CN103941742A - 一种无人机滑跑纠偏控制装置及方法 - Google Patents

Abstract

本发明提供一种无人机滑跑纠偏控制装置及方法。所述装置包括：GPS模块、磁航向仪、纠偏控制器、惯性测量单元舵机伺服控制器、前轮舵机；GPS模块无人机的经纬度和地面速度矢量信息；所述磁航向仪获取无人机的磁航向信息；所述惯性测量单元获取无人机运动的三轴姿态角、三轴角速率和机体坐标系速度矢量信息；纠偏控制器根据GPS模块、磁航向仪和惯性测量单元获取的上述参数进行纠偏控制计算，形成舵机控制指令送往舵机伺服控制器；所述舵机伺服控制器接收所述纠偏控制器发送的舵机控制指令，产生功率放大信号，用以驱动前轮舵机；所述前轮舵机根据所述舵机伺服控制器输出的功率放大信号形成前轮偏转，进而引起无人机的纠偏运动轨迹跟踪。

Description

一种无人机滑跑纠偏控制装置及方法

技术领域

本发明属于飞行器控制技术领域，涉及无人机自主起降过程中滑跑纠偏控制，特别涉及滑跑纠偏控制器的装置及方法。

背景技术

无人机的发射和回收阶段是整个飞行过程中的关键阶段，对发射、回收阶段有效安全的控制是无人机控制的关键内容之一。目前无人机的发射方式主要包括轨道发射(橡筋绳弹射、气动发射、液压/气动发射和旋转发射)、零长发射(火箭助推发射、手抛发射、车载发射和飞轮发射)及轮式发射；回收方式主要包括轮式滑停回收、拦阻网回收、空中打捞回收和伞降回收。

长航时等大型无人机一般具有较大的重量，飞机本身价格昂贵，在回收阶段需要对机体提供高度的保护。对这类飞机，宜采用轮式发射和回收方式，即轮式起降。轮式起降中的滑跑纠偏控制是轮式起降中的重要方面。飞机结构不可避免地存在不对称性，机场跑道存在凸凹，机场存在各种风扰动，飞机着陆触地时相对于跑道一般都存在偏航角和侧向偏移。所有这些因素将导致飞机在起飞或着陆滑跑中出现相对于跑道的侧向偏差。若不及时对侧偏距进行纠正，飞机可能侧偏出跑道，造成严重事故。可以认为，滑跑纠偏控制是飞机起飞着陆主要控制任务之一，而纠偏控制装置是纠偏控制的关键部件。

目前无人机纠偏控制装置一般采用经典控制方法，如PID控制，其特点在于形式简单、调参方便、需要参量少。但问题在于无人机自主起降过程中速度是变化的，起飞时加速，着陆时是减速；在变速运动过程中，基于PID控制方法的纠偏控制往往难以适应，导致不同阶段的纠偏性能下降，甚至系统发散。

发明内容

(一)要解决的技术问题

本发明所要解决的技术问题是提供一种基于预瞄跟随方法的无人机滑跑纠偏控制装置，以实现不同速度下的偏移预测和自适应纠偏控制，保证在滑跑速度范围内的纠偏控制性能，为无人机滑跑纠偏控制提供实际控制装置。

(二)技术方案

本发明公开了一种无人机滑跑纠偏控制装置，包括GPS模块、磁航向仪、纠偏控制器、惯性测量单元舵机伺服控制器、前轮舵机；

其中，所述GPS模块用于获取无人机的经纬度和地面速度矢量信息；

所述磁航向仪用于获取无人机的磁航向信息；

所述惯性测量单元用于获取无人机运动的三轴姿态角、三轴角速率和机体坐标系速度矢量信息；纠偏控制器根据所述GPS模块、磁航向仪和惯性测量单元获取的上述参数进行纠偏控制计算，形成舵机控制指令送往舵机伺服控制器；

