CN111506096B - 一种尾推式双涵道无人机模糊自适应姿态控制方法 - Google Patents

Abstract

本发明提出一种尾推式双涵道无人机模糊自适应姿态控制方法，该方法针对尾推式双涵道布局的无人机，该无人机通过双涵道转速差动操纵滚转运动，尾旋翼纵向和横向周期变距分别操纵俯仰和航向运动；针对该特殊构型无人飞行器的操纵特性和操纵规律，利用专家经验的模糊自适应控制算法，模仿人类经验的方式进行模糊推理，依据被控对象的数学模型，研究姿态偏差及其速率偏差E/EC变化的规律，从而建立自适应模糊PID参数修正规则表，在控制过程中动态获得初始PID参数的修正量。仿真结果表明在线实时修订的PID参数对该尾推式双涵道无人机姿态控制可以获得良好的控制效果。

Description

一种尾推式双涵道无人机模糊自适应姿态控制方法

技术领域

本公开专利涉及新构型无人机飞行控制领域，尤其涉及尾推式双涵道无人机飞行控制领域。

背景技术

涵道式无人机结构紧凑，具备垂直起降功能，适用于环境密集、空域狭小、起降场地复杂的飞行环境，同直升机相比没有大直径旋翼，在飞行过程中有效地提高无人机的飞行安全性；其推进效率比多旋翼高，涵道壁面大幅度降低叶尖损失，涵道可以维持桨盘上下压差，优良的涵道唇口设计可以产生进气吸力，从而比单独螺旋桨产生更大的拉力；且旋翼置于涵道内部，有效地降低了噪声，并且涵道可进一步降低了热辐射性，提高隐蔽性。

鉴于以上自身优点，在复杂飞行环境下具有良好的实用性和应用前景。国外开展涵道无人机的研究工作较早，相比传统无人机而言，涵道风扇式无人机在结构设计、飞行控制以及气动布局等方面尚存在较多的问题，该领域的理论研究和实验研究，将为解决实际应用中面临的各种技术问题奠定基础。

目前主流的涵道式无人机，多以单涵道作为飞行器的主体并提供主升力，挂载空间狭小，且航电设备距离发动机较近，震动环境恶劣，飞机姿态控制依靠于内部导流板产生控制力或力矩，作用力臂较短，姿态控制稳定特性较差。

采用辅助涵道用来控制姿态的涵道式无人机，姿态控制一般至少需要四个小涵道，且一般大载重涵道无人机主涵道为油动动力，辅助涵道为电动动力，在任务飞行中对燃油和电能都有较大消耗，对使用和维护成本高。

发明内容

针对该新构型尾推式双涵道无人机，根据其特有的操纵方式及通道间耦合特性，提出一种可以有效控制该无人机稳定飞行的模糊自适应PID控制方法，实现该无人机的较好的姿态控制。

为解决上述技术问题，本发明采用以下技术方案：

一种尾推式双涵道无人机模糊自适应姿态控制方法，所述姿态控制方法应用于如下构型的无人机：机身两侧分别布置一个涵道用以提供主升力，在机尾布置可周期变距操纵的旋翼系统，旋翼轴与飞机纵轴线重合；所述姿态控制方法首先建立所述无人机的动力学模型，通过设计各个通道的模糊自适应PID控制器对无人机进行姿态调整控制，利用模糊控制原理在线实时修整PID参数，实现对尾推式双涵道无人机姿态控制。

优选地：所述的通过设计各个通道的模糊自适应PID控制器实现对该无人机的控制，具体包括以下步骤：

步骤一、通过遥控器给定期望的姿态角，将期望姿态角与当前姿态角作差得到偏差，将偏差乘以自适应控制参数K_af作为期望的角速率，将期望角速率与当前角速率作差作为偏差的变化率即速率偏差；

步骤二、通过量化系数将不同通道的姿态偏差和速率偏差缩放到某一论域内，按照设定的隶属度函数将其模糊化；

步骤三、根据系统特性建立PID三个控制律参数的模糊规则表，将模糊量代入模糊规则表进行模糊推理；

步骤四、通过去模糊化方法得到精确的控制量，利用该控制量修正初始PID参数；

步骤五：计算最终的控制输出量，根据该无人机控制规则将控制量分配到各个执行机构；

优选地：所述PID控制器包含4个通道，实现对该无人机的控制，其中第一通道控制涵道转速差动实现滚转运动，第二通道控制尾旋翼纵向周期变距实现俯仰运动同时控制尾旋翼总距产生前飞推力，第三通道控制两涵道转速同步实现高度变化，第四通道控制尾旋翼横向周期变距实现偏航运动；具体的运动学特性如下：

