无人机轨迹跟踪控制方法、装置、无人机和存储介质与流程

1.本技术涉及无人机技术领域，具体涉及一种无人机轨迹跟踪控制方法、装置、无人机和存储介质。


背景技术：

2.近些年，无人机领域发展迅速，其应用范围也不断扩大，涵盖航拍、救援、配送等多个领域。无人机的飞行方式按照是否有人(遥控设备)参与控制可分为手动飞行和自动飞行。对于类似于配送这样的应用场景，为提高自主化程度，往往采用无人机的自动飞行。在无人机进行自动飞行执行特定配送任务时，往往结合调度系统，对其进行提前或者实时的轨迹规划，轨迹规划除了能够指定无人机的飞行路线，还指定了到达路径点的时间，也就是将路径表达为时间的函数。对规划轨迹进行精确跟踪是无人机控制系统需要解决的问题，除了风等外界干扰，对于执行配送等任务的无人机还要考虑无人机重量等内部变化。
3.轨迹跟踪控制算法按照是否基于模型可分为两类：基于模型的控制算法和不基于模型的控制算法。例如，模型预测控制即是一种基于模型的轨迹跟踪算法，而传统的pid(proportion-integration-differentiation，比例-积分-微分)控制则是一种不基于模型的轨迹跟踪控制算法。其中，基于模型的控制可取得更高的控制精度，但对模型依赖程度高，很多系统无法建立较为准确的模型，鲁棒性较差，工程应用较少。相反，不基于模型的控制鲁棒性较高，工程实现性强，但抵抗干扰的能力较差，控制精度较低。


技术实现要素：

4.鉴于上述问题，提出了本技术以便提供一种克服上述问题或者至少部分地解决上述问题的无人机轨迹跟踪控制方法、装置、无人机和存储介质。
5.依据本技术的第一方面，提供了一种无人机轨迹跟踪控制方法，包括：
6.获取目标轨迹的轨迹信息；
7.根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量，其中，所述控制环路包括以自抗扰控制算法实现的速度控制环路和角速度控制环路，以及以比例控制算法实现的位置控制环路和姿态控制环路；
8.根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹。
9.可选地，所述轨迹信息包括目标轨迹点的位置，所述根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量包括：
10.根据所述位置控制环路中的比例控制算法和所述目标轨迹点的位置，确定目标轨迹点的速度；
11.根据所述速度控制环路中的自抗扰控制算法和所述目标轨迹点的速度，确定目标轨迹点的加速度；
12.根据所述姿态控制环路中的比例控制算法和所述目标轨迹点的加速度，确定目标轨迹点的姿态角速度；
13.根据所述角速度控制环路中的自抗扰控制算法和所述目标轨迹点的姿态角速度，确定所述轨迹跟踪控制量。
14.可选地，所述轨迹信息还包括目标轨迹点的速度基础值，所述根据所述位置控制环路中的比例控制算法和所述目标轨迹点的位置，确定目标轨迹点的速度包括：
15.将所述目标轨迹点的位置输入所述位置控制环路中的比例控制算法，得到目标轨迹点的速度期望值；
16.根据所述速度基础值和所述速度期望值，确定所述目标轨迹点的速度。
17.可选地，所述轨迹信息包括目标轨迹点的加速度基础值，所述根据所述速度控制环路中的自抗扰控制算法和所述目标轨迹点的速度，确定目标轨迹点的加速度包括：
18.将所述目标轨迹点的速度输入所述速度控制环路中的自抗扰控制算法，得到目标轨迹点的加速度期望值；
19.根据所述加速度基础值和所述加速度期望值，确定所述目标轨迹点的加速度。
20.可选地，所述根据所述姿态控制环路中的比例控制算法和所述目标轨迹点的加速度，确定目标轨迹点的姿态角速度包括：
21.根据所述目标轨迹点的加速度确定目标轨迹点的姿态角；
22.将所述目标轨迹点的姿态角输入所述姿态控制环路中的比例控制算法，得到所述目标轨迹点的姿态角速度。
23.可选地，所述根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹包括：
24.根据所述轨迹跟踪控制量确定轨迹跟踪反馈量；
25.将所述轨迹跟踪反馈量反馈至对应的所述位置控制环路、所述速度控制环路、所述姿态控制环路和所述角速度控制环路中，以实现轨迹跟踪的闭环控制。
26.可选地，所述自抗扰控制算法为非线性一阶自抗扰控制算法。
27.依据本技术的第二方面，提供了一种无人机轨迹跟踪控制装置，包括：
28.获取单元，用于获取目标轨迹的轨迹信息；