所述舵机伺服控制器接收所述纠偏控制器发送的舵机控制指令，产生功率放大信号，用以驱动前轮舵机；

所述前轮舵机根据所述舵机伺服控制器输出的功率放大信号形成前轮偏转，进而引起无人机的纠偏运动轨迹跟踪。

本发明还公开了一种无人机滑跑纠偏控制方法，其包括：

获取无人机的运动参数，包括运动的经纬度、地面速度矢量信息、磁航向信息、三轴姿态角、三轴角速率和机体坐标系速度矢量信息；

对所述运动参数进行数据融合和纠偏控制指令计算，形成舵机控制指令；

根据所述舵机控制指令驱动所述无人机的前轮发生偏转，进而对所述无人机的滑动进行纠偏控制。

(三)有益效果

本发明提供一种基于预瞄跟随方法的无人机滑跑纠偏控制装置，在预瞄跟随方法下，给出了纠偏控制计算(预瞄跟随方法)的计算方法。算法对具有强非线性且时变的无人机前轮操纵动力学模型进行了一阶等效线性化，并利用带遗忘因子的递归最小二乘方法进行了等效参考模型的参数在线辨识，最终按照理想的预瞄跟随器的结构进行了转向特性估计，建立了自整定控制器的参数在线调节方法，可以实现在不同速度下的自适应纠偏控制；针对无人机动力学强非线性时变特性，采用基于预瞄跟随方法提出了预瞄式自适应控制算法，该控制算法可较为精确地控制无人机滑跑纠偏跟随预期轨迹，且自适应控制算法的采用也提高了控制系统的鲁棒性和适应性，并完成了纠偏控制装置的软硬件设计，从而为无人机纠偏控制系统提供了一条可实现的装置。

附图说明

图1是本发明中无人机滑跑纠偏控制装置结构图；

图2是本发明中纠偏控制器的结构图；

图3是本发明中无人机滑跑纠偏控制装置的计算流程图；

图4是本发明中预瞄跟随方法下的理想侧向加速度计算示意图；

图5是本发明中纠偏控制计算(预瞄跟随方法)的原理图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

图1示出了本发明中无人机滑跑纠偏控制装置的结构图。如图1所示，无人机滑跑纠偏控制装置包括GPS模块31、磁航向仪32、纠偏控制器33、惯性测量组件34、舵机伺服控制器35、前轮舵机36、数传电台37、遥控接收机38、地面控制站39。所述无人机滑跑纠偏控制装置3安装在无人机1上，使得无人机1在自主起降地面滑跑过程中始终沿着跑道中心线2进行轨迹跟踪。

所述纠偏控制器33与GPS模块31、磁航向仪32、惯性测量组件34连接，用于提取无人机1的滑跑运动参数，并且根据这些参数进行纠偏控制计算，形成舵机控制指令送往舵机伺服控制器35。舵机伺服控制器35形成功率放大信号驱动前轮舵机36，进行滑跑纠偏控制。

GPS模块31提供无人机1运动的经纬度、地面速度矢量信息。

磁航向仪32提供无人机1运动的磁航向信息。

惯性测量组件34提供无人机1运动的三轴姿态角(滚转、俯仰、偏航角)、三轴角速率(滚转、俯仰、偏航角速率)，以及惯性导航地速。

舵机伺服控制器35接收纠偏控制器33发送的舵机控制指令，产生功率放大信号，用以驱动液压舵机。

前轮舵机36作为无人机1滑跑纠偏控制的执行机构，采用液压舵机，接收舵机伺服控制器35的功率放大信号，形成前轮偏转，进而引起无人机的纠偏运动轨迹跟踪。

数传电台37用于接收地面控制站39发送的无人机滑跑纠偏控制装置的运动指令(如启动、停车、转弯、直线跟踪)、数据链控制指令(数据发送启动、停止)、配置指令(如速度指令的大小等)，并将其传送至纠偏控制器33，并且纠偏控制器33通过所述数传电台37向地面控制站39回传无人机滑跑纠偏控制装置3的状态信息。

遥控接收机38用于无人机滑跑纠偏控制装置3处于遥控状态时接收地面遥控人员手持遥控器381发送的遥控指令，并将接收到的遥控指令发送给舵机伺服控制器35，一般用于测试状态。

地面控制站39用于无人机滑跑纠偏控制装置3的指令发送以及状态显示。

无人机滑跑纠偏控制装置3的工作机制如下：

GPS模块31提供无人机1运动的经纬度、地面速度矢量信息；磁航向仪32提供无人机1运动的磁航向信息；惯性测量组件34提供无人机1运动的三轴姿态角(滚转、俯仰、偏航角)、三轴角速率(滚转、俯仰、偏航角速率)、机体坐标系速度矢量信息。

纠偏控制器33通过对GPS模块31、磁航向仪32、惯性测量组件34提供的无人机1运动参数进行数据融合和纠偏控制指令计算，形成舵机控制指令发送给舵机伺服控制器35。

舵机伺服控制器35接收纠偏控制器33发送的舵机控制指令，产生功率放大信号，用以驱动液压舵机，形成前轮偏转，进而引起无人机的纠偏运动轨迹跟踪。

采用数传电台37接收地面控制站39的指令，并回传人机滑跑纠偏控制装置3的状态信息。

图2是本发明中纠偏控制器的结构示意图。如图2所示，其包括：DSP331，RAM332，FLASH333，电源334，看门狗电路335，第一RS232口336，第二RS232口337，第三RS232口338，第四RS232口339，PWMIN口3310，RS485口3311。

