CN108919824A - 舰载无人机纵向着舰控制方法 - Google Patents

Abstract

本发明公开了一种舰载无人机纵向着舰控制方法，包括：建立舰载无人机纵向的非线性动力学模型，并转换成严格反馈模型；设计自适应反演姿态控制器，结合舰载无人机的当前姿态角与角速度对期望航迹角进行跟踪，并输出升降舵偏角；设计动力补偿控制器，结合舰载无人机的当前速度与期望速度，对舰载无人机的着舰速度进行跟踪控制，并输出相应的推力；由严格反馈模型根据接收到的升降舵偏角与推力进行舰载无人机纵向着舰控制。通过采用本发明公开的上述方法可以提升控制器的精确度和鲁棒性，提升舰载无人机着舰的安全性。

Description

舰载无人机纵向着舰控制方法

技术领域

本发明涉及舰载无人机着舰控制技术领域，尤其涉及一种舰载无人机纵向着舰控制方法。

背景技术

舰载无人机飞行控制比传统舰载飞机控制技术研究更具挑战性，具体表现在以下几个方面：舰载无人机控制系统实际上是强非线性和强耦合的系统；舰载无人机气动参数具有很大的不确定性；着舰过程中面临海洋气流的干扰，舰载无人机控制系统必须具有较高的控制精度和较强的抗干扰性。

目前舰载无人机着舰控制以线性方法为主，而着舰的非线性特征以及外部扰动会导致线性方法失效，因此有待进一步研究非线性方法在无人机着舰控制的应用。非线性控制方法是当前控制理论研究的热点，能够处理精度要求高、鲁棒性能高的实际控制问题，适合舰载无人机着舰控制律的设计。反演方法作为非线性方法的一种，最近几年在飞行控制方面也发挥了较大的功用，越来越多的学者采用该方法设计飞行控制律，但是在舰载无人机着舰领域还少有涉及。

发明内容

本发明的目的是提供一种舰载无人机纵向着舰控制方法，旨在提升控制器的精确度和鲁棒性，提升舰载无人机着舰的安全性。

本发明的目的是通过以下技术方案实现的：

一种舰载无人机纵向着舰控制方法，包括：

建立舰载无人机纵向的非线性动力学模型，并转换成严格反馈模型；

设计自适应反演姿态控制器，结合舰载无人机的当前姿态角与角速度对期望航迹角进行跟踪，并输出升降舵偏角；

设计动力补偿控制器，结合舰载无人机的当前速度与期望速度，对舰载无人机的着舰速度进行跟踪控制，并输出相应的推力；

由严格反馈模型根据接收到的升降舵偏角与推力进行舰载无人机纵向着舰控制。

由上述本发明提供的技术方案可以看出，考虑了舰载无人机非线性动态模型，通过对舰载无人机的非线性动态模型进行严格反馈模型的转换，通过基于自适应反演的舰载无人机纵向着舰控制，其跟踪性能更优，鲁棒效果更好，且本方法对舰载无人机的动力补偿系统进行设计，设计了自适应反演控制器对舰载无人机的着舰速度进行控制。通过以上舰载无人机纵向自适应反演控制器的设计，确保舰载无人机在着舰阶段的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种舰载无人机纵向着舰控制方法的示意图；

图2为本发明实施例提供的舰载无人机纵向受力及力矩示意图；

图3为本发明实施例提供的自适应反演姿态控制器结构示意图；

图4为本发明实施例提供的本方法的航迹角跟踪情况和传统PID控制方法的航迹角跟踪情况对比图；

图5为本发明实施例提供的控制舵输入仿真图；

图6为本发明实施例提供的俯仰角跟踪仿真图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种舰载无人机纵向着舰控制方法，如图1所示，其主要包括：

步骤1、建立舰载无人机纵向的非线性动力学模型，并转换成严格反馈模型。

如图2所示，为舰载无人机纵向受力及力矩示意图；本发明实施例中的舰载无人机着舰纵向模型采用非线性动力学模型，表示为：

其中，L为升力，F_t为发动机推力，m与g分别为舰载无人机重量和重力加速度，γ为航迹角，α为迎角，V_t是舰载无人机速度，θ为俯仰角，q为俯仰角速率，并且γ＝θ-α，M为纵向的转动力矩，I_yy为纵向的转动惯量；依次表示航迹角γ的导数、迎角α的导数、俯仰角θ的导数、俯仰角速率q的导数。

将升力L分解为 进一步表示为其中，δ_e为升降舵偏角，为升力曲线斜率，L_o为除了迎角外对升力的其它影响因素，M_α和M_q分别为迎角和俯仰角速度对力矩的影响因素，M_δ为控制俯仰力矩；则舰载无人机着舰纵向非线性模型重新表示为：

