本例演示了如何使用 Symbolic Math Toolbox?(符号数学工具箱)推导四旋翼飞行器的连续时间非线性模型。具体来说,本例讨论了 getQuadrotorDynamicsAndJacobian 脚本,该脚本可生成四旋翼状态函数及其雅各布函数。这些函数将在使用非线性模型预测控制(模型预测控制工具箱)控制四旋翼飞行器的示例中使用。
四旋翼飞行器又称四旋翼直升机,是一种拥有四个旋翼的直升机。从四旋翼飞行器的质量中心出发,旋翼呈等距离的正方形排列。四旋翼的运动是通过调整四个旋翼的角速度来控制的,而四个旋翼是由电动马达带动旋转的。四旋翼飞行器动力学数学模型可从牛顿-欧拉方程和欧拉-拉格朗日方程中导出 [1]。
如图所示,四旋翼飞行器有六个自由度(三个线性坐标和三个角度坐标),四个控制输入。
四旋翼飞行器的 12 个状态是
其中
表示线性位置。
分别表示滚转角、俯仰角和偏航角。
表示线速度和角速度,或线性位置和角度位置的时间导数。
四旋翼飞行器的运动参数为
?代表四个旋翼的角速度平方。
?代表机身坐标系中转动惯量矩阵的对角元素。
(k,l,m,b,g)代表升力常数、转子与质量中心的距离、四旋翼质量、阻力常数和重力。
前四个参数??是控制输入或控制四旋翼飞行器轨迹的操纵变量。其余参数固定为给定值。
定义惯性坐标系和主体坐标系之间的变换矩阵。需要这些变换矩阵来描述四旋翼飞行器在两个坐标系中的运动。四旋翼飞行器的 12 个状态在惯性系中定义,旋转惯性矩阵在机身系中定义。
创建符号函数来表示随时间变化的角度。在按照 [1] 进行的数学推导中,需要这种明确的时间依赖性来评估时间导数。定义矩阵 Wη 以将角速度从惯性系转换到体坐标系。定义旋转矩阵 R,使用局部函数部分定义的 rotationMatrixEulerZYX 函数将线性力从机身坐标系转换到惯性坐标系。创建符号矩阵来表示这些变换矩阵。
% Create symbolic functions for time-dependent angles
% phi: roll angle
% theta: pitch angle
% psi: yaw angle
syms phi(t) theta(t) psi(t)
% Transformation matrix for angular velocities from inertial frame
% to body frame
W = [ 1, 0, -sin(theta);
0, cos(phi), cos(theta)*sin(phi);
0, -sin(phi), cos(theta)*cos(phi) ];
% Rotation matrix R_ZYX from body frame to inertial frame
R = rotationMatrixEulerZYX(phi,theta,psi);
?求用于表示惯性系中旋转能量的雅各布矩阵 。
% Create symbolic variables for diagonal elements of inertia matrix
syms Ixx Iyy Izz
% Jacobian that relates body frame to inertial frame velocities
I = [Ixx, 0, 0; 0, Iyy, 0; 0, 0, Izz];
J = W.'*I*W;
接下来,找出科里奥利矩阵 ,它包含角欧拉-拉格朗日方程中的陀螺项和向心项。使用符号 diff 和 jacobian 函数进行微分运算。为了简化微分后科里奥利矩阵的符号,可以用 中的显式时间相关项替换为符号变量(代表特定时间的某些值)。这种简化的符号使这里的结果更容易与 [1] 中的推导进行比较。?
% Coriolis matrix
dJ_dt = diff(J);
h_dot_J = [diff(phi,t), diff(theta,t), diff(psi,t)]*J;
grad_temp_h = transpose(jacobian(h_dot_J,[phi theta psi]));
C = dJ_dt - 1/2*grad_temp_h;
C = subsStateVars(C,t);
科里奥利矩阵 很容易用上一节的符号工作流程推导出来。然而,这里的 定义与 [1] 中的不同,后者使用克里斯托弗符号推导科里奥利矩阵。由于 ?并非唯一,因此可以有多种定义方法。但是,欧拉-拉格朗日方程中使用的 项必须是唯一的。本节将证明 的符号定义与 [1] 中的定义是一致的,即 项在两个定义中在数学上是相等的。
利用上一节中得出的 的符号定义来评估 ?项。
% Evaluate C times etadot using symbolic definition
phidot = subsStateVars(diff(phi,t),t);
thetadot = subsStateVars(diff(theta,t),t);
psidot = subsStateVars(diff(psi,t),t);
Csym_etadot = C*[phidot; thetadot; psidot];
使用 [1] 中得出的 的定义,对 项进行评估。
% Evaluate C times etadot using reference paper definition
C11 = 0;
C12 = (Iyy - Izz)*(thetadot*cos(phi)*sin(phi) + psidot*sin(phi)^2*cos(theta)) ...
