无人机飞行控制器及模糊编队控制器的设计

李倩，雷仲魁

（南京航空航天大学 江苏 南京　210016）

无人机飞行控制器及模糊编队控制器的设计

李倩，雷仲魁

（南京航空航天大学 江苏 南京210016）

文章对无人机编队控制系统中的单机飞行控制器与编队飞行控制器分别进行了设计。在单机飞行控制器中加入了加速度控制模块，将模糊PID控制算法应用于编队控制器，针对"长机-僚机"模式2架无人机进行了编队设计仿真。仿真结果表明，单机飞行器通过控制加速度大小可模拟仿真出无人机真实加速情况；编队控制器通过控制相对距离可实现跟随编队以及合理的队形变化，保持稳定飞行。这种控制方法切合实际，超调量小，系统稳定，满足设计要求。

无人机；编队飞行；单机飞行器；模糊PID控制

无人机的编队飞行主要解决编队控制［1］的问题，根据特定飞行任务对编队队形的要求，需要控制队形在整个飞行过程中保持不变或在一定误差范围内变化。近年来，科学研究者基于仿生学研究，进行了很多关于无人机编队的研究。比如，利用常规的PID控制方法进行设计的编队系统［2］，用于双机编队飞行的自适应神经网络控制［3］，用于多无人机编队的分布式控制［4］等 。本文结合前述研究与无人机实际飞行条件，在原来理想仿真状态的基础上，考虑了无人机飞行性能限制，使无人机编队飞行控制器与实际情况更加吻合，对无人机单机飞行控制器和编队控制器进行了设计与仿真。

1　无人机飞行控制器设计

假设编队系统中采用相同的长机和僚机的自动驾驶仪。速度和航向一般采用一阶保持器，高度采用二阶保持器，则自动驾驶仪［5～6］数学模型表达如下:

可见，此模型的速度控制模块不考虑无人机的加速度，而是假设其加速度上限为无限大，而但实际情况是达不到的。因此，为完善设计，需要在无人机速度驾驶模型增加一个加速度模块。由于MATLAB中的Simulink具有使用方便，调制参数便捷的特点，因此本文采用Simulink模型进行仿真，其速度改进控制模型如图1所示。可见在原自动驾驶仪基础上增加了限幅模块，当加速度需要过大时，仍然使其保持在设定的最大值，以达到仿真要求。

图1　改进的速度控制模块

2　无人机模糊编队控制器设计

两架无人机在编队飞行过程中，存在相对运动。本文考虑的编队模式为“长机—僚机”模式。假设两架编队飞行的无人机中，长机为L，僚机为W。在惯性参考坐标系下，长机位置坐标记为L（x1，y1，z1，ψ1），僚机的位置坐标记为W（x2，y2，z2，ψ2），ψ1、ψ2分别为长机和僚机的航向角。同时，在僚机参考坐标系下，长机与僚机实际间隔表示为xr与yr。根据编队飞行中两架无人机的几何关系［5～6］，可推出其编队飞行的相对运动方程，将1节自动驾驶仪模型代入到该相对运动方程中，再利用小扰动原理对该方程进行简化，即可得系统的状态方程为

PID控制律是应用广泛的一种控制方法，但由于实际的无人机编队系统常容易受到各种复杂因素的影响，传统的PID控制方法参数整定出来以后就不会再改变，难以适应编队系统内部参数的随时变化［7］。而模糊控制属于自适应控制，能够很好地适应这种变化，适合处理无人机编队这种复杂的非线性系统问题。因此本文采取基于自适应模糊PID控制算法设计的控制器。在模糊编队控制器系统中，线型混合器由速度通道、航向通道和高度通道构成，数学表达为:

