劉明亮，李克媛，關(guān)妍妍

（黑龍江省電子工程高校重點實驗室，哈爾濱 150080）

0 引 言

無人駕駛直升機具有強耦合、非線性、多輸入多輸出的復雜特點，對其飛行狀態(tài)的研究至關(guān)重要。在復雜的飛行狀態(tài)下，由于無人駕駛直升機自身的不穩(wěn)定性，應該具備良好的飛行控制系統(tǒng)，良好的飛行控制系統(tǒng)可以很好地改善直升機的飛行品質(zhì)、迅速完成飛行任務。為了更加精確地確定飛行的姿態(tài)、速度、高度和航向，一直以來，控制工程師們都在尋找更好的無人駕駛直升機的飛行控制算法。國外的許多科研機構(gòu)分別開展了對小型無人駕駛直升機的研究工作，研究人員基于所建立的微小型無人直升機數(shù)學模型，提出了多種控制算法，做出了多種嘗試。卡耐基梅隆大學研究人員設(shè)計生產(chǎn)的小型無人駕駛直升機，主要利用PID控制算法并對控制器的參數(shù)進行了優(yōu)化；麻省理工學院采用模型直升機，用卡爾曼波濾器提高了導航的精度，采用小波神經(jīng)網(wǎng)絡控制的算法對直升機的內(nèi)環(huán)姿態(tài)進行控制；NASA的Ames無人駕駛直升機研究中心將帶模型逆前饋的顯模型跟蹤方法應用到ADOCS項目上，實現(xiàn)了黑鷹直升機的飛行控制［1－2］。文章對經(jīng)典的PID控制算法、模糊PID控制算法、自抗擾控制算法、小波神經(jīng)網(wǎng)絡控制算法、帶逆模型前饋的顯模型跟蹤控制算法、H∞回路成形控制算法在飛行控制中的應用進行了分析［3］。

1 經(jīng)典PID控制

PID控制算法具有結(jié)構(gòu)簡單、可靠性強等優(yōu)點，被廣泛應用在工程中的各個領(lǐng)域。PID調(diào)節(jié)器包含一個比例環(huán)節(jié)、一個積分環(huán)節(jié)、一個微分環(huán)節(jié)。主要通過偏差的比例、積分、微分進行線性組合對被控對象進行控制。PID控制器見圖1。

圖1 PID控制器Fig．1 PID controller

如果被控對象的參數(shù)不能完全確定，被控對象的數(shù)學模型很難精確地獲得，采用PID控制方法最為有效。PID控制器通過比例、積分、微分求出控制量，目的是提高系統(tǒng)的頻響特性?；赑ID控制算法的飛行控制系統(tǒng)主要由3個控制回路構(gòu)成：①姿態(tài)控制；②速度控制；③高度控制。為更精確地獲得無人駕駛直升機的狀態(tài)信息，達到更好地控制效果，采用一個愛普科佳斯EMI濾波器對直升機的狀態(tài)信息進行濾波［4］。基于PID控制算法的飛行控制系統(tǒng)框圖見圖2。

圖2 PID控制算法的飛行控制系統(tǒng)框圖Fig．2 Flight control system block diagram of the PID control algorithm

本文基于經(jīng)典PID控制方法，設(shè)計了一種無人駕駛直升機的飛行控制系統(tǒng)，主要包含姿態(tài)、速度、高度的控制，能實現(xiàn)無人駕駛直升機的位置懸停、轉(zhuǎn)彎與起飛等飛行控制功能。

2 模糊PID控制

經(jīng)典PID控制器的結(jié)構(gòu)比較簡單而且魯棒性比較強，但其在靜態(tài)和動態(tài)性能以及跟蹤設(shè)定值與抑制擾動能力之間存在矛盾，使系統(tǒng)不能達到預期效果。模糊PID控制算法基本設(shè)計思想是結(jié)合模糊理論和PID控制兩者的優(yōu)點，其響應特性比數(shù)字PID控制更優(yōu)越，并且具有較好的魯棒性。模糊PID控制算法對于非線性、時變性的被控對象能夠獲得較滿意的控制效果?？刂乒δ苤饕鶕?jù)被控過程的運行狀態(tài)給出合適的控制量；學習功能主要根據(jù)給出控制量的控制效果，對控制器的控制決策進一步改進。模糊PID控制算法主要通過控制飛行中的參數(shù)，實現(xiàn)對無人駕駛直升機姿態(tài)、速度、高度的控制，系統(tǒng)框圖見圖3。