29.确定单元，用于根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量，其中，所述控制环路包括以自抗扰控制算法实现的速度控制环路和角速度控制环路，以及以比例控制算法实现的位置控制环路和姿态控制环路；
30.控制单元，用于根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹。
31.可选地，所述轨迹信息包括目标轨迹点的位置，所述确定单元还用于：
32.根据所述位置控制环路中的比例控制算法和所述目标轨迹点的位置，确定目标轨迹点的速度；
33.根据所述速度控制环路中的自抗扰控制算法和所述目标轨迹点的速度，确定目标轨迹点的加速度；
34.根据所述姿态控制环路中的比例控制算法和所述目标轨迹点的加速度，确定目标轨迹点的姿态角速度；
35.根据所述角速度控制环路中的自抗扰控制算法和所述目标轨迹点的姿态角速度，确定所述轨迹跟踪控制量。
36.可选地，所述轨迹信息还包括目标轨迹点的速度基础值，所述确定单元还用于：
37.将所述目标轨迹点的位置输入所述位置控制环路中的比例控制算法，得到目标轨
迹点的速度期望值；
38.根据所述速度基础值和所述速度期望值，确定所述目标轨迹点的速度。
39.可选地，所述轨迹信息包括目标轨迹点的加速度基础值，所述确定单元还用于：
40.将所述目标轨迹点的速度输入所述速度控制环路中的自抗扰控制算法，得到目标轨迹点的加速度期望值；
41.根据所述加速度基础值和所述加速度期望值，确定所述目标轨迹点的加速度。
42.可选地，所述确定单元还用于：
43.根据所述目标轨迹点的加速度确定目标轨迹点的姿态角；
44.将所述目标轨迹点的姿态角输入所述姿态控制环路中的比例控制算法，得到所述目标轨迹点的姿态角速度。
45.可选地，所述控制单元还用于：
46.根据所述轨迹跟踪控制量确定轨迹跟踪反馈量；
47.将所述轨迹跟踪反馈量反馈至对应的所述位置控制环路、所述速度控制环路、所述姿态控制环路和所述角速度控制环路中，以实现轨迹跟踪的闭环控制。
48.可选地，所述自抗扰控制算法为非线性一阶自抗扰控制算法。
49.依据本技术的第三方面，提供了一种无人机，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一所述的方法。
50.依据本技术的第四方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一所述的方法。
51.由上述可知，本技术的技术方案，采用获取目标轨迹的轨迹信息，根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量的方式，其中，所述控制环路包括以自抗扰控制算法实现的速度控制环路和角速度控制环路，以及以比例控制算法实现的位置控制环路和姿态控制环路，根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹。本技术的无人机轨迹跟踪控制方法既能够抵抗风等外界干扰，又能抵抗无人机质量变化、惯量变化等内部扰动，同时能够产生较高的轨迹跟踪控制精度，且易于工程实现，解决了配送过程中无人机质量发生变化后无法对轨迹进行精确跟踪控制的技术问题。
52.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
53.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
54.图1示出了根据本技术一个实施例的无人机轨迹跟踪控制方法的流程示意图；
55.图2示出了根据本技术一个实施例的非线性一阶自抗扰控制算法的控制过程示意图；
56.图3示出了根据本技术一个实施例的无人机轨迹跟踪控制方法的流程框图；
57.图4示出了根据本技术一个实施例的无人机轨迹跟踪控制装置的结构示意图；
58.图5示出了根据本技术一个实施例的无人机的结构示意图；
59.图6示出了根据本技术一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
60.下面将参照附图更详细地描述本技术的示例性实施例。虽然附图中显示了本技术的示例性实施例，然而应当理解，可以以各种形式实现本技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本技术，并且能够将本技术的范围完整的传达给本领域的技术人员。
61.无人机轨迹跟踪控制场景下往往具有非线性和时变不确定性，难以建立精确的数学模型，而传统的pid控制算法轨迹跟踪精度不高，不能达到理想的控制效果。此外，pid对环境变化敏感，例如无人机的螺旋桨在高速旋转时，受到很强的压缩空气阻力，pid的作用力要很大才能维持稳定的速度，但是当低速时，空气阻力非常小，在强大的pid作用力下，螺旋桨会震动、不稳定，因此传统的pid控制算法抵抗干扰的能力较差，难于工程实现。
