CN107450313B - 基于自适应控制的无人机自动驾驶仪控制系统 - Google Patents

Abstract

本发明公开了基于自适应控制的无人机自动驾驶仪控制系统，涉及航空宇航推进控制技术领域，能够针对含有参数不确定的无人机模型，为无人机设计能够快速、精确跟踪期望速度、高度、航向等指令的自动驾驶仪控制系统。本发明将无人机的非线性模型基于小扰动原理线性化，根据所需控制量的相对阶次，建立自适应控制系统的参考模型。设计自适应控制律在线更新控制器参数，使无人机能够较为精准地跟踪给定指令。本发明保证了整个闭环系统良好的跟踪性和稳定性，并且使系统具有一定的鲁棒性能。

Description

基于自适应控制的无人机自动驾驶仪控制系统

技术领域

本发明涉及航空航宇推进控制技术领域，尤其涉及基于自适应控制的无人机自动驾驶仪控制系统。

背景技术

无人机(UAV)是一种由动力驱动、无人驾驶、可重复使用航空器的简称。由于其低廉的成本、重量轻、体积小、适应性强和灵活机动的特点，在军事和国民经济的各个领域得到了越来越广泛的应用，受到了全世界各个国家的高度重视。无人机飞控系统的性能对无人机的飞行控制具有极大的影响，其中自动驾驶仪作为无人机的“大脑”，是无人机飞行控制系统的核心部件。为了更好的实现稳定飞行和轨迹跟踪，要求自动驾驶仪具有高精度、高效率的性能，这极大地推动了先进控制方法的发展。

控制器是自动驾驶仪控制系统的核心，也是整个无人机的中央控制单元。控制器根据控制指令和无人机实时采集到的飞行姿态数据，按照预先设计的控制算法进行决策，控制各个执行机构使无人机以一定的姿态和航迹安全飞行。同时，控制器还负责无人机上各个模块的协调工作。其基本功能有：(1)保持飞机按给定的高度、航线稳定飞行；(2)控制飞机按给定的航向角飞行；(3)控制飞机按给定的姿态角机动飞行；(4)控制飞机按预定程序自主飞行；(5)随着高度和速度的变化等自动调整，保持最优状态。因此，采用先进的控制方法设计无人机的自动驾驶仪控制系统对提高无人机的自主飞行能力有极大的作用。

然而，无人机的模型参数不确定性对自动驾驶仪控制系统的设计带来了很多技术上的难点。首先，自动驾驶仪控制系统在各种外界干扰和内部参数变化要求下必须具有较强的稳定性和鲁棒性。其次，在产生突发情况下，自动驾驶仪控制系统反应时间不能过长，要保证实时性。无人机在飞行时由于受到飞行环境的影响，其模型参数可能会产生不确定性，导致不能得到其精确的模型。因此，如果根据已知的模型参数设计固定的控制增益，会使得无人机的自动驾驶仪控制系统难以工作在最优状态。

PID控制由于其结构简单、鲁棒性强以及容易实现等特点，被广泛的运用于工业过程控制之中。在计算机进入到控制领域后，PID控制算法集成到许多硬件产品中，得到了进一步的推广。但是无人机自动驾驶仪飞行控制系统比较复杂，含有不确定因素，而所需满足的性能指标却很高，因此常规PID控制方法，已经无法满足无人机自动驾驶仪控制系统的要求。

综上，现有技术中缺乏针对参数不确定无人机模型的控制方法，不能满足无人机自动驾驶的快速、准确的要求，并且难以使得整个闭环系统具有稳定性和鲁棒性。

发明内容

本发明提供基于自适应控制的无人机自动驾驶仪控制系统，针对无人机参数不确定的情况，利用状态反馈输出跟踪的模型参考自适应方法，实现无人机在飞行过程中能够快速、准确地跟踪指令的飞行控制效果。

为达到上述目的，本发明采用如下技术方案：

基于自适应控制的无人机自动驾驶仪控制系统，控制系统利用状态反馈输出跟踪的模型参考自适应方法设计而成，包括参考模型、标称控制器和自适应控制律，输入值包括无人机的飞行参数和飞行指令，输出值为无人机的控制输入量u(t),其中,所述飞行参数包括飞行速度V、飞行高度H、偏航角ψ；所述飞行指令包括飞行速度指令V_c、飞行高度指令H_c和偏航角指令ψ_c。

进一步的，所述参考模型的输出为

其中，Δy_{m_lon}(t)＝[ΔV_m(t),ΔH_m(t)]^T，Δy_{m_lat}(t)＝Δψ_m为参考模型输出，Δr_lon(t)＝[ΔV_c(t),ΔH_c(t)]^T，Δr_lat(t)＝Δψ_c(t)为参考模型输入，ΔV_c(t)为速度指令信号，ΔH_c(t)为高度指令信号，Δψ_c(t)为偏航角指令信号；W_{m_lon}(s)，W_{m_lat}(s)为参考模型的传递函数，ξ_{m_lon}(s)，ξ_{m_lat}(s)为关联矩阵，且