+ (Izz - Iyy)*(psidot*cos(phi)^2*cos(theta)) - Ixx*psidot*cos(theta);
C13 = (Izz - Iyy)*psidot*cos(phi)*sin(phi)*cos(theta)^2;
C21 = (Izz - Iyy)*(thetadot*cos(phi)*sin(phi) + psidot*sin(phi)^2*cos(theta)) ...
+ (Iyy - Izz)*psidot*cos(phi)^2*cos(theta) + Ixx*psidot*cos(theta);
C22 = (Izz - Iyy)*phidot*cos(phi)*sin(phi);
C23 = - Ixx*psidot*sin(theta)*cos(theta) + Iyy*psidot*sin(phi)^2*sin(theta)*cos(theta) ...
+ Izz*psidot*cos(phi)^2*sin(theta)*cos(theta);
C31 = (Iyy - Izz)*psidot*cos(theta)^2*sin(phi)*cos(phi) - Ixx*thetadot*cos(theta);
C32 = (Izz - Iyy)*(thetadot*cos(phi)*sin(phi)*sin(theta) + phidot*sin(phi)^2*cos(theta)) ...
+ (Iyy - Izz)*phidot*cos(phi)^2*cos(theta) + Ixx*psidot*sin(theta)*cos(theta) ...
- Iyy*psidot*sin(phi)^2*sin(theta)*cos(theta) - Izz*psidot*cos(phi)^2*sin(theta)*cos(theta);
C33 = (Iyy - Izz)*phidot*cos(phi)*sin(phi)*cos(theta)^2 ...
- Iyy*thetadot*sin(phi)^2*cos(theta)*sin(theta) ...
- Izz*thetadot*cos(phi)^2*cos(theta)*sin(theta) + Ixx*thetadot*cos(theta)*sin(theta);
Cpaper = [C11, C12, C13; C21, C22, C23; C31 C32 C33];
Cpaper_etadot = Cpaper*[phidot; thetadot; psidot];
Cpaper_etadot = subsStateVars(Cpaper_etadot,t);
证明这两个定义对 项给出了相同的结果。
tf_Cdefinition = isAlways(Cpaper_etadot == Csym_etadot)
tf_Cdefinition = 3x1 logical array
1
1
1
求出 12 个状态的运动方程。
根据 [1],求出扭矩 τ B 在滚转、俯仰和偏航角方向上的扭矩:
求转子 T 在机身 Z 轴方向上的总推力。
% Define fixed parameters and control input
% k: lift constant
% l: distance between rotor and center of mass
% m: quadrotor mass
% b: drag constant
% g: gravity
% ui: squared angular velocity of rotor i as control input
syms k l m b g u1 u2 u3 u4
% Torques in the direction of phi, theta, psi
tau_beta = [l*k*(-u2+u4); l*k*(-u1+u3); b*(-u1+u2-u3+u4)];
% Total thrust
T = k*(u1+u2+u3+u4);
接下来,创建符号函数来表示随时间变化的位置。为线性位置、角度及其时间导数定义 12 个状态 。定义好状态后,用显式时间项代替,以简化符号。
% Create symbolic functions for time-dependent positions
syms x(t) y(t) z(t)
% Create state variables consisting of positions, angles,
% and their derivatives
state = [x; y; z; phi; theta; psi; diff(x,t); diff(y,t); ...
diff(z,t); diff(phi,t); diff(theta,t); diff(psi,t)];
state = subsStateVars(state,t);
建立描述 12 个状态? 的时间导数的 12 个运动方程。线性加速度的微分方程为 ,角加速度的微分方程为 。代入明确的时间相关项,以简化符号。
f = [ % Set time-derivative of the positions and angles
state(7:12);
% Equations for linear accelerations of the center of mass
-g*[0;0;1] + R*[0;0;T]/m;
% Euler–Lagrange equations for angular dynamics
inv(J)*(tau_beta - C*state(10:12))
];
f = subsStateVars(f,t);
在前面的步骤中,固定参数被定义为符号变量,以紧跟文献 [1] 的推导。接下来,用给定值替换固定参数。这些值用于设计四旋翼飞行器特定配置的轨迹跟踪控制器。替换固定参数后,使用简化对运动方程进行代数简化。
% Replace fixed parameters with given values here
IxxVal = 1.2;
IyyVal = 1.2;
IzzVal = 2.3;
kVal = 1;
lVal = 0.25;
mVal = 2;
bVal = 0.2;
gVal = 9.81;
f = subs(f, [Ixx Iyy Izz k l m b g], ...
