欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022106962531
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种实现轨迹跟踪与振动抑制的仿生扑翼控制系统,其特征在于,包括:虚拟仿生扑翼模型模块、仿生扑翼控制算法执行模块和仿生扑翼控制算法评估模块;

虚拟仿生扑翼模型模块,构造一个由刚性关节、刚性机翼以及柔性机翼组成的虚拟仿生扑翼模型,并由虚拟仿生扑翼模型确定仿生扑翼控制系统的模型方程,模型方程为二阶线性模型方程;

仿生扑翼控制算法执行模块,基于二阶线性模型方程,构造一个前向三层执行神经网络,逼近所模型方程中未知的动力学信息,给定仿生扑翼的扑动角的期望轨迹,根据仿生扑翼控制系统的状态误差,设计控制执行算法对仿生扑翼的扑动角与振动量进行控制,实现轨迹跟踪与振动抑制;同时仿生扑翼控制算法执行模块将根据评估结果调整控制执行算法,将调整后的控制执行算法作用于虚拟仿生扑翼模型模块得到虚拟仿生扑翼模型模块的实时输出;根据虚拟仿生扑翼模型模块的实时输出验证当前仿生扑翼控制算法执行模块的控制执行算法的有效性;

仿生扑翼控制算法评估模块,根据轨迹跟踪与振动抑制的控制目标,设计控制算法目标函数,构造一个径向基评估神经网络,逼近控制算法的目标函数,评估当前的仿生扑翼控制算法执行模块中的控制算法能否达到最优,并将评估结果反馈给仿生扑翼控制算法执行模块;

基于虚拟仿生扑翼模型模块设计仿生扑翼控制算法执行模块,仿生扑翼控制算法评估模块评估当前仿生扑翼控制算法执行模块的控制算法是否能达到最优,并将评估结果反馈给仿生扑翼控制算法执行模块,仿生扑翼控制算法执行模块将根据评估结果调整控制执行算法,仿生扑翼控制算法执行模块输出的控制执行算法作用于虚拟仿生扑翼模型模块,根据虚拟仿生扑翼模型模块的实时输出可验证当前仿生扑翼控制算法执行模块的控制执行算法的有效性;

所述虚拟仿生扑翼模型模块具体实现为:通过刚性材料组件构造仿生扑翼靠近机身的机翼部分,柔性材料组件构造仿生扑翼远离机身的机翼部分,两段机翼通过刚性关节组件相连,所述组件为MapleSim软件中的可视化组件工具;

构造10个宽度相同的刚体段长条,每个刚体段长条间彼此用柔性弹簧阻尼器组件连接,由此确定柔性机翼部分;

机身及关节处分别安装一个驱动电机组件作为执行器,以及一个角度传感器组件测量机翼扑动角度,柔性机翼上安装一个位移传感器组件测量振动量;

采集仿生扑翼系统的刚性翼扑动角、柔性翼扑动角以及柔性翼上10个刚体段长条间隔点的振动量信息,将它们作为仿生扑翼系统的状态量和输出量,确定仿生扑翼系统的模型方程,模型方程为二阶线性模型方程,具体如下:,

式中,为仿生扑翼系统的状态矩阵,与分别为状态矩阵的导数与二阶导数量,代表仿生扑翼系统的动力学信息;代表仿生扑翼系统的控制输入;

所述仿生扑翼控制算法执行模块中,

给定仿生扑翼的扑动角,包括刚性机翼扑动角及柔性机翼扑动角的期望轨迹,根据仿生扑翼系统的状态矩阵与期望轨迹作差,得到状态误差量及误差的导数量设计控制执行算法,实现轨迹跟踪与振动抑制;

具体实现如下:

,

式中,代表基于模型的控制算法,代表控制增益;与分别为期望轨迹的导数与二阶导数量,代表仿生扑翼系统的动力学信息;

构造一个前向三层执行神经网络,逼近无法精确获得仿生扑翼系统的动力学信息,前向三层执行神经网络的结构包括单输入层、单隐层及单输出层,将仿生扑翼系统的状态误差量及误差导数量作为测试数据输入至输入层,基于高斯函数将输入数据映射到隐含层空间,得到隐含层的输出为,对应的权值为,得到预测输出;