M_x＝f(Ω_l-Ω_r)-M_t(θ_zj,Ω_tail)

M_y＝f(x)

M_z＝f(η)

T_x＝f(θ_zj)

T_z＝f(Ω₁+Ω_r)

式中，M代表操纵力矩，T代表操纵力，Ω_l为左涵道转速，Ω_r为右涵道转速，M_t为尾旋翼的反扭距，是尾旋翼总距和转速的函数，χ为尾旋翼操纵纵向周期变距，η为尾旋翼操纵横向周期变距，θ_zj为尾旋翼总距，Ω_tail为尾旋翼转速。

优选地：通过量化系数K_e、K_ec分别将不同通道的真实姿态偏差e和真实速率偏差ec缩放到某一论域内，得到归一化的E、EC，使用同一隶属度函数进行模糊化处理，其中所述隶属度函数的横坐标为论域，纵坐标为隶属度。

优选地：每个通道的偏差E和速率偏差EC在隶属度函数中都对应两个模糊量，根据隶属度函数求出对应的模糊隶属度。

优选地：为获得期望角速率指令，在进行首次模糊运算时先利用初值Kinit＝{Kp0,Ki0,Kd0}，通过首次模糊迭代后得到系统的自适应控制参数K_af＝{Kp_af,Ki_af,Kd_af}，将得到的自适应控制参数作为下一次迭代的控制系数，以此类推每次迭代计算时都利用前一次计算的K_af乘以姿态偏差作为期望角速率。

优选地：由模糊量和隶属度在模糊规则表中进行模糊推理，所述的模糊规则表为二维表格，其横向检索参数为偏差，其纵向检索参数为速率偏差，每个PID控制器参数各有一个模糊规则表，根据实时的偏差和速率偏差可查找对应的模糊控制量，将模糊控制量去模糊化得到精确控制量。

优选地：所述去模糊化方法为重心法，具体为：

对姿态偏差E在隶属度函数中位于模糊量A_1i和A_2i之间，根据隶属度函数求得偏差E的隶属度，使用E的模糊量A_1i、A_2i和隶属度μ_e1、μ_e2进行模糊规则查表，在模糊规则中可分别获得PID控制器参数的模糊值，将该模糊值乘以相应的隶属度并求和(如下式)，即得到去模糊化的精确控制量。

其中，下标i代表姿态偏差，j代表速率偏差；

对所述速率偏差EC去模糊化处理的过程与姿态偏差E去模糊化过程相同。

本发明与现有技术相比，具有以下明显优势：

涵道式无人机特有的布局形式导致本身是一个具有不确定量的复杂非线性强耦合被控对象，对该非线性系统在设计工作点处采用基于小扰动假设的常规PID控制器可以得到较好的控制效果，但当偏离设计工作点时，控制系统鲁棒性差，控制性能变差甚至导致系统发散，为了使PID控制在全工作状态依然具有满意的控制精度和响应速度，采用自适应模糊控制，基于对系统特性的专家经验，其推理机制模仿人类思考的方式且不需要花大量精力建立被控对象的精确数学模型，利用模糊控制原理在线实时修整PID参数，实现对尾推式双涵道无人机姿态控制。

附图说明

图1为无人机运动坐标系示意图；

图2为操纵机构示意图；

图3为尾旋翼挥舞相位示意图；

图4为本发明模糊自适应PID控制结构图；

图5为e和ec的隶属度函数曲线图；

图6为自适应PID参数变化图；

图7为两种控制效果对比图；

图中，1-机体坐标系；2-尾旋翼坐标系；3-左涵道风扇；4-1号舵机；5-2号舵机；6-3号舵机；7-左涵道风扇。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。

模糊自适应控制是一种基于误差来消除误差的控制方法，不依赖于精确的数学模型，适用于解决尾推式双涵道这类具有强耦合、非线性、精确建模困难的被控对象的控制问题。

本发明针对一款尾推双涵道式垂直起降无人机提出一种先进的姿态控制方法，该飞机重心两侧设计两个涵道提供飞机主升力并通过涵道转速差动实现滚转控制，尾部旋翼通过纵向与横向周期变距产生俯仰及航向控制力矩，通过总距产生飞机前飞或后向力。机身与涵道之间布置中段机翼，在飞行中依靠机翼产生部分升力，机翼可作为机身与涵道的连接结构且机翼下方可作为任务设备挂载点。

