矩陣對(duì)時(shí)間t的一階導(dǎo)數(shù)，x_r1d是x_r1d(t)的簡(jiǎn)寫(xiě)形式，x_r1d(t)＝[θ_1d(t),θ_2d(t),θ_3d(t)]^T，θ_1d(t),θ_2d(t),θ_3d(t)分別是身體坐標(biāo)系中的三個(gè)歐拉角要跟蹤的期望角度，K_r2表示控制增益，e_r1、e_r2表示狀態(tài)偏差，表示系統(tǒng)擾動(dòng)d_r(t)的估計(jì)值，C₀(x_r1,x_r2)表示C_r(x_r1,x_r2)的虛擬部分，α_r1表示虛擬速度跟蹤軌跡，表示神經(jīng)網(wǎng)絡(luò)的權(quán)重估計(jì)值，表示的轉(zhuǎn)置，S(Z)表示神經(jīng)網(wǎng)絡(luò)基函數(shù)，Z表示神經(jīng)網(wǎng)絡(luò)的輸入，e_r3為輔助函數(shù)，為e_r3的估計(jì)值，Φ(e_r2)關(guān)于e_r2的函數(shù)，為關(guān)于時(shí)間t的一階導(dǎo)數(shù)，K(e_r2)為Φ(e_r2)關(guān)于e_r2的導(dǎo)數(shù)，表示D_r(x_r1)的逆矩陣，為表示D_r(x_r1)虛擬部分的逆矩陣。

進(jìn)一步地，所述位置控制模型表示為：

其中，D_t、G_t表示矩陣，R^IB(q_r(t))表示坐標(biāo)系變換陣，q_r(t)表示系統(tǒng)姿態(tài)狀態(tài)矩陣，是的簡(jiǎn)寫(xiě)形式，表示q_r(t)對(duì)時(shí)間t的二階導(dǎo)數(shù)，τ_t(t)表示位置控制器，d_t(t)表示系統(tǒng)擾動(dòng)。

進(jìn)一步地，所述帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器表示為：

e_t1＝x_t1-x_t1d

e_t2＝x_t2-α_t1

其中，τ_t為τ_t(t)的簡(jiǎn)寫(xiě)形式，τ_t表示位置控制器，q_r是q_r(t)的簡(jiǎn)寫(xiě)形式，(R^IB(q_r))^-1表示R^IB(q_r(t))的逆矩陣，x_t1＝q_t，x_t1、q_t表示位置變換狀態(tài)矩陣，x_t2、表示位置變換狀態(tài)矩陣q_t對(duì)時(shí)間t的一階導(dǎo)數(shù)，x_t1d(t)＝[x_d(t),y_d(t),z_d(t)]^T，x_d(t),y_d(t),z_d(t)分別表示大地坐標(biāo)系x、y、z方向上要跟蹤的期望位置軌跡，e_t1、e_t2表示位置偏差，K_d、K_t4表示控制增益，表示系統(tǒng)擾動(dòng)d_t(t)的估計(jì)值，表示虛擬速度跟蹤軌跡α_t1對(duì)時(shí)間t的一階導(dǎo)數(shù)。

進(jìn)一步地，所述方法還包括：

采用李雅普諾夫直接法，分析加入所述帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器后閉環(huán)系統(tǒng)的穩(wěn)定性以及系統(tǒng)狀態(tài)的有界性，構(gòu)造的李雅普諾夫函數(shù)表示為：

其中，V₁表示構(gòu)造的李雅普諾夫函數(shù)，表示與d_r(t)之間的誤差，分別表示e_r1、e_r2、的轉(zhuǎn)置。

進(jìn)一步地，所述方法還包括：

若e_r1、e_r2、都有界，則加入所述帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器后閉環(huán)系統(tǒng)的系統(tǒng)狀態(tài)滿足有界性。

進(jìn)一步地，所述方法還包括：

采用李雅普諾夫直接法，分析加入所述帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器后閉環(huán)系統(tǒng)的穩(wěn)定性以及系統(tǒng)狀態(tài)的有界性，構(gòu)造的李雅普諾夫函數(shù)表示為：

其中，V₂表示構(gòu)造的李雅普諾夫函數(shù)，D₀(x_r1)表示D_r(x_r1)的虛擬部分，表示與d_r(t)之間的誤差，表示神經(jīng)網(wǎng)絡(luò)的權(quán)重誤差，表示的轉(zhuǎn)置，表示預(yù)設(shè)的常數(shù)矩陣的逆矩陣，i＝1,2,3，n表示矩陣中元素的數(shù)目，分別表示e_r1、e_r2、的轉(zhuǎn)置。

