一种基于大脑情感学习的无人机推力变向智能控制方法

技术领域

本发明涉及一种固定翼无人机飞行控制技术领域，具体涉及一种基于大脑情感学习的无人机推力变向智能控制方法。

背景技术

推力矢量控制技术是目前比较先进的飞行控制手段，在现代喷气式飞行器中得到成功的应用。推力变向控制实现直接力控制，有足够大的可用过载和足够快的动态响应时间，能够实现对高速、大机动目标的有效拦截和攻击。另外,其在低速、高空状态下仍可产生很大的控制力矩，能满足无人机机动性强和迎角大的要求。推力矢量技术在有人机上已被验证能够改善飞机的隐身性、机动能力和敏捷性等，因此推力矢量技术的应用已成为无人机发展的重要趋势。

类似于喷气式飞机的推力矢量技术，本发明针对的是螺旋桨无人机的推力变向技术。推力变向技术具有推力矢量技术的优势特点，即能够提高无人机姿态和轨迹的控制性能，补偿气动舵面的功能，区别在于应用对象不一样。

对于螺旋桨无人机，气动舵面与推力变向协调工作有利于飞机机动控制。推力变向控制作为辅助控制机构，在一般情况下不参与控制。气动舵面和推力变向的操纵效率不同，在高动压时，前者效率高于后者，在低动压大迎角时则相反。为提高推力变向控制的自适应能力，将大脑情感学习算法用于推力变向控制中。

大脑情感学习(BEL)智能控制是一种启发于哺乳动物大脑内部情感学习方式的智能控制技术。伊朗学者Moren和Balkenius基于大脑神经逻辑学于2000年建立了大脑情感学习的计算模型，它是基于大脑中杏仁体和眶额皮层组织间信息传递方式进行建模。Lucas于2004年首先提出了大脑情感学习智能控制器，被应用于永磁同步电动机、电力系统、开关磁阻电动机、电压调节系统的控制中。

文献《变推力轴线无人机的大脑情感学习智能飞行控制》和《变推力轴线无人机飞行控制技术研究》，针对纵向飞行姿态控制问题,设计了基于气动舵面控制、推力矢量控制和大脑情感学习逆模型补偿控制相结合的混合控制结构。

发明专利《推力变向无人机的姿态控制系统及控制方法》是基于一种现代控制理论的气动舵面和推力变向综合控制方法。

现有技术均存在一定程度上的缺陷，考虑如何加装推力偏转装置的螺旋桨无人机，研究如何设计推力偏转装置的自动控制方法，成为了现有技术发展的方向。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于大脑情感学习的无人机推力变向智能控制方法，将大脑情感学习智能控制原理应用到无人机的推力变向控制中，改变飞机受力和力矩作用，克服了现有技术的不足。

技术方案：为实现上述目的，本发明采用的技术方案为：一种基于大脑情感学习的无人机推力变向智能控制方法，其特征在于，包括推力纵向偏转控制模块和推力横向偏转控制模块；

所述推力纵向偏转控制模块包括推力纵向智能控制接收器；推力横向偏转控制模块包括推力横向偏转控制智能控制接收器；

该方法包括如下步骤：

1)推力纵向偏转控制模块步骤：

1.1)参数初始化：设定感官输入函数和情感暗示函数的权系数向量ω_lon；设定杏仁体组织A的学习权值初值V_lon，眶额皮质组织O的学习权值初值W_lon；设定A-O组织权值的调节率系数υ_lon；

1.2)推力纵向智能控制器接收外部纵向输入信号，所述外部纵向输入信号包括俯仰姿态角反馈值、俯仰姿态角指令值、俯仰角速率反馈值和升降舵偏角反馈值；

所述外部纵向输入信号通过推力纵向智能控制器后得到纵向感官输入信号SI_lon和纵向奖励信号REW_lon：

SI_lon＝ω_lon(1)e_θ+ω_lon(2)θ+ω_lon(3)θ_c+ω_lon(4)q+ω_lon(5)δ_e

REW_lon＝ω_lon(5)e_θ+ω_lon(6)q+ω_lon(7)δ_e

1.3)纵向下更新杏仁体组织A的学习权值初值V_lon和眶额皮质组织O的学习权值初值W_lon，更新律表示为：

杏仁体组织A的学习权值更新率：

ΔV_lon＝υ_lon(1)max(0,REW_lon-V_lonSI_lon)，此时V_lon＝V_lon+ΔV_lon；

眶额皮质组织O的学习权值更新率：

ΔW_lon＝υ_lon(2)(V_lonSI_lon-W_lonSI_lon-REW_lon)，此时W_lon＝W_lon+ΔW_lon；

1.4)纵向下计算杏仁体组织和眶额皮质组织输出信号A_lon，以及纵向智能控制模块输出信号O_lon，分别为：

A_lon＝V_lonSI_lon

O_lon＝W_lonSI_lon

差值为纵向偏角信号E_lon＝A_lon-O_lon；

2)推力横向偏转控制模块步骤：

2.1)参数初始化：设定感官输入函数和情感暗示函数的权系数向量ω_lat；设定杏仁体组织A的学习权值初值V_lat，眶额皮质组织O的学习权值初值W_lat；设定A-O组织权值的调节率系数υ_lat；