基于模糊 PID算法的控制器是以系统反馈误差及其变化率为输入，然后利用模糊规则和控制算法实现PID参数［8］的在线调整。针对无人机编队控制系统，对速度、航向和高度通道分别设计其基于模糊PID算法的控制器。模糊PID控制器的输入为误差e和e′，输出为 PID参数的增量Δkp，Δki，Δkd。设计时选用高斯函数作为模糊控制器的隶属度函数，定义各个通道的参数论域，将权值设置为 1，再对模糊推理结果反模糊化即可得到精确的Δkp，Δki，Δkd值。最终结合系统动态设计指标，反复调整控制器中PID的3个参数以达到最优，即可得到各通道控制器的参数。数学表达为

3　仿真结果分析

3.1无人机单机飞行器加速度仿真

本文采用某型号无人机，单机加速度仿真以无人机真实飞行状态为背景［9］，假设该机加速度为27.7 m/s2（约10 s内速度由0增加到100 km/h），单机飞行器不考虑其他变量，只关注速度变化。仿真时间取60 s，输入初始速度与控制速度（希望飞机达到速度）。由仿真图2可知从0加速到100 km/h，约耗时10 s，之后便保持平稳运行；从80 km/h加速到100 km/h，系统约在3 s左右达到响应速度，之后保持平稳运行。由此可见，所设计的单架飞机加速度模型符合设计要求，较好的对无人机自动驾驶仪进行了模型仿真，可用于整个编队系统。

图2　加速度仿真

3.2无人机编队仿真

3.2.1仿真初始条件

根据前文整定的控制参数，假设长机与僚机采用同一驾驶仪模型，对编队控制器采用左菱形编队队形进行仿真。由于本文编队过程适用范围为松散编队到紧密编队的过程，松散集结已完成高度的调整［10］。因此编队飞行仿真假设2架无人机已飞到同一水平面并保持同一高度飞行，不考虑其高度的变化。仿真初始条件设置为，长僚机X方向初始间隔xrc0=100 m，Y方向初始间隔yrc0=30 m；长僚机最大加速度a=100 m/s2，初始速度都为80 km/h，初始航向角都设置为0。

3.2.2长僚机跟随状态仿真

取仿真时间为100 s，编队时两机处于同一水平面内，初始条件同上设置。对长机速度v1突然从80 km/h变为100 km/h，航向角ψ1偏转0.3 rad，进行机动仿真。仿真结果如图3所示。

图3　长僚机跟随机动仿真

由图可知，当长机发生机动时，僚机的速度、航向角也随之发生机动，并且能在短时间内达到稳定收敛状态。对于xr，yr，在最初几秒内偏离设定编队间距，但在短时间内调整后，迅速回到稳定状态，调整到期望额定间距。由仿真可知，在设定最大加速度值后，速度变化要求满足实际仿真情况，且整个系统调制时间短，超调量小，可满足编队跟随要求。

3.2.3编队队形变化仿真

取仿真时间100 s，要求无人机从左菱形变化到右菱形进行编队飞行。设定左菱形相对距离为xr=100 m，yr=30 m，右菱形为xr=100 m，yr=-30 m。编队变换时假设长机速度v1=100 km/h，航向角ψ1=0.3 rad。得到的仿真结果如图4所示。

图4　长僚机编队变换仿真图

由仿真图4可知，僚机是在稳定飞行前进的同时，按设定要求向右进行队形的调制与变化，速度和航向角都随之经历了一些变换并最终回到设定值的过程，完成了y方向间隔的变换调整，实现了左菱形到右菱形的变换。图5所示为长僚机队形变化时的间距变化和实时轨迹，更加直观地表明了僚机能够较好地完成左菱形到右菱形的队形变换任务。

图5　左菱形变为右菱形的实时轨迹图

4　结束语

由仿真结果可以看出，单无人机控制器能够在设定加速度值基础上模拟实际飞行情况，完成速度的控制；在编队队形保持过程中，僚机能够稳定地跟随长机机动并保持期望的相对位置；而在编队队形变换过程中，僚机依然能够迅速地跟随长机的机动动作以及航迹，按照长机与僚机之间的新的期望相对位置指令，迅速地变换编队队形并保持指定的队形继续飞行，从而实现了行进间的编队队形变换。由此表明，该单机控制器以及编队控制器能够较好的完成2架无人机的编队跟随控制以及飞行过程中队形变化的控制要求，具有一定参考价值。

［1］田八林，叶正寅，张中荃.无人机自由编队飞行的补偿模糊神经网络控制［J］.中国民航学院学报，2005，23（6）:10-13.