進(jìn)一步地，所述方法還包括：

采用李雅普諾夫直接法，分析加入所述帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器后閉環(huán)系統(tǒng)的穩(wěn)定性以及系統(tǒng)狀態(tài)的有界性，構(gòu)造的李雅普諾夫函數(shù)表示為：

其中，V₃表示構(gòu)造的李雅普諾夫函數(shù)，表示與d_t(t)之間的誤差，分別表示e_t1、e_t2、的轉(zhuǎn)置。

本發(fā)明的上述技術(shù)方案的有益效果如下：

上述方案中，通過(guò)對(duì)所述仿生撲翼飛行機(jī)器人進(jìn)行運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)分析，得到處理具有大量未知系統(tǒng)參數(shù)的拉格朗日型模型；基于所述拉格朗日型模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器；基于設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器；基于所述仿生撲翼飛行機(jī)器人的位置控制模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器；根據(jù)設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器、神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器及基于模型的位置控制器，只需要較少的傳感器和執(zhí)行器，就能有效地對(duì)仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例提供的針對(duì)仿生撲翼飛行機(jī)器人的控制方法的流程示意圖；

圖2為本發(fā)明實(shí)施例提供的仿生撲翼飛行機(jī)器人的結(jié)構(gòu)示意圖；

圖3為本發(fā)明實(shí)施例提供的系統(tǒng)在帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器控制下的仿真效果圖；

圖4為本發(fā)明實(shí)施例提供的帶有擾動(dòng)觀測(cè)器的姿態(tài)控制輸入；

圖5為本發(fā)明實(shí)施例提供的系統(tǒng)在帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器控制下的仿真效果圖；

圖6為本發(fā)明實(shí)施例提供的帶有擾動(dòng)觀測(cè)器的基于模型的位置控制輸入示意圖；

圖7為本發(fā)明實(shí)施例提供的系統(tǒng)在帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器控制下的仿真效果圖；

圖8為本發(fā)明實(shí)施例提供的帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制輸入；

圖9為本發(fā)明實(shí)施例提供的系統(tǒng)在帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器控制下的仿真效果圖；

圖10為本發(fā)明實(shí)施例提供的帶有擾動(dòng)觀測(cè)器的基于模型的位置控制輸入示意圖。

具體實(shí)施方式

為使本發(fā)明要解決的技術(shù)問(wèn)題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。

為了更好地理解本實(shí)施例，先對(duì)本文中的一些簡(jiǎn)寫(xiě)進(jìn)行舉例說(shuō)明，例如，q_r是q_r(t)的簡(jiǎn)寫(xiě)形式，是的簡(jiǎn)寫(xiě)形式，是的簡(jiǎn)寫(xiě)形式，τ_r是τ_r(t)的簡(jiǎn)寫(xiě)形式，τ_t為τ_t(t)的簡(jiǎn)寫(xiě)形式，x_r1d是x_r1d(t)的簡(jiǎn)寫(xiě)形式，其他類似的簡(jiǎn)寫(xiě)不再一一說(shuō)明。

本文中，形式為表示一階導(dǎo)數(shù)，表示二階導(dǎo)數(shù)，在沒(méi)有特殊說(shuō)明的情況下，都是對(duì)時(shí)間t進(jìn)行求導(dǎo)，例如，為w對(duì)時(shí)間t的一階導(dǎo)數(shù)。

參看圖1所示，本發(fā)明實(shí)施例提供的針對(duì)仿生撲翼飛行機(jī)器人的控制方法，包括：

S101，對(duì)所述仿生撲翼飛行機(jī)器人進(jìn)行運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)分析，建立拉格朗日型模型；

S102，基于所述拉格朗日型模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器；

S103，基于設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器；

S104，基于所述仿生撲翼飛行機(jī)器人的位置控制模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器；

S105，根據(jù)設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器、神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器及基于模型的位置控制器，對(duì)所述仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制。

本發(fā)明實(shí)施例所述的針對(duì)仿生撲翼飛行機(jī)器人的控制方法，通過(guò)對(duì)所述仿生撲翼飛行機(jī)器人進(jìn)行運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)分析，得到處理具有大量未知系統(tǒng)參數(shù)的拉格朗日型模型；基于所述拉格朗日型模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器；基于設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器；基于所述仿生撲翼飛行機(jī)器人的位置控制模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器；根據(jù)設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器、神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器及基于模型的位置控制器，只需要較少的傳感器和執(zhí)行器，就能有效地對(duì)仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制。