2.2)推力横向智能控制器接收外部横向输入信号，所述外部横向输入信号包括滚转姿态角反馈值、滚转姿态角指令值、滚转角速率反馈值和副翼偏角反馈值；

所述外部横向输入信号通过推力横向智能控制器后得到横向感官输入信号SI_lat和横向奖励信号REW_lat：

SI_lat＝ω_lat(1)e_φ+ω_lat(2)φ+ω_lat(3)φ_c+ω_lat(4)p+ω_lat(5)δ_r

REW_lat＝ω_lat(6)e_φ+ω_lat(7)p+ω_lat(8)δ_r

2.3)横向下更新杏仁体组织A的学习权值初值V_lat，眶额皮质组织O的学习权值初值W_lat，更新律表示为：

杏仁体组织A的学习权值更新率：

ΔV_lat＝υ_lat(1)·max(0,REW_lat-V_latSI_lat)，V_lat＝V_lat+ΔV_lat；

眶额皮质组织O的学习权值更新率：

ΔW_lat＝υ_lat(2)(V_latSI_lat-W_latSI_lat-REW_lat)，W_lat＝W_lat+ΔW_lat；

2.4)横向下计算计算杏仁体组织和眶额皮质组织输出信号A_lat，以及横向智能控制模块输出信号O_lat，分别为：

A_lat＝V_latSI_lat

O_lat＝W_latSI_lat

差值为推力横向偏角信号E_lat＝A_lat-O_lat；

3)将所述推力纵向偏角信号E_lon和推力横向偏角信号E_lat输入给推力偏转装置执行机构，通过偏转装置实现偏转运动。

有益效果：本发明提供的

(1)由于感官输入信号和奖励信号的函数形式可以自行设计，可使得控制器的结构变得灵活、多样。

(2)气动舵面包括升降舵、副翼和方向舵，还有油门开度，仍然采用常规控制方法，或者采用其他先进方法，这样保证了无人机的基本飞行性能，而推力变向控制作为辅助控制，在必要时候补偿气动舵面效率甚至替代气动舵面，使得无人机飞行控制系统的余度增加，增强了飞行性能和可靠性。

(3)所设计的推力变向控制方法，控制律计算比较简单，但是控制参数具有在线调节能力，提高了飞行控制系统的智能水平。

附图说明

图1为俯仰角控制响应；

图2为升降舵响应；

图3为滚转角控制响应；

图4为副翼响应；

图5为推力纵向偏角响应；

图6为推力横向偏角响应；

图7为大脑情感学习(BEL)计算模型的基本结构；

具体实施方式

下面结合附图对本发明作更进一步的说明。

Moren等人根据大脑中杏仁体组织和眶额皮质组织之间的信息传递方式，提出了大脑情感学习模型，如图7所示。模型主要包括杏仁体和眶额皮质两部分。大脑情感的学习过程主要发生在杏仁体内，而眶额皮质对杏仁体内发生的情感学习过程起到监控作用，避免其出现过学习和欠学习。

杏仁体是哺乳动物大脑里中央颞脑叶(Medial Temporal Lobe)中的微小组织，是中性(Neutral)和情感刺激之间进行学习联结的主要场所，而眶额皮质是依靠菌髓(Context)等来抑制这种联结表达的场所。杏仁体与小脑的条件作用机理不同，前者基于感官－情感的联结关系，后者基于刺激－反应的学习过程。

杏仁体是负责情感学习的主要部分。眶额皮质组织是辅助情感学习的主要部分，在杏仁体学习过程中能够加快情感的学习速度，在杏仁体过学习或欠学习时能够很好地调节大脑情感的学习过程。

本发明采用的大脑情感学习算法比国内公开文献发表的大脑情感学习算法计算更简单，大脑情感学习算法计算公式如下：

A＝SI·V

O＝SI·W

E＝A-O

ΔV＝υ_a·max(0,REW-A)

ΔW＝υ_o(E-REW)

式中，A为杏仁体组织的输出，O为眶额皮质组织的输出，E为输出信号,SI为外部感官输入信号或组合，REW为奖励信号。V为杏仁体内部学习权值，杏仁体内情感的学习过程即为权值的动态调节过程，ΔV为权值V的调节率，表示学习速度。W为眶额皮质内部学习权值，眶额皮质内的情感学习是通过动态调节权值来实现的，ΔW权值W的调节率即学习速度。υ为调节率系数。

其次，基于上述大脑情感学习智能控制算法原理，下面推导在无人机推力变向控制中的应用。

由于推力变向控制包含两个控制量，因此需要设计两个大脑情感学习智能控制器。大脑情感学习算法与实际系统相结合时，必须事先确定感官输入信号和奖励信号的函数形式，它们主要与系统的输入输出、控制量以及跟踪误差等因素有关。

针对推力纵向偏转控制律的设计问题，感官输入函数和情感暗示函数可分别设计为

SI_lon＝f(e_θ,θ,θ_c,q,δ_e)