62.基于此，本技术实施例提供了一种无人机轨迹跟踪控制方法，如图1所示，所述方法包括如下步骤s110至步骤s130：
63.步骤s110，获取目标轨迹的轨迹信息。
64.在无人机进行自动飞行执行特定配送任务时，往往结合调度系统，对其进行提前或者实时的轨迹规划，轨迹规划除了能够指定无人机的飞行路线，还指定了到达路径点的时间，也就是将路径表达为时间的函数。对规划轨迹进行精确跟踪是无人机控制系统需要解决的问题。因此，本技术实施例首先可以通过无人机的轨迹规划系统获取目标轨迹的轨迹信息，这里的轨迹信息具体可以包括目标位置、轨迹路线、到达目标位置的时间，以及该条轨迹路线上每个轨迹点的位置以及轨迹点的速度等信息。基于这些轨迹信息，可以对轨迹路线上的每个轨迹点的位置和速度进行跟踪控制，在保证轨迹跟踪精度的同时，又能使无人机快速精准地达到目标位置。
65.步骤s120，根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量，其中，所述控制环路包括以自抗扰控制算法实现的速度控制环路和角速度控制环路，以及以比例控制算法实现的位置控制环路和姿态控制环路。
66.本技术实施例中的轨迹跟踪控制方法基于目标轨迹的轨迹信息构建了多个控制环路，包括位置控制环路、速度控制环路、姿态控制环路和角速度控制环路，四个控制环路依次级联，前一个环路的输出将作为下一个环路的输入。此外，为了既能保证轨迹跟踪控制具有较高的鲁棒性，同时又能在存在风等外界干扰或者质量惯量变化等内扰时依然可取得良好的轨迹跟踪精度，本技术采取了pid控制中的比例控制(proportion，p控制)算法与自抗扰控制(active disturbance rejection control，adrc)算法相结合的方式实现轨迹跟踪控制，具体地，在位置控制环路和姿态控制环路采用p控制算法，在速度控制环路和角速度控制环路等易受干扰的环路采用adrc控制算法。
67.adrc控制是在传统的pid控制算法的基础上演变而来的，其主要由三部分组成：跟踪微分器(tracking differentiator)，扩展状态观测器(extended state observer)和非
线性状态误差反馈控制律(nonlinear state error feedback law)，非线性状态误差反馈能够实现对被控对象的良好控制，扩张状态观测器能够估计系统状态和总扰动，不依赖于对象模型，并且具有良好的抗干扰能力。
68.步骤s130，根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹。
69.在经过上述级联的控制环路对目标轨迹的轨迹信息进行一系列处理后，能够输出最终的轨迹跟踪控制量，该轨迹跟踪控制量可以包括无人机的俯仰、滚转、航向三个力矩的控制量以及油门控制量。根据这些控制量控制无人机的飞行状态，实现轨迹的精确跟踪。
70.需要说明的是，虽然许多大多数无人机的发动机并不是燃油发动机而是电动机，但实际场景中，通常也将发动机的输出调节称为油门控制。由此可以理解，本技术中的油门用于指代无人机中驱动装置的控制器。
71.在本技术的一个实施例中，所述轨迹信息包括目标轨迹点的位置，所述根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量包括：
72.根据所述位置控制环路中的比例控制算法和所述目标轨迹点的位置，确定目标轨迹点的速度。
73.本技术实施例在位置控制环路采用的是比例控制算法即p控制，比例控制算法能够成比例地反映控制系统的偏差信号e(t)，偏差一旦产生，控制器立即产生控制作用，以减小偏差。比例控制算法用公式可以表示为：
74.e(t)＝sp
–
y(t)， (1)
75.v(t)＝e(t)*p， (2)
76.其中，sp表示设定值，e(t)表示误差值，y(t)表示反馈值，v(t)表示输出值，p表示比例系数。
77.在位置控制环路，会由导航模块产生目标轨迹点在上一个时刻的位置反馈值y(t)和当前时刻的期望位置，位置控制部分对当前期望位置基于控制需要进行修正，产生有效的期望位置即目标轨迹点的位置sp。目标轨迹点的位置sp与导航模块在上一个时刻产生的位置反馈值y(t)比较，得出位置误差e(t)，位置误差e(t)乘以比例系数p得出初步的轨迹点的速度期望值v(t)，基于该轨迹点的速度期望值可以得到目标轨迹点的速度。通过调整比例系数p，能够提高系统的稳态精度，减低系统的惰性，加快响应速度。