圖3 模糊PID控制算法系統(tǒng)框圖Fig．3 Fuzzy PID control algorithm system

模糊PID控制具有快速性和良好的穩(wěn)態(tài)精度，改變了模糊控制在控制小偏差范圍時精度不高的特點，可以有效增強抗干擾能力，針對無人駕駛直升機這種控制方法具有很大的推廣意義［5］。

3 自抗擾控制 （ADRC）

自抗擾控制器依據(jù)期望軌跡和實際軌跡誤差大小及方向來控制，是通過過程誤差來抑制或消除誤差的方法。自抗擾控制具有特殊的優(yōu)點，在許多方面得到了應用。自抗擾控制器包括安排過渡過程，擴張狀態(tài)觀測器 （ESO），非線性組合3個部分。自抗擾控制器的結(jié)構(gòu)框圖見圖4。

圖4 自抗擾控制器的結(jié)構(gòu)框圖Fig．4 ADRC structure block diagram

自抗擾控制算法在無人駕駛直升機導航控制中利用了ADRC強的干擾補償能力，與PID控制器相比，抗干擾能力明顯增強。由于導航控制系統(tǒng)模型的不確定性、外界干擾能力強，無人駕駛直升機的航向控制問題是個難點，所以基本的控制方法很難取得好的效果。由于ADRC控制器不依賴精確的數(shù)學模型，ADRC能夠很容易進行解耦控制，所以經(jīng)常把自抗擾控制算法應用在導航控制中。自抗擾控制參數(shù)的準確設(shè)定對于導航控制起著至關(guān)重要的作用：主要包括跟蹤微分器參數(shù)整定；擴張狀態(tài)觀測器的參數(shù)整定；非線性反饋控制率的參數(shù)整定［6－8］。根據(jù)二階自抗擾控制器的結(jié)構(gòu)、導航運動的數(shù)學模型，使用Matlab中Simulink搭建了自抗擾導航控制系統(tǒng)見圖5。

圖5 基于自抗擾控制器的導航控制系統(tǒng)Fig．5 Navigation control system of ADRC controller

運用自抗擾控制算法，搭建了導航控制系統(tǒng)。從而進行控制量的動態(tài)補償，有效地消除了模型的誤差及外界干擾對控制效果帶來的影響，能夠保證直升機正常飛行［9－10］。

4 小波神經(jīng)網(wǎng)絡控制

小波變換是空間和頻率的局部變換，小波變換能夠有效地從信號中提取有效的信息。通過伸縮、平移、角度變換等運算功能對所研究的對象進行細微的分析，而神經(jīng)網(wǎng)絡具有自適應性、魯棒性好等優(yōu)點，如能把二者有效的結(jié)合在一起，將其應用在無人駕駛直升機的飛行控制算法中，能夠提高直升機的飛行控制能力。首先用小波對信號進行預處理，然后提取特征向量送入神經(jīng)網(wǎng)絡［11－12］。小波神經(jīng)網(wǎng)絡是以小波函數(shù)為基底的一種函數(shù)型網(wǎng)絡，具有2個優(yōu)點：①小波神經(jīng)網(wǎng)絡可以避免BP神經(jīng)網(wǎng)絡結(jié)構(gòu)設(shè)計上的盲目性；②小波神經(jīng)網(wǎng)絡可以避免局部最優(yōu)等非線性問題［13］。小波神經(jīng)網(wǎng)絡算法應用在無人駕駛直升機中，主要用于對直升機姿態(tài)的控制，包括角度、速度等?；谛〔ㄉ窠?jīng)網(wǎng)絡算法可以控制直升機的姿態(tài)，能夠改善飛機在姿態(tài)控制中的穩(wěn)定性［14］。利用小波神經(jīng)網(wǎng)絡控制算法控制直升機的姿態(tài)框架圖見圖6，圖中濾波器是用來產(chǎn)生理想輸入并且限制其幅度［15］。

