植保無人機噴藥姿態(tài)自適應(yīng)平衡控制研究

陳磊 張紅欣 朱超

摘要：無人機作為現(xiàn)代化農(nóng)業(yè)植物保護的有力助手，在進行藥物噴灑過程中具有適用性好、噴灑效率高的特點。而植保無人機在進行農(nóng)藥噴灑時，極容易受到外界因素的影響而改變飛行姿態(tài)。為保證飛行器的姿態(tài)能實現(xiàn)自適應(yīng)平衡，研究飛行器時在變動力學(xué)模型的基礎(chǔ)上，研究了一種徑向基函數(shù)（radial basis function，簡稱RBF）-比例-積分-微分（proportion-integral-differential，簡稱PID）控制方法，該控制方法將神經(jīng)網(wǎng)絡(luò)、模糊控制、PID控制技術(shù)進行有效耦合，使得飛行器在進行植物保護時能快速針對姿態(tài)做出實時有效的調(diào)整，確保在藥物噴灑時保持穩(wěn)定性和魯棒性。

關(guān)鍵詞：植保無人機;農(nóng)藥噴灑;姿態(tài)自適應(yīng);RBF-PID;魯棒性

中圖分類號：S252+.3 ? 文獻標志碼： A ?文章編號：1002-1302（2019）14-0269-04

我國作為農(nóng)業(yè)大國，具有1.2億hm2基本農(nóng)田，需要大量的人員從事農(nóng)業(yè)植物保護作業(yè)，同時我國《“十三五”農(nóng)業(yè)科技發(fā)展規(guī)劃》指出，我國農(nóng)業(yè)要面向農(nóng)業(yè)信息化、精準化[1]。植保無人機具有霧化效果好、向下風(fēng)場大、穿透力強、省水省藥的特點，因此在農(nóng)作物植物保護方面扮演著重要的角色，預(yù)計到2020年，我國植保無人機需求量達10萬架[2]。

植保無人機進行藥物噴灑時，姿態(tài)位置的調(diào)整是無人機控制的重要環(huán)節(jié)[3]，目前針對無人機姿態(tài)控制是基于模型控制，主要采用單回路比例-積分-微分（proportion-integral-differential，簡稱PID）控制、串級PID控制、反步法、線性二次型調(diào)節(jié)器（linear quadratic regulator，簡稱LQR）控制、內(nèi)環(huán)控制、模糊遺傳控制、魯棒H∞控制、反饋線性控制等控制方法[4]。然而無人機在進行藥物噴灑過程中，噴槍后座力、自適質(zhì)量變化等自適因素及外界因素如空氣風(fēng)速、大氣壓強等會造成植保無人機自身狀態(tài)的改變。無人機在藥物噴灑過程中由于飛行高度及飛行速度的不同對施藥作物的生長狀況具有不同程度的影響。為確保施藥過程均勻有效地進行，本研究將徑向基函數(shù)（radial basis function，簡稱RBF）與PID控制方法進行有機結(jié)合，研究一種RBF-PID控制算法，該算法融合了神經(jīng)網(wǎng)絡(luò)、模糊控制系統(tǒng)、自適應(yīng)學(xué)習(xí)、PID控制技術(shù)、智能檢測技術(shù)等，具有靈敏度高、動態(tài)響應(yīng)快、超調(diào)量小、魯棒性強等優(yōu)點。

1 無人機飛行器動力學(xué)模型

1.1 飛行器飛行原理

本研究的植保無人機采用四旋翼飛行器，植保無人機結(jié)構(gòu)模型如圖1所示，該四旋翼飛行器為“十”字交叉型，在十字結(jié)構(gòu)的末端分別為4個直流電機。其中以O(shè)E為圓心的定義為世界坐標系E（OXYZ），以O(shè)b為圓心的定義為飛行坐標系B（OXYZ）。在進行上升、前進、旋轉(zhuǎn)等姿態(tài)改變時主要依據(jù)定義的Euler角對電機轉(zhuǎn)速的改變進行調(diào)整，根據(jù)“十”字形結(jié)構(gòu)，Euler角定義為：偏航角ψ：以O(shè)Z為軸心，OXY為平面進行旋轉(zhuǎn);俯仰角θ：以O(shè)Y為軸心，OXZ為平面進行旋轉(zhuǎn);翻轉(zhuǎn)角φ：以O(shè)X為軸心，OYZ為平面進行旋轉(zhuǎn);F1、F2、F3、F4分別為4個旋翼上所受的拉力;EE為相對于飛行坐標系而言的旋轉(zhuǎn)坐標系。

