无人机先进控制方法

2017-07-04贾权振吴亭贾杰洪洋南昌航空大学杭州睿杰智能空中机器人科技有限公司

无人机 2017年11期

贾权振吴亭贾杰洪洋（南昌航空大学，杭州睿杰智能空中机器人科技有限公司）

本文针对传统控制方法无法满足当下无人机飞行要求的情况，介绍了几种先进控制方法，并与传统控制方法进行对比，分析其特点以及在解耦合、静不稳定设计等方面的优势，最后利用Matlab对传统PID控制和一种先进控制方法—自抗扰控制进行仿真，利用仿真数据对比说明自抗扰控制方法的优点。

无人机逐渐成为智能陆战场执行低空压制作战任务的主力兵器, 它们在不断地改变着战争的形态, 且在现代战争中发挥着越来越重要的作用。

复杂的战场环境、不断发展的军事技术反过来对未来无人机的性能提出了更高的要求，主要有高精度定点清除，提高自防护能力，防区外自发射与远距离打击能力，快速的反应能力和机动能力，复杂作战环境下的抗干扰能力，全天候全天时作战能力以及自主化和智能化（自动探测、识别、选择目标及要害部位）。

无人机制导控制系统能力对实现这些无人机性能要求起到至关重要的作用，未来战场对无人机有更高要求，必须有坚实的制导控制技术基础作支撑。无人机控制系统性能的提高与各种因素息息相关，这里仅从控制方法角度进行介绍。

无人机先进控制方法

现代控制理论在自动驾驶仪中的应用

自动驾驶仪是无人机制导、控制系统的重要部分之一，是实现无人机按照导引规律，准确、快速、稳定地飞向目标的重要保证。传统控制技术难以保证无人机在既满足技术指标要求的同时,又能提高系统的控制性能及其稳定性、鲁棒性、抗干扰性等。

（1）传统控制方法

传统控制方法的优点是算法简单，物理意义明确，工程上容易实现，可靠性高，并且具有一定的鲁棒性，因而得到了广泛的应用。

现代无人机对控制系统性能要求越来越高。传统以古典控制理论为基础的、建立在对模型大幅度简化基础上的无人机控制系统设计效果并不总让人满意，需要采用一些先进的控制理论来解决。

（2）现代控制方法

现代控制方法可以有效抑制参数摄动及各种干扰的影响，能够跟踪系统未建模动态，因而具有更好的控制性能，极大地推动了无人机飞行控制技术的发展。

1）最优控制

对于控制对象，找到满足控制约束的容许控制，在给定时间区间内将系统状态从初始状态转移到终值状态,并使某一性能指标达到最小。

最优控制常与其他控制方法结合使用，发挥其使指标最优的特点；利用最优控制技术可对现有型号进行改进，如改进控制方案、优化控制参数等。

2）滑模变结构控制

对干扰和参数变化具有较强的鲁棒性；解决参数不确定或模型非线性的一般方法，可推广到各种类型控制对象和控制目的中；最有可能首先实用化的现代控制方法，分析、综合方法比较简单可靠，而且在实际的飞机和导弹的控制系统设计中已有初步应用。

3）智能控制

不再依靠单一的数学解析模型，而是数学解析模型和知识系统相结合的广义模型，具有较强的容错能力，适用于不易得到精确模型的系统。

目前，研究较多的有模糊控制、神经网络、专家系统、遗传算法等理论。不过，其主要是和其他控制方法结合使用，实时计算量大，不利于工程应用。

4）反馈线性化

利用变换技术和微分几何学，将原非线性系统动态特性转化为线性的动态特性，从而可以根据成熟的线性系统理论进行控制器设计。包含两种方法：微分几何方法和动态逆方法。

微分几何方法：对于仿射非线性系统，基于非线性系统几何理论和相对度概念，通过微分同胚和反馈，将控制问题转换至几何域下处理，也为一类非线性系统分析与综合问题提供了强有力的手段，但是比较抽象，不便在工程上推广应用。

动态逆方法：认为一个具有动态过程的力学系统，也有相应的动态逆系统。先用对象模型构造一个可用反馈方法实现的原系统的逆系统，作为控制律串接在原系统的前端，将原系统补偿为具有线性传递关系且已经解耦的线性系统。

反馈线性化的优点有系统模型不受仿射非线性这个形式的限制，考虑了模型各种非线性因素并通过选择理想的动力学特性达到控制目的，直观简便，易于理解。缺点为需要完整而准确的数学模型，逆误差的存在会破坏严格的对消关系，鲁棒性不好，仅最小相位系统，实时逆变换计算量大，目前通常内环使用动态逆使系统线性化，外环使用其他控制律实现鲁棒性。