REW_lon＝J(e_θ,q,δ_e)

针对推力横向偏转控制律的设计问题，感官输入函数和情感暗示函数可分别设计为

SI_lat＝f(e_φ,φ,φ_c,p,δ_r)

REW_lat＝J(e_φ,p,δ_r)

式中，e_θ＝θ-θ_c为俯仰角误差,θ为俯仰角，θ_c为俯仰角指令，q为俯仰角速率，δ_e为升降舵偏角。e_φ＝φ-φ_c为滚转角误差,φ为滚转角，φ_c滚转角指令，p为滚转角速率，δ_a为副翼偏角。

一种基于大脑情感学习的无人机推力变向智能控制方法，其特征在于，包括推力纵向偏转控制模块和推力横向偏转控制模块；

所述推力纵向偏转控制模块包括推力纵向智能控制接收器；推力横向偏转控制模块包括推力横向偏转控制智能控制接收器；

该方法包括如下步骤：

1)推力纵向偏转控制模块步骤：

1.1)参数初始化：设定感官输入函数和情感暗示函数的权系数向量ω_lon；设定杏仁体组织A的学习权值初值V_lon，眶额皮质组织O的学习权值初值W_lon；设定A-O组织权值的调节率系数υ_lon；

1.2)推力纵向智能控制器接收外部纵向输入信号，所述外部纵向输入信号包括俯仰姿态角反馈值、俯仰姿态角指令值、俯仰角速率反馈值和升降舵偏角反馈值；

所述外部纵向输入信号通过推力纵向智能控制器后得到纵向感官输入信号SI_lon和纵向奖励信号REW_lon：

SI_lon＝ω_lon(1)e_θ+ω_lon(2)θ+ω_lon(3)θ_c+ω_lon(4)q+ω_lon(5)δ_e

REW_lon＝ω_lon(5)e_θ+ω_lon(6)q+ω_lon(7)δ_e

1.3)纵向下更新杏仁体组织A的学习权值初值V_lon和眶额皮质组织O的学习权值初值W_lon，更新律表示为：

杏仁体组织A的学习权值更新率：

ΔV_lon＝υ_lon(1)max(0,REW_lon-V_lonSI_lon)，此时V_lon＝V_lon+ΔV_lon；

眶额皮质组织O的学习权值更新率：

ΔW_lon＝υ_lon(2)(V_lonSI_lon-W_lonSI_lon-REW_lon)，此时W_lon＝W_lon+ΔW_lon；

1.4)纵向下计算杏仁体组织和眶额皮质组织输出信号A_lon，以及纵向智能控制模块输出信号O_lon，分别为：

A_lon＝V_lonSI_lon

O_lon＝W_lonSI_lon

差值为纵向偏角信号E_lon＝A_lon-O_lon；

2)推力横向偏转控制模块步骤：

2.1)参数初始化：设定感官输入函数和情感暗示函数的权系数向量ω_lat；设定杏仁体组织A的学习权值初值V_lat，眶额皮质组织O的学习权值初值W_lat；设定A-O组织权值的调节率系数υ_lat；

2.2)推力横向智能控制器接收外部横向输入信号，所述外部横向输入信号包括滚转姿态角反馈值、滚转姿态角指令值、滚转角速率反馈值和副翼偏角反馈值；

所述外部横向输入信号通过推力横向智能控制器后得到横向感官输入信号SI_lat和横向奖励信号REW_lat：

SI_lat＝ω_lat(1)e_φ+ω_lat(2)φ+ω_lat(3)φ_c+ω_lat(4)p+ω_lat(5)δ_r

REW_lat＝ω_lat(6)e_φ+ω_lat(7)p+ω_lat(8)δ_r

2.3)横向下更新杏仁体组织A的学习权值初值V_lat，眶额皮质组织O的学习权值初值W_lat，更新律表示为：

杏仁体组织A的学习权值更新率：

ΔV_lat＝υ_lat(1)·max(0,REW_lat-V_latSI_lat)，V_lat＝V_lat+ΔV_lat；

眶额皮质组织O的学习权值更新率：

ΔW_lat＝υ_lat(2)(V_latSI_lat-W_latSI_lat-REW_lat)，W_lat＝W_lat+ΔW_lat；

2.4)横向下计算计算杏仁体组织和眶额皮质组织输出信号A_lat，以及横向智能控制模块输出信号O_lat，分别为：

A_lat＝V_latSI_lat

O_lat＝W_latSI_lat

差值为推力横向偏角信号E_lat＝A_lat-O_lat；

3)将所述推力纵向偏角信号E_lon和推力横向偏角信号E_lat输入给推力偏转装置执行机构，通过偏转装置实现偏转运动。

针对某螺旋桨无人机进行了仿真验证。无人机模型为非线性全量方程描述。飞机受到20m/s的持续风扰动，利用气动舵面控制器、油门控制器和推力变向智能控制器共同作用，得到了无人机俯仰角姿态和滚转角姿态的跟踪响应结果，如图1-图6所示。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。