[IxxVal IyyVal IzzVal kVal lVal mVal bVal gVal]);
f = simplify(f);
最后,使用符号数学工具箱查找非线性模型函数的解析雅各布因子并生成 MATLAB? 文件。这一步骤对于提高使用模型预测控制工具箱? 解决轨迹跟踪非线性模型时的计算效率非常重要。更多信息,请参阅 nlmpc(模型预测控制工具箱)和 Specify Prediction Model for Nonlinear MPC(模型预测控制工具箱)。
查找状态函数相对于状态变量和控制输入的雅各布。
% Calculate Jacobians for nonlinear prediction model
A = jacobian(f,state);
control = [u1; u2; u3; u4];
B = jacobian(f,control);
生成状态函数和状态函数 Jacobians 的 MATLAB 文件。这些文件可用于设计轨迹跟踪控制器,详见《使用非线性模型预测控制(模型预测控制工具箱)控制四旋翼飞行器》。
% Create QuadrotorStateFcn.m with current state and control
% vectors as inputs and the state time-derivative as outputs
matlabFunction(f,'File','QuadrotorStateFcn', ...
'Vars',{state,control});
% Create QuadrotorStateJacobianFcn.m with current state and control
% vectors as inputs and the Jacobians of the state time-derivative
% as outputs
matlabFunction(A,B,'File','QuadrotorStateJacobianFcn', ...
'Vars',{state,control});
您可以在 getQuadrotorDynamicsAndJacobian.m 文件中访问该脚本中的代码。
function [Rz,Ry,Rx] = rotationMatrixEulerZYX(phi,theta,psi)
% Euler ZYX angles convention
Rx = [ 1, 0, 0;
0, cos(phi), -sin(phi);
0, sin(phi), cos(phi) ];
Ry = [ cos(theta), 0, sin(theta);
0, 1, 0;
-sin(theta), 0, cos(theta) ];
Rz = [cos(psi), -sin(psi), 0;
sin(psi), cos(psi), 0;
0, 0, 1 ];
if nargout == 3
% Return rotation matrix per axes
return;
end
% Return rotation matrix from body frame to inertial frame
Rz = Rz*Ry*Rx;
end
function stateExpr = subsStateVars(timeExpr,var)
if nargin == 1
var = sym("t");
end
repDiff = @(ex) subsStateVarsDiff(ex,var);
stateExpr = mapSymType(timeExpr,"diff",repDiff);
repFun = @(ex) subsStateVarsFun(ex,var);
stateExpr = mapSymType(stateExpr,"symfunOf",var,repFun);
stateExpr = formula(stateExpr);
end
function newVar = subsStateVarsFun(funExpr,var)
name = symFunType(funExpr);
name = replace(name,"_Var","");
stateVar = "_" + char(var);
newVar = sym(name + stateVar);
end
function newVar = subsStateVarsDiff(diffExpr,var)
if nargin == 1
var = sym("t");
end
c = children(diffExpr);
if ~isSymType(c{1},"symfunOf",var)
% not f(t)
newVar = diffExpr;
return;
end
if ~any([c{2:end}] == var)
% not derivative wrt t only
newVar = diffExpr;
return;
end
name = symFunType(c{1});
name = replace(name,"_Var","");
extension = "_" + join(repelem("d",numel(c)-1),"") + "ot";
stateVar = "_" + char(var);
newVar = sym(name + extension + stateVar);
end
[1] Raffo, Guilherme V., Manuel G. Ortega, and Francisco R. Rubio. "An integral predictive/nonlinear??∞?control structure for a quadrotor helicopter".?Automatica 46, no. 1 (January 2010): 29–39. https://doi.org/10.1016/j.automatica.2009.10.018.
[2] Tzorakoleftherakis, Emmanouil, and Todd D. Murphey. "Iterative sequential action control for stable, model-based control of nonlinear systems."?IEEE Transactions on Automatic Control?64, no. 8 (August 2019): 3170–83. https://doi.org/10.1109/TAC.2018.2885477.
[3] Luukkonen, Teppo. "Modelling and control of quadcopter". Independent research project in applied mathematics, Aalto University, 2011.