CN111158386B - 一种干扰自主免疫的无人机姿态控制系统及实现方法 - Google Patents

Abstract

本发明涉及一种干扰自主免疫的无人机姿态控制系统及实现方法，首先，建立无人机姿态控制系统多源干扰模型；其次，设计内环标称姿态控制器，保证无人机在标称情形下的姿态跟踪性能；然后，设计外环干扰观测器，对无人机姿态控制系统所受的外部干扰和建模误差进行实时估计与补偿；最后，通过合理选取外环干扰观测器参数，保证闭环系统的鲁棒性能。本发明改进了现有复合抗干扰控制器结构，通过将干扰观测器置于外环，实现了标称性能与鲁棒性能的解耦设计，增加了控制器的可剪裁性，保证了无人机姿态控制系统的干扰自主免疫能力，可解决战略侦察、抗震救灾、环境监测等任务中的无人机抗干扰控制问题。

Description

一种干扰自主免疫的无人机姿态控制系统及实现方法

技术领域

本发明涉及一种干扰自主免疫的无人机姿态控制系统及实现方法，应用于战略侦察、抗震救灾、环境监测等涉及无人机抗干扰控制的领域。

背景技术

近年来，无人机技术的发展呈现出低成本、小型化、集成化、任务类型多样化、作业环境复杂化等趋势，随之而来的问题是无人机姿态控制系统面临的干扰与不确定因素显著增加，对无人机姿态控制系统的自主抗干扰能力提出了严峻挑战。

无人机姿态控制系统受到的干扰因素大致可分为三类：第一类是阵风、气动干扰等外部干扰，第二类是执行器误差、机构振动等内部干扰，第三类是参数漂移、未建模动态等模型不确定性。其中，阵风干扰和未建模动态是影响无人机姿态控制精度的主要干扰类型。传统的无人机姿态控制方法大都将干扰视作一有界变量，通过增大闭环控制器增益达到抑制干扰的效果，这些方法由于未能充分利用干扰动态特性，因而精度有限，严重时会导致姿态振荡或发散。为进一步提升干扰影响下的姿态控制系统精度，近年来，相关学者提出了复合抗干扰姿态控制方法，其主要思想是针对主要干扰建立其动力学模型，设计内外环结构的复合控制器，实现基于干扰在线补偿的抗干扰控制。其中，内环的干扰观测器对主要干扰进行实时估计与补偿，外环的反馈控制器则用于保证闭环控制系统的稳定性和鲁棒性。复合抗干扰姿态控制方法可实现多类干扰的同时补偿与抑制，有效地提升了无人机姿态控制系统的抗干扰能力。

现有的无人机复合抗干扰姿态控制方法均将干扰观测器置于内环，且首先设计干扰观测器，再根据干扰观测器参数设计外环反馈控制器。该设计方法要求设计干扰观测器时必须同时改变姿态控制系统原有的控制器参数，可剪裁性不足。针对这一问题，本发明提出了干扰自主免疫的无人机姿态控制系统设计方法，这一设计方法的主要思想是将干扰观测器置于外环，且设计干扰观测器时无需改变原有的标称姿态控制器参数，此时，内环的标称姿态控制器仅需保证姿态控制系统的标称跟踪性能，而外环的干扰观测器则用于保证闭环控制系统的鲁棒性和抗干扰性，实现无人机姿态控制系统对外部干扰和建模误差的自主免疫。

发明内容

本发明的技术解决问题是：针对无人机姿态控制系统同时受到外部干扰和建模误差影响时精度和鲁棒性下降，现有抗干扰姿态控制系统设计方法可剪裁性不足的问题，提供一种干扰自主免疫的无人机姿态控制系统及实现方法，将干扰观测器置于复合控制器的外环，在选取干扰观测器参数时将含有内环标称姿态控制器的无人机姿态控制系统视作一广义对象，使相应参考输出对干扰输入的抑制比最优。这一设计方法的特点在于：一方面，内环标称姿态控制器可以与干扰观测器解耦设计，仅需保证无人机姿态控制系统的标称跟踪性能，因而增加了干扰观测器的可剪裁性；另一方面，在外环干扰观测器设计时，既利用了干扰模型信息对主要干扰进行实时估计与补偿，又优化了相应参考输出对干扰输入的抑制比，保证了闭环控制系统的干扰抑制效果，实现了无人机姿态控制系统对干扰的自主免疫。

