基于改进ADRC的某尾座式无人机风场扰动下的悬停控制_李震洋.pdf

第43 卷第1期2023 年2 月飞机设计AICAFT DESIGNVol 43 No 1Feb2023收稿日期:2021 12 15;修订日期:2022 11 24作者简介:李震洋(1998)，男，硕士研究生引用格式:李震洋，吴学森，王维军 基于改进ADC 的某尾座式无人机风场扰动下的悬停控制 J 飞机设计，2023，43(1):33 37 LIZhenyang，WU Xuesen，WANG Weijun Hover Control of Tail-sitter UAV under Wind Field Disturbance Based on ImprovedADC J Aircraft Design，2023，43(1):33 37文章编号:1673 4599(2023)01 0033 05doi:1019555/j cnki1673 4599202301007基于改进 ADC 的某尾座式无人机风场扰动下的悬停控制李震洋1，吴学森2，王维军3(1 北京航天长征飞行器研究所，北京100076)(2 中国运载火箭技术研究院，北京100076)(3 北京航空航天大学，北京100191)摘要:针对尾座式无人机容易受到外界风场扰动和模型不确定性影响的问题，设计了一种外环 PID 与内环自抗扰控制(ADC)的组合控制算法进行悬停姿态与高度控制，并优化扩张状态观测器(ESO)以解决调参困难的问题。建立用垂向欧拉角定义的天东北坐标系来描述悬停飞行状态，进行数学建模并完成全量运动方程组。在 Matlab/Simulink 软件内搭建基于改进 ADC 的非线性全量运动方程模型，通过大气紊流模型建立风场，仿真分析在干扰作用下的控制效果。仿真结果表明，改进 ADC 控制算法能够有效抵抗风场干扰，实现稳定的悬停姿态与高度控制。关键词:尾座式无人机;悬停控制;自抗扰控制(ADC);风场建模中图分类号:V249.122文献标识码:AHover Control of Tail-sitter UAV under Wind Field DisturbanceBased on Improved ADCLI Zhenyang1，WU Xuesen2，WANG Weijun3(1 Beijing Institute of Aerospace Long March Vehicle，Beijing100076，China)(2 China Academy of Launch Vehicle Technology，Beijing10076，China)(3 Beihang University，Beijing100191，China)Abstract:To solve the problem that Tail-sitter UAV is easily affected by external wind field disturb-ance and model uncertainty，a combined control algorithm of outer loop PID and inner loop ADCwas designed to control the hovering attitude and height，and the ESO was optimized to solve the dif-ficulty of parameter tuning The northeast coordinate system defined by vertical Euler Angle was es-tablished to describe the hovering flight state，and mathematical modeling was carried out to completethe full motion equations A nonlinear full motion equation model based on improved ADC was es-tablished in Matlab/Simulink，and the wind field was established by Dryden atmospheric turbulencemodel，and the control effect under interference was simulated and analyzed Simulation results showthat the improved ADC control algorithm can effectively resist wind field interference and achievestable hover attitude and height controlKey words:rail-sitter UAV;hover control;active disturbance rejection control(ADC);windfield modeling尾座式垂直起降无人机结合了固定翼和旋翼机的优势，降低了对起飞场地的要求，同时提高了巡航速度和续航时间1 4。但是尾座式无人机在起飞悬停时，因为机身迎风面积过大，姿态和高度控制极易受到风场的干扰。目前对于尾座式无人机的控制算法研究比较少。李建伟5 设计了一种串级 PID 控制器，结合飞行数据验证了模型准确性。刘志豪6 设计了一种串级 PID-自抗扰控制器，在 2 级风的风场干扰下，实现较为稳定的悬停姿态控制。吴林峰等7 设计了一种基于新型姿态提取算法的轨迹跟踪控制方法，优化了控制效果。为了优化参数整定过程、改善跟踪性能，并能够在更大级别范围的风扰下，实现稳定的悬停姿态控制，本文在自抗扰控制(ADC)的基础上，采用了一种线化扩张状态观测器(ESO)的方法优化参数整定过程，进行控制律设计，并在更大风场扰动下进行仿真分析。