5 帶逆模型前饋的顯模型跟蹤控制

圖6 小波神經(jīng)網(wǎng)絡控制直升機的姿態(tài)Fig．6 Wavelet neural network control helicopter gesture

模型跟蹤分為隱模型跟蹤控制與顯模型跟蹤控制。隱模型跟蹤是將理想的控制目標模型隱式地包含在控制系統(tǒng)中；顯模型跟蹤是將理想目標模型顯式地設(shè)計在控制系統(tǒng)中，應用反饋控制，使無人駕駛直升機的飛行狀態(tài)與顯模型的輸出狀態(tài)相同。顯模型跟蹤設(shè)計方法主要分為經(jīng)典的單回路設(shè)計方法、LQ最優(yōu)設(shè)計方法和帶逆模型前饋的設(shè)計方法。帶逆模型前饋的顯模型跟蹤控制比傳統(tǒng)的顯模型跟蹤控制增加了逆模型前饋模塊，反饋模塊用來補償模型的差異，實現(xiàn)了基本的控制性能［16］。圖7為顯模型跟蹤的控制框圖，控制系統(tǒng)分為4個模塊：被控對象模塊、對象逆模塊、前饋模塊和反饋模塊。

圖7 顯模型跟蹤的控制框圖Fig．7 Significant model tracking control block diagram

顯模型跟蹤控制采用逆模型前饋，因為無人駕駛直升機對象的高度復雜性，其對象的逆模型建立不可能十分精確，因此仍需反饋控制來補償逆模型的誤差。這種控制算法建立的難點在于逆模型的獲取，由于對象都是非線性和不穩(wěn)定的，并且耦合能力強，不確定性高，所以逆模型很難求解。由于逆模型的簡化處理，所以逆模型在高頻段準確度不高，這種方法的高頻控制性能不強。該方法沒有仔細考慮系統(tǒng)的不確定性，所以其魯棒性能不足。

6 H∞回路成形控制

H∞回路成形是指根據(jù)要求指定系統(tǒng)的開環(huán)傳遞函數(shù)，用H∞設(shè)計來保證系統(tǒng)的特性。H∞回路成形控制是將經(jīng)典控制理論與魯棒性控制相結(jié)合，進行控制系統(tǒng)設(shè)計的一種方法。H∞回路成形控制方法的設(shè)計過程不用考慮系統(tǒng)閉環(huán)頻率特性，其設(shè)計方法簡單。H∞回路成形控制主要采用前置模塊與后置模塊來配置控制變量的變化，目的是獲得良好的分布曲線［17］。H∞回路成形控制框圖見圖8。

圖8 H∞回路成形控制Fig．8 H∞loop shaping control

H∞回路成形控制中控制器有前向與反饋控制器，既能保證魯棒性，又能提高抗干擾能力。H∞回路成形的設(shè)計流程分為3個步驟：回路成形、魯棒鎮(zhèn)定、組合H∞控制器。由于在飛行過程中要求對象飛行狀態(tài)變化的多樣性，控制律只能根據(jù)某些狀態(tài)點設(shè)計，但不能保證全局控制的最優(yōu)性。在設(shè)計完控制器之后，必須做大量仿真，來有效的驗證控制系統(tǒng)的正確性［18］。

7 控制算法對比

無人駕駛直升機是一個典型的強耦合、非線性、多輸入多輸出的復雜高階系統(tǒng)。為了設(shè)計出先進的飛行控制器，以尋求更好的控制效果。在直升機數(shù)學建模的基礎(chǔ)上，針對控制對象的特點，對直升機模型的控制算法進行了比對。對比結(jié)果見表1。