本发明的技术解决方案为：一种干扰自主免疫的无人机姿态控制系统及实现方法，本针对一类受到多源干扰影响的无人机姿态控制系统，目标是通过对干扰的实时估计与补偿，实现无人机姿态控制系统对干扰的自主免疫，其特征在于：所述控制系统具有复合结构，内环为标称姿态控制器，外环为干扰观测器。其中，内环的标称姿态控制器基于无人机姿态控制系统的标称模型设计，保证无人机姿态控制系统在无干扰情形下的精确性和稳定性；外环的干扰观测器基于无人机姿态控制系统的多源干扰模型设计，利用干扰的动态特性信息，对无人机所受到的外部干扰和建模误差进行实时估计与补偿，保证干扰影响下无人机姿态控制系统的精确性和鲁棒性。上述各单元的具体实现步骤如下：

第一步，将无人机三轴姿态控制问题解耦处理，基于三个姿态轴的干扰动态，分别建立无人机俯仰、横滚、偏航三个通道的姿态控制多源干扰系统模型(以下仅介绍俯仰通道建模过程，其余两通道情况类似)。

通过将无人机俯仰通道姿态动力学模型在当前飞行工作点处线性化处理，建立如下的无人机俯仰通道姿态动力学状态空间模型：

其中，状态向量

α和

分别代表无人机的俯仰角速率、迎角和俯仰角；y＝x为量测输出；控制输入u＝δ_e为无人机升降舵偏角；系统矩阵

为俯仰角速率所产生的俯仰角加速度，M_α为迎角所产生的俯仰角加速度，Z_α为迎角所产生的迎角变化率；输入矩阵

输出矩阵

干扰信号d满足：

其中，

为干扰子系统的状态变量；

为干扰子系统的状态矩阵，ω为干扰频率；V＝[1 0]为干扰子系统的输出矩阵。

第二步，根据无人机俯仰通道标称模型，设计内环标称姿态观测器，保证无人机俯仰通道在无干扰情形下的精确性和稳定性。具体地，通过优化如下目标函数：

J＝∫(e^TQe+u^TRu)dt (3)

得到标称姿态控制律u^*的解析表达式为：

u^*＝R^-1B^TPx (4)

其中，e＝x-x_r为俯仰通道姿态跟踪误差，x_r为俯仰通道的期望姿态轨迹；Q和R为正定的权重矩阵，分别体现姿态跟踪误差和控制能耗在目标函数中的权重；P为如下代数Riccati方程：

A^TP+PA-PBR^-1B^TP+Q＝0 (5)

的解。

第三步，根据干扰模型(2)和系统的鲁棒性能指标，设计外环干扰观测器对干扰进行实时估计与补偿。首先，写出状态与干扰的增广系统模型，给出干扰观测器结构；然后，根据第二步中的标称控制器参数，选取干扰观测器的参数。

外环干扰观测器设计的具体步骤为：首先，将包含内环标称控制器在内的无人机姿态控制系统视作一增广模型，首先定义增广状态

并写出

的动力学模型如下：

其中，

均为已知的系数矩阵。针对由(6)式所描述的系统，设计如下干扰观测器：

其中，

为干扰估计值，L为待设计的干扰观测器增益矩阵。

为选取合适的L以保证无人机闭环姿态控制系统对外部干扰和建模误差的鲁棒性，首先定义参考输出加权传递函数W_u(s)和W_p(s)，其中，W_p(s)反映了干扰观测器的期望频域特性，W_u(s)则反映了闭环系统的补灵敏度特性，W_u(s)和W_p(s)的具体选取可视实际应用而定。选定W_u(s)和W_p(s)后，将含有干扰观测器以及输出加权传递函数W_u(s)和W_p(s)的闭环系统结构框图表示如图2所示。其中，P_n(s)是无人机标称姿态动力学传递函数，C(s)是标称姿态控制器的传递函数，P_DO(s)的是干扰观测器的传递函数，其状态空间实现为：

