基于模型预测的倾转旋翼自主着舰控制

无人机在自主着舰过程中会面临复杂的海况和舰艇的未知运动,对舰艇的未来运动预估和对外界环境的抗扰,对无人机末端安全自主着舰有着重要的意义。因此,针对倾转四旋翼无人机在复杂海况下的全自主着舰过程,设计了一种基于模型预测的改进自抗扰控制器。利用前馈(BackPropagation,BP)神经网络实现对舰艇未来运动的预测,针对局部BP神经网络易陷于局部最优解并且基本不具备泛化能力的问题,将全局误差引 入到BP神经网络中,并且为加快模型的训练速度,将基于全局误差可变的学习速率算法引入到全局误差BP 神经网络。利用自抗扰控制器(Active Disturbance Rejection Control,ADRC)实现对外界环境抗干扰控制,通过扩张状态观测器(Extended Sate Observer,ESO)实现对外界未知环境的观测和补偿,并且将滑膜控制方法引入到非线性状态误差反馈器(Nonlinear State Error Feedback,NLSEF)中,加快系统的收敛速度。通过在不同舰艇运动模型下的一系列数字化仿真,验证了文中所提控制方法的有效性与合理性,仿真结果表明了文中所提控制方法可实现无人机在复杂海况下的全自主着舰。