强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法

技术领域

本发明涉及飞行器解耦控制技术领域，具体涉及一种强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法。

背景技术

现如今，随着四旋翼无人机需求的多样化，对其各种飞行模态的研究变得愈发重要，前飞模态是除悬停模态外最为常见和重要的模态，伴随着当前在无人机竞速比赛等方面对四旋翼无人机高速前飞性能要求的日益提升，对其进行系统、科学的研究迫在眉睫，也是目前国际无人机领域的热点问题之一。

然而，现有绝大多数关于四旋翼控制的研究都停留在悬停模态下，而前飞时由于气动力的显著变化，诸多悬停下做出的简化假设不再成立，无人机动力学模型相较悬停发生了较大变化，具有非线性，通道间强耦合的特点。四旋翼无人机的操控通常被分为滚转、俯仰、偏航以及垂向油门四个通道，无人机高速前飞下各通道之间的强耦合势必会使其操控品质大打折扣，为此，前飞模态下如何进行解耦控制至关重要；另外，前飞模态下无人机受到的各种扰动必然会增大，如何消除扰动对无人机飞行的干扰，提高无人机的鲁棒性是当前急需解决的问题。

基于此，本发明人对无人机的解耦控制及鲁棒性做了深入研究，以期待设计出一种能过解决上述问题的解耦控制方法。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一种强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法，该方法中采用内外环串级相连的控制方案，内环利用动态逆的思想对前飞模型进行解耦，针对经典动态逆抗扰动能力差的特点，设计解耦控制律并基于自抗扰控制ADRC的思想，设计改进型扩张状态观测器IESO对未知扰动进行观测及补偿；外环使用简单PID控制器进行控制，以进一步增强系统鲁棒性，最终实现四旋翼无人机的前飞模态鲁棒解耦控制，使得该无人机的控制状态更为精确，能够排除干扰，按照期望路径飞行，从而完成本发明。

本发明的目的在于提供一种强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法，

该方法中，对未知扰动进行观测及补偿，实时获得无人机纵向方向上的控制率和无人机横向方向上的控制率；再使用纵向方向上的控制率和横向方向上的控制率融合后得到的融合控制率控制无人机。

其中，所述纵向方向上的控制率和横向方向上的控制率都通过下述式(一)获得：

其中，u

A表示系数矩阵；

B表示系数矩阵；

C′表示针对动态逆设计的具有实际意义的输出矩阵；

K

x

表示IESO对状态量的观测值；

表示IESO对扰动的估计值。

其中，在获得纵向方向上的控制率时，所述期望的输入值 x

在获得横向方向上的控制率时，所述期望的输入值x

其中，所述IESO对状态量的观测值

其中，u表示系统的控制输入；

y表示系统的输出；

I表示单位矩阵；

A，B，C表示系数矩阵；

G，G′表示IESO中可以自行调整的参数矩阵。

其中所述IESO对扰动的估计值

其中，u表示系统的控制输入；

y表示系统的输出；

I表示单位矩阵；

A，B，C表示系数矩阵；

G，G′表示IESO中可以自行调整的参数矩阵。

其中，在获得纵向方向上的控制率时，系数矩阵A和B通过下式(四)获得：

其中，A

Y

表示平衡状态下机体系下Z轴速度；

表示平衡状态下机体系下X轴速度；/>

表示平衡重力加速度沿机体系下Z轴的分量；

L

L

L

N

N

N

表示平衡状态下俯仰角的正切值；

表示平衡状态下俯仰角的正割值；

L

L

N

N

其中，在获得横向方向上的控制率时，系数矩阵A和B通过下式(五)获得：

其中，A

X

X

表示平衡状态下机体系下Z轴速度；

表示平衡重力加速度沿机体系下Z轴的分量；

Z

Z

表示平衡状态下机体系下X轴速度；

表示平衡重力加速度沿机体系下X轴的分量；

M

M

M

X

X

Z

Z

M

M

其中，在获得横向方向上的控制率时，所述针对动态逆设计的具有实际意义的输出矩阵C′为：

其中，在获得纵向方向上的控制率时，所述针对动态逆设计的具有实际意义的输出矩阵C′为：

本发明所具有的有益效果包括：

(1)本发明提供的强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法中，采用内外环串级相连的控制方案，在内环中针对无人机前飞模态的复杂动力学状况，采用具有针对性的改进型扩张状态观测方法来实现对未知扰动的精确估计；

