四旋翼无人机飞控算法综述

2019-09-13周子栋陈至坤赵志佳

网络安全技术与应用 2019年9期

◆周子栋陈至坤赵志佳

四旋翼无人机飞控算法综述

◆周子栋1陈至坤1赵志佳2

（1.华北理工大学电气工程学院河北 063210；2.唐山坤翼创新科技有限公司河北 063000）

近年来，无人机逐渐被应用于民用、科技和军事领域。飞控算法是确保无人机正常执行任务的根本，传统的PID控制已不再满足飞行任务复杂的要求，采用更高级的控制算法必将成为无人机未来的发展趋势。文章对近年来应用于四旋翼无人机的飞控算法进行了阐述，总结并展望了未来飞控算法的发展方向。

四旋翼；算法；飞行控制系统；姿态

四旋翼无人机由于其高集成、低损耗、易于操控、可以垂直起降、能快速、灵活地完成机动作业等诸多优势，已经在农业植保、航拍摄像、物资输送等领域得到广泛应用[1]。飞控算法是四旋翼无人机的“灵魂”，开展飞控算法的研究，对理论研究、国防建设、社会进步等方面都具有重大的意义。

四旋翼无人机的飞行控制算法虽然取得了显著的进步，但在各种外界干扰的情况下实现平稳飞行也绝非易事。本文研究了目前四旋翼无人机飞控算法的研究进展，总结了飞控算法的研究现状以及未来趋势，为四旋翼无人机飞行控制算法研究的开展提供重要参考。

1 四旋翼无人机飞行原理

四旋翼无人机的飞行动力由四个螺旋桨提供，通过改变各个旋翼的速度来控制飞行器完成起飞、悬停等动作。四个电动机所产生的总升力使得四旋翼在垂直方向上运动。四个电动机的升力差使得四旋翼的俯仰角和偏航角发生变化，从而改变运动方向。扭矩力的差异将导致四旋翼偏航角发生变化。四旋翼无人机作为一个非线性欠驱动系统，包含4个控制输入量和6个状态输出量，X型四旋翼无人机的转向如图1所示转动。

图1 X型四旋翼无人机旋翼转向示意图

如图1所示，旋翼M1和M3为顺时针旋转，旋翼M2和M4为逆时针旋转，不同的旋转速度可以使四旋翼无人机做出垂直起降、俯仰、滚转、偏航等基本动作，具体的关系参见表1。

表1 旋翼转速与飞行动作关系

飞行动作旋翼1转速旋翼2转速旋翼3转速旋翼4转速右滚转增大减小减小增大左滚转减小增大增大减小仰运动增大增大减小减小俯运动减小减小增大增大右偏航减小增大减小增大左偏航增大减小增大减小

2 四旋翼无人机飞控算法

如图2所示，无人机飞控系统一般采用双闭环的形式，分出姿态环和位置环进行控制。无人机要完成飞行任务，必须对内外回路都拥有较好的控制[2]。飞行控制的核心问题是：给定期望的位置，控制多旋翼的电机使其能够飞到目标位置。本文对几种常见飞控算法进行阐述，并分析各自的优缺点。

图2 四旋翼无人机飞行控制系统组成示意图

2.1 PID 控制

PID算法作为最常见的无人机飞控算法，其优点是结构简单、参数易整定，无须被控对象精确的数学模型，即可保证一定的鲁棒性。但是，在处理无人机这类外界干扰较多的系统时，PID控制补偿外部扰动的能力较弱，存在响应速度与平滑性、精确性之间的矛盾。当无人机的物理参数产生较大变化时，传统PID算法的性能也会随之降低。此外，经典PID控制无法处理耦合，还会增加系统的不稳定程度，甚至导致积分饱和现象的出现，使无人机的动态和稳态特性受限，难以满足飞行任务复杂性的要求。

图3 传统PID控制原理图

如图3所示，经典PID控制主要由比例（P）、积分（I）和微分（D）三个单元构成，其输入()与输出(t)的关系为：

式中，K为比例系数，T为积分时间常数，T为微分时间常数，()为给定量()与输出量()的差值。

2.2 智能PID控制

四旋翼无人机在飞行过程中，所受扰动不确定，过程参数会随时间和工作环境的变化而变化。为了解决这种难题，国内外许多专家学者已将智能PID应用在四旋翼无人机飞控算法中。

