CN110376888A - 纵列式无人直升机模糊自整定pid控制方法及装置 - Google Patents
纵列式无人直升机模糊自整定pid控制方法及装置 Download PDFInfo
- Publication number
- CN110376888A CN110376888A CN201910628548.3A CN201910628548A CN110376888A CN 110376888 A CN110376888 A CN 110376888A CN 201910628548 A CN201910628548 A CN 201910628548A CN 110376888 A CN110376888 A CN 110376888A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- control
- pid
- self
- unmanned
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012937 correction Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 14
- 230000005484 gravity Effects 0.000 claims description 7
- 230000001052 transient effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000000694 effects Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明实施例提供一种纵列式无人直升机模糊自整定PID控制方法及装置，所述方法包括：根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法及装置，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
Description
技术领域
本发明涉及无人直升机控制技术领域，尤其涉及一种纵列式无人直升机模糊自整定PID控制方法及装置。
背景技术
随着无人飞行器(UAV)应用领域的不断扩大，无人直升机控制技术的研究受到了激励。在无人直升机的家族中，纵列式无人直升机虽然市场保有量和研究热度不如常规无人直升机，但纵列式无人直升机在垂直起飞的飞行器中发挥着重要作用。
纵列式无人直升机有两个旋翼，一个是逆时针旋转，另一个是顺时针旋转。这使得前后旋翼的反扭矩相互抵消，因此不需要额外的系统，例如单旋翼无人直升机的尾旋翼，这样可以节省约7％的悬停能耗。纵列式无人直升机的另一个主要设计优势是两个旋翼可以提供显著的升力。这种情况不会发生在传统的单旋翼无人直升机上，因为主旋翼是唯一的升力来源。因此，纵列式无人直升机可以携带更多有效载荷。另外由于纵列式无人直升机的两个旋翼能够补偿重量移动，因此纵列式无人直升机具有携带非约束有效载荷的优点，纵向重心范围更大。然而，非约束有效载荷对控制技术的要求更高，要求纵列式无人直升机具有较好的静、动态控制性能，具有较强的鲁棒性和抗干扰能力。
PID控制因其不依赖于被控对象的精确数学模型，并且设计简单、使用方便，被广泛应用于飞行器的控制系统中。现有技术中普遍才使用传统PID控制方法实现纵列式无人直升机的控制。
但是，传统PID控制对系统的不确定性和非线性状况处理效果不佳，例如，在纵列式无人直升机空载和满载时，其控制性能将出现很大的差异，导致系统的鲁棒性往往无法令人满意。再例如，飞机在较为理想的环境中和在有较大阵风的环境中，其控制性能也出现很大的差异，导致系统的抗干扰性能不佳。
发明内容
本发明实施例提供一种纵列式无人直升机模糊自整定PID控制方法及装置，用于解决现有技术中纵列式无人直升机的鲁棒性和抗干扰能力差的技术问题。
为了解决上述技术问题，一方面，本发明实施例提供一种纵列式无人直升机模糊自整定PID控制方法，其特征在于，包括：
根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；
将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
进一步地，所述根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正，具体包括：
将飞行状态参数的偏差值和偏差变化率，输入至预设的模糊控制算法模型，输出PID控制器的系统参数的模糊修正值；
再利用重心法将PID控制器的系统参数的模糊修正值转化正精确修正值；
根据PID控制器的系统参数的初始值和精确修正值，得到修正之后的PID控制器的系统参数。
进一步地，获取所述模糊控制算法模型的具体步骤如下：
分别构建模糊控制算法模型的输入输出值的模糊子集；
根据专家经验构建模糊控制规则表，以所述模糊控制规则表作为模糊控制算法模型。
进一步地，所述根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正之前，还包括：
获取期望的飞行状态参数值，以及当前的真实的飞行状态参数值；
根据期望的飞行状态参数值，以及当前的真实的飞行状态参数值，计算出飞行状态参数的偏差值和偏差变化率。
进一步地，所述飞行状态参数至少包括俯仰角、翻滚角、偏航角和高度中的任一种。
另一方面，本发明实施例提供一种纵列式无人直升机模糊自整定PID控制装置，包括：
修正模块，用于根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；
控制模块，用于将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
进一步地，所述修正模块具体用于：