如图4所示，本发明针对该飞机的特殊构型及操纵方式，鉴于飞机通道控制之间的强耦合与高度非线性特性，提出了一种模糊自适应PID控制方法实现对该无人机的姿态解耦控制。

一种尾推式双涵道无人机模糊自适应姿态控制方法，该方法包括以下步骤：

步骤一、通过遥控器给定期望的姿态角，将期望姿态角与当前姿态角作差得到偏差，将偏差乘以自适应控制参数K_af作为期望的角速率，将期望角速率与当前角速率作差作为偏差的变化率即速率偏差；

步骤二、通过量化系数将不同通道的姿态偏差和速率偏差缩放到某一论域内，按照设定的隶属度函数将其模糊化；

步骤三、根据系统特性建立PID三个控制律参数的模糊规则表，将模糊量代入模糊规则表进行模糊推理；

步骤四、通过去模糊化方法得到精确的控制量，利用该控制量修正初始PID参数；

步骤五：计算最终的控制输出量，根据该无人机控制规则将控制量分配到各个执行机构；

该无人机机身两侧布置两个涵道用以提供主升力，在机尾布置可周期变距的旋翼系统，旋翼轴与飞机纵轴线重合，针对该无人机的特殊构型，设计四个通道操纵分配策略。(1)滚转通道：由悬停油门值δ_th，o与涵道转速差动δ_th，c实现滚转运动；(2)俯仰通道：由尾旋翼纵向周期变距δ_lon实现俯仰运动；(3)垂向通道：由悬停油门值δ_th，o与涵道转速同步操纵δ_th实现垂向运动；(4)航向通道：由尾旋翼横向周期变距δ_lat实现偏航运动，从而得到舵面操纵分配如下：

滚转通道：Roll＝δ_th，o+δ_th，o

俯仰通道：Pith＝δ_lon

垂向通道：Verti＝δ_th，o+δ_th

偏航通道：Yaw＝δ_lat

根据上述控制方式，建立如图1所示的机体坐标系和尾旋翼坐标系，机体运动坐标系原点在无人机重心，X轴与飞机纵轴重合，Y轴与无人机纵向对称面垂直指向右侧，Z轴与XY轴垂直朝下，尾旋翼坐标系原点在旋翼桨毂中心，指向与机体坐标系一致。具体的运动学特性如下：

M_x＝f(Ω_l-Ω_r)-M_t(θ_zj,Ω_tail)

M_y＝f(x)

M_z＝f(η)

T_x＝f(θ_zj)

T_z＝f(Ω₁+Ω_r)

式中，M代表操纵力矩，T代表操纵力，Ω₁为左涵道转速，Ω_r为右涵道转速，M_t为尾旋翼的反扭距，是尾旋翼总距和转速的函数，χ为尾旋翼操纵纵向周期变距，η为尾旋翼操纵横向周期变距，θ_zj为尾旋翼总距，Ω_tail为尾旋翼转速。

如图6所示，首先设计如下结构的PID控制器，被控量分别为滚转角

俯仰角θ，偏航角ψ，前飞速度v，高度h，p、q、r分别为滚转、俯仰、偏航角速率，控制输入量分别为涵道转速差动u(1)、尾旋翼纵向变距u(2)、尾旋翼横向变距u(3)、尾旋翼总距u(4)、涵道转速同步u(5)。初步调整初始PID控制参数，达到增稳效果。

u(n)＝[K_pe(n)+K_I∑e(n)Δt-p(n)]K_D n＝1，2......5

式中e(n)为各通道被控量的偏差，p(n)为各通道被控量的导数。

针对无人机的滚转、俯仰和航向三个通道设计模糊自适应控制律(垂向是采用常规PID控制律，所以没有提及)：遥控器给定期望的姿态角，将期望姿态角与当前姿态角作差得到姿态偏差，在进行首次模糊运算时先利用初值Kinit＝{Kp0,Ki0,Kd0}，通过首次模糊迭代后得到系统的自适应控制参数K_af＝{Kp_af,Ki_af,Kd_af}，将得到的自适应控制参数作为下一次迭代的控制系数，以此类推每次迭代计算时都利用前一次计算的K_af乘以姿态偏差作为期望角速率。