智能PID算法采用“扬长避短”的策略，将智能控制和经典PID算法结合，在不依赖被控对象精确建模的情况下，在线调节控制器参数，既可兼顾经典PID控制器的结构清晰、鲁棒性较强等优点，又能对复杂的外界环境有较强的适应性。它智能PID的设计思想是基于模糊控制、专家系统和神经网络进行自整定，将智能控制的研究成果引入到传统PID控制器中，以获得更好的控制性能[3]。

2.2.1 模糊PID控制器

模糊PID控制器由模糊推理和经典PID控制器构成。其结构框图如图4所示，模糊推理的输出作为经典PID控制器的输入，模糊PID的核心是总结工程人员的知识和经验，建立模糊规则表，根据控制系统的偏差及偏差变化率的变化，通过模糊推理实时地整定PID参数。

图4 模糊PID结构框图

文献[4]设计了模糊自适应PID 控制器，可有效实现无人机的姿态稳定控制。仿真结果表明，在响应速度和超调量等方面，其性能均优于传统PID。文献[5]采用遗传算法在线优化隶属度从而实现模糊PID控制器，提高了风扰条件下无人机的抗干扰能力和控制精度。

2.2.2 专家系统PID控制器

专家系统是在某一特定领域有着专家解题能力的智能应用系统，通过多年的专家经验和知识来解决实际难题，其核心是知识和推理。基于专家系统的自适应PID控制器主要由参考模型、可调系统和专家系统构成。图5为其结构图，其中参考模型由参考模型的被控对象和模型控制器构成；可调系统由实际被控对象和数字式PID 控制器构成；专家系统由知识库和运用知识库的推理机制构成。

图5 专家系统PID控制器结构图

专家系统有着结构简单、执行时间短等优点，基于专家系统的自适应PID控制器采用波形辨识法对被控对象的动态特性进行辨别，根据波形特征值的差值自动调节PID参数，避免了被控对象动态特性计算错误导致的偏差。文献[6]将专家PID算法应用于无人机姿态控制，使控制参数适应无人机姿态变化，提高了无人机的抗干扰能力。

2.2.3 神经网络PID控制器

随着神经网络在控制领域的广泛应用，控制系统的信息分析处理和自适应能力大大增强。由于神经网络算法可逼近任何连续有界的非线性函数，对无人机这种非线性系统十分适用。如图6所示，神经网络PID控制器由经典PID和神经网络控制器构成。作为前端控制器的神经网络控制器通过向传统控制器输出进行在线学习、调整，使反馈误差趋近于零，使自身在控制作用中占据主导地位，逐步取消由PID构成的反馈控制器的作用，但反馈控制器一直保留，当四旋翼外部出现扰动时，反馈控制器立即重新产生作用。

图6 神经网络PID控制器结构图

文献[7]设计了一种无人机纵向姿态控制的神经网络PID控制器，相较传统PID控制器系统，响应速度提高，超调量变小。文献[8]设计了一种基于BP神经网络的PID控制器，能够根据被控对象的输出，在线调节控制参数，具有良好的动态特性。

2.3 H∞控制

随着处理器计算能力大大增强，许多学者H∞控制算法与四旋翼无人机相结合。H∞控制算法可以有效处理外界干扰及模型扰动引起飞控系统的不确定性，从而保证闭环系统的性能。但H∞控制算法依赖于无人机的精确模型，调参相对困难，且控制器的实时计算量较大[9]。在工程应用领域中，针对四旋翼无人机在飞行过程中模型部分参数变化的问题，常将H∞算法转化为标准H∞控制进行处理后，移植到DSP或FPGA中。图7为标准H∞控制系统结构图。

图7 标准H∞控制系统结构图

其中，为外部输入信号，包括外部干扰、噪声、参考输入等；为控制信号；为被控输出信号；为测量输出信号，（）是需要设计的控制器，（）为广义被控对象，其状态空间表达式如下。