将飞行状态参数的偏差值和偏差变化率，输入至预设的模糊控制算法模型，输出PID控制器的系统参数的模糊修正值；
再利用重心法将PID控制器的系统参数的模糊修正值转化正精确修正值；
根据PID控制器的系统参数的初始值和精确修正值，得到修正之后的PID控制器的系统参数。
进一步地，还包括模型构建模块，用于：
分别构建模糊控制算法模型的输入输出值的模糊子集；
根据专家经验构建模糊控制规则表，以所述模糊控制规则表作为模糊控制算法模型。
再一方面，本发明实施例提供一种电子设备，包括：存储器、处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述方法的步骤。
又一方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述方法的步骤。
本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法及装置，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，建立模糊自整定PID控制器，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
附图说明
图1为本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法示意图；
图2为本发明实施例提供的纵列式无人直升机系统框图；
图3为本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法的控制原理图；
图4为本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法的逻辑流程图；
图5为本发明实施例提供的纵列式无人直升机模糊自整定PID控制器的原理图；
图6为本发明实施例提供的模糊自整定PID控制方法的高度回路的控制仿真效果图；
图7为本发明实施例提供的模糊自整定PID控制方法的横滚回路的控制仿真效果图；
图8为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的控制仿真效果图；
图9为本发明实施例提供的模糊自整定PID控制方法的航向回路的控制仿真效果图；
图10为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的Kp自整定曲线图；
图11为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的Ki自整定曲线图；
图12为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的Kd自整定曲线图；
图13为本发明实施例提供的纵列式无人直升机模糊自整定PID控制装置示意图；
图14为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本发明实施例的目的、技术方案和优点更加清楚，下面将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，都属于本发明保护的范围。
图1为本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法示意图，如图1所示，本发明实施例提供一种纵列式无人直升机模糊自整定PID控制方法，其执行主体为纵列式无人直升机模糊自整定PID控制装置，该方法包括：
步骤S101、根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正。
具体来说，在根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正之前，还包括：获取期望的飞行状态参数值，以及当前的真实的飞行状态参数值；根据期望的飞行状态参数值，以及当前的真实的飞行状态参数值，计算出飞行状态参数的偏差值和偏差变化率。
通过姿态/高度检测传感器实时采集机体的加速度和角速度信息，经过姿态解算，得到纵列式无人直升机当前的飞行状态参数，飞行状态参数包括姿态角和高度，姿态角主要包括俯仰角、横滚角和偏航角。
将期望姿态角和期望高度输入至控制器，再根据实时采集的当前姿态角和高度信息分别与期望姿态角和高度信息对比和运算，计算三个期望姿态角及高度与当前姿态角及高度之间的差值。
图2为本发明实施例提供的纵列式无人直升机系统框图，如图2所示，姿态/高度检测传感器和模糊自整定PID控制器构成纠正姿态角和高度偏差的闭环控制系统。
图3为本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法的控制原理图，如图3所示，模糊自整定PID控制器包括模糊控制器和PID控制器，其中，模糊控制器用于对PID控制器的系统参数进行修正，PID控制器用于计算执行机构的控制量，对纵列式无人直升机的控制。
在计算出飞行状态参数的偏差值和偏差变化率之后，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正。预设的模糊控制算法模型搭载于模糊控制器中。
步骤S102、将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
具体来说，在获取修正之后的PID控制器的系统参数之后，将修正后的系统参数输入至PID控制器，得到修正之后的PID控制器，经过修正之后的PID控制器为模糊自整定PID控制器。再将飞行状态参数的偏差值和偏差变化率，输入至模糊自整定PID控制器，即可输出精确的执行机构的控制量，最终调整纵列式无人直升机的姿态角和高度。
例如，使用位置式PID算法如公式(1)所示：
u(k)＝Kp*e(k)+Ki∑e(k)+Kd[e(k)-e(k-1)] (1)