将E、EC的模糊子集定义为{NB NM NS ZO PS PM PB}，其中字母“NB NM NS ZO PSPM PB”在本控制器中，其真值设为“-3-2-1 0 1 2 3”，在设计模糊控制器时，在小误差区间提高量化等级，设置尖的隶属函数形状从而增加隶属函数的分辨率提高控制灵敏度；而在大误差区间，采用小的量化等级(即加大量化区间)从而降低隶属函数的分辨率使隶属函数较平滑，使控制特性较为平缓实现较好的系统稳定性，这样可以有效地改善系统的动、静态特性，增强抗干扰能力。

e和ec的隶属度函数曲线如图5所示，由于系统不同通道的响应特性差别及使用单位的不同，例如一般角度的变化量较小，而角速度的变化量较大，各个通道的偏差和速率偏差数值差别可能较大，通过量化系数K_e、K_ec分别将不同通道的真实姿态偏差e和真实速率偏差ec缩放到某一论域内，得到归一化的E、EC，使用同一隶属度函数进行模糊化处理，其中所述隶属度函数的横坐标为论域，纵坐标为隶属度。

E＝K_e*e

EC＝K_ec*ec

所述的模糊规则表为二维表格，其横向检索参数为偏差，其纵向检索参数为速率偏差，每个PID控制器参数各有一个模糊规则表，表中字母真值同模糊子集一致，根据实时的姿态偏差和速率偏差可查找对应的模糊控制量。

表1模糊规则

按照上述模糊规则，用重心法去模糊化计算系统的输出：所述去模糊化方法为重心法，以姿态偏差E为例(速率偏差EC类同)展开说明：

对姿态偏差E在隶属度函数中位于模糊量A_1i和A_2i之间，根据隶属度函数求得偏差E的隶属度，使用E的模糊量A_1i、A_2i和隶属度μ_e1、μ_e2进行模糊规则查表，在模糊规则中可分别得到PID控制器参数的模糊值，将该模糊值乘以相应的隶属度并求和(如下式)，即得到去模糊化的精确控制量。

其中，下标i代表姿态偏差，j代表速率偏差。

去模糊化后的控制量ΔK_p、ΔK_I、ΔK_D分别乘以其缩放因子K1，K2，K3并与初始PID相加得到最终的控制参数：

Kp_af＝Kp0+K1ΔK_p

Ki_af＝KiO+K2ΔK_I

Kd_af＝Kd0+K3ΔK_D

该无人机特有的控制方式为：滚转通道操纵力矩由左右两涵道转速差动产生；俯仰通道操纵力矩由尾旋翼纵向周期变距产生；航向通道由尾旋翼横向周期变距产生，前飞控制由飞机俯仰通道和尾旋翼总距共同控制，当期望飞机前飞时同时给定低头俯仰角和尾旋翼正总距，当期望飞机后飞时同时给定抬头俯仰角和尾旋翼负总距；高度控制由左、右涵道的转速同步变化产生；在飞行中尾旋翼为定转速，在起飞前给定一个转速恒值。

自动倾斜器由三个呈120°布局的舵机控制，如图2所示，其中一号连杆铰接点在180°相位，二号连杆铰接点在60°相位，三号连杆铰接点在300°相位，所构成的正三角形边长为50mm，旋翼轴位于三角形中心，当需要控制俯仰通道时，一号舵机正向旋转，二号和三号等值负向旋转，当需要控制偏航通道时，一号舵机不做输出，二号和三号舵机相反方向旋转，当需要控制总距时，三个舵机同向旋转，但由于一号舵机与二/三号铰接点与旋翼轴距离不同，其偏转角度应根据力臂长度进行换算。

纵向倾斜器操纵量：其中L_yb为舵机摇臂长度，L_qx为倾斜器铰接点所构成的正三角形边长，L_jq为桨叶变距驱动铰接点与变距转轴轴线距离，PWM为该舵机输入量。

横向倾斜器操纵量：

η＝arctan[(L_yb sin((PWM2-1500)/10)-L_yb sin((PWM13-1500)/10))/L_qx]

总距：

对于滚转通道，左涵道的转速与控制量相加，右涵道的转速与控制量相减；对于俯仰通道，一号舵机与控制量的两倍相加，二号舵机与控制量相减，三号舵机与控制量相减；对于航向通道，二号舵机与控制量相加，三号舵机与控制量相减；对于前飞通道，一、二、三号舵机均与控制量相加，其中前飞和俯仰均由遥控器俯仰通道所给定，