进一步地，可记为：

传递函数为：

由此可见，由到的闭环传递函数为：

WZ111221（5）

由上式，可得闭环系统的框图，如图8所示。

图8 H∞实际闭环系统框图

文献[10]设计了H∞控制与传统PID结合的组合控制方法，H∞控制用于解决参数摄动问题，PID用于跟踪输入的任务指令。仿真结果表明，它可以有效保证系统的动、静态特性。文献[11]将特征结构配置和H∞控制结合，以增强了系统的动态性能和稳定性。

2.4 滑模变结构控制

滑模变结构控制通过控制策略并根据当前系统状态连续切换控制量，使系统进入预设滑模面滑动。当进入滑模状态时，系统的性能完全由滑模面决定，并且与受控对象的参数干扰和外部干扰无关。其基本思想是：从任何点开始的状态轨迹通过控制被拉到滑模面并沿滑模滑动到原点。控制作用形式如下：

其中和为控制量，（）为滑膜面函数。

滑模变结构控制对系统的不确定性不敏感、结构简单、易于实现、响应速度快，它对外界扰动具有鲁棒性强等优点[12]，特别适用于无人机系统。在四旋翼无人机的应用中，难点在于消除抖动。滑模控制多与自适应控制、模糊控制结合，配合低通滤波法[13]、积分高阶方法[14]进行消抖，保持飞控系统鲁棒性的同时，又可减弱抖振影响。文献[15]中，针对四旋翼无人机的轨迹问题，设计了一种结合终端滑模与二阶滑模的控制策略，它更好地克服了内外扰动对无人机姿态和位置的影响。

2.5 反步控制

反步控制算法主要针对模型参数难以确定的系统。基本思想是将控制系统划分为几个不高于系统阶数的子系统，并使用反向递归来获得Lyapunov函数并得到各个子系统的虚拟变量。最终得到稳定可靠的控制规律[16]。这就需要对控制器进行重复微分，控制算法的复杂性将会随着系统阶数增大而增大。

以四旋翼的高度通道为例，其反步控制器的控制量如下：

反步控制应用于四旋翼的优点如下：首先，在控制器设计过程中，反步法可以处理大多数不确定因素对无人机飞行过程的影响，误差收敛效果和鲁棒性更好；二是采用该控制器响应速度很快，有效减少在线计算时间。在实际应用中，反步法抗干扰能力不足，为补偿不确定因素对系统的影响，一般采用扩张状态观测器[17]、滑模变结构控制[18]、自适应控制[19]与反步控制相结合应用于四旋翼无人机上，从而提高四旋翼无人机的飞行品质，抑制飞控存在的扰动。文献[20]设计了一种基于backstepping的控制器，并应用于无人机姿态和位置控制。仿真结果表明，基于backstepping的控制器的指令追踪能力和响应速度得到了很大的提高。

3 飞控算法发展趋势

未来，对于四旋翼飞控算法的选取关键在于飞控系统的鲁棒性、响应速度、算法实现成本。尽管采用非线性算法的仿真效果较好，但由于其依赖于准确的数学模型，很难获得理想的实际控制效果。就应用层面而言，由于四旋翼在飞行过程中受到的外界干扰不固定，且模型较难精确，大多数四旋翼无人机仍使用经典PID算法；就研究现状而言，为应对陀螺仪等传感器对飞控造成的时滞性、时变性，采用控制效果好、抗干扰和自适应能力强的非线性组合控制算法将成为未来的发展趋势。

随着市场需求的不断变化和科学技术的飞速发展，将人工智能的思想应用到飞控算法中将成为未来发展的趋势，如自主决策、可重构性、自学习技术和进化技术。其次，飞控算法的选取更加多元化，一些停留在理论和仿真的控制算法将会得到应用。此外，根据飞行环境的改变，基于多模型在线切换的四旋翼无人机也将占据重要地位，四旋翼无人机自动在已建立的模型中选择满足当前任务的控制器，在降低控制策略的复杂程度的同时，增强控制系统的稳定性。