78.根据所述速度控制环路中的自抗扰控制算法和所述目标轨迹点的速度，确定目标轨迹点的加速度。
79.在轨迹运动控制场景下，对于速度控制的精度要求是较高的。因此本技术实施例在速度控制环路采用的是自抗扰控制算法即adrc控制，adrc包括三部分：跟踪微分器(td)、扩张状态观测器(eso)和非线性状态误差反馈控制律(nlsef)，采用跟踪微分器处理参考输入，非线性状态误差反馈实现对被控对象的良好控制，扩张状态观测器估计系统状态和总扰动，不依赖于对象模型，并且具有良好的抗干扰能力。
80.具体实施时，速度控制环路与位置控制环路级联，因此，位置控制环路的输出即目标轨迹点的速度将作为速度控制环路的输入，通过对目标轨迹点的速度进行adrc控制，可以得到初步的轨迹点的加速度期望值，根据该轨迹点的加速度期望值可以得到目标轨迹点的加速度。
81.根据所述姿态控制环路中的比例控制算法和所述目标轨迹点的加速度，确定目标
轨迹点的姿态角速度。
82.本技术实施例在姿态控制环路中采用的是比例控制算法。姿态控制环路与速度控制环路级联，速度控制环路的输出即目标轨迹点的加速度经过算法处理后可以得到目标轨迹点的姿态角，将目标轨迹点的姿态角作为姿态控制环路的输入，通过比例控制算法进行处理，最终得到目标轨迹点的姿态角速度。
83.本技术实施例中的姿态角又叫欧拉角(eulerangle)，反映了无人机相对地面的姿态，其可以包括俯仰角θ(pitch)、偏航角ψ(yaw)和滚转角φ(roll)三种。其中，俯仰角θ(pitch)是指机体坐标系x轴与水平面的夹角。当x轴的正半轴位于过坐标原点的水平面之上(抬头)时，俯仰角为正，否则为负。偏航角ψ(yaw)是指机体坐标系xb轴在水平面上投影与地面坐标系xg轴(在水平面上，指向目标为正)之间的夹角，由xg轴逆时针转至机体xb的投影线时，偏航角为正，即机头右偏航为正，反之为负。滚转角φ(roll)是指滚转角(又称为侧滚角)是指机体坐标系zb轴与通过机体xb轴的铅垂面间的夹角，机体向右滚为正，反之为负。
84.上述这三种姿态角的期望值是指系统中希望无人机达到的某一个角度，也就是姿态控制中的目标状态，并且希望无人机在这个目标状态下保持稳定。例如，通过拨动遥控器的俯仰、滚转和航向控制杆，给出的俯仰、滚转和航向角分别为5
°
、5
°
、10
°
，这三个角度则是姿态控制环路中目标轨迹点的姿态角。
85.根据所述角速度控制环路中的自抗扰控制算法和所述目标轨迹点的姿态角速度，确定所述轨迹跟踪控制量。
86.与速度控制环路相同，在角速度控制环路同样采用的是adrc控制算法，角速度控制环路与姿态控制环路级联，姿态控制环路的输出即目标轨迹点的姿态角速度将作为角速度控制环路的输入，通过对目标轨迹点的姿态角速度进行adrc控制，可以得到最终的轨迹跟踪控制量，该控制量可以包括无人机的俯仰、滚转、航向三个力矩的控制量以及油门控制量等。因此通过控制目标轨迹点的姿态角速度，能够达到控制姿态角的效果。
87.在本技术的一个实施例中，所述轨迹信息还包括目标轨迹点的速度基础值，所述根据所述位置控制环路中的比例控制算法和所述目标轨迹点的位置，确定目标轨迹点的速度包括：将所述目标轨迹点的位置输入所述位置控制环路中的比例控制算法，得到目标轨迹点的速度期望值；根据所述速度基础值和所述速度期望值，确定所述目标轨迹点的速度。
88.本技术实施例的目标轨迹点的速度可以由两部分构成，一部分是通过将目标轨迹点的位置输入位置控制环路中的比例控制算法得到的目标轨迹点的速度期望值，另一部分是目标轨迹的轨迹信息中所包含的目标轨迹点的速度基础值，将速度基础值与速度期望值相加作为目标轨迹点的速度。
89.在本技术的一个实施例中，所述轨迹信息包括目标轨迹点的加速度基础值，所述根据所述速度控制环路中的自抗扰控制算法和所述目标轨迹点的速度，确定目标轨迹点的加速度包括：将所述目标轨迹点的速度输入所述速度控制环路中的自抗扰控制算法，得到目标轨迹点的加速度期望值；根据所述加速度基础值和所述加速度期望值，确定所述目标轨迹点的加速度。
90.本技术实施例的目标轨迹点的加速度同样也可以由两部分构成，一部分是通过将目标轨迹点的速度输入速度控制环路中的自抗扰控制算法得到的目标轨迹点的加速度期
望值，另一部分是目标轨迹的轨迹信息中所包含的目标轨迹点的加速度基础值，将加速度基础值作为前馈项与加速度期望值联合确定目标轨迹点的加速度。这里将加速度基础值作为前馈项，一方面能够补偿由于惯性等带来的跟随误差，使轨迹跟踪的静态误差为零，另一方面还可以提高轨迹跟踪的效果。