令航迹角状态俯仰角状态x₂＝θ，俯仰角速率状态x₃＝q，控制输入u＝δ_e，则将舰载无人机纵向的非线性模型初步转换成以下严格反馈形式：

其中，f₂(x₁,x₂)＝0；g₃(x₁,x₂)＝M_δ；依次表示航迹角状态x₁的导数、迎角状态x₂的导数、俯仰角速率状态x₃的导数；

由于L_o,M_q均为未知的空气动力学参数，本发明采用自适应方法将未知函数f_i(x₁,…x_i)(i＝1,2,3)用进行近似，其中为定义的未知参数向量，其具体表达式见下文，ψ_i(x₁,…x_i)(i＝1,2,3)为定义的已知回归参数向量，其具体表达式见下文；从而获得最终的严格反馈模型：

其中，g₁(x₁)＝1，g₂(x₁,x₂)＝1，g₃(x₁,x₂,x₃)＝M_δ，

步骤2、设计自适应反演姿态控制器，结合舰载无人机的当前姿态角与角速度对期望航迹角进行跟踪，并输出升降舵偏角。

本发明实施例中，自适应反演姿态控制器主要包括两部分，一为姿态角环控制，二为俯仰角速度环控制，两个环节都采用自适应技术和反演控制方法进行设计，其结构如图3所示。通过自适应反演姿态控制器实现对期望航迹角的跟踪，确保舰载无人机着舰姿态稳定。

所设计的自适应反演姿态控制器，用于消除期望航迹角状态和航迹角状态x₁之间的误差，期望俯仰角状态和俯仰角状态x₂之间的误差，消除期望俯仰角速率状态和俯仰角速率状态x₃之间的误差；

跟踪误差计算方法为：

跟踪误差状态方程为：

其中，依次表示跟踪误差z₁的导数、跟踪误差z₂的导数、跟踪误差z₂的导数；依次表示期望航迹角状态的导数、期望俯仰角状态的导数、期望俯仰角速率的导数；

由于飞行过程中参数向量和为未知量，通过自适应方法进行估计，估计值分别记为和估计误差和计算方法为：

本发明实施例中，所设计的自适应反演姿态控制器表示为：

其中，k₁,k₂,k₃为控制器设计参数；

姿态自适应控制律设计为：

其中，表示误差的导数，表示误差的导数，表示误差的导数，Γ₁,Γ₂,Γ₃为待设计的自适应矩阵系数。

步骤3、设计动力补偿控制器，结合舰载无人机的当前速度与期望速度，对舰载无人机的着舰速度进行跟踪控制，并输出相应的推力。

本发明实施例中，速度的动力学方程为：

其中，表示速度状态V_T的导数，F_T表示所设计的动力补偿控制器，D为阻力，由于阻力D为未知量，将其写成定义由于α是可测得，为可获得的向量；为与阻力相关的未知参数向量；

所设计的动力补偿控制器通过自适应反演方式消除期望速度V_r和速度状态V_T之间的误差，其跟踪误差为：

z_V＝V_T-V_r；

自适应误差为：

其中，为采用自适应方法对的估计。

速度跟踪误差状态方程为：

其中，表示期望速度V_r的导数，表示跟踪误差z_V的导数；

本发明实施例中，所设计的动力补偿控制器为：

其中，控制增益k_V＞0，ρ为空气密度，S为气动参考面积；

速度自适应控制律为：

其中，Γ_V＞0为待设计的自适应系数矩阵，表示估计值的导数。

步骤4、由严格反馈模型根据接收到的升降舵偏角与推力信号对舰载无人机的纵向模型进行着舰控制。

自适应控制是在控制过程中同步进行的，在当前阶段其输出舰载无人机当前的姿态角与角速度、速度(通过传感器可测)给两个控制器，由两个控制器配合自适应反演控制，相应的输出升降舵偏角、推力输入到严格反馈模型，控制模型进行着舰。然后模型反馈当前姿态角、角速度和速度，直至顺利完成着舰控制。

为了验证本发明在着舰控制上的有效性，进行了仿真实验。

仿真工具采用Matlab/Simulink软件，动力学模型参数采用某型舰载无人机：L₀＝-0.1，M_α＝0.1，M_q＝-0.02，M_δ＝1.0，V_r＝61m/s，g＝9.8m/s²。假设外界海洋气流干扰的不确定性为通过控制器设计使得舰载无人机在风干扰条件下能跟踪航迹角指令x_1d＝γ_d＝-3.5°。控制器参数：k_V＝3,k₁＝5,k₂＝9；自适应参数：Γ_V＝0.001I_3×3,Γ₁＝diag[-0.1 0.160 1.0]，Γ₂＝diag[1 -0.2 1.0]，Γ₃＝diag[1.0 1.0 -0.5]。

未知参数的初始值： [x₁(0) x₂(0) x₃(0)]＝[0 0 0]^T，其中x₁(0) x₂(0) x₃(0)分别为状态x₁ x₂ x₃的初始值。

通过设计以上仿真实验设计，得到航迹角跟踪结果如图4所示，采用本发明的控制方法，能较好的跟踪期望着舰航迹角-3.5°，并且和传统PID方法对比可知，本发明调节时间更快，超调量更小，跟踪效果更好。图5为本发明的舰载无人机反演控制方法的控制舵输入仿真图。图6为本发明的舰载无人机反演控制方法的俯仰角跟踪仿真图。图4与图6中的γ^d、θ^d均为跟踪目标曲线。