［2］Pachter M，Azzo J J D，Dargan J L.Automatic Formation Flight Control.J Guidance［C］//AIAA，1994:1380-1383.

［3］刘小雄，武燕，李广文，等.双机编队飞行自适应神经网络控制设计与仿真［J］.系统仿真学报，2009，21（22）:7211-7214.

［4］李广文，蒋正雄，贾秋玲.分布式多无人机编队控制系统仿真［J］.计算机仿真，2010，2（27）:101-103.

［5］S McCamish，M Pachter，J J D'Azzo.Optimal formation flight control［C］.AIAA，1995：1-17.

［6］W Proud Andrew，M Pachter，J J D'Azzo.Close formation flight control［C］//AIAA Guidance，Navigation，and Control Conference and Exhibit Portland:AIAA，1999:1231-1246.

［7］肖笑.基于BCC算法的多机系统PSS参数优化设计［J］.陕西电力，2012（12）：51-54.

［8］周云端，何志勇，赵瑞国.基于遗传算法的加速度控制PID参数自整定研究［J］.火箭推进，2012（4）：68-71.

［9］张蒙正，邹宇.美国典型高超飞行器项目研发及启示［J］.火箭推进，2012（2）：1-8，37.

［10］邱进.一种应用于多断口光控真空断路器的同步控制系统的设计与实现［J］.供用电，2015（5）：69-73.

【相关参考文献链接】

［1］杨蕊姣，李志宇，陈喆.双口RAM在无人机三余度飞控计算机数据交换中的应用［J］.2015，23（11）:102-104.

［2］王文旭，李立，李俨.无人机覆盖航迹规划中子区域合并方法设计［J］.2015，23（11）:115-118.

［3］张文博，王惠林，吕勃龙，等.无人机载光电任务设备升降机构的控制器设计［J］.2015，23（14）:152-154.

［4］雷金奎，原丹丹，李海生.基于ARM的双冗余微小型无人机飞行控制系统的设计［J］.2016，24（1）:162-164.

［5］郭昱津，王道波，路引.某型无人机飞行控制计算机硬件设计［J］.2016，24（3）:50-52.

［6］马阳.基于改进型Smith预估器的超临界机组主汽温模糊控制系统［J］.2014，22（6）:17-19.

［7］毛亮，周成刚，张煜昕，等.模糊AHP在船载测控系统效能评估中应用研究［J］.2014，22（8）:85-88.

［8］陈轩，程月华，姜斌，等.卫星姿态控制系统的模糊控制和容错控制分配［J］.2014，22（9）:62-64.

［9］程权成，常晓恒.T-S模糊系统非脆弱跟踪控制器设计［J］. 2014，22（17）:1-4.

［10］曹诗林，王安.吹塑机壁厚控制系统的模糊PID控制器的设计［J］.2014，22（21）:84-87.

Controller design of single UAV and UAVs formation keeping based on fuzzy PID

LI Qian，LEI Zhong-kui
（Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China）

The article studied for the controller design of single UAV and formation keeping.For the single UAV controller，the controller added the acceleration control module，then，the formation keeping controller based on the fuzzy PID algorithm. Considering two UAVs formation flight in a"leader-follower"configuration，the simulation result shows that the single UAV flight controller can imitate the true flight speed change by controlling the acceleration module，and the formation keeping controller can realize formation keeping and changing by controlling the formation separation distances.The controller is practical，less overshoot and stable，which can meet the design requirements.

UAV；formation flight；single UAV controller；fuzzy PID control

TN03

A

1674－6236（2016）16-0086-03

2015-08-20稿件编号：201508111

李倩（1991—），女，江苏南京人，硕士。研究方向：无人机编队控制。