91.在本技术的一个实施例中，所述根据所述姿态控制环路中的比例控制算法和所述目标轨迹点的加速度，确定目标轨迹点的姿态角速度包括：根据所述目标轨迹点的加速度确定目标轨迹点的姿态角；将所述目标轨迹点的姿态角输入所述姿态控制环路中的比例控制算法，得到所述目标轨迹点的姿态角速度。
92.在姿态控制环路中，由于上一控制环路的输出是目标轨迹点的加速度，因此可以先将目标轨迹点的加速度按照算法转换为目标轨迹点的姿态角，作为姿态控制环路的输入。关于姿态角的计算最为常用的方法有欧拉角法、四元数法、等效旋转矢量法、罗德里格参数法、方向余弦矩阵法等。在以轨迹点的加速度为基础的前提下，可以采用方向余弦矩阵法将目标轨迹点的加速度转换为目标轨迹点的姿态角。例如，可以先计算出机体坐标系至导航计算的地理坐标系之间的坐标转换矩阵，即姿态矩阵或方向余弦阵，之后计算和加速度沿机体轴的分量，将这些分量经过方向余弦阵，可以转换到要求的计算机坐标系内的分量。这个矩阵可以描述机体和地理坐标系之间的关系，基于这个转换矩阵，导航计算机便可根据相应的力学方程解出要求的导航和姿态参数来。需要说明的是，本领域技术人员可以根据实际需要灵活选择姿态角的计算方法，在此不一一列举。
93.在本技术的一个实施例中，所述根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹包括：根据所述轨迹跟踪控制量确定轨迹跟踪反馈量；将所述轨迹跟踪反馈量反馈至对应的所述位置控制环路、所述速度控制环路、所述姿态控制环路和所述角速度控制环路中，以实现轨迹跟踪的闭环控制。
94.在得到轨迹跟踪控制量后，可以结合不同的应用场景确定无人机的轨迹跟踪反馈量，例如，在无人机实际飞行的状态下，可以将该控制量输入到机体的导航模块，进而产生无人机的实际飞行状态数据作为上述轨迹跟踪反馈量，该轨迹跟踪反馈量具体可以包括各个控制环路对应的实际飞行数据如当前轨迹点的位置、速度、姿态角以及角速度等，将这些数据分别反馈至对应的环路中，作为下一次控制环路输入的基础，进而实现对轨迹跟踪的闭环控制。除了无人机的实际飞行场景，还可以应用在无人机的仿真测试场景下，在该场景下，可以根据控制环路输出的控制量以及机体的动力学方程确定轨迹跟踪反馈量。
95.在本技术的一个实施例中，所述自抗扰控制算法为非线性一阶自抗扰控制算法。
96.自抗扰控制算法根据被控对象的不同可以分为一阶自抗扰控制算法、二阶自抗扰控制算法和三阶自抗扰控制算法等，由于本技术实施例在速度控制环路和角速度控制环路是分别考虑力矩的扰动和力的扰动的，采用一阶自抗扰控制算法足够可以实现，且一阶自抗扰控制算法参数相对较少，参数调整更快。本技术实施例的自抗扰控制算法中同样包括跟踪微分器、扩张状态观测器、非线性状态误差反馈三部分，扩张状态观测器在速度控制环路主要用于观测扰动力，在角速度控制环路主要用于观测扰动力矩。非线性状态误差反馈的作用主要是根据跟踪微分器得出的给定信号和给定信号的微分与状态观测器观测到的系统输出和输出的导数的误差，进行扰动力和扰动力矩的补偿。
97.如图2所示，提供了一种非线性一阶自抗扰控制算法的控制过程示意图。以速度控
制环路为例，跟踪微分器的输入是目标轨迹点的速度v1，输出是目标轨迹点的加速度e1。扩张状态观测器的输入分别是：目标轨迹点的实际加速度y、输出电压u和系数b0的乘积；输出分别是观测加速度z1和观测扰动z2，观测加速度z1等于实际加速度y，观测扰动z2是系统内部和外部的总扰动，它减去状态误差反馈控制律输出的电压u0，再除以系数b0后，即得到给电机的电压u。
98.如图3所示，提供了一种无人机轨迹跟踪控制方法的流程框图，整个流程包括：首先，位置控制环路p控制根据位置误差生成当前的目标轨迹点的速度；然后，速度控制环路adrc控制根据目标轨迹点的速度生成目标轨迹点的加速度期望值，同时引入加速度前馈项即加速度基础值得到目标轨迹点的加速度，将目标轨迹点的加速度转换为目标轨迹点的姿态角作为姿态控制环路的输入，姿态控制环路通过p控制将目标轨迹点的姿态角转换成目标轨迹点的姿态角速度，最后姿态角速度环路通过adrc控制将目标轨迹点的姿态角速度转换为实际的控制参数。根据该控制参数结合机器人具体的动力学模型控制机体在俯仰，滚转，航向三个维度的力矩及油门大小，得到机体当前实际运动状态的反馈量，将该反馈量反馈到各控制环路中，作为下一次控制环路跟踪控制的基础，此实现闭环控制。
99.本技术实施例还提供了一种无人机轨迹跟踪控制装置400，如图4所示，所述装置400包括：获取单元410、确定单元420和控制单元430。
100.本技术实施例的获取单元410，用于获取目标轨迹的轨迹信息。