1数学建模1.1CATIA 建模获得尾座式无人机准确物理参数是进行动力学建模及后续仿真分析的基础。因此在 CATIA软件平台上完成细化模型的建立，测算所需的相关几何参数。此型尾座式无人机三视图如图 1所示。1.2惯量估算进行飞机本体模型的绘制后，在机身部分绘制相应的飞控、电池等重物，然后依托垂尾、腹鳍、翼尖布置碳管作为起落架。查阅木材密度、飞控重量、电池重量等，设置相应的新材料以定义飞机每个部件的密度，定义集中载荷坐标位置及质量，最后通过 CATIA 软件内置测量惯量功能完成惯量估算。1.3坐标系定义因为主要研究悬停姿态的控制，所以采用天东北坐标系来定义垂向欧拉角，从而描述飞机姿态，以此避免欧拉角奇异的问题。天东北坐标系8 Oexeyeze为定义垂向欧拉角(v，v，v)的惯性基准。图 1飞机三视图(单位 mm)天东北坐标系与地面坐标系类似，是一种固定在地球表面的一种坐标系，原点 Oe在地面处定义一点，Oexe铅垂向上，Oeze指向北，Oeye垂直Oexeze平面，按右手定则确定，即为东。1.4全量运动方程组机体轴系下关于垂向欧拉角的六自由度全量运动方程9:质心动力学方程组m(u+wq vr)=X mgcosvcosvm(v+ru pw)=Y mgsinvsinvcosv+mgcosvsinvm(w+pv qu)=Z mgsinvcosvcosvmgsinvsinv(1)式中:u，v，w 为飞行器机体轴系下的速度分量;p，q，r 为飞行器机体轴系下的角速度分量;X，Y，Z 为飞行器机体轴系下的重力外的合力分量;m 为飞行器质量;g 为重力加速度。绕质心转动的动力学方程组43飞机设计第43 卷Ixp+(Iz Iy)qr=LIyq+(Ix Iz)rp=MIzr+(Iy Ix)pq=N(2)式中:Ix，Iy，Iz为各轴惯性矩;L，M，N 为各轴转动力矩。绕质心转动的运动学方程组v=p+tanv(qsinv+rcosv)v=qcosv rsinvv=1cosv(qsinv+rcosv)(3)1.5配平状态经过悬停状态下的配平，现定义基准状态为俯仰角 0.345即低头，俯仰舵偏角 2.401，油门输出电流 5.976 A，对应单个电机推力 3.91 N。2ADC 控制理论ADC 是一种非线性的控制方法，它采用跟踪微分器安排过渡过程并产生微分信号，通过ESO 估计系统未知扰动，结合非线性组合产生所需的控制信号。ADC 控制对被控对象模型依赖小，有着超调量小、调节时间短、准确性好、抗高频干扰能力强和算法较为简单的特点。ADC 控制技术已经在很多方面取得了显著的成果，但 ADC控制器参数的整定很依赖于技术人员的经验，所以针对 ADC 控制器参数整定的问题已经展开了相当广泛的研究。2.1改进 ADC 设计目的及难点主要针对此型尾座式无人机悬停姿态控制进行设计，机身面积较大，极易受到阵风干扰。与传统四旋翼无人机不同的是，此型尾座式无人机主要是依靠左右螺旋桨发动机及襟副翼控制滑流，从而提供操纵力矩。在这些条件影响下，经典 PID控制很难满足高质量的悬停姿态控制需求，所以这里考虑内环引入对被控对象模型依赖小、具有较强鲁棒性的 ADC 控制，结合外环 PID 进行控制，对 ESO 进行线性化，优化控制参数整定过程。2.2改进 ADC 设计过程2.2.1线化 ESO对于此型尾座式无人机的悬停姿态控制，根据 CHEN X 等10 提出的二阶 ADC 控制系统的参数整定方法，对扩张状态观测器进行线性化。ADC 控制系统框图如图 2 所示。图 2 中:THETA_C 为俯仰角输入指令;THETA 为俯仰角反馈值;50 为控制增益;kp和 kd为 PD 控制参数;B 为补偿参数 TIF;S-function 为 ESO 的 S 函数表达式;ESO3 为扩张状态观测器;THETA_OUTPUT为俯仰角控制输出;OMEGA 为俯仰角速度。图 2线化 ESO 的 ADC 结构图对 ESO 进行线性化处理，优化参数整定过程z1=z2+1(y z1)z2=z3+2(y z1)+Buz3=3(y z1)(4)式中:z1，z2，z3为各阶扰动量估计值;1，2，3为线化后 ESO 的参数;y 为输出量;u 为输入量。ESO 是用来估计额外的扰动和模型内部的各种不确定因素。2.2.2改进 ADC 控制器设计根据图 2 可以搭建相应的内环 ADC 控制回路，结合外环 PID 轨迹控制，完成俯仰通道控制回路设计。内环 ADC 控制算法如 2.2.1 所述。外环 PID 控制算法E=kp(c)+ki(c)d+kd(?c?)(5)式中:E 为 PID 控制器的输出;kp，ki，kd为 PID 控制参数;c为期望俯仰角;为实际俯仰角。其他通道控制算法类似。嵌入非线性全量运动方程 Simulink 模型，并设置基准状态。2.2.3控制参数整定方法(1)给定一个期望的系统调节时间 t*s。(2)取系统截止频率 c10/t*s。(3)计算 PID 控制参数 kp=2c，kd=2c。(4)计算 ESO 参数，包括带宽 0=4c;增益k=4;1=30，2=320，3=330(5)ESO 参数 B 可以先定一个较小的值，仿真的同时不断增加，直至系统稳定。53第1 期李震洋等:基于改进 ADC 的某尾座式无人机风场扰动下的悬停控制3风场建模风场采用 Dryden 模型描述紊流风场，时间频谱函数u()=2uLuV11+Lu()V2v()=2uLvV1+12 Lv()V2w()=2wLwV1+12 Lw()V21+4 Lw()V22(6)式中:u，v，w为机体轴系下各向风场干扰速度的总体强度;为时间频率;V 为空速;Lu，Lv，Lw为紊流尺度因子;u，v，w为紊流强度。L=H2Lu=2Lv=H(0.177+0.000 823H)6/5=0.1u20u=(0.177+0.000 823H)2/5v=u(0.177+0.000 823H)2/5(7)式中:H 为飞行高度;u20为高度 6.096 m