基于改进继电反馈测试与深度神经网络的多旋翼无人机从起飞到实时全辨识

低成本实时辨识多旋翼无人机（UAV）动力学是一个活跃的研究领域，其受到需求激增与新兴应用领域的推动。此类实时辨识能力缩短了开发时间与成本，使无人机技术更易获取，并赋能多种先进应用。本文提出一种新颖且全面的方法，称为 DNN-MRFT，利用改进继电反馈测试（MRFT）与深度神经网络（DNN）对多旋翼无人机进行实时辨识与整定。主要贡献是开发了将 DNN-MRFT 应用于高阶系统的通用框架。DNN-MRFT 的显著优势之一是对被辨识过程增益的精确估计，这减轻了因使用描述函数法近似 Lure 系统响应而引入的不准确性。另一项贡献是基于 DNN-MRFT 的通用控制器，其能使具有未知动力学的无人机起飞并在飞行中辨识内环动力学。利用所开发框架，DNN-MRFT 利用内环姿态回路的飞行结果依次应用于无人机的外环平移回路。DNN-MRFT 平均耗时 15 秒即可获取多旋翼无人机动力学的全部信息，且无需进一步整定或校准，无人机便能穿过垂直窗口并精确跟踪轨迹，达到最先进的性能。所展现的辨识精度、速度与鲁棒性推动了无人机实时辨识领域的最先进水平。