纠偏控制器33通过第一RS232口336与GPS模块31连接，接收经纬度、地面速度矢量信息；通过第二RS232口337与磁航向仪32连接，接收无人机1运动的磁航向信息；通过第三RS232口338与惯性测量组件34连接，获取无人机1运动的三轴姿态角(滚转、俯仰、偏航角)、三轴角速率(滚转、俯仰、偏航角速率)；通过第四RS232口339与数传电台37连接，接收地面控制站39发送的指令并回传状态信息；通过PWM IN口3310与遥控接收机38，接收遥控控制指令信号，并将其进行转化为舵机控制指令后通过RS485口3311传送至舵机伺服控制器。

纠偏控制器33通过RAM332进行数据缓冲，通过FLASH333进行计算程序存储。电源334接收外部电源信号(8-36伏)，提供侧偏刚度传感计算单元15需要5伏、3.3伏电压。看门狗电路335提供定时脉冲信号以满足DSP331内的看门狗中断不触发的条件。所述DSP用于执行所存储的程序。

图3是本发明中无人机滑跑纠偏控制装置中纠偏控制器进行纠偏控制的方法流程图。如图3所示，该方法包括以下几个步骤：传感器数据获取步骤41：依次读取GPS模块31、磁航向仪32、惯性测量组件34，获取无人机1运动的经纬度、地面速度矢量信息、磁航向信息、三轴姿态角(滚转、俯仰、偏航角)、三轴角速率(滚转、俯仰、偏航角速率)、机体坐标系速度矢量信息。

数据融合步骤42：针对偏航角信息，对磁航向仪32提供的磁航向信息、惯性测量组件34获取的偏航角信息进行数据融合，得到修正后的偏航角，采用自适应加权融合算法，加权参数是无人机运动速度的函数，其中加权系数c1＝f1(Vx)，c2＝f2(Vx)，f1、f2的表达式为一系列特征点的二次拟合函数，通常称为增益调参函数，Vx为机体坐标下X轴向的速度，由惯性测量组件34获取。

针对地速信息，对于GPS模块31提供的卫星导航地速信息和惯性测量组件34提供的惯性导航地速信息进行融合得到修正的地速，融合公式如下所示：

Vg＝d1*Vg_gps+d2*Vg_imu

其中d1，d2为加权系数，Vg_gps为GPS模块31提供的地速矢量，Vg_imu为惯性测量组件34提供的地速信息。其采用自适应加权融合算法，加权参数是无人机运动速度的函数(这个函数由两种地速组合导航的Kalman滤波计算求得)。

纠偏控制计算(预瞄跟随方法)步骤43：根据传感器数据获取步骤41计算出的传感器数据即无人机1运动的经纬度、地面速度矢量信息、磁航向信息、三轴姿态角(滚转、俯仰、偏航角)、三轴角速率(滚转、俯仰、偏航角速率)、机体坐标系速度矢量信息以及数据融合步骤42计算后的部分参数即修正地速矢量，进行纠偏控制指令计算，形成舵机控制指令发送给舵机伺服控制器35。其中，纠偏控制计算方法采用预瞄跟随方法，具体在下面详细解释。

前轮操纵指令发送步骤44：其根据从遥控接收机38接收到的遥控指令或自动驾驶指令控制前轮舵机36进行相应的动作；无人机滑跑纠偏控制装置3具有2种状态(遥控状态和自动驾驶状态)，在遥控状态时向前轮舵机36输出遥控接收机38的遥控指令，在自动驾驶状态时向前轮舵机36输出前轮控制的自动驾驶指令。自动驾驶指令依据预瞄跟随滑跑纠偏控制算法得出。

数传电台指令接收与状态发送步骤45：可以接收地面控制站39的指令，并向地面控制站39发送无人机滑跑纠偏控制装置3的状态。

图4示出了本发明中纠偏控制计算方法即预瞄跟随方法的流程图。如图4所示，该方法包括理想侧向加速度的计算步骤431、自整定控制器步骤432、转向特性估计步骤433。

计算的理想侧向加速度与实际侧向加速度求差后，送入自整定控制器432，形成舵机控制指令。舵机控制指令送往无人机前轮操纵动力学模型，形成无人机的实际运动。转向特性估计433实时估计舵机控制指令输入和侧向加速度输出的模型参数，并在自整定控制器432其中形成控制参数的实时在线调整(具体计算方法见后续，即对公式5的一阶线性模型的参数进行了基于ARMA模型的递归在线辨识，获取模型参数K，T_d，T_ny，T_dy；再根据公式8，获得控制参数的在线调整)。自整定控制器432与转向特性估计433联合使用，可以达到期望的侧向加速度控制性能。

