无人机盘旋跟踪智能控制方法、装置、电子设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113741519A(43)申请公布日2021.12.03(21)申请号202111018659.6(22)申请日2021.09.01(71)申请人清华大学地址100084北京市海淀区清华园1号(72)发明人游科友董斐李星辰宋士吉(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人廖元秋(51)Int.Cl.G05D1/10(2006.01)权利要求书5页说明书13页附图3页(54)发明名称无人机盘旋跟踪智能控制方法、装置、电子设备和存储介质(57)摘要本公开提出一种无人机盘旋跟踪控制方法、装置、电子设备和存储介质，属于无人机导航、制导与控制领域。其中方法包括：在每个采样时刻，获取待跟踪目标的位置和线速度以及无人机的位置；利用所述待跟踪目标的位置和线速度以及无人机的位置，生成所述无人机的参考轨迹；根据预设的深度神经网络，利用所述无人机的参考轨迹和所述无人机的状态，得到所述无人机的控制输入，以实现所述无人机对所述待跟踪目标的环绕跟踪。本公开不需要在线求解优化问题，直接用深度神经网络控制四旋翼无人机实现对移动目标的盘旋跟踪，计算效率高，便于在可编程门阵列(FPGA)上并行实现，适合工程应用。CN113741519ACN113741519A权利要求书1/5页1.一种无人机盘旋跟踪智能控制方法，其特征在于，包括：在每个采样时刻，获取待跟踪目标的位置和线速度以及无人机的位置；利用所述待跟踪目标的位置和线速度以及无人机的位置，生成所述无人机的参考轨迹；根据预设的深度神经网络，利用所述无人机的参考轨迹和所述无人机的状态，得到所述无人机的控制输入，以实现所述无人机对所述待跟踪目标的环绕跟踪。2.根据权利要求1所述的控制方法，其特征在于，所述无人机为四旋翼无人机。3.根据权利要求1所述的控制方法，其特征在于，所述深度神经网路的输入为所述参考轨迹中初始参考位置后第一个参考位置及所述无人机的状态，其中所述初始参考位置为所述无人机的位置。4.根据权利要求2所述的控制方法，其特征在于，所述利用所述待跟踪目标的位置和线速度以及无人机的位置，生成所述无人机的参考轨迹，包括：T1)记当前采样时刻为k时刻；在k时刻，所述无人机的位置为[xq(k)，yq(k)，zq(k)]；T令计数j＝0，pref(0|k)＝[xq(k)，yq(k)，zq(k)]，其中，pref(j|k)＝[xref(j|k)，yref(j|k)，zref(j|k)]T表示k时刻的第j个参考位置，xq(k)，yq(k)，zq(k)分别表示无人机k时刻在x、y、z轴上的坐标，p(k)表示k时刻待跟踪目标的位置，表示对待跟踪目标位置的估计，分别表示对目标在x、y、z轴上坐标的估计；2)对j进行判定：如果j＞Np，则执行步骤4)；否则，执行如下操作：pref(j+1|k)＝pref(j|k)+τvref(j+1|k)其中，Np为预测时域，rd为期望半径，zd为期望高度；v(k)表示k时刻待跟踪目标的线速度；ex表示参考轨迹k时刻的第j个x轴上的坐标xref(j|k)与目标在x轴上的坐标估计之间的误差，ey表示参考轨迹k时刻的第j个y轴上的坐标yref(j|k)与目标在y轴上的坐标估计T之间的误差，r表示向量[ex，ey]的长度，tanh(·)表示标准双曲正切函数，τ表示采样时间间隔；zref(j|k)表示z轴上k时刻的第j个参考坐标，vref(j|k)表示k时刻的第j个参考速度，zref(j|k)表示z轴上k时刻的第j个参考坐标，vref(j|k)表示k时刻的第j个参考速度；3)令j＝j+1，重新返回步骤2)；4)输出参考轨迹xref(j|k)＝col(pref(j|k)，03×1，vref(j|k)，03×1)，j＝0，1，2，...，Np+1。5.根据权利要求4所述的控制方法，其特征在于，在所述根据预设的深度神经网络，利2CN113741519A权利要求书2/5页用所述无人机的参考轨迹和所述无人机的状态，得到所述无人机的控制输入，以实现所述无人机对所述待跟踪目标的环绕跟踪之前，还包括：训练所述深度神经网络；其中，所述训练所述深度神经网络包括：1)构建一个多层全连接的深度神经网络；2)生成训练样本数据集；其中所述训练样本数据集中每个训练数据样本为{x(k)，pref(j|k)，vref(j|k)，u(k)}，x(k)为k时刻无人机的状态，u(k)表示k时刻的无人机控制输入；3)利用所述训练样本数据集对所述深度神经网络进行训练，训练时，所述深度神经网络的输入为s(k)＝col(x(k)，pref(j|k)，vref(j|k))，输出为u(k)；当达到预设的训练次数阈值时，所述深度神经网络训练完毕。6