根据仿生扑翼控制算法评估模块的输出,自适应地调整前向三层执行神经网络权重,从而得到新的控制执行算法;

所述权重的调整自适应律为,代表学习率,为常数增益,分别代表第i次的神经网络隐含层输出与预测输出,代表第i次的径向基评估神经网络隐含层的预测输出;

当仿生扑翼控制算法评估模块的输出满足目标函数值最小时,所构造的神经网络隐含层输出为,预测输出为即为动力学信息的逼近值;

得到控制执行算法,具体如下:

,

式中,代表控制执行算法,代表控制增益,代表动力学信息的逼近值;

所述仿生扑翼控制算法评估模块,设计控制算法目标函数具体如下:,

式中,均为常数,为目标函数,其值越小表明此时为仿生扑翼控制系统最优状态;

构造一个径向基评估神经网络,以任意小的精度逼近控制算法目标函数;将仿生扑翼系统状态误差量及误差导数量作为测试数据输入至输入层,基于高斯函数将输入数据映射到隐含层空间,得到隐含层的输出为,预测输出;

设计该神经网络权重的更新率为,其中为学习率,为常数增益,分别代表第i次的神经网络隐含层输出与预测输出;

经过n次更新后的输出数据为,即目标函数的逼近值。

2.一种实现轨迹跟踪与振动抑制的仿生扑翼控制方法,其特征在于,包括以下步骤:步骤1:建立仿生扑翼模型方程:

,

式中,为仿生扑翼系统状态矩阵,代表仿生扑翼系统的动力学信息;代表控制输入;

步骤2:基于步骤1中的仿生扑翼模型设计基于模型的控制算法,实现轨迹跟踪与振动抑制,具体如下:,

式中,为系统状态误差量,为误差的导数量,代表基于模型的控制算法,代表控制增益;代表仿生扑翼控制系统的动力学信息;

步骤3:构造一个前向三层执行神经网络,逼近上述无法精确获得仿生扑翼系统的动力学信息,前向三层执行神经网络的结构包括单输入层、单隐层及单输出层,将状态误差量及误差导数量作为测试数据输入至输入层,基于高斯函数将输入数据映射到隐含层空间,得到隐含层的输出为,对应的权值为,得到预测输出;

设计控制算法目标函数,具体如下:

,

式中,目标函数值越小表明此时为仿生扑翼控制系统最优状态;

构造一个径向基评估神经网络,以任意小的精度逼近控制算法目标函数;将系统状态误差量及误差导数量作为测试数据输入至输入层,基于高斯函数将输入数据映射到隐含层空间,得到隐含层的输出为,预测输出;

设计该神经网络权重的更新率为,其中为学习率,为常数增益,分别代表第i次的神经网络隐含层输出与预测输出;

经过n次更新后的输出数据为,即目标函数的逼近值;

根据上述目标函数的值,按照权重调整自适应律调整前向三层执行神经网络权重,其权重的调整自适应律为,代表学习率,为常数增益,分别代表第i次的神经网络隐含层输出与预测输出,代表第i次的径向基评估神经网络隐含层的预测输出;

当满足目标函数值最小时,所构造的神经网络隐含层输出为,预测输出为即为动力学信息的逼近值;

从而得到一种实现轨迹跟踪与振动抑制的仿生扑翼控制执行算法,具体如下:,

式中,代表控制执行算法,代表控制增益,代表动力学信息的逼近值;

步骤4:给定期望扑动角轨迹,参数由步骤1中虚拟仿生扑翼模型中的传感器测得数据与给定期望轨迹作差得到;由前向三层执行神经网络的输出得到;实时参数由预先训练得到,所述预先训练是指通过MapleSim与MATLAB软件联合仿真一个仿生扑翼系统,利用步骤3中的控制执行算法进行仿真训练,保证扑动角能准确跟踪期望轨迹,同时能够保证末端振动量收敛于零;

步骤5:将步骤4中得到的实时参数代入到步骤3的仿生扑翼控制执行算法中,得到当前时刻下的控制输入,再根据该控制输入向仿生扑翼系统施加作用力,使仿生扑翼按照期望扑动角轨迹扑动,同时抑制仿生扑翼的振动。