101.在无人机进行自动飞行执行特定配送任务时，往往结合调度系统，对其进行提前或者实时的轨迹规划，轨迹规划除了能够指定无人机的飞行路线，还指定了到达路径点的时间，也就是将路径表达为时间的函数。对规划轨迹进行精确跟踪是无人机控制系统需要解决的问题。因此，本技术实施例首先可以通过无人机的轨迹规划系统获取目标轨迹的轨迹信息，这里的轨迹信息具体可以包括目标位置、轨迹路线、到达目标位置的时间，以及该条轨迹路线上每个轨迹点的位置以及轨迹点的速度等信息。基于这些轨迹信息，可以对轨迹路线上的每个轨迹点的位置和速度进行跟踪控制，在保证轨迹跟踪精度的同时，又能使无人机快速精准地达到目标位置。
102.本技术实施例的确定单元420，用于根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量，其中，所述控制环路包括以自抗扰控制算法实现的速度控制环路和角速度控制环路，以及以比例控制算法实现的位置控制环路和姿态控制环路。
103.本技术实施例中的轨迹跟踪控制方法基于目标轨迹的轨迹信息构建了多个控制环路，包括位置控制环路、速度控制环路、姿态控制环路和角速度控制环路，四个控制环路依次级联，前一个环路的输出将作为下一个环路的输入。此外，为了既能保证轨迹跟踪控制具有较高的鲁棒性，同时又能在存在风等外界干扰或者质量惯量变化等内扰时依然可取得良好的轨迹跟踪精度，本技术采取了pid控制中的比例控制(proportion，p控制)算法与自抗扰控制(active disturbance rejection control，adrc)算法相结合的方式实现轨迹跟踪控制，具体地，在位置控制环路和姿态控制环路采用p控制算法，在速度控制环路和角速度控制环路等易受干扰的环路采用adrc控制算法。
104.adrc控制是在传统的pid控制算法的基础上演变而来的，其主要由三部分组成：跟踪微分器(tracking differentiator)，扩展状态观测器(extended state observer)和非线性状态误差反馈控制律(nonlinear state error feedback law)，非线性状态误差反馈
能够实现对被控对象的良好控制，扩张状态观测器能够估计系统状态和总扰动，不依赖于对象模型，并且具有良好的抗干扰能力。
105.本技术实施例的控制单元430，用于根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹。
106.在经过上述级联的控制环路对目标轨迹的轨迹信息进行一系列处理后，能够输出最终的轨迹跟踪控制量，该轨迹跟踪控制量可以包括无人机的俯仰、滚转、航向三个力矩的控制量以及油门控制量。根据这些控制量控制无人机的飞行状态，实现轨迹的精确跟踪。
107.在本技术的一个实施例中，所述轨迹信息包括目标轨迹点的位置，所述确定单元420还用于：根据所述位置控制环路中的比例控制算法和所述目标轨迹点的位置，确定目标轨迹点的速度；根据所述速度控制环路中的自抗扰控制算法和所述目标轨迹点的速度，确定目标轨迹点的加速度；根据所述姿态控制环路中的比例控制算法和所述目标轨迹点的加速度，确定目标轨迹点的姿态角速度；根据所述角速度控制环路中的自抗扰控制算法和所述目标轨迹点的姿态角速度，确定所述轨迹跟踪控制量。
108.在本技术的一个实施例中，所述轨迹信息还包括目标轨迹点的速度基础值，所述确定单元420还用于：将所述目标轨迹点的位置输入所述位置控制环路中的比例控制算法，得到目标轨迹点的速度期望值；根据所述速度基础值和所述速度期望值，确定所述目标轨迹点的速度。
109.在本技术的一个实施例中，所述轨迹信息包括目标轨迹点的加速度基础值，所述确定单元420还用于：将所述目标轨迹点的速度输入所述速度控制环路中的自抗扰控制算法，得到目标轨迹点的加速度期望值；根据所述加速度基础值和所述加速度期望值，确定所述目标轨迹点的加速度。
110.在本技术的一个实施例中，所述确定单元420还用于：根据所述目标轨迹点的加速度确定目标轨迹点的姿态角；将所述目标轨迹点的姿态角输入所述姿态控制环路中的比例控制算法，得到所述目标轨迹点的姿态角速度。
111.在本技术的一个实施例中，所述控制单元430还用于：根据所述轨迹跟踪控制量确定轨迹跟踪反馈量；将所述轨迹跟踪反馈量反馈至对应的所述位置控制环路、所述速度控制环路、所述姿态控制环路和所述角速度控制环路中，以实现轨迹跟踪的闭环控制。
112.可选地，所述自抗扰控制算法为非线性一阶自抗扰控制算法。
113.需要说明的是，上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