进一步的，所述参考模型包含纵向参考模型和横侧向参考模型。

进一步的，所述纵向参考模型的传递函数为

包括针对所述飞行速度V的一阶环节和针对所述飞行高度H的三阶环节，其中，p₁,p₂,p₃,p₄是配置的稳定极点,稳定极点的值在复平面的左半开平面。

进一步的，所述横侧向参考模型的传递函数为

针对所述偏航角ψ的一阶环节，其中，p₅是配置的稳定极点,稳定极点的值在复平面的左半开平面。

进一步的，所述标称控制器的表达式为：

其中，

是标称控制器参数，

且

K_0,lat＝-C_1,latA_lat+p₅C_1,lat

A_lon,A_lat,B_lon,B_lat,C_1,lon,C_2,lon,C_1,lat为模型参数矩阵，l_i＝ρ_i为系统的相对阶，ρ_i为第i个输入输出传递函数中分母阶次和分子阶次之差；

为纵向状态量，

为横侧向状态量，ΔV(t)为速度增量，Δα(t)为迎角增量，Δq(t)为俯仰角速度增量，Δθ(t)为俯仰角增量，ΔH(t)为高度增量，Δβ(t)为侧滑角增量，Δr(t)为偏航角速度增量，Δψ(t)为偏航角增量。

进一步的，所述自适应控制律，是纵向和横侧向统一的自适应控制律，表达式为：

K₂为纵向、横侧向控制参数的统一表达，

K₂是标称控制器参数的估计值，

K₂的控制律包括自适应控制参数函数和误差更新函数，其中，自适应控制参数函数为：

误差更新函数为：

其中，定义了一些辅助变量包括：

f(s)是稳定的多项式，h(s)＝1/f(s)，且h(s)ξ_m(s)为真矩阵；

ω(t)＝[Δx^T(t),Δr^T(t)]^T为新的状态量函数；

ζ(t)＝h(s)[ω](t)为自适应更新函数中间变量；

ξ(t)＝Θ^T(t)ζ(t)-h(s)[Θ^Tω](t)为自适应更新函数中间变量，其中Θ^T(t)＝[K₁ ^T(t),K₂(t)]为自适应控制器参数；

ε(t)＝K_ph(s)[Δu-Θ^*Tω](t)+Ψ(t)ξ(t)为估计误差，其中K_p为高频增益矩阵，Δu为纵向和横侧向统一的自适应控制律，

为标称控制器参数，Ψ(t)为误差更新函数；

为归一化函数；

S_P∈R^M×M为可调自适应增益矩阵,使得

Γ＝Γ^T＞0为可调自适应增益矩阵。

进一步的，所述无人机自动驾驶仪的控制输入量为u(t)＝Δu(t)+u^*，

其中(x^*,u^*)为线性化的平衡点，Δu(t)是所设计的自适应控制器，其中，平衡点(x^*,u^*)是指系统的状态和输入的平衡点值，是通过将非线性模型根据小扰动原理线性化得到的。在平衡状态下，无人机可以保持稳定飞行。x^*为状态量的平衡点值，即V、α、H等状态量的平衡点值；u^*为输入量的平衡点值，即升降舵、油门、副翼、方向舵的平衡点值。

本发明的有益效果是：

本发明利用基于状态方程设计的控制系统，并不依赖于控制系统本身的特性，当无人机本身参数存在不确定性时，本发明能够实时更新控制系统，使得系统具有对输入指令快速、精确响应的能力。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明的结构原理示意图；

图2为本发明实施例中速度跟踪响应曲线；

图3为本发明实施例中高度跟踪响应曲线；

图4为本发明实施例中偏航角跟踪响应曲线。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步详细描述。

本发明实施例提供了基于自适应控制的无人机自动驾驶仪控制系统，结构示意图如图1所示，包括参考模型、标称控制器和自适应控制律，无人机的飞行参数包括：飞行速度V、飞行高度H、偏航角ψ，追踪飞行速度指令V_c、飞行高度指令H_c以及偏航角指令ψ_c。

以某型无人机为例，将其非线性模型基于小扰动原理线性化，并进行解耦，得到纵向和横侧向的状态方程表达式

其中，A_lon,B_lon,A_lat,B_lat是无人机模型的参数矩阵，ΔV(t)为速度增量，Δα(t)为迎角增量，Δq(t)为俯仰角速度增量，Δθ(t)为俯仰角增量，ΔH(t)为高度增量，Δδ_e(t)为升降舵增量，Δδ_T(t)为油门开度增量，Δβ(t)为侧滑角增量，Δr(t)为偏航角速度增量，Δψ(t)为偏航角增量，Δδ_r为方向舵增量。