接下来，根据P_n(s)，C(s)，P_DO(s)，W_u(s)和W_p(s)，写出增广对象P_L(s)(如图中虚线框所示)的状态空间模型如下：

最后，控制系统设计者根据闭环跟踪性能和系统鲁棒性的需求，选取合适的干扰抑制比γ，通过求解||F_L(P_L(s),L)||_∞＜γ得到干扰观测器增益L，其中，

F_L(P_L(s),L)＝P_L11(s)+P_L12(s)K(I-P_L22(s)K)^-1P_L21(s)，

P_L11(s)＝C_L1(sI-A_L)^-1B_L1+D_L11，P_L12(s)＝C_L1(sI-A_L)^-1B_L2+D_L12，

P_L21(s)＝C_L2(sI-A_L)^-1B_L1+D_L21，P_L22(s)＝C_L2(sI-A_L)^-1B_L2+D_L22

具体求解步骤在传统H_∞控制文献中已有详述。

外环干扰观测器得到干扰估计值

后，与内环标称姿态控制器输出的标称控制量u^*复合，得到复合姿态控制律

本发明与现有技术相比的优点在于：

(1)本发明提出了一种干扰自主免疫的无人机姿态控制系统及实现方法，控制系统具有复合结构，内环的标称姿态控制器用于保证系统的标称跟踪性能，外环的干扰观测器用于实时估计补偿干扰影响，保证了闭环系统鲁棒性能，提升了无人机的干扰自主免疫能力；

(2)本发明不仅能够实现无人机姿态控制系统的干扰自主免疫，还使得内环控制器仅需针对无人机标称姿态动力学模型进行设计，而将闭环系统的鲁棒性能需求体现在外环干扰观测器的设计与参数选取中，实现了内环标称控制器的解耦设计，增加了无人机抗干扰控制器设计的灵活性和可剪裁性。

(3)本发明针对一类同时受到外部干扰和建模误差影响的无人机姿态控制系统，通过设计内环标称控制器和外环干扰观测器，实现了干扰的实时估计补偿和期望姿态的精确跟踪，保证了无人机姿态控制系统的自主抗干扰能力。与传统基于内环干扰观测器的无人机抗干扰控制方法相比，本发明方法实现了无人机姿态控制系统标称控制性能与鲁棒性能的解耦设计，具有更强的灵活性和可剪裁性，可应用于战略侦察、抗震救灾、环境监测等涉及无人机抗干扰控制的领域。

附图说明

图1为所发明的干扰自主免疫的无人机姿态控制系统实现方法的实施流程图；

图2为所发明的干扰自主免疫的无人机姿态控制系统结构框图。

具体实施方式

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，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，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。

如图1所示，本发明一种干扰自主免疫的无人机姿态控制系统及实现方法，可实现外部干扰和建模误差影响下的无人机自主干扰免疫。所设计的姿态控制系统具有复合结构，内环为标称姿态控制器，外环为干扰观测器。本发明的具体实现和实施流程如下(以下以无人机俯仰通道为例进行介绍，其余两通道的设计流程类似)：

1、无人机俯仰姿态动力学多源干扰系统建模：

将无人机三轴姿态控制问题解耦处理，基于三个姿态轴的干扰动态，分别建立无人机俯仰、横滚、偏航三个通道的姿态控制多源干扰系统模型(以下仅介绍俯仰通道建模过程，其余两通道情况类似)。

通过将无人机俯仰通道姿态动力学模型在当前飞行工作点处线性化处理，建立如下的无人机俯仰通道姿态动力学状态空间模型：

其中，状态向量

α和

分别代表无人机的俯仰角速率、迎角和俯仰角；y＝x为量测输出；控制输入u＝δ_e为无人机升降舵偏角；系统矩阵

为俯仰角速率所产生的俯仰角加速度，M_α为迎角所产生的俯仰角加速度，Z_α为迎角所产生的迎角变化率；输入矩阵

输出矩阵

干扰信号d满足：

其中，

为干扰子系统的状态变量；

为干扰子系统的状态矩阵，ω为干扰频率；V＝[1 0]为干扰子系统的输出矩阵。

2、基于无人机俯仰通道标称动力学模型的内环标称姿态控制器设计：

根据无人机俯仰通道标称动力学模型，设计内环标称姿态观测器，保证无人机俯仰通道在无干扰情形下的精确性和稳定性。具体地，通过优化如下目标函数：

J＝∫(e^TQe+u^TRu)dt (3)