114.综上所述，本技术的技术方案，采用获取目标轨迹的轨迹信息，根据所述轨迹信息和级联的多个控制环路，确定轨迹跟踪控制量的方式，其中，所述控制环路包括以自抗扰控制算法实现的速度控制环路和角速度控制环路，以及以比例控制算法实现的位置控制环路和姿态控制环路，根据所述轨迹跟踪控制量控制无人机跟踪所述目标轨迹。本技术的无人机轨迹跟踪控制方法既能够抵抗风等外界干扰，又能抵抗无人机质量变化、惯量变化等内部扰动，同时能够产生较高的轨迹跟踪控制精度，且易于工程实现，解决了配送过程中无人机质量发生变化后无法对轨迹进行精确跟踪控制的技术问题。
115.需要说明的是：
116.在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。
各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本技术的内容，并且上面对特定语言所做的描述是为了披露本技术的最佳实施方式。
117.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本技术的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
118.类似地，应当理解，为了精简本技术并帮助理解各个发明方面中的一个或多个，在上面对本技术的示例性实施例的描述中，本技术的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本技术要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本技术的单独实施例。
119.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
120.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本技术的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
121.本技术的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本技术实施例的无人机轨迹跟踪控制装置中的一些或者全部部件的一些或者全部功能。本技术还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本技术的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
122.例如，图5示出了根据本技术一个实施例的无人机的结构示意图。该无人机500包括处理器510和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器520。存储器520可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。存储器520具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码531的存储空间530。例如，用于存储计算机可读程序代码的存储空间530可以包括分别
用于实现上面的方法中的各种步骤的各个计算机可读程序代码531。计算机可读程序代码531可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(cd)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图6所述的计算机可读存储介质。图6示出了根据本技术一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质600存储有用于执行根据本技术的方法步骤的计算机可读程序代码531，可以被无人机500的处理器510读取，当计算机可读程序代码531由无人机500运行时，导致该无人机500执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码531可以执行上述任一实施例中示出的方法。计算机可读程序代码531可以以适当形式进行压缩。
123.应该注意的是上述实施例对本技术进行说明而不是对本技术进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本技术可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。