“十”字交叉型結(jié)構(gòu)的尾部各有一個直流電機，可通過控制各個電機電流大小來控制轉(zhuǎn)速，電機轉(zhuǎn)速不同所產(chǎn)生的升、阻力就不同，這樣通過控制電機轉(zhuǎn)速就可以改變飛行器的飛行姿態(tài)，較為典型的姿態(tài)調(diào)整原理如圖2所示。

3 RBF-PID控制原理研究

3.1 RBF-PID控制方法

植保無人機在完成施藥任務(wù)時，因不同的植株具有不同的施藥高度，若植株較低而植保無人機飛行高度較高則單位葉面上藥物噴灑量較少，形成施藥不成功的現(xiàn)象，反之會造成植株葉面上端和中端噴灑不均勻，對作物的施藥過程造成不同程度的影響，從而直接影響植株生長質(zhì)量。因此植保無人機在施藥過程中姿態(tài)一定要具有自適應(yīng)能力強、對外界環(huán)境因素（風(fēng)速、藥液質(zhì)量）變化響應(yīng)快的特點。

傳統(tǒng)的PID控制具有可靠性高、結(jié)構(gòu)簡單、穩(wěn)定性好等優(yōu)點，但局限性是只能適用于一些簡單的控制對象。單回路模糊PID控制、串級模糊PID控制在控制過程中雖然也能具有較好的控制效果，但在實際操作過程中很難實現(xiàn)對飛行中和懸停狀態(tài)下遇到的影響因素做出很快的響應(yīng)[10-11]。

本研究的RBF-PID控制方法在傳統(tǒng)PID控制和神經(jīng)網(wǎng)絡(luò)控制的基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)和串級PID控制器進行有機結(jié)合，從而實現(xiàn)對復(fù)雜系統(tǒng)具有較高的動態(tài)響應(yīng)特性、控制精度、運行速度及較強的適應(yīng)性。在串級PID控制過程中，內(nèi)環(huán)用角速度PID控制器采用陀螺儀進行角速度的測量;外環(huán)用角度PID控制器采用陀螺儀、磁力計、加速度計完成對偏轉(zhuǎn)角度的測量。RBF-PID控制器結(jié)構(gòu)如圖4所示。主回路將采集到的角速度值與設(shè)定值得出的角速度偏差e和角速度偏差變化率ecdedt作用到模糊推理機中，輸出的結(jié)果經(jīng)過最小二乘法和神經(jīng)網(wǎng)絡(luò)模塊計算得出最優(yōu)ΔKP、ΔKI、ΔKD數(shù)值，從而改變主PID控制器的比例系數(shù)、積分時間、微分時間。為提高PID控制器的控制精度，采用串級PID控制器。主控制器的輸出作為副控制器的輸入，進行誤差的再處理和控制器的再輸出，最終結(jié)合控制器的輸出作用于四旋翼飛行器的動力裝置，從而完成一次姿態(tài)的動態(tài)自適應(yīng)更新與控制。

3.2 RBF-PID控制策略

在Matlab模糊規(guī)則編輯過程中，結(jié)合5個參數(shù)變量之間的影響關(guān)系，編輯了49條控制規(guī)則。從生成的控制參數(shù)結(jié)構(gòu)曲面可觀察到ΔKP、ΔKI、ΔKD 3個參數(shù)的控制曲線均無明顯尖點。

4 仿真及試驗分析

通過在Matlab/Simulik仿真環(huán)境中對模糊控制器、RBF程序編寫、PID各項控制模塊的編輯，結(jié)合Simulik中特有的分裝功能設(shè)計了如圖5所示的RBF-PID控制器仿真圖。