本實(shí)施例提供的針對(duì)仿生撲翼飛行機(jī)器人的控制方法具體步驟可以包括：

步驟1，如圖2所示為仿生撲翼飛行機(jī)器人的結(jié)構(gòu)示意圖，所述仿生撲翼飛行機(jī)器人可以是六自由度仿生撲翼飛行機(jī)器人，通過(guò)對(duì)所述六自由度仿生撲翼飛行機(jī)器人進(jìn)行運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)分析，得到：

其中，I_p為轉(zhuǎn)動(dòng)慣量矩陣，w為由身體坐標(biāo)系的三個(gè)歐拉角經(jīng)坐標(biāo)轉(zhuǎn)換到慣性坐標(biāo)系的角速，q_r(t)表示系統(tǒng)姿態(tài)狀態(tài)矩陣，T是由身體坐標(biāo)系到慣性坐標(biāo)系的坐標(biāo)轉(zhuǎn)換矩陣。

令其中，L(t)是一個(gè)使等式成立的矩陣，無(wú)實(shí)際意義，得到拉格朗日型模型：

式(2)中，矩陣D_r(q_r)＝I_pT，和D_r(q_r)無(wú)實(shí)際意義，用于簡(jiǎn)化拉格朗日型模型的表達(dá)形式；系統(tǒng)姿態(tài)狀態(tài)矩陣q_r(t)＝[θ₁ θ₂ θ₃]^T，θ₁、θ₂、θ₃是身體坐標(biāo)系中的三個(gè)歐拉角，分別是俯仰角、扭轉(zhuǎn)角、偏航角；表示系統(tǒng)姿態(tài)狀態(tài)矩陣q_r(t)對(duì)時(shí)間t的二階導(dǎo)數(shù)，τ_r表示撲翼飛行器姿態(tài)控制輸入，由身體坐標(biāo)系到慣性坐標(biāo)系的坐標(biāo)轉(zhuǎn)換矩陣T表示為：

令x_r1＝q_r＝[θ₁,θ₂,θ₃]^T以及于是得到：

其中，d_r(t)為系統(tǒng)擾動(dòng)，是D_r(x_r1)的逆矩陣，是x_r1對(duì)時(shí)間t的一階導(dǎo)數(shù)，是x_r2對(duì)t的一階導(dǎo)數(shù)。

設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器時(shí)，x_r1和x_r2是已知狀態(tài)變量，設(shè)x_r1d(t)＝[θ_1d(t),θ_2d(t),θ_3d(t)]^T，其中，θ_1d(t),θ_2d(t),θ_3d(t)分別是身體坐標(biāo)系中的三個(gè)歐拉角(俯仰角，扭轉(zhuǎn)角，偏航角)要跟蹤的期望角度，則跟蹤的狀態(tài)偏差分別為：

式(4)中，e_r1、e_r2表示狀態(tài)偏差，虛擬速度跟蹤軌跡其中，A_r1＝K_r1e_r1，K_r1≥0為控制增益。

根據(jù)式(3)，對(duì)式(4)兩邊求關(guān)于時(shí)間t的導(dǎo)數(shù)得：

基于式(6)拉格朗日型模型，設(shè)計(jì)擾動(dòng)觀測(cè)器，對(duì)控制器進(jìn)行優(yōu)化處理，設(shè)輔助函數(shù)為：

e_r3＝d_r(t)-Φ(e_r2) (7)

其中，Φ(e_r2)為關(guān)于e_r2的函數(shù)

對(duì)式(8)兩邊求關(guān)于時(shí)間t的導(dǎo)數(shù)得

其中，Φ(e_r2)關(guān)于e_r2的導(dǎo)數(shù)為

令的估計(jì)值為

又有擾動(dòng)變量的估計(jì)值為

得到e_r3的誤差

所以可得干擾的誤差關(guān)于時(shí)間t的導(dǎo)數(shù)

為了證明加入姿態(tài)控制器后系統(tǒng)的穩(wěn)定性和一直有界性，構(gòu)造李雅普諾夫函數(shù)如下

對(duì)式(12)兩邊求關(guān)于時(shí)間t的導(dǎo)數(shù)得

K_r1≥0為控制增益，設(shè)D_r(x_r1)和C_r(x_r1,x_r2)是已知的，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于拉格朗日型模型的姿態(tài)控制器為：