5）鲁棒控制

鲁棒控制就是存在参数不确定性和未建模动态时，设计控制器保证控制系统具有尽量强的稳定鲁棒性和性能鲁棒性。

优点是由于其最有敏感性特点，鲁棒控制可有效抑制干扰和补偿未建模动态，具有较强鲁棒性。缺点则是鲁棒设计往往是在考虑最坏条件下获得的，过于保守，在一定程度上牺牲了性能指标。

6）反步法（反演控制、回馈递推法、反向递推法）

主要思想是将复杂的非线性系统分解为若干子系统，在每个子系统设计中，构造合适的李亚普诺夫函数，选择一个虚拟的控制量来实现前面一步的局部控制目标。从离系统输入最远的子系统开始，向着控制输入步退，一直后退到整个系统，直至设计出真正的控制器。

（a）具有处理特定结构、存在非匹配不确定性的非线性系统的能力。

（b）是一种非线性系统的递推设计方法，不需要对原系统进行线性化，保留了系统的非线性特性。

（c）具有结构化系统化的优点，易于处理系统中的不确定性和未知参数。

解耦控制

现代战争对无人机机动能力的要求越来越高，而大机动飞行使无人机存在严重的耦合现象。耦合问题主要包括以下几个方面：

1）诱导滚转：机动增大，侧滑诱起的滚转力矩越来越严重。

2）不确定性侧向诱导：大机动时纵向和侧向间产生显著影响。

3）控制面气动交叉耦合：大机动飞行迎风面、背风面气动差异。

4）纵/侧向气动力和力矩系数确定性交感：大机动下气动系数与攻角、侧滑角呈较强非线性关系。

5）运动学耦合：运动方程。

6）惯性耦合：力矩平衡方程。

基于三通道独立假设，将耦合项作为干扰设计控制器的常用方法，会因为通道间的耦合，使设计出的无人机控制系统丧失稳定性，需考虑采用解耦控制。被控对象的耦合状况可分为“规范耦合”和“规范耦合”，相应地把解耦也分为“规范解耦”和“规范解耦”。

P规范耦合：系统中的任意一个输出都受到该系统的所有输入量的影响。

V规范耦合：系统每一个输出不仅受本通道输入的影响，而且受其他通道输出经过该通道的影响。

这两种基本规范可互相转换。实际系统往往两种规范都存在，线性系统可以利用叠加原理将复杂的耦合分解为P规范和V规范来处理。

解耦是指把一个有耦合的多变量过程控制系统转化成由一些无耦合的单变量过程组成的控制系统，在控制上形成“一个输入只影响一个输出”的控制。解耦可以分为两种形式：完全解耦和部分解耦。其中，完全解耦是指引入适当控制规律，使传递函数矩阵为非奇异对角阵，不过其只是从理论角度而言，实际上很难实现；对于部分解耦而言，虽然有耦合存在，但不会给系统的工作带来严重影响，工程上的控制系统解耦多属于此。

常见的解耦方法主要有以下几种：

（1）参数补偿法

对于一个具有n个输入U1，U2，...，Un和n个输出Y1，Y2，...，Yn的耦合系统，通过合理的解耦设计，使其传递函数矩阵H(s)成为非奇异对角阵，则系统为解耦系统。

其中，耦合系统

传递函数矩阵为H(s)=C(SI-A)-1-B，引入解耦控制规律：U=FX+Gv（v为引入状态反馈后系统输入），可得：耦合系统

传递函数矩阵

解耦该系统的反馈存在的充要条件为detB*≠0：

则HFG(s)为解耦的非奇异对角阵。

（2）模型跟踪法

在不考虑控制对象的耦合时，建立一个理想的无耦合动态模型，接入系统并与实际控制对象的输出进行比较，建立误差方程，控制使其误差最小或达到允许的程度。

耦合系统

（3）特征结构配置法

借助反馈控制器，根据系统所需保证的几个模态，将闭环系统特征值配置到期望的位置上，并通过合理选择特征向量，改变系统的动态响应，同时实现解耦。

1）配置特征值实质上是配置闭环极点，只需结合所需闭环系统性能配置即可。

2）解耦控制关键在于特征向量的选择，特征向量的元素分为指定元素和未指定元素，通过对各模态理想特征向量中指定元素0或1的选择，实现模态内的耦合，模态间的解耦。

前面所介绍的各种现代控制理论都可应用在解耦控制中，这里不再一一介绍。

静不稳定无人机控制技术

近年来采用静不稳定设计的无人机日渐增多，主要有两个原因：

一是现代战场对战术无人机的性能提出了非常高的要求。放宽稳定度设计能较大幅度提高无人机的机动性、飞行速度、飞行斜距，减少结构重量和翼展尺寸。

二是大迎角飞行无人机设计方法的兴起。大迎角飞行无人机具有复杂的非线性气动特性。以超声速靶机为例，在跨声速段无人机的静稳定度与其飞行攻角有着密切关系。随着攻角增大，无人机可以从静稳定变化为静不稳定，所以在进行大攻角飞行无人机设计时无法回避静不稳定问题。