(2)本发明提供的强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法中，基于自抗扰控制中对扰动补偿的思想，对改进型扩张状态观测器估计的扰动进行补偿，并与动态逆进行结合，极大增强了解耦控制的鲁棒性；

(3)本发明提供的强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法中，采用内外环串级相连的控制方案，在外环采取简单PID控制，在保证整体控制结构简单的前提下，进一步增强了整体系统的鲁棒性。

附图说明

图1示出本申请强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法的整体逻辑示意图；

图2示出本申请实施例及对比例中俯仰通道的阶跃响应示意图；

图3示出本申请实施例及对比例中垂向通道的阶跃响应示意图；

图4示出本申请实施例及对比例中滚转通道的阶跃响应示意图；

图5示出本申请实施例及对比例中偏航通道的阶跃响应示意图。

具体实施方式

下面通过附图和实施例对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

根据本发明提供的强干扰下的四旋翼无人机前飞模态鲁棒解耦控制方法，该方法中，对未知扰动进行观测及补偿，实时获得无人机纵向方向上的控制率和无人机横向方向上的控制率；再使用纵向方向上的控制率和横向方向上的控制率融合后得到的融合控制率控制无人机。

其中，具体来说，所述纵向方向上的控制率和横向方向上的控制率都通过下述式(一)获得：

其中，u

A表示系数矩阵；

B表示系数矩阵；

C′表示针对动态逆设计的具有实际意义的输出矩阵；

K

x

表示IESO对状态量的观测值；

表示IESO对扰动的估计值。

本申请中，如图1中所示，该控制方法中包含内外环的串级控制架构，三个方向的期望欧拉角φ

在一个优选的实施方式中，所述在获得纵向方向上的控制率时，所述期望的输入值x

在获得横向方向上的控制率时，所述期望的输入值x

本申请中，所述四个方向的期值x

在一个优选的实施方式中，所述IESO对状态量的观测值

其中，

u表示系统的控制输入；u(s)表示频域下的控制输入；

y表示系统的输出；y(s)表示频域下的输出；

s表示拉普拉斯算子，是由时域中的时间经拉普拉斯变换得到的；I表示单位矩阵，此处单位矩阵的维数对于纵向子系统和横向子系统分别是4、5；

A，B，C表示系数矩阵；

G，G′表示IESO中可以自行调整的参数矩阵。

本申请中，所述IESO具有如下形式表达的状态空间形式：

其中，广义状态量为

在一个优选的实施方式中，所述IESO对扰动的估计值

其中，

u表示系统的控制输入；u(s)表示频域下的控制输入；

y表示系统的输出；y(s)表示频域下的输出；

I表示单位矩阵，此处单位矩阵的维数对于纵向子系统和横向子系统分别是4、5；

s表示拉普拉斯算子，是由时域中的时间经拉普拉斯变换得到的；

A，B，C表示系数矩阵；

A，B，C表示系数矩阵；

G，G′表示IESO中可以自行调整的参数矩阵。

本申请中所述的IESO是指改进型扩张状态观测器。

优选地，G，G′为由IESO中可调节系数组成的对角矩阵，存在关系：G＝diag{G

式中，G

在一个优选的实施方式中，在获得纵向方向上的控制率时，系数矩阵A和B通过下式(四)获得：

其中，A

Y

表示平衡状态下机体系下Z轴速度；

表示平衡状态下机体系下X轴速度；

表示平衡重力加速度沿机体系下Z轴的分量；

L

L

L

N

N

N

表示平衡状态下俯仰角的正切值；

表示平衡状态下俯仰角的正割值；