式中，u(k)为第k个控制周期的PWM占空比值，即电机控制量，Kp、Ki、Kd为修正之后的PID器的系统参数，e(k)为输入变量。
本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，建立模糊自整定PID控制器，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
基于上述任一实施例，进一步地，所述根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正，具体包括：
将飞行状态参数的偏差值和偏差变化率，输入至预设的模糊控制算法模型，输出PID控制器的系统参数的模糊修正值；
再利用重心法将PID控制器的系统参数的模糊修正值转化正精确修正值；
根据PID控制器的系统参数的初始值和精确修正值，得到修正之后的PID控制器的系统参数。
具体来说，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正的具体步骤如下：
首先，进行模糊处理，得到PID控制器的系统参数的模糊修正值。
模糊处理包括模糊化和模糊推理。
对飞行状态参数的偏差值e和偏差变化率ec，进行模糊化处理，得到飞行状态参数的偏差值e的模糊值E，以及飞行状态参数的偏差变化率ec的模糊值Ec。
再将飞行状态参数的偏差值e的模糊值E，以及飞行状态参数的偏差变化率ec的模糊值Ec，输入至预先构建好的模糊控制算法模型，输出PID控制器的系统参数的模糊修正值ΔKp、ΔKi和ΔKd。
然后，结合Mamdani推理算法和重心法将PID控制器系统参数的模糊值清晰化，得到清晰化的PID控制器系统参数修正值，再乘以比例因子，得到最终的PID控制器系统参数的精确修正值ΔKp、ΔKi和ΔKd。
再结合PID控制器系统参数的初始值，即可得到修正之后的PID控制器系统参数，修正之后的PID器的系统参数如公式(2)所示：
其中，Kp、Ki、Kd为修正之后的PID器的系统参数，ΔKp、ΔKi、ΔKd为计算出来的PID控制器系统参数的精确修正值，Kp0、Ki0、Kd0为PID控制器系统参数的初始值。
本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，建立模糊自整定PID控制器，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
基于上述任一实施例，进一步地，获取所述模糊控制算法模型的具体步骤如下：
分别构建模糊控制算法模型的输入输出值的模糊子集；
根据专家经验构建模糊控制规则表，以所述模糊控制规则表作为模糊控制算法模型。
具体来说，构建模糊控制算法模型的具体步骤如下：
①定义模糊控制器的输入量和输出量。
例如，将纵列式无人直升机的三个姿态角及高度的偏差值及偏差变化率作为模糊控制器的输入变量，将传统PID控制器中的三个参数，Kp、Ki、Kd的修正值ΔKp,ΔKi,ΔKd作为模糊控制器中的输出变量。
②定义模糊控制器的输入/输出论域。
选择各输入/输出变量的范围，根据此范围定义多个等级的输入/输出论域。
在定义模糊控制器的输入/输出论域中，根据在实验室模拟的一些特殊工况下误差的最大值，选择各输入变量和输出变量的范围。
例如，将论域定义为21个等级：{-10，-9，-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8，9，10}。
③定义模糊控制器的输入/输出模糊子集。
将纵列式无人直升机的姿态角和高度的偏差值、偏差变化率以及PID控制器控制参数的修正值ΔKp,ΔKi,ΔKd分为多档语言值，将输入变量和输出变量离散化和模糊化到各档语言值中，形成模糊子集。模糊子集的隶属度函数，本实施例中隶属度函数均采用高斯型。
例如，在定义输入/输出模糊集中，将姿态偏差、高度偏差、偏差的变化率及PID控制器参数的修正量ΔKp,ΔKi,ΔKd分为7个语言变量，形式表示为负大、负中、负小、零、正小、正中、正大，对应的符号为NB、NM、NS、ZE、PS、PM、PB。
以姿态角及高度偏差e和姿态角和高度偏差变化率ec作为模糊控制器的输入值，定义所述偏差e和偏差变化率ec的模糊子集为(NB,NM,NS,ZO,PS,PM,PB)，并将该模糊子集映射到论域[-10°,10°]和[-10°/s,10°/s]上。
将模糊控制器的输出值ΔKp,ΔKi,ΔKd分别作为经典PID控制器控制参数的修正值，将所述模糊控制器的输出值ΔKp,ΔKi,ΔKd的模糊子集定义为(NB,NM,NS,ZO,PS,PM,PB)，并将输出值ΔKp的模糊子集映射到论域[-60 60],将输出值ΔKi的模糊子集映射到论域[-0.2 0.2]，将输出值ΔKd的模糊子集映射到论域[-10 10]上。
④建立模糊控制规则表。
根据经验，在受控过程中对不同偏差e和偏差变化率ec，PID控制参数Kp、Ki及Kd的整定需要满足如下整定原则：
当偏差e较大，此时无论误差变化率ec的变化如何，为尽快消除误差，加快系统的响应速度，并避免因开始时偏差的瞬间变大可能引起的微分过饱和，使控制作用超出许可范围，此时应取较大的Kp、较小的Kd和较强的积分作用。
当误差e和误差变化率ec为中等大小，为使系统响应的超调减少，Kp、Ki和Kd都不能取太大，应取较小的Ki值，而Kp和Kd值的大小要适中，以保证系统的响应速度。
当误差e较小或为0时，主要的矛盾转化为稳定性问题，为使系统具有良好的稳态性能，应增大Kp和Kd值。同时为避免系统在设定值附近出现震荡，并考虑系统的抗干扰性能，应适度地选择Kd值，其原则是：当误差变化率ec较小时，Kd值可取大些，通常取为中等大小；当误差变化率ec较大时，Kd值应取小些。
例如，在上述在建立模糊控制规则中，根据模糊子集采用具有两输入三输出的规则，兼顾稳定性和响应速度，根据专家经验总结归纳出49条控制规则，如下：