现代无人机设计时，解决静不稳定无人机的控制问题将是无人机自动驾驶仪设计中的中心任务之一。传统的战术无人机按静稳定规范进行外形设计。无人机在飞行中，静稳定度始终是负值，压心始终在重心的后面。而将飞机主动控制技术概念推广到无人机上：在性能优良可靠的飞控系统保证下，只要求“无人机+飞控系统”闭环系统有良好稳定性即可。

无人机允许设计成静不稳定、中立稳定和静稳定；也允许设计成起飞时呈静不稳定、中间飞行呈中立稳定、后段飞行呈静稳定。理论上，无人机允许静不稳定的范围是很宽的，但是有一个极限：当压心前移到与操纵力的合力中心重合时，驾驶仪就无法进行人工稳定了，这就是理论上的稳定边界。

对于正常式布局的无人机，无人机的压心不可能与操纵力的合力中心重合，所以不存在这种理论边界。它的放宽稳定度边界主要受到舵机频带的限制。静不稳定无人机的人工稳定，阻尼回路是主要实现途径。速率陀螺感受角速度信号，经负反馈产生人工阻尼舵偏角，稳定无人机飞行。放宽稳定度设计时，机体－驾驶仪有以下几个设计特点：

（1）高增益负反馈

1）阻尼回路常用的办法是增大负反馈增益和选择合理的校正网络参数来提高稳定。

2）在一定范围内增大负反馈增益可增加系统的稳定性，有利于系统的人工稳定，增益过大，亦会引起回路不稳定。

3）相同的外界干扰下，阻尼舵偏角增大，要求机械极限舵偏角增大，给结构设计带来麻烦。

4）反馈增益增加，弹性弹体经角速度陀螺的影响也增大。

应合理选择反馈增益和校正网络的形式与参数。

（2）舵偏速度

静不稳定无人机舵偏角增加了人工稳定功能。攻角产生发散气动力矩，舵偏产生恢复气动力矩，这就要求舵面偏转速度比攻角变化的速度快。

攻角变化率主要由机体运动角速度确定，随静不稳定度增加和飞行动压增大而增大，对于自动稳定段飞行来说，跨声速度特征点和最大速度点的攻角变化率比较大。

（3）弹性机体影响

弹性振动经过阻尼陀螺，通过负反馈电路产生高频交变舵偏角和交变法向力，激起弹体的振动，形成闭合回路。按放宽稳定度设计，须采用高增益负反馈，从而就加重了弹性机体对回路稳定的影响。

（4）过载限制器

中立稳定无人机的舵效很高，机体放大系数很大，小舵偏角对应于大攻角和大过载。在这种状态下，舵偏不会超过最大允许值，而攻角和机动过载首先超过极限值。为了保证飞行的安全，应采用攻角限制器或过载限制器。

1）攻角限制器：直接限制攻角大小，使气动力不失速，同时限制过载。需要攻角传感器，或通过惯导系统间接测量攻角值。

2）过载限制器：直接限制最大过载，同时限制攻角。使用加速度计方便。

（5）变系数校正网络

机体放大系数变化范围比静稳定设计宽得多。无人机在静稳定规范下，能够设计成常系数驾驶仪。而在放宽稳定度设计下，必须采用变系数校正网络。当静不稳定度大时，采用高增益负反馈；当静不稳定度小或静稳定时，采用小增益负反馈。

无人机静稳定度是飞行时间的函数，可以在无人机内部安装时间机构来实现变系数。按时间用分档式的变系数装置是最方便的办法。目前最为先进的方法是采用以预定增益控制理论为基础的数字式自适应自动驾驶仪。

先进控制方法示例——自抗扰控制

这里以自抗扰控制（ADRC）为例详细介绍其原理和设计。自抗扰控制技术，是发扬PID控制的精髓并吸取现代控制理论成就，运用计算机仿真试验结果的归纳和综合中探索出来的，是不依赖于被控对象精确模型的、能够替代PID控制技术的、新型实用数字控制技术。