表2列舉了植保無人機的各項性能參數(shù)描述。

4.1 仿真及噴灑試驗

通過如圖5所示建立的RBF-PID控制器的控制結(jié)構(gòu)及各控制通道的傳遞函數(shù)進行俯仰角、翻轉(zhuǎn)角、偏航角的仿真，仿真結(jié)果如圖6、圖7、圖8所示，并將RBF-PID控制方法進行程序化編程嵌入到ARM芯片中，圖9為現(xiàn)場用無人機進行藥物噴灑時的懸停工作圖。

5 結(jié)論

通過在Matlab/Simulik仿真環(huán)境中對傳統(tǒng)PID控制器、常規(guī)串聯(lián)PID控制器、RBF-PID控制器俯仰角、翻滾角、偏航角進行仿真，結(jié)果發(fā)現(xiàn)常規(guī)PID控制器雖然最后能接近控制目標但是該控制器超調(diào)量較大，與設(shè)定值有一定的余差，且達到理想控制效果所用時間最長，常規(guī)串聯(lián)PID控制器能在較短的時間內(nèi)達到理想的控制效果并且不存在余差的情況，但是響應(yīng)時間較慢，最后達到理想控制狀態(tài)所需的時間較長，超調(diào)量并不大，過沖現(xiàn)象不是非常明顯。本研究的RBF-PID控制方法具有較小的系統(tǒng)超調(diào)量，在控制過程中達到穩(wěn)定時間只需要0.31 s，系統(tǒng)的動態(tài)響應(yīng)快、精度高，且穩(wěn)態(tài)后的誤差非常小。通過大量試驗表明，本研究無人機噴藥姿態(tài)自適應(yīng)平衡控制在針對植保無人機懸停和正常飛行過程中受外部不確定因素影響后能夠得到很好的穩(wěn)態(tài)控制，同時該方法能對姿態(tài)進行較為快速靈敏的自動化與自適應(yīng)調(diào)節(jié)。

參考文獻：

[1]婁尚易，薛新宇，顧 偉，等. 農(nóng)用植保無人機的研究現(xiàn)狀及趨勢[J]. 農(nóng)機化研究，2017，39（12）：1-6，31.

[2]Yu Y S，Ding X L. A quadrotor test bench for six degree of freedom flight[J]. Journal of Intelligent & Robotic Systems，2012，68（3/4）：323-338.

[3]Bouabdallah S. Full control of a quadrotor[J]. International Conference on Intelligent Robots and Systems，2017（10）：153-158.

[4]Huo X，Huo M Y. Hamid reza karimi attitude stabilization control of a quadrotor UAV by using backstepping approach[J]. Mathematical Problems in Engineering，2014（10）：1-9.

[5]刁 琛. 四旋翼無人飛行器非線性控制研究[D]. 天津：天津大學(xué)，2013.

[6]Dierks T，Jagannathan S. Neural network output feedback control of a quadrotor UAV[J]. IEEE Conference on Decision & Control，2009，21（1）：3633-3639.

[7]穆魯肯. 無人機控制器的建模與比較研究[D]. 大連：大連理工大學(xué)，2016.

[8]王旭東，邵惠鶴. RBF神經(jīng)網(wǎng)絡(luò)理論及其在控制中的應(yīng)用[J]. 信息與控制，1997，26（4）：272-284.

[9]管 萍，和志偉，戈新生. 高超聲速飛行器的神經(jīng)網(wǎng)絡(luò)PID控制[J]. 航天控制，2018，36（1）：8-13.

[10]廖芳芳，肖 建. 基于BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)自整定的研究[J]. 系統(tǒng)仿真學(xué)報，2015，17（7）：1711-1713.

[11]陳增強，李 毅，袁著祉，等. 串級自抗擾控制器在縱列式雙旋翼直升機飛行姿態(tài)控制中的應(yīng)用[J]. 控制理論與應(yīng)用，2015，32（9）：1219-1225.

[12]汪 沛，羅錫文，周志艷，等. 基于微小型無人機的遙感信息獲取關(guān)鍵技術(shù)綜述[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（18）：1-12.

[13]Kada B，Ghazzawi Y . Robust PID controller design for an UAV flight control system[J]. Lecture Notes in Engineering & Computer Science，2011，2194（1）：19-21.

[14]Berni J，Zarco-Tejada P J，Suarez L，et al. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle[J]. IEEE Transactions on Geoscience and Remote Sensing，2009，47（3）：722-738.