得到标称姿态控制律u^*的解析表达式为：

u^*＝R^-1B^TPx (4)

其中，e＝x-x_r为俯仰通道姿态跟踪误差，x_r为俯仰通道的期望姿态轨迹；Q和R为正定的权重矩阵，分别体现姿态跟踪误差和控制能耗在目标函数中的权重；P为如下代数Riccati方程

A^TP+PA-PBR^-1B^TP+Q＝0 (5)

的解。

3、基于鲁棒多目标优化的外环干扰观测器设计：

根据干扰模型(2)和系统的鲁棒性能指标，设计外环干扰观测器对干扰进行实时估计与补偿。首先，写出状态与干扰的增广系统模型，给出干扰观测器结构；然后，根据第二步中的标称控制器参数，选取干扰观测器的参数。

外环干扰观测器设计的具体步骤为：首先，将包含内环标称控制器在内的无人机姿态控制系统视作增广模型，首先定义增广状态

并写出

的动力学模型如下：

其中，

均为已知的系数矩阵。针对由(6)式所描述的系统，设计如下干扰观测器：

其中，

为干扰估计值，L为待设计的干扰观测器增益矩阵。

为选取合适的L以保证无人机闭环姿态控制系统对外部干扰和建模误差的鲁棒性，首先定义参考输出加权传递函数W_u(s)和W_p(s)，其中，W_p(s)反映了干扰观测器的期望频域特性，W_u(s)则反映了闭环系统的补灵敏度特性，W_u(s)和W_p(s)的具体选取可视实际应用而定。选定W_u(s)和W_p(s)后，将含有干扰观测器以及输出加权传递函数W_u(s)和W_p(s)的闭环系统结构框图表示如图2所示，其中，P_n(s)是无人机标称姿态动力学传递函数，C(s)是标称姿态控制器的传递函数，P_DO(s)的是干扰观测器的传递函数，其状态空间实现为：

接下来，根据P_n(s)，C(s)，P_DO(s)，W_u(s)和W_p(s)，写出增广对象P_L(s)(如图2中虚线框所示)的状态空间模型如下：

最后，控制系统设计者根据闭环跟踪性能和系统鲁棒性的需求，选取合适的干扰抑制比γ，通过求解||F_L(P_L(s),L)||_∞＜γ得到干扰观测器增益L，其中，

F_L(P_L(s),L)＝P_L11(s)+P_L12(s)K(I-P_L22(s)K)^-1P_L21(s)，

P_L11(s)＝C_L1(sI-A_L)^-1B_L1+D_L11，P_L12(s)＝C_L1(sI-A_L)^-1B_L2+D_L12，

P_L21(s)＝C_L2(sI-A_L)^-1B_L1+D_L21，P_L22(s)＝C_L2(sI-A_L)^-1B_L2+D_L22

具体求解步骤在传统H_∞控制文献中已有详述。

外环干扰观测器得到干扰估计值

后，与内环标称姿态控制器输出的标称控制量u^*复合，得到复合姿态控制律

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (2)

1.一种干扰自主免疫的无人机姿态控制系统，其特征在于：所述控制系统具有复合结构，内环为标称姿态控制器，外环为干扰观测器；所述内环的标称姿态控制器基于无人机姿态控制系统的标称模型设计，保证无人机姿态控制系统在无干扰情形下的精确性和稳定性；所述外环的干扰观测器基于无人机姿态控制系统的多源干扰模型设计，利用多源干扰的动态特性信息，对无人机所受到的外部干扰和建模误差进行实时估计与补偿，保证干扰影响下无人机姿态控制系统的精确性和鲁棒性；

具体实现过程如下：

第一步，建立无人机姿态控制系统多源干扰模型；

第二步，基于无人机姿态控制系统多源干扰模型，设计内环标称姿态控制器，得到内环标称控制量，保证无人机在标称情形下的姿态跟踪性能；

第三步，基于无人机姿态控制系统多源干扰模型和系统的鲁棒性能指标，设计外环干扰观测器，对无人机姿态控制系统所受的外部干扰和建模误差进行实时估计与补偿，得到干扰估计值；并通过选取外环干扰观测器参数，保证闭环系统的鲁棒性能；