R1：IF e＝NB and ec＝NB THENΔKp＝NB,ΔKi＝ZO,ΔKd＝PS；
R2：IF e＝NB and ec＝NM THENΔKp＝NB,ΔKi＝ZO,ΔKd＝NS；
R3：IF e＝NB and ec＝NS THENΔKp＝NB,ΔKi＝ZO,ΔKd＝NB；
……
……
R47：IF e＝PB and ec＝NS THENΔKp＝PM,ΔKi＝ZO,ΔKd＝PS；
R48：IF e＝PB and ec＝PM THENΔKp＝PB,ΔKi＝ZO,ΔKd＝PS；
R49：IF e＝PB and ec＝PB THENΔKp＝PB,ΔKi＝ZO,ΔKd＝PB。
进而，建立模糊控制规则表如表1所示。
表1模糊控制规则表
利用模糊控制规则表，根据推理合成规则，对输出模糊集合进行模糊判决得到输出论域中的对应值。
本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，建立模糊自整定PID控制器，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
基于上述任一实施例，进一步地，所述根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正之前，还包括：
获取期望的飞行状态参数值，以及当前的真实的飞行状态参数值；
根据期望的飞行状态参数值，以及当前的真实的飞行状态参数值，计算出飞行状态参数的偏差值和偏差变化率。
具体来说，通过姿态/高度检测传感器实时采集机体的加速度和角速度信息，经过姿态解算，得到纵列式无人直升机当前的飞行状态参数，飞行状态参数包括姿态角和高度，姿态角主要包括俯仰角、横滚角和偏航角。
将期望姿态角和期望高度输入至控制器，再根据实时采集的当前姿态角和高度信息分别与期望姿态角和高度信息对比和运算，计算三个期望姿态角及高度与当前姿态角及高度之间的差值，计算方法如公式(3)所示：
其中，z0、θ0、ψ0分别为实际的高度、翻滚角、俯仰角、偏航角，zd、θd、ψd分别为给定的期望的高度、俯仰角、翻滚角、偏航角，ez、eθ、eψ分别为高度、俯仰角、翻滚角、偏航角的偏差值。
本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，建立模糊自整定PID控制器，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
基于上述任一实施例，进一步地，所述飞行状态参数至少包括俯仰角、翻滚角、偏航角和高度中的任一种。
具体来说，本发明实施例中飞行状态参数至少包括俯仰角、翻滚角、偏航角和高度中的任一种。可以实现对纵列式无人直升机的不同飞行参数的控制。
本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，建立模糊自整定PID控制器，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
基于上述任一实施例，图4为本发明实施例提供的纵列式无人直升机模糊自整定PID控制方法的逻辑流程图，纵列式无人直升机模糊自整定PID控制方法的逻辑流程如图4所示。
图5为本发明实施例提供的纵列式无人直升机模糊自整定PID控制器的原理图，纵列式无人直升机模糊自整定PID控制器的原理如图5所示。
为验证上述实施例中纵列式无人直升机模糊自整定PID控制方法的控制效果，提出了纵列式无人直升机的简化模型如下：
其中，m＝46kg，Ix＝1.5 Nms2，Iy＝2.9 Nms2，Iz＝3.0 Nms2。
根据上述简化模型的验证结果如下：
图6为本发明实施例提供的模糊自整定PID控制方法的高度回路的控制仿真效果图，模糊自整定PID控制方法的高度回路的控制仿真效果如图6所示。
图7为本发明实施例提供的模糊自整定PID控制方法的横滚回路的控制仿真效果图，模糊自整定PID控制方法的横滚回路的控制仿真效果如图7所示。
图8为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的控制仿真效果图，模糊自整定PID控制方法的俯仰回路的控制仿真效果如图8所示。
图9为本发明实施例提供的模糊自整定PID控制方法的航向回路的控制仿真效果图，模糊自整定PID控制方法的航向回路的控制仿真效果如图9所示。
从仿真效果曲线可以看出，单纯PID控制和模糊自整定PID控制，虽然两种控制方法的上升时间和稳态精度基本相同，但模糊自整定PID控制器的超调量比经典PID控制器小近40％，模糊自整定PID控制器的整定时间仅为经典PID控制器整定时间的一半。此外，为了验证这两种控制算法的抗外部干扰能力和抗干扰能力，在仿真时间为8秒时，增加了脉宽为5％、周期为8秒、振幅为10的脉冲信号。从图5-图8可以清楚地看出，模糊自整定PID控制器的抗干扰能力明显优于传统PID控制器。
图10为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的Kp自整定曲线图，模糊自整定PID控制方法的俯仰回路的Kp自整定曲线如图10所示。
图11为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的Ki自整定曲线图，模糊自整定PID控制方法的俯仰回路的Ki自整定曲线如图11所示。
图12为本发明实施例提供的模糊自整定PID控制方法的俯仰回路的Kd自整定曲线图，模糊自整定PID控制方法的俯仰回路的Kd自整定曲线如图12所示。
从图中可以看到模糊自整定PID控制方法确实起到了在线自整定PID控制参数的良好效果。
基于上述任一实施例，图13为本发明实施例提供的纵列式无人直升机模糊自整定PID控制装置示意图，本发明实施例提供一种纵列式无人直升机模糊自整定PID控制装置，包括修正模块1301和控制模块1302，其中：