其中，τ_r1為基于拉格朗日型模型的姿態(tài)控制器，K_r2≥0為控制增益；

令其中，γ為大于零的常數(shù)，得系統(tǒng)是穩(wěn)定的以及狀態(tài)是有界的

其中，式(16)中ε₁，C₁為大于0的常數(shù)

其中，γ為大于零的常數(shù)，為了保證ε₁>0，系統(tǒng)參數(shù)需滿足

λ_min(K_r1)>0

其中，I表示單位矩陣，λ_min(·)和λ_max(·)為矩陣·的最小特征值和最大特征值。

對(duì)式(18)兩邊同時(shí)乘以得

對(duì)式(20)兩邊積分得

因此，狀態(tài)偏差e_r1有界，同理可得e_r2，有界，因此，加入所述帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器后閉環(huán)系統(tǒng)的系統(tǒng)狀態(tài)滿足有界性。

步驟2，基于設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器，采用李雅普諾夫直接法來(lái)分析加入神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器后閉環(huán)系統(tǒng)的穩(wěn)定性以及系統(tǒng)狀態(tài)的有界性。

針對(duì)撲翼飛行機(jī)器人設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋控制器，把D_r(x_r1)和C_r(x_r1,x_r2)分成倆部分，虛擬部分設(shè)一個(gè)已知的D₀(x_r1)，則不確定的部分為ΔD_r(x_r1)＝D_r(x_r1)-D₀(x_r1)。同理，設(shè)虛擬部分為C₀(x_r1,x_r2)，C₀(x_r1,x_r2)是反對(duì)稱矩陣以及不確定部分為ΔC_r(x_r1,x_r2)＝C_r(x_r1,x_r2)-C₀(x_r1,x_r2)。

設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋控制器為：

其中，τ_r2為神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋控制器，用于估計(jì)神經(jīng)網(wǎng)絡(luò)W^*TS(Z)，其中，和W^*為神經(jīng)網(wǎng)絡(luò)的權(quán)重誤差，估計(jì)值和真實(shí)值，S(Z)為神經(jīng)網(wǎng)絡(luò)基函數(shù)。

其中，是神經(jīng)網(wǎng)絡(luò)的輸入，∈(Z)是神經(jīng)網(wǎng)絡(luò)的近似偏差。

神經(jīng)網(wǎng)絡(luò)的自適應(yīng)律為

其中，常數(shù)Γ_i,i＝1,2,3為控制增益矩陣，小的正數(shù)σ_i>0,i＝1,2,3。

根據(jù)式(21)，重新定義式(5)為

擾動(dòng)觀測(cè)器輔助函數(shù)與基于拉格朗日型模型控制時(shí)一樣，同理可得

設(shè)輔助函數(shù)的估計(jì)值為

同理可得

因此

設(shè)計(jì)李雅普諾夫方程為

n表示矩陣中元素的數(shù)目，對(duì)式(28)兩邊求關(guān)于時(shí)間t的導(dǎo)得

代入式(20)，(21)，(282)，(297)于(30)中得

化簡(jiǎn)得

由于S(Z)<s，其中S(Z)為RBF神經(jīng)網(wǎng)絡(luò)基函數(shù)，s為正數(shù)。最終得

其中，C₂為常數(shù)；

為了保證常數(shù)ε₂>0，系統(tǒng)參數(shù)需滿足

λ_min(K_r1)>0,λ_min(K_r2-I)>0,

λ_min[K(e_r2)D₀(x_r1)^-1-(||K(e_r2)D₀(x_r1)^-1||²+1)I]>0

和設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器一樣，有e_r1，e_r2，有界，即：加入所述帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器后閉環(huán)系統(tǒng)的系統(tǒng)狀態(tài)滿足有界性。

步驟3，基于所述仿生撲翼飛行機(jī)器人的位置控制模型，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器，采用李雅普諾夫直接法來(lái)分析加入位置控制器后閉環(huán)系統(tǒng)的穩(wěn)定性以及系統(tǒng)狀態(tài)的有界性：

六自由度仿生撲翼飛行機(jī)器人的位置控制模型為

其中，以及坐標(biāo)系變換陣而且R^IB(q_r(t))＝(R^BI(q_r(t)))^-1；其中，D_t、G_t均無(wú)實(shí)際意義，只是用來(lái)簡(jiǎn)化公式，m是仿生撲翼飛行機(jī)器人總質(zhì)量，g表示重力系數(shù)，mg是仿生撲翼飛行機(jī)器人的重力，τ_t為τ_t(t)的簡(jiǎn)寫(xiě)形式，τ_t(t)表示位置控制器，d_t(t)為系統(tǒng)擾動(dòng)。