L

L

N

N

其中，上述用于获得纵向系数矩阵A和纵向系数矩阵B的参数取值都在无人机起飞工作前，通过机理建模和风洞试验的方式获得。

在一个优选的实施方式中，在获得横向方向上的控制率时，系数矩阵A和B通过下式(五)获得：

其中，A

X

X

表示平衡状态下机体系下Z轴速度；

表示平衡重力加速度沿机体系下Z轴的分量；

Z

Z

表示平衡状态下机体系下X轴速度；

表示平衡重力加速度沿机体系下X轴的分量；

M

M

M

X

X

Z

Z

M

M

其中，上述用于获得横向系数矩阵A和横向系数矩阵B的参数取值都在无人机起飞工作前，通过机理建模和风洞试验的方式获得。

在一个优选的实施方式中，在获得横向方向上的控制率时，所述针对动态逆设计的具有实际意义的输出矩阵C′为：

在获得纵向方向上的控制率时，所述针对动态逆设计的具有实际意义的输出矩阵C′为：

本申请中，在获得纵向方向上的控制率和横向方向上的控制率后，实时解算获得纵向方向上的控制率与横向方向上的控制率的和，即为总控制率，并基于该总控制率控制无人机飞行。

实施例

选择无人机执行平台仿真实验，该无人机的参数如下表所示：

在仿真中，该无人机选择15m/s的高速前飞模态，基于由风洞试验给出的无人机桨叶及机身气动力模型参数，获得系数矩阵如下：

/>

基于上述系数矩阵，在仿真过程中，IESO中的参数矩阵G 和G′的具体取值如下：

G

G′

在仿真过程中，通过仿真平台分别为无人机施加1s时开始的单位阶跃期望俯仰角、1s时开始的单位阶跃期望纵向速度、 1s时开始的单位阶跃期望滚转角和1s时开始的单位阶跃期望偏航角；仿真时间设为20s，步长为0.01s。

针对四种工况，都分别通过下式(一)实时获得控制率：

其中，u

A表示系数矩阵；

B表示系数矩阵；

C′表示针对动态逆设计的具有实际意义的输出矩阵；

K

x

表示IESO对状态量的观测值；

表示IESO对扰动的估计值。

输入期望俯仰角时获得的阶跃响应如图2中紫色线条所示，输入期望纵向速度时获得的阶跃响应如图3中紫色线条所示，输入期望滚转角时获得的阶跃响应如图4中紫色线条所示，输入期望偏航角时获得的阶跃响应如图5中紫色线条所示。

对比例1：

选取与实施例基本一致的无人机参数及仿真平台输入的扰动，通过AntonySnell,Decoupling Control Design with Applications to Flight,Journal ofGuidance,Control, and Dynamics 1998 21:4,647-655中介绍的基于 DI+Luenberger观测器的控制方法对无人机进行控制，输入期望俯仰角时获得的阶跃响应如图2中粉色线条所示，输入期望纵向速度时获得的阶跃响应如图3中粉色线条所示，输入期望滚转角时获得的阶跃响应如图4中粉色线条所示，输入期望偏航角时获得的阶跃响应如图5中粉色线条所示。

对比例2

选取与实施例基本一致的无人机参数及仿真平台输入的扰动，通过串级PID的方法对无人机进行控制，输入期望俯仰角时获得的阶跃响应如图2中绿色线条所示，输入期望纵向速度时获得的阶跃响应如图3中绿色线条所示，输入期望滚转角时获得的阶跃响应如图4中绿色线条所示，输入期望偏航角时获得的阶跃响应如图5中绿色线条所示。

综合图2、图3、图4和图5可知，对比例1和对比例2中的方法，会使得通道响应同样随着给定正弦误差信号的频率做正弦振动，使用本发明的方法在各个通道都能够保证在2s内完全达到稳态，达到稳态的速度明显极快，稳态特性显著优越。

以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。