图5是本发明中预瞄跟随方法下计算理想侧向加速度的原理图。如图5所示：

首先，建立无人机机体坐标系。此时重心位置的大地坐标系为X(t)，Y(t)，机体坐标为x(t)，y(t)，无人机偏航角为ψ。跑道函数在大地坐标系下为Y＝Y(X)，机体坐标系下为y＝y(x)。其中各点机体坐标(x，y)与大地坐标(X，Y)的关系为：

$\left\{\begin{array}{c}X=x\cos \mathrm{\ψ}-y\sin \mathrm{\ψ}\\ Y=x\sin \mathrm{\ψ}+y\cos \mathrm{\ψ}\end{array}\right.---\left(1\right)$

在每一时刻都根据无人机的偏航角ψ将跑道函数从大地坐标转换为机体坐标，把机体坐标下的跑道函数作为系统的输入。

其次，确定预瞄点。由预瞄时间T可确定预瞄点P在机体坐标系中的横坐标如下，其中预瞄时间为所述预瞄计算的时间提前量，即假设时间T后到达期望轨迹上的预瞄点：

x_P(t+T)＝x(t)+7Vcosβ   (2)

其中，V指的是修正地速，β指速度矢量与机体坐标系X轴的夹角，如图5所示。

根据预瞄点P的横坐标和跑道中心线函数y＝y_r[x(t)]，可确定预瞄点P在机体坐标系中的纵坐标为

y_P＝y_r[x_P(t+T)]   (3)

最后，确定理想的侧向加速度。在当前时刻t，无人机在机体坐标系下的状态为y(t)与 为y(t)的导数。按照轨迹误差最小原则，此时无人机所需的理想侧向加速度为：

${\stackrel{\·\·}{y}}^{*}=\frac{2}{T^2}[y_P-y\left(t\right)-T\stackrel{\·}{y}\left(t\right)]---\left(4\right)$

本发明中纠偏控制计算(预瞄跟随方法)43的计算方法如下：

预瞄跟随方法下的理想侧向加速度431的输入信号为跑道中心线方程、无人机的运动参数信息(经纬度、地面速度矢量信息、磁航向信息、三轴姿态角、三轴角速率、机体坐标系速度矢量)，输出信号为理想侧向加速度根据跑道中心线方程和无人机的运动参数信息，依据公式(1-4)计算理想侧向加速度

转向特性估计433，采用下式模型估计无人机前轮操纵动力学模型：

$\frac{\stackrel{\·\·}{y}}{{\mathrm{\θ}}_L}=K\frac{1+T_{\mathrm{ny}}s}{(1+T_{\mathrm{dy}}s)}\·\frac{1}{(1+T_{d}s)}---\left(5\right)$

其中：s为传递函数中的复数自变量，θ_L，K，T_d，T_ny，T_dy分别为实际的侧向加速度、舵机控制指令、比例系数、舵机响应常数、一阶特性分子常数、一阶特性分母常数。采用了带遗忘因子的递归最小二乘方法，根据无人机前轮操纵动力学模型的舵机控制指令输入和侧向加速度输出，对上面的一阶线性模型的参数进行了基于ARMA模型的递归在线辨识，获取模型参数K，T_d，T_ny，T_dy。具体地：连续采集θ_L和对公式5一阶线性模型的参数进行基于ARMA模型的递归在线辨识，可以得到模型参数K，T_d，T_ny，T_dy。

自整定控制器432：采用求出舵机控制指令θ_L，其中采用如下控制律传递函数：

$G\left(s\right)=K_p(1+\frac{T_{D}s}{1+T_{\mathrm{DF}}s})---\left(6\right)$

其中，K_p为控制律增益，T_D是微分系数，T_DF是惯性系数。

一个理想的纠偏控制计算应满足从理想的侧向加速度到实际的侧向加速度传递函数之积趋近于1，即：

$G\left(s\right)K\frac{1+T_{\mathrm{ny}}s}{(1+T_{\mathrm{dy}}s)}=K_p(1+\frac{T_{D}s}{1+T_{\mathrm{DF}}s})K\frac{1+T_{\mathrm{ny}}s}{(1+T_{\mathrm{dy}}s)}=1---\left(7\right)$