修正模块1301用于根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；控制模块1302用于将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
基于上述任一实施例，进一步地，所述修正模块具体用于：
将飞行状态参数的偏差值和偏差变化率，输入至预设的模糊控制算法模型，输出PID控制器的系统参数的模糊修正值；
再利用重心法将PID控制器的系统参数的模糊修正值转化正精确修正值；
根据PID控制器的系统参数的初始值和精确修正值，得到修正之后的PID控制器的系统参数。
基于上述任一实施例，进一步地，还包括模型构建模块，用于：
分别构建模糊控制算法模型的输入输出值的模糊子集；
根据专家经验构建模糊控制规则表，以所述模糊控制规则表作为模糊控制算法模型。
本发明实施例提供一种纵列式无人直升机模糊自整定PID控制装置，用于执行上述任一实施例中所述的方法，通过本实施例提供的装置执行上述某一实施例中所述的方法的具体步骤与上述相应实施例相同，此处不再赘述。
本发明实施例提供的纵列式无人直升机模糊自整定PID控制装置，在经典PID控制的基础上引入模糊智能的思想，通过找出PID控制器的系统参数与偏差值，以及与偏差变化率之间的关系，建立模糊自整定PID控制器，实现PID控制器系统参数修正值的在线自整定，解决了PID控制器系统参数的实时自整定问题，可以提高纵列式无人直升机的静、动态控制性能，提升了系统的鲁棒性和抗干扰能力。
图14为本发明实施例提供的电子设备的结构示意图，如图14所示，所述设备包括：处理器(processor)1401、存储器(memory)1402、总线1403，以及存储在存储器上并可在处理器上运行的计算机程序。
其中，处理器1401和存储器1402通过总线1403完成相互间的通信；
处理器1401用于调用并执行存储器1402中的计算机程序，以执行上述各方法实施例中的步骤，例如包括：
根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；
将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例中的步骤，例如包括：
根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；
将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述各方法实施例中的步骤，例如包括：
根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；
将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
以上所描述的装置及设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种纵列式无人直升机模糊自整定PID控制方法，其特征在于，包括：
根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；
将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
2.根据权利要求1所述的纵列式无人直升机模糊自整定PID控制方法，其特征在于，所述根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正，具体包括：
将飞行状态参数的偏差值和偏差变化率，输入至预设的模糊控制算法模型，输出PID控制器的系统参数的模糊修正值；
再利用重心法将PID控制器的系统参数的模糊修正值转化正精确修正值；
根据PID控制器的系统参数的初始值和精确修正值，得到修正之后的PID控制器的系统参数。
3.根据权利要求1所述的纵列式无人直升机模糊自整定PID控制方法，其特征在于，获取所述模糊控制算法模型的具体步骤如下：
分别构建模糊控制算法模型的输入输出值的模糊子集；
根据专家经验构建模糊控制规则表，以所述模糊控制规则表作为模糊控制算法模型。
4.根据权利要求1所述的纵列式无人直升机模糊自整定PID控制方法，其特征在于，所述根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正之前，还包括：
获取期望的飞行状态参数值，以及当前的真实的飞行状态参数值；
根据期望的飞行状态参数值，以及当前的真实的飞行状态参数值，计算出飞行状态参数的偏差值和偏差变化率。
5.根据权利要求1所述的纵列式无人直升机模糊自整定PID控制方法，其特征在于，所述飞行状态参数至少包括俯仰角、翻滚角、偏航角和高度中的任一种。
6.一种纵列式无人直升机模糊自整定PID控制装置，其特征在于，包括：
修正模块，用于根据飞行状态参数的偏差值和偏差变化率，利用预设的模糊控制算法模型对PID控制器的系统参数进行修正；
控制模块，用于将所述飞行状态参数的偏差值和偏差变化率，以及修正后的系统参数输入至所述PID控制器，输出执行机构的控制量。
7.根据权利要求6所述的纵列式无人直升机模糊自整定PID控制装置，其特征在于，所述修正模块具体用于：
将飞行状态参数的偏差值和偏差变化率，输入至预设的模糊控制算法模型，输出PID控制器的系统参数的模糊修正值；
再利用重心法将PID控制器的系统参数的模糊修正值转化正精确修正值；
根据PID控制器的系统参数的初始值和精确修正值，得到修正之后的PID控制器的系统参数。
8.根据权利要求6所述的纵列式无人直升机模糊自整定PID控制装置，其特征在于，还包括模型构建模块，用于：
分别构建模糊控制算法模型的输入输出值的模糊子集；
根据专家经验构建模糊控制规则表，以所述模糊控制规则表作为模糊控制算法模型。