该算法具有可应用性广、控制精度高、模块化等优点。在大干扰的控制环境下，或者对控制速度、控制精度要求苛刻的控制环境下，自抗扰控制算法更能表现其显著的控制能力。

PID控制技术精髓。其控制思想是用误差来产生消除误差的控制策略，不需要对象精确模型。

PID控制缺点：

1）控制量是基于比例、微分、积分的线性组合，但线性组合不一定是最好的组合方式，能否在非线性领域找到更合适的组合方式是值得探索的。

2）理想微分器的物理不可实现性、对噪声或干扰信号的放大作用。

3）直接以e=v-y的方式产生原始误差不合理，要求让只能连续缓变的y跟踪能跳变的v本身不合理。

4）积分是为了消除系统的静态误差而引入的，但也影响了系统的稳定性，可能会引起系统震荡，或积分过饱和现象。

对于这些问题，其解决办法为：

（1）安排过渡过程

根据控制目标和对象承受能力先安排合适的过渡过程，同时给出过渡过程的微分信号。

v(t)：控制目标；

v1(t)：对控制目标安排的过渡过程；

v2(t)：过渡过程的微分信号；

∑：根据控制目标和对象能力安排的动态过程；

（2）微分信号的提取

改为用两个惯性环节输出之差来实现微分功能，降低噪声放大效应。

最快跟踪输入信号并提取微分信号的方法：

其“快速最优控制”综合系统为：

PID控制框图。

对此系统按如下方式送入输入信号：

那么x1(t)将在加速度限制|x1(t)|条件下最快地跟踪输入信号v1(t)，此时x2(t)可当作输入信号的微分信号。

为了避免颤振现象，离散化系统：

推导出最速综合函数：

利用该函数建立离散最速反馈系统为：

（3）非线性组合

改用误差信号非线性组合：

过渡过程的微分信号。

从而改造得到经典PID控制结构为。

（4）扩张状态观测器(ESO)与扰动估计补偿

例如，对二阶被控对象

w (t )为干扰作用。

将f （x1， x2，w（t），t）当作未知的被扩张的状态变量：x3= f （x1， x2，w（t），t），则式（15）变为线性系统：

可以按照传统构造方法设计其状态观测器，为了消除函数w0(t)的影响，也可构造扩张观测器：

由此，可组合出自抗扰控制器，该控制器具有以下特点：

（1）跟踪微分器(TD)：安排输入信号的过渡过程，并获得较好的输入信号微分值。

（2）非线性状态误差反馈：采用合适的非线性规律，将状态观测器反馈的信息转化为简单的串联型系统。

（3）扩张状态观测器(ESO)：自抗扰控制器的核心，对系统干扰进行观测、估计和补偿，实现模糊对象的线性化。

改造经典PID控制结构。

自抗扰的意义就在于扰动估计与补偿能力。因此，凡是具有这种自动估计补偿扰动能力的控制器都可以称作“自抗扰控制器”。

自抗扰控制算法在船舶控制系统、伺服控制机构、火电机组、精密机床加工、飞行器控制等领域有广泛应用，并取得显著效果和有效改进，使控制算法日趋完善。

仿真分析

根据自抗扰控制器和PID控制器匀速前飞1m/s的X向对比图，可以看出PID控制器在2s左右时达到峰值1.6，其上升速度较快，但是超过了预期目标0.6m/s。PID控制器和自抗扰控制器均在6s左右达到其预期目标1附近，但是自抗扰的稳态误差相对PID来说较小，并且整体控制更加平稳。

根据Y向对比图，结合X向可以看出，小型无人直升机的纵向运动会对横向产生影响，即它们的横纵通道存在耦合，PID控制器在5s时，Y向产生了一个-0.6m/s的偏差，而自抗扰控制器则一直较为平稳，几乎看不到X向变化对其的影响，可以说自抗扰控制器有较好的解耦功能。

根据匀速前飞Z比图，结合X向可以看出，在加速阶段小型无人直升机的Z向会受到X向的影响。根据小型无人直升机飞行原理可知，这是由于主旋翼推力方向改变所造成的耦合，PID控制器在2s左右达到了最大偏差0.08m/s，而自抗扰控制器的最大控制偏差小于0.01m/s，说明在Z向上，自抗扰控制器同样可以取得良好的解耦效果。

综上所述，对比PID控制器，一方面自抗扰控制器可以通过扩张状态观测器取得较好的解耦控制效果，而PID控制器由于没有解耦控制，在三个方向上的控制效果都不如自抗扰控制器；另一方面，自抗扰的控制偏差在三个方向上都远远小于PID控制器。通过上述的仿真实验对比可以得出结论，自抗扰控制器的控制效果要优于PID控制器。