可以得：自整定控制参数K_p，T_D，T_DF为：

$K_p=\frac{1}{K},T_D=T_{\mathrm{dy}}-T_{\mathrm{ny}},T_{\mathrm{DF}}=T_{\mathrm{dy}}---\left(8\right)$

在预瞄跟随方法下，给出了纠偏控制计算(预瞄跟随方法)的计算方法。算法对具有强非线性且时变的无人机前轮操纵动力学模型进行了一阶等效线性化，并利用带遗忘因子的递归最小二乘方法进行了等效参考模型的参数在线辨识，最终按照理想的预瞄跟随器的结构进行了转向特性估计，建立了自整定控制器的参数在线调节方法。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种无人机滑跑纠偏控制装置，其特征在于：包括GPS模块、磁航向仪、纠偏控制器、惯性测量单元舵机伺服控制器、前轮舵机； 

其中，所述GPS模块用于获取无人机的经纬度和地面速度矢量信息； 

所述磁航向仪用于获取无人机的磁航向信息； 

所述惯性测量单元用于获取无人机运动的三轴姿态角、三轴角速率和机体坐标系速度矢量信息；纠偏控制器根据所述GPS模块、磁航向仪和惯性测量单元获取的上述参数进行纠偏控制计算，形成舵机控制指令送往舵机伺服控制器； 

所述舵机伺服控制器接收所述纠偏控制器发送的舵机控制指令，产生功率放大信号，用以驱动前轮舵机； 

所述前轮舵机根据所述舵机伺服控制器输出的功率放大信号形成前轮偏转，进而引起无人机的纠偏运动轨迹跟踪。 

2.如权利要求1所述的无人机滑跑纠偏控制装置，其中，其安装在所述无人机上。 

3.如权利要求1-2任一项所述的无人机滑跑纠偏控制装置，其中，所述纠偏控制器包括：DSP、RAM、FLASH、电源、看门狗电路、第一RS232口、第二RS232口、第三RS232口、RS485口3311； 

其中，第一RS232口、第二RS232口、第三RS232口分别连接至所述GPS模块、磁航向仪和惯性测量单元；RS485口3311连接至舵机伺服控制器，RAM用于存储数据，FLASH用于存储程序；看门狗电路提供定时脉冲信号，所述DSP用于执行所存储的程序。 

4.一种无人机滑跑纠偏控制方法，其包括： 

获取无人机的运动参数，包括运动的经纬度、地面速度矢量信息、磁航向信息、三轴姿态角、三轴角速率和机体坐标系速度矢量信息； 

对所述运动参数进行数据融合和纠偏控制指令计算，形成舵机控制指令； 

根据所述舵机控制指令驱动所述无人机的前轮发生偏转，进而对所述无人机的滑动进行纠偏控制。 

5.如权利要求3所述的方法，其中，对所述运动参数进行融合具体包括： 

将所述GPS模块31提供的地面速度矢量信息和惯性测量组件34提供的机体坐标系速度矢量信息进行加权融合，获得修正的地速信息。 

6.如权利要求1所述的方法，其中，纠偏控制指令计算具体包括： 

计算无人机理想侧向加速度与实际侧向加速度的差，即

利用上述差结果和控制律函数G(s)计算得到舵机控制指令，如下式所示： 

其中，Kp为控制律增益，TD是微分系数，TDF是惯性系数。 

7.如权利要求6所述的方法，其中，理想侧向加速度如下计算： 

其中，T为预瞄时间，y_P为预瞄点P在机体坐标系中的纵坐标，y(t)为无人机中心位置在机体坐标系中的纵坐标；为y(t)的导数。 

8.如权利要求7所述的方法，其中，预瞄点P在机体坐标系中的纵坐标y_P如下计算： 

y_P＝y_r[x_P(t+T)]； 

x_P(t+T)＝x(t)+TVcosβ 

其中，y＝y_r[x(t)]为跑道中心线函数；x(t)为无人机中心位置在机体坐标系中的横坐标；V指的是修正的地速；β指速度矢量与机体坐标系X轴的夹角。 

9.如权利要求6所述的方法，其中， 

其中，K，T_d，T_ny，T_dy为模型参数，分别为比例系数、舵机响应常数、一阶特性分子常数、一阶特性分母常数。 

10.如权利要求9所述的方法，其还包括： 

连续采集舵机控制指令θ_L和实际侧向加速度

对于以下一阶线性模型中的模型参数进行基于ARMA模型的递归在线辨识： 

最终得到模型参数K，T_d，T_ny，T_dy。