9.一种电子设备，包括存储器、处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1至5任一项所述纵列式无人直升机模糊自整定PID控制方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至5任一所述纵列式无人直升机模糊自整定PID控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910628548.3A CN110376888A (zh) | 2019-07-12 | 2019-07-12 | 纵列式无人直升机模糊自整定pid控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910628548.3A CN110376888A (zh) | 2019-07-12 | 2019-07-12 | 纵列式无人直升机模糊自整定pid控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110376888A true CN110376888A (zh) | 2019-10-25 |
Family
ID=68252903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910628548.3A Pending CN110376888A (zh) | 2019-07-12 | 2019-07-12 | 纵列式无人直升机模糊自整定pid控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110376888A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112198888A (zh) * | 2019-12-31 | 2021-01-08 | 北京理工大学 | 一种考虑无人机在机动平台自主起降的自适应pid控制方法 |
| CN116557873A (zh) * | 2023-05-17 | 2023-08-08 | 宜兴市张泽浇注耐火材料有限公司 | 固体废物焚烧处理在线灰渣玻璃化回转熔融方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106647832A (zh) * | 2016-12-29 | 2017-05-10 | 西安理工大学 | 一种基于CompactLogix的模糊自整定PID的液位控制方法 |
| CN106681136A (zh) * | 2017-02-17 | 2017-05-17 | 三峡大学 | 一种基于自整定模糊pid控制的同步电机励磁控制系统 |
| CN106860955A (zh) * | 2017-01-21 | 2017-06-20 | 广东食品药品职业学院 | 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 |
| CN107272723A (zh) * | 2017-08-02 | 2017-10-20 | 郑州轻工业学院 | 无人蝶形飞行器五档模糊高度控制方法 |
| CN107992071A (zh) * | 2017-12-05 | 2018-05-04 | 中国人民解放军陆军工程大学 | 尾座式无人机纵向姿态双模糊控制系统及方法 |
| CN108549208A (zh) * | 2018-03-14 | 2018-09-18 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
| CN109885084A (zh) * | 2019-03-08 | 2019-06-14 | 南开大学 | 一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法 |
-
2019
- 2019-07-12 CN CN201910628548.3A patent/CN110376888A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106647832A (zh) * | 2016-12-29 | 2017-05-10 | 西安理工大学 | 一种基于CompactLogix的模糊自整定PID的液位控制方法 |
| CN106860955A (zh) * | 2017-01-21 | 2017-06-20 | 广东食品药品职业学院 | 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 |
| CN106681136A (zh) * | 2017-02-17 | 2017-05-17 | 三峡大学 | 一种基于自整定模糊pid控制的同步电机励磁控制系统 |
| CN107272723A (zh) * | 2017-08-02 | 2017-10-20 | 郑州轻工业学院 | 无人蝶形飞行器五档模糊高度控制方法 |
| CN107992071A (zh) * | 2017-12-05 | 2018-05-04 | 中国人民解放军陆军工程大学 | 尾座式无人机纵向姿态双模糊控制系统及方法 |
| CN108549208A (zh) * | 2018-03-14 | 2018-09-18 | 重庆邮电大学 | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 |
| CN109885084A (zh) * | 2019-03-08 | 2019-06-14 | 南开大学 | 一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法 |