由仿真实验结果可知，本发明所述的一种舰载无人机纵向着舰控制方法，能够精确控制舰载无人机跟踪期望下滑轨迹角-3.5°，控制舵输入信号平稳光滑，跟踪效果迅速误差小，因此能确保舰载无人机安全着舰。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种舰载无人机纵向着舰控制方法，其特征在于，包括：

建立舰载无人机纵向的非线性动力学模型，并转换成严格反馈模型；

设计自适应反演姿态控制器，结合舰载无人机的当前姿态角与角速度对期望航迹角进行跟踪，并输出升降舵偏角；

设计动力补偿控制器，结合舰载无人机的当前速度与期望速度，对舰载无人机的着舰速度进行跟踪控制，并输出相应的推力；

由严格反馈模型根据接收到的升降舵偏角与推力进行舰载无人机纵向着舰控制。

2.根据权利要求1所述的一种舰载无人机纵向着舰控制方法，其特征在于，所述非线性动力学模型，表示为：

其中，L为升力，F_t为发动机推力，m与g分别为舰载无人机重量和重力加速度，γ为航迹角，α为迎角，V_t是舰载无人机速度，θ为俯仰角，q为俯仰角速率，并且γ＝θ-α，M为纵向的转动力矩，I_yy为纵向的转动惯量；依次表示航迹角γ的导数、迎角α的导数、俯仰角θ的导数、俯仰角速率的导数；

将升力L分解为 表示为其中，M_αα+M_qq表示其他参数对俯仰力矩的影响，δ_e为升降舵偏角，为升力曲线斜率，L_o为除了迎角外对升力的其它影响因素，M_α和M_q分别为迎角和俯仰角速度对力矩的影响因素，M_δ为控制俯仰力矩；则舰载无人机纵向的非线性动力学模型重新表示为：

令航迹角状态俯仰角状态x₂＝θ，俯仰角速率状态x₃＝q，控制输入u＝δ，则舰载无人机纵向的非线性动力学模型初步换成以下严格反馈形式：

其中，f₂(x₁,x₂)＝0；g₃(x₁,x₂)＝M_δ；依次表示航迹角状态x₁的导数、迎角状态x₂的导数、俯仰角速率状态x₃的导数；

L_o,M_q均为未知的空气动力学参数，本发明采用自适应方法将未知函数f_i(x₁,…x_i)(i＝1,2,3)用进行近似，其中为定义的未知参数向量，其具体表达式见下文，ψ_i(x₁,…x_i)(i＝1,2,3)为定义的已知回归参数向量，其具体表达式见下文；从而获得最终的严格反馈模型

其中，g₁(x₁)＝1，g₂(x₁,x₂)＝1，g₃(x₁,x₂,x₃)＝M_δ，

3.根据权利要求2所述的一种舰载无人机纵向着舰控制方法，其特征在于，所设计的自适应反演姿态控制器，用于消除期望航迹角状态和航迹角状态x₁之间的误差，期望俯仰角状态和俯仰角状态x₂之间的误差，消除期望俯仰角速率状态和俯仰角速率状态x₃之间的误差；

跟踪误差计算方法为：

跟踪误差状态方程为：

其中，依次表示跟踪误差z₁的导数、跟踪误差z₂的导数、跟踪误差z₂的导数；依次表示期望航迹角状态的导数、期望俯仰角状态的导数、期望俯仰角速率的导数；

飞行过程中的参数向量和为未知量，通过自适应方法进行估计，估计值分别记为和估计误差计算方法为：

4.根据权利要求3所述的一种舰载无人机纵向着舰控制方法，其特征在于，所设计的自适应反演姿态控制器表示为：

其中，k₁,k₂,k₃为控制器设计参数；

姿态自适应控制律设计为：

其中，表示误差的导数，表示误差的导数，表示误差的导数，Γ₁,Γ₂,Γ₃为自适应矩阵系数。

5.根据权利要求2所述的一种舰载无人机纵向着舰控制方法，其特征在于，

速度的动力学方程为：

其中，表示速度状态V_T的导数，F_T表示所设计的动力补偿控制器，D为阻力，由于阻力D为未知量，将其写成定义由于α是可测得，为可获得的向量；为与阻力相关的未知参数向量；

所设计的动力补偿控制器通过自适应反演方式消除期望速度V_r和速度状态V_T之间的误差，其跟踪误差为：

z_V＝V_T-V_r；

自适应误差为：

其中，为采用自适应方法对的估计；

速度跟踪误差状态方程为：

其中，表示期望速度V_r的导数，表示跟踪误差z_V的导数。

6.根据权利要求5所述的一种舰载无人机纵向着舰控制方法，其特征在于，所设计的动力补偿控制器为：

其中，控制增益k_V＞0，ρ为空气密度，S为气动参考面积；

速度自适应控制律为：

其中，Γ_V＞0为待设计的自适应系数矩阵，表示估计值的导数。