令x_t1＝q_t＝[x,y,z]^T和得

其中，q_t＝[x,y,z]^T為位置變換狀態(tài)矩陣

在設(shè)計(jì)基于模型的控制器時(shí)，認(rèn)為x_t1和x_t2已知，x_t1d(t)＝[x_d(t),y_d(t),z_d(t)]^T，其中，x_d(t),y_d(t),z_d(t)分別是大地坐標(biāo)系x、y、z方向上要跟蹤的期望位置軌跡，則跟蹤位置偏差為

式(37)中，e_t1、e_t2表示位置狀態(tài)偏差，虛擬速度跟蹤軌跡A_t1＝K_t3e_t1，K_t3≥0為控制增益。

把式(36)代入式(37)中得

為設(shè)計(jì)擾動(dòng)觀測(cè)器，設(shè)輔助函數(shù)為

e_t3＝d_t(t)-K_de_t2 (35)

其中，K_d>0為擾動(dòng)觀測(cè)器控制增益。

對(duì)輔助函數(shù)兩邊求關(guān)于時(shí)間t的導(dǎo)數(shù)得

令輔助函數(shù)的估計(jì)值為

因此

得

設(shè)李雅普諾夫函數(shù)為

對(duì)李雅普諾夫函數(shù)兩邊求關(guān)于時(shí)間t的導(dǎo)數(shù)得

設(shè)計(jì)帶有擾動(dòng)觀測(cè)器基于所述仿生撲翼飛行機(jī)器人的位置控制模型的位置控制器為

其中，K_t4≥0為控制增益。

最后得到

其中，

其中，C₃為常數(shù)；

為了保證常數(shù)ε₃>0，系統(tǒng)參數(shù)需滿足

和設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器一樣，有e_t1，e_t2，有界，即：加入所述帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器后閉環(huán)系統(tǒng)的系統(tǒng)狀態(tài)滿足有界性。

步驟4：根據(jù)設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器、神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器及基于模型的位置控制器，對(duì)所述仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制：

本實(shí)施例中，將基于MATLAB平臺(tái)進(jìn)行數(shù)值仿真，驗(yàn)證針對(duì)仿生撲翼飛行機(jī)器人姿態(tài)和位置控制設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器、神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器及基于模型的位置控制器的控制效果，系統(tǒng)參數(shù)選取如下表1：

表1仿生撲翼飛行機(jī)器人參數(shù)表

對(duì)仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制，姿態(tài)追蹤軌跡選為位置追蹤軌跡為又假設(shè)姿態(tài)控制以及位置控制的干擾均為狀態(tài)變量初值：x_r1(0)＝[0.01,0.01,0.01]^T，x_r2(0)＝[0.01,0.01,0.01]^T，x_t1(0)＝[0.01,0.01,0.01]^T，x_t2(0)＝[0.01,0.01,0.01]^T。

在設(shè)計(jì)基于模型的控制器時(shí)，控制增益選為：K_r1＝500，K_r2＝500，K(e_r2)＝30，K_t3＝600，K_t4＝600，K_d＝5。

則由圖3和圖5可知，本文設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器和位置控制器能夠有效的對(duì)仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制，由圖4和圖6可知，姿態(tài)控制器和位置控制器可以實(shí)現(xiàn)。

再根據(jù)設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的基于模型的姿態(tài)控制器，設(shè)計(jì)帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器時(shí)，控制增益設(shè)定為：K_r1＝300，K_r2＝300，K(e_r2)＝50，K_t3＝500，K_t4＝500，K_d＝10，σ₁＝0.02，σ₂＝0.02，σ₃＝0.02，Γ₁＝100I，Γ₂＝100I，Γ₃＝100I。

則由圖7和圖9可知，本文設(shè)計(jì)的帶有擾動(dòng)觀測(cè)器的神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器和帶有擾動(dòng)觀測(cè)器的基于模型的位置控制器能夠有效的對(duì)仿生撲翼飛行機(jī)器人的姿態(tài)和位置進(jìn)行軌跡跟蹤控制。由圖8和圖10可知，神經(jīng)網(wǎng)絡(luò)全狀態(tài)反饋?zhàn)藨B(tài)控制器及基于模型的位置控制器可以實(shí)現(xiàn)。

以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明所述原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。