表1 控制算法對比情況Table 1 Control algorithm contrast

8 總結(jié)與展望

無人駕駛直升機無論是在工業(yè)上還是在國防上都具有廣泛的應用價值。由于無人駕駛直升機的飛行控制系統(tǒng)具有易于控制和實驗性強的優(yōu)點，所以我們必須在控制算法上進行深入與持續(xù)的研究。其難點是對無人駕駛直升機的控制模型進行控制算法的改進和選取，設(shè)計先進的控制器，以尋求更好的飛行控制效果。無人駕駛直升機飛行控制系統(tǒng)研究是一個長期的課題，目前只是對模型直升機的姿態(tài)控制做了初步探討。要得到無人駕駛直升機在其它飛行狀態(tài)下的控制算法，還要將它的全面運動方程考慮在內(nèi)，并針對飛行器各部分的應用特點結(jié)合設(shè)計。通過有效地選擇飛行控制算法，可以提高無人駕駛直升機的可靠性、精確性和有效性。帶逆模型前饋的顯模型跟蹤控制算法和H∞回路成形控制算法的魯棒性較強，是目前應用在直升機飛行控制系統(tǒng)中比較先進的控制算法。若能將多種飛行控制算法相結(jié)合，就能夠更有效地完成飛行模型的控制?？傊?，隨著飛行控制算法的不斷完善和進步，無人駕駛直升機飛行控制技術(shù)也正朝著數(shù)字化、綜合化和智能化的方向發(fā)展。

［1］任倩倩．無人直升機建模與控制方法研究 ［D］．大連：大連理工大學，2010．

［2］辛哲奎，方勇純．基于視覺的小型無人直升機地面目標跟蹤技術(shù)研究 ［D］．天津：南開大學，2010．

［3］王小青，楊一棟．無人直升機建模與控制技術(shù)研究［D］．南京：南京航空航天大學，2009．

［4］Wei－Der Chang．A multi－crossover genetic approach to multivariable PID controllers turning［J］．Expert Systems with applications，2007，33（3）：620－626．

［5］Zhijun Sun，Rentao Xing，Chunsheng Zhao．Fuzzy auto－tuning PID control of multiple joint robot driven by ultrasonic motors ［J］．Ultrasonics，2007，46 （4）：303－312．

［6］張立明，嚴浙平．自抗擾控制技術(shù)在AUV航向控制中的應用 ［D］．哈爾濱：哈爾濱工程大學，2009．

［7］石晨曦，楊慧中．自抗擾控制算法及控制器參數(shù) ［D］．無錫：江南大學，2008．

［8］關(guān) 昕，李衍杰．小型無人直升機懸?？刂扑惴ㄑ芯浚跠］．哈爾濱：哈爾濱工業(yè)大學，2010．

［9］H．Q．Wang，D．B．Wu，A．A．Mian，et al．Multi－mode flight control for unmanned helicopter based on robust H∞D(zhuǎn) stabilization and PI tracking configuration ［J］．Space Research Journal，2008，1（1）：39－52．

［10］Cai G，Chen B M，Peng K，et al．Modeling and control of the yaw channel of a UAV helicopter［J］．IEEE Transactions on Industrial Electronics，2008，55（9）：3 426－3 434．

［11］Anna Wang，Junfang Liu．Algorithms comparison of feature extraction and multi－class classification for fault diagnosis of analog circuit［C］／／Proceedings of 2007 International Conference on Wavelet Analysis and Pattern Recognition，2007：566－527．

［12］Kugarajah T and Zhang Qinghua．Multidimentional wavelet frames［J］．IEEE Trans N N，1995，6（6）：1 552－1 556．

［13］Kreinovich V，Sirisaengtaksin O，Cabren S．Wavelet neural networks are asymptotically optimal approximators for functions of one variable［A］．Proceeding of IEEE ICNN ［C］．Florida，USA：1994：299－304．

［14］鄭凌蔚，劉士榮．基于改進小波神經(jīng)網(wǎng)絡的關(guān)伏發(fā)電系統(tǒng)非線性模型辨識 ［J］．電網(wǎng)技術(shù)，2011，35（10）：158－164．

［15］劉立生，楊宇航．小波神經(jīng)網(wǎng)絡的直升機主減速器故障診斷系統(tǒng) ［J］．航空動力學報，2012，27 （6）：1 255－1 260．

［16］Rozak J N，Ray A．Robust multivariable control of rotorcraft in forward flight［J］．Journal of the American Helicopter Society，1997，42（2）：149－160．

［17］C．Zhu，M．Khammash，V．Vittal，et al．Robust power system stabilizer design using H∞loop shaping approach［J］．IEEE Transactions on Power Systems．2003，18（2）：810－818．

［18］朱 華，楊一棟．H∞回路成形法設(shè)計直升機飛控系統(tǒng) ［J］．計算機仿真，2007，24（7）：61－65．