第四步，将外环干扰观测器得到干扰估计值与内环标称姿态控制器输出的标称控制量复合，得到复合抗干扰姿态控制律；

所述第一步，建立无人机姿态控制系统多源干扰模型如下：

其中，状态向量

α和

分别代表无人机的俯仰角速率、迎角和俯仰角；y＝x为量测输出；控制输入u＝δ_e为无人机升降舵偏角；系统矩阵

为俯仰角速率所产生的俯仰角加速度，M_α为迎角所产生的俯仰角加速度，Z_α为迎角所产生的迎角变化率；输入矩阵

输出矩阵

d表示无人机所受的外部阵风干扰，其动力学模型为：

其中，

为干扰子系统的状态变量；

为干扰子系统的状态矩阵，ω为干扰频率，单位为Hz；V＝[1 0]为干扰子系统的输出矩阵；

所述第二步，基于无人机姿态控制系统多源干扰模型，设计内环标称姿态控制器，设计的内环标称姿态控制器如下：

u^*＝R^-1B^TPe (3)

其中，u^*为内环输出的标称姿态控制量，e＝x-x_r为俯仰通道姿态跟踪误差，x_r为俯仰通道的期望姿态轨迹；Q和R为正定的权重矩阵，分别体现姿态跟踪误差和控制能耗在目标函数；

J＝∫(e^TQe+u^TRu)dt (4)

中的权重；P为如下代数Riccati方程：

A^TP+PA-PBR^-1B^TP+Q＝0 (5)

的解；

所述第三步中，外环干扰观测器为：

其中，

为干扰估计值，L为待设计的干扰观测器增益矩阵；

均为已知的系数矩阵；A、B、C为无人机姿态控制系统多源干扰模型(1)中的系数矩阵，系数阵W和V为外部阵风干扰动力学模型中的系数矩阵。

2.根据权利要求1所述的系统，其特征在于：所述第三步中，并通过选取外环干扰观测器参数过程为：

外环干扰观测器参数为待设计的干扰观测器增益矩阵L，首先定义参考输出加权传递函数W_u(s)和W_p(s)，其中，W_p(s)反映了干扰观测器的期望频域特性，W_u(s)则反映了期望的闭环系统补灵敏度特性，W_u(s)和W_p(s)的具体选取视无人机具体飞行任务而定；

选定W_u(s)和W_p(s)后，分别定义e_u＝W_p(s)e_d和e_u＝W_u(s)u，其中

为干扰估计误差，

为实际作用于无人机的复合抗干扰控制律；然后，写出干扰观测器P_DO(s)的状态空间实现如下：

其中，各系数矩阵均由式(6)定义；

将含有无人机标称姿态动力学模型P_n(s)、标称姿态控制器C(s)、干扰观测器P_DO(s)、输出加权传递函数W_u(s)和W_p(s)的闭环系统定义为增广系统P_L(s)，其输入为外部阵风干扰d，输出为e_u和e_d，状态空间模型表示为：

然后，根据跟踪性能和鲁棒性需求，定义干扰抑制比

其中，

||·||₂表示信号的L2-范数；最后，通过求解||F_L(P_L(s),L)||_∞＜γ得到待设计的干扰观测器增益矩阵L，其中，

F_L(P_L(s),L)＝P_L11(s)+P_L12(s)K(I-P_L22(s)K)^-1P_L21(s)，

P_L11(s)＝C_L1(sI-A_L)^-1B_L1+D_L11，P_L12(s)＝C_L1(sI-A_L)^-1B_L2+D_L12，

P_L21(s)＝C_L2(sI-A_L)^-1B_L1+D_L21，P_L22(s)＝C_L2(sI-A_L)^-1B_L2+D_L22

以上涉及的各系数矩阵均由式(7)定义；

将求得的L代入外环干扰观测器表达式(6)，得到干扰估计值

再与由式(3)算出的标称控制量u^*复合，即得到实际作用于无人机的复合姿态控制律

Images