本发明的目标是在无人机模型参数矩阵A_lon,B_lon,A_lat,B_lat存在不确定性的情况下，使得无人机的输出能快速、准确跟踪给定的速度、高度和偏航角指令r_lon(t)＝[V_c(t)H_c(t)]^T，r_lat(t)＝ψ_c(t)，t≥0。

假设1：G(s)＝C(sI-A)^-1B的所有零点稳定，并且系统(A,B,C)可控且可观测。

假设2：G(s)严格有理，满秩，并且存在一个已知的关联矩阵ξ_m(s)。通常，关联矩阵可取为对角矩阵：

ξ_m(s)＝diag{d₁(s),d₂(s),…,d_M(s)}

式中，

是满足阶为l_i＝ρ_i的首一稳定多项式，ρ_i为系统的相对阶，它为第i个输入输出传递函数中分母阶次和分子阶次之差；此时关联矩阵不依赖于系统的参数。高频增益矩阵定义为：

该矩阵有界，并且非奇异。

假设3：存在已知矩阵S_P∈R^M×M满足

无人机自动驾驶仪控制系统包括纵向控制器和横侧向控制器，飞行速度V、飞行高度H的控制包含在纵向控制器中，偏航角ψ的控制包含在横侧向控制器中。根据模型阶次，在纵向控制器中，为速度V、高度H设计一阶、三阶参考模型，在横侧向控制器中，为偏航角ψ设计一阶参考模型。

参考模型的输出为

式中，Δy_{m_lon}(t)＝[ΔV_m,ΔH_m]^T，Δy_{m_lat}(t)＝Δψ_m为参考模型输出，Δr_lon(t)，Δr_lat(t)为参考模型输入，W_{m_lon}(s)，W_{m_lat}(s)为参考模型的传递函数，ξ_{m_lon}(s)，ξ_{m_lat}(s)为关联矩阵。

参考模型包含纵向参考模型和横侧向参考模型。纵向参考模型针对的传递函数为

由一阶环节和三阶环节组成，一阶环节针对飞行速度V，三阶环节针对飞行高度H，p₁,p₂,p₃,p₄是配置的稳定极点；飞行速度V的相对阶次是一阶，所以选择一阶惯性环节；飞行高度H的相对阶次是三阶，所以选择三阶惯性环节。横侧向参考模型的传递函数为

针对偏航角ψ，由一阶环节组成，p₅是配置的稳定极点；偏航角ψ的相对阶次是一阶，所以选择一阶惯性环节。

标称控制器的表达式如下

其中，

是标称控制器参数，

K_0,lat＝-C_1,latA_lat+p₅C_1,lat

A_lon,A_lat,B_lon,B_lat,C_1,lon,C_2,lon,C_1,lat为模型参数矩阵，l_i＝ρ_i为系统的相对阶，ρ_i是第i个输入输出传递函数中分母阶次和分子阶次之差。

为了使得设计简便，将纵向和横侧向控制统一起来设计，首先，将标称控制律代入系统中，得到闭环系统

输出跟踪误差为

式中，

为高频增益矩阵,

为标称控制器参数,

为自适应控制器参数,ω(t)＝[Δx^T(t),Δr^T(t)]^T为新的状态量函数,

为参数误差。

为得到自适应控制器的参数向量Θ^T(t)的控制律，令

Ψ^*＝K_p,相对阶ρ_M的稳定多项式为f(s)，h(s)＝1/f(s)且h(s)ξ_m(s)为真矩阵，定义估计误差为

ε(t)＝K_ph(s)[Δu-Θ^*Tω](t)+Ψ(t)ξ(t) (8)

式中，Ψ(t)是Ψ^*的估计误差，并且

ζ(t)＝h(s)[ω](t)

ξ(t)＝Θ^T(t)ζ(t)-h(s)[Δu](t)

估计误差还可以写成

式中，

选择以下自适应控制律

式中，Γ＝Γ^T＞0,

且

得到自适应控制器如下

式中，

K₂(t)为标称控制参数

的自适应估计量。

定义跟踪误差e(t)＝Δy(t)-Δy_m(t)，可以找到一个正定的方程

其对时间的导数为

根据李雅普诺夫稳定性定理可知，输出误差e(t)，Θ(t),Ψ(t)都有界，因此

有界。那么

即输出能够渐进跟踪参考输出。

本实施例的数值仿真验证如下，无人机保持H＝100m，ψ＝0°水平直线飞行，期望速度在0s时由V＝20m/s变为V＝25m/s，如图2所示；无人机保持V＝20m/s，ψ＝0°水平直线飞行，期望高度在0s时由H＝100m变为H＝110m，如图3所示；无人机保持V＝20m/s，H＝100m水平直线飞行，期望航向角在0s时由ψ＝0°变为ψ＝1°，如图4所示。

