技術特征：

1.一種針對仿生撲翼飛行機器人的控制方法，其特征在于，包括：

對所述仿生撲翼飛行機器人進行運動學和動力學分析，建立拉格朗日型模型；

基于所述拉格朗日型模型，設計帶有擾動觀測器的基于模型的姿態控制器；

基于設計的帶有擾動觀測器的基于模型的姿態控制器，設計帶有擾動觀測器的神經網絡全狀態反饋姿態控制器；

基于所述仿生撲翼飛行機器人的位置控制模型，設計帶有擾動觀測器的基于模型的位置控制器；

根據設計的帶有擾動觀測器的基于模型的姿態控制器、神經網絡全狀態反饋姿態控制器及基于模型的位置控制器，對所述仿生撲翼飛行機器人的姿態和位置進行軌跡跟蹤控制。

2.根據權利要求1所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述拉格朗日型模型表示為：

$D_r\left(q_r\right){\stackrel{\·\·}{q}}_r\left(t\right)+C_r(q_r,{\stackrel{\·}{q}}_r){\stackrel{\·}{q}}_r\left(t\right)={\mathrm{\τ}}_r$

其中，D_r(q_r)、表示矩陣，D_r(q_r)＝I_pT，I_p表示轉動慣量矩陣，T表示由身體坐標系到慣性坐標系的坐標轉換矩陣，表示T對時間t的一階導數，L(t)表示一個使等式成立的矩陣，q_r是q_r(t)的簡寫形式，q_r(t)表示系統姿態狀態矩陣，是的簡寫形式，表示q_r(t)對時間t的一階導數，表示q_r(t)對時間t的二階導數，τ_r是τ_r(t)的簡寫形式，τ_r(t)表示仿生撲翼飛行機器人姿態控制輸入。

3.根據權利要求2所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述帶有擾動觀測器的基于模型的姿態控制器表示為：

${\mathrm{\τ}}_{r1}=-e_{r1}-K_{r2}{e}_{r2}-{\hat{d}}_r\left(t\right)+C_r(x_{r1},x_{r2})x_{r2}+D_r\left(x_{r1}\right){\stackrel{\·}{\mathrm{\α}}}_{r1}$

e_r1＝x_r1-x_r1d

e_r2＝x_r2-α_r1

e_r3＝d_r(t)-Φ(e_r2)

${\hat{d}}_r\left(t\right)={\hat{e}}_{r3}+\mathrm{\Φ}\left(e_{r2}\right)$

${\stackrel{\·}{\hat{e}}}_{r3}=-K\left(e_{r2}\right)D_r^{-1}\left(x_{r1}\right)\[{\mathrm{\τ}}_r-C_r(x_{r1},x_{r2})x_{r2}+{\hat{d}}_r\left(t\right)\]+K\left(e_{r2}\right){\stackrel{\·}{\mathrm{\α}}}_{r1}$

其中，τ_r1表示姿態控制器，x_r1＝q_r，x_r1表示姿態狀態矩陣q_r(t)，x_r2表示表示q_r(t)對時間t的一階導數，x_r1d是x_r1d(t)的簡寫形式，x_r1d(t)＝[θ_1d(t),θ_2d(t),θ_3d(t)]^T，θ_1d(t),θ_2d(t),θ_3d(t)分別是身體坐標系中的三個歐拉角要跟蹤的期望角度，K_r2表示控制增益，e_r1、e_r2表示狀態偏差，表示系統擾動d_r(t)的估計值，表示虛擬速度跟蹤軌跡α_r1對時間t的一階導數，e_r3為輔助函數，為e_r3的估計值，Φ(e_r2)關于e_r2的函數，為關于時間t的一階導數，K(e_r2)為Φ(e_r2)關于e_r2的導數，表示D_r(x_r1)的逆矩陣。

4.根據權利要求1所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述帶有擾動觀測器的神經網絡全狀態反饋姿態控制器表示為：

${\mathrm{\τ}}_{r2}=-e_{r1}-K_{r2}{e}_{r2}-{\hat{d}}_r\left(t\right)+C_0(x_{r1},x_{r2}){\mathrm{\α}}_{r1}+{\hat{W}}^{T}S\left(Z\right)$

e_r1＝x_r1-x_r1d

e_r2＝x_r2-α_r1

e_r3＝d_r(t)-Φ(e_r2)

${\hat{d}}_r\left(t\right)={\hat{e}}_{r3}+\mathrm{\Φ}\left(e_{r2}\right)$

${\stackrel{\·}{\hat{e}}}_{r3}=-K\left(e_{r2}\right)D_0^{-1}\left(x_{r1}\right)({\mathrm{\τ}}_{r2}-C_0(x_{r1},x_{r2})x_{r2}+{\hat{d}}_r(t\left)\right)$