Non-Patent Citations (2)
| Title |
|---|
| 胡春华: "纵列式无人直升机建模及非线性控制", 《中国博士学位论文全文数据库》 * |
| 葛金来: "三自由度直升机实验系统的控制策略研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112198888A (zh) * | 2019-12-31 | 2021-01-08 | 北京理工大学 | 一种考虑无人机在机动平台自主起降的自适应pid控制方法 |
| CN116557873A (zh) * | 2023-05-17 | 2023-08-08 | 宜兴市张泽浇注耐火材料有限公司 | 固体废物焚烧处理在线灰渣玻璃化回转熔融方法及系统 |
| CN116557873B (zh) * | 2023-05-17 | 2023-12-08 | 宜兴市张泽浇注耐火材料有限公司 | 固体废物焚烧处理在线灰渣玻璃化回转熔融方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109946975B (zh) | 一种未知伺服系统的强化学习最优跟踪控制方法 | |
| Xie et al. | Differential dynamic programming with nonlinear constraints | |
| Li et al. | Robust tracking control strategy for a quadrotor using RPD-SMC and RISE | |
| CN108549208B (zh) | 一种基于因子自适应模糊pid的四旋翼飞行器姿态控制方法 | |
| Madani et al. | Adaptive control via backstepping technique and neural networks of a quadrotor helicopter | |
| CN108445766A (zh) | 基于rpd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法 | |
| CN111026160B (zh) | 一种四旋翼无人机轨迹跟踪控制方法 | |
| CN110376888A (zh) | 纵列式无人直升机模糊自整定pid控制方法及装置 | |
| CN110333733A (zh) | 一种四旋翼飞行器的串级变论域模糊pid姿态控制系统及方法 | |
| CN111766889A (zh) | 基于输出反馈的四旋翼自适应动态面滑模控制器 | |
| CN108490780A (zh) | 一种低功耗的四旋翼无人机大角度复杂姿态跟踪控制方法 | |
| Dou et al. | Identification of nonlinear aeroelastic system using fuzzy wavelet neural network | |
| CN111176122A (zh) | 一种基于双bp神经网络q学习技术的水下机器人参数自适应反步控制方法 | |
| CN113741188A (zh) | 执行器故障下固定翼无人机反步自适应容错控制方法 | |
| Bellahcene et al. | Adaptive neural network-based robust H∞ tracking control of a quadrotor UAV under wind disturbances | |
| CN112198888A (zh) | 一种考虑无人机在机动平台自主起降的自适应pid控制方法 | |
| Abro et al. | Single-Input fuzzy-sliding mode control for an underactuated quadrotor craft | |
| CN113885548B (zh) | 一种多四旋翼无人机输出约束状态一致博弈控制器 | |
| Liu et al. | Fuzzy controllers with neural network predictor for second-order linear systems with time delay | |
| Shauqee et al. | Quadrotor Controller Design Techniques and Applications Review. | |
| Toha et al. | Dynamic nonlinear inverse-model based control of a twin rotor system using adaptive neuro-fuzzy inference system | |
| Abdulla et al. | Roll control system design using auto tuning LQR technique | |
| Gao et al. | A Study on the Control Methods Based on 3-DOF Helicopter Model. | |
| Ponce et al. | Experimental fuzzy logic controller type 2 for a quadrotor optimized by ANFIS | |
| CN109176529B (zh) | 一种空间机器人协调运动的自适应模糊控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |
|
| RJ01 | Rejection of invention patent application after publication |