从上述仿真结果看出，采用基于自适应控制的无人机自动驾驶仪控制系统，无人机能够在平衡状态稳定飞行，并且能够快速精确地跟踪期望速度V_c、期望高度H_c、期望偏航角ψ_c，说明该自适应控制系统拥有较好的跟踪性和鲁棒性。

本发明的有益效果是：

本发明通过自适应控制律实时调节控制参数，使得参数逐渐逼近其理想值，在参数存在不确定时，控制参数会随着不确定变化，使得系统的输出误差逐渐趋向于零，针对无人机参数不确定的情况，利用状态反馈输出跟踪的模型参考自适应方法，实现无人机在飞行过程中能够快速、准确地跟踪指令的飞行控制效果；

本发明的自适应控制律不仅能抑制参数不确定对系统的影响，而且保证了闭环系统的全局稳定性，具有较好的跟踪性能和鲁棒性能；

自适应控制设计较为简便，可以应用在线性和非线性系统中，适用性较为广泛。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (2)

1.基于自适应控制的无人机自动驾驶仪控制系统，其特征在于，包括参考模型、标称控制器和自适应控制律，输入值包括无人机的飞行参数和飞行指令，输出值为无人机的控制输入量u(t),其中,所述飞行参数包括飞行速度V、飞行高度H、偏航角ψ；所述飞行指令包括飞行速度指令V_c、飞行高度指令H_c和偏航角指令ψ_c；

所述参考模型的输出为：

其中，Δy_{m_lon}(t)＝[ΔV_m(t),ΔH_m(t)]^T，Δy_{m_lat}(t)＝Δψ_m为参考模型输出，Δr_lon(t)＝[ΔV_c(t),ΔH_c(t)]^T，Δr_lat(t)＝Δψ_c(t)为参考模型输入，ΔV_c(t)为速度指令信号，ΔH_c(t)为高度指令信号，Δψ_c(t)为偏航角指令信号，W_{m_lon}(s)，W_{m_lat}(s)为参考模型的传递函数，ξ_{m_lon}(s)，ξ_{m_lat}(s)为关联矩阵,且

所述参考模型包含纵向参考模型和横侧向参考模型，所述纵向参考模型的传递函数为

包括针对所述飞行速度V的一阶环节和针对所述飞行高度H的三阶环节，其中，p₁,p₂,p₃,p₄是配置的稳定极点；

所述横侧向参考模型的传递函数为

针对所述偏航角ψ的一阶环节，其中，p₅是配置的稳定极点；

所述标称控制器的表达式为：

其中，

是标称控制器参数，

且

K_0,lat＝-C_1,latA_lat+p₅C_1,lat

A_lon,A_lat,B_lon,B_lat,C_1,lon,C_2,lon,C_1,lat为模型参数矩阵，l_i＝ρ_i为系统的相对阶，ρ_i第i个输入输出传递函数中分母阶次和分子阶次之差；

为纵向状态量，

为横侧向状态量，ΔV(t)为速度增量，Δα(t)为迎角增量，Δq(t)为俯仰角速度增量，Δθ(t)为俯仰角增量，ΔH(t)为高度增量，Δβ(t)为侧滑角增量，Δr(t)为偏航角速度增量，Δψ(t)为偏航角增量；

所述自适应控制律的表达式为：

自适应更新参数为：

式中，Δx为状态量,Δr为参考输入,Δu为控制器输入,

和K₂(t)为控制器参数，自适应更新参数Θ(t)为标称控制器参数

的趋近律；

所述自适应控制律包括自适应控制参数函数和误差更新函数，其中，自适应控制参数函数为：

误差更新函数为：

其中，定义一些辅助变量：

f(s)是稳定的多项式，h(s)＝1/f(s)，且h(s)ξ_m(s)为真矩阵；

ω(t)＝[Δx^T(t),Δr^T(t)]^T为新的状态量函数；

ζ(t)＝h(s)[ω](t)为自适应更新函数中间变量；

ξ(t)＝Θ^T(t)ζ(t)-h(s)[Θ^Tω](t)为自适应更新函数中间变量；

ε(t)＝K_ph(s)[Δu-Θ^*Tω](t)+Ψ(t)ξ(t)为估计误差；

为归一化函数；

S_P∈R^M×M为可调自适应增益矩阵,使得

Γ＝Γ^T＞0为可调自适应增益矩阵。

2.根据权利要求1所述的基于自适应控制的无人机自动驾驶仪控制系统，其特征在于，所述无人机自动驾驶仪的控制输入量为u(t)＝Δu(t)+u^*，

其中(x^*,u^*)为线性化的平衡点，Δu(t)是所述自适应控制器。

Images