其中，τ_r2表示神經網絡全狀態反饋姿態控制器，x_r1＝q_r，x_r1表示姿態狀態矩陣，x_r2表示表示姿態狀態矩陣對時間t的一階導數，x_r1d是x_r1d(t)的簡寫形式，x_r1d(t)＝[θ_1d(t),θ_2d(t),θ_3d(t)]^T，θ_1d(t),θ_2d(t),θ_3d(t)分別是身體坐標系中的三個歐拉角要跟蹤的期望角度，K_r2表示控制增益，e_r1、e_r2表示狀態偏差，表示系統擾動d_r(t)的估計值，C₀(x_r1,x_r2)表示C_r(x_r1,x_r2)的虛擬部分，α_r1表示虛擬速度跟蹤軌跡，表示神經網絡的權重估計值，表示的轉置，S(Z)表示神經網絡基函數，Z表示神經網絡的輸入，e_r3為輔助函數，為e_r3的估計值，Φ(e_r2)關于e_r2的函數，為關于時間t的一階導數，K(e_r2)為Φ(e_r2)關于e_r2的導數，表示D_r(x_r1)的逆矩陣，為表示D_r(x_r1)虛擬部分的逆矩陣。

5.根據權利要求1所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述位置控制模型表示為：

$D_t{\stackrel{\·\·}{q}}_t+G_t=R^{IB}\left(q_r\right(t\left)\right){\mathrm{\τ}}_t\left(t\right)+d_t\left(t\right)$

其中，D_t、G_t表示矩陣，R^IB(q_r(t))表示坐標系變換陣，q_r(t)表示系統姿態狀態矩陣，是的簡寫形式，表示q_r(t)對時間t的二階導數，τ_t(t)表示位置控制器，d_t(t)表示系統擾動。

6.根據權利要求5所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述帶有擾動觀測器的基于模型的位置控制器表示為：

${\mathrm{\τ}}_t={\left(R^{IB}\right(q_r\left)\right)}^{-1}\[-e_{t1}-K_{t4}{e}_{t2}-{\hat{d}}_t\left(t\right)+G_t+D_t{\stackrel{\·}{\mathrm{\α}}}_{t1}\]$

e_t1＝x_t1-x_t1d

e_t2＝x_t2-α_t1

其中，τ_t為τ_t(t)的簡寫形式，τ_t表示位置控制器，q_r是q_r(t)的簡寫形式，(R^IB(q_r))^-1表示R^IB(q_r(t))的逆矩陣，x_t1＝q_t，x_t1、q_t表示位置變換狀態矩陣，x_t2、表示位置變換狀態矩陣q_t對時間t的一階導數，x_t1d(t)＝[x_d(t),y_d(t),z_d(t)]^T，x_d(t),y_d(t),z_d(t)分別表示大地坐標系x、y、z方向上要跟蹤的期望位置軌跡，e_t1、e_t2表示位置偏差，K_d、K_t4表示控制增益，表示系統擾動d_t(t)的估計值，表示虛擬速度跟蹤軌跡α_t1對時間t的一階導數。

7.根據權利要求3所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述方法還包括：

采用李雅普諾夫直接法，分析加入所述帶有擾動觀測器的基于模型的姿態控制器后閉環系統的穩定性以及系統狀態的有界性，構造的李雅普諾夫函數表示為：

$V_1=\frac{1}{2}{e}_{r1}^T{e}_{r1}+\frac{1}{2}{e}_{r2}^T{D}_r\left(x_{r1}\right)e_{r2}+\frac{1}{2}{\tilde{d}}_r^T\left(t\right){\tilde{d}}_r\left(t\right)$

其中，V₁表示構造的李雅普諾夫函數，表示與d_r(t)之間的誤差，分別表示e_r1、e_r2、的轉置。

8.根據權利要求7所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述方法還包括：

若e_r1、e_r2、都有界，則加入所述帶有擾動觀測器的基于模型的姿態控制器后閉環系統的系統狀態滿足有界性。

9.根據權利要求4所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述方法還包括：

采用李雅普諾夫直接法，分析加入所述帶有擾動觀測器的神經網絡全狀態反饋姿態控制器后閉環系統的穩定性以及系統狀態的有界性，構造的李雅普諾夫函數表示為：

$V_2=\frac{1}{2}{e}_{r1}^T{e}_{r1}+\frac{1}{2}{e}_{r2}^T{D}_0\left(x_{r1}\right)e_{r2}+\frac{1}{2}{\tilde{d}}_r{\left(t\right)}^T{\tilde{d}}_r\left(t\right)+\frac{1}{2}\underset{i=1}{\overset{n}{\Σ}}{\tilde{W}}_i^T{\mathrm{\Γ}}_i^{-1}{\tilde{W}}_i$

其中，V₂表示構造的李雅普諾夫函數，D₀(x_r1)表示D_r(x_r1)的虛擬部分，表示與d_r(t)之間的誤差，表示神經網絡的權重誤差，表示的轉置，表示預設的常數矩陣的逆矩陣，i＝1,2,3，n表示矩陣中元素的數目，分別表示e_r1、e_r2、的轉置。

10.根據權利要求6所述的針對仿生撲翼飛行機器人的控制方法，其特征在于，所述方法還包括：

采用李雅普諾夫直接法，分析加入所述帶有擾動觀測器的基于模型的位置控制器后閉環系統的穩定性以及系統狀態的有界性，構造的李雅普諾夫函數表示為：

$V_3=\frac{1}{2}{e}_{t1}^T{e}_{t1}+\frac{1}{2}{e}_{t2}^T{D}_t{e}_{t2}+\frac{1}{2}{\tilde{d}}_t{\left(t\right)}^T{\tilde{d}}_t\left(t\right)$

其中，V₃表示構造的李雅普諾夫函數，表示與d_t(t)之間的誤差，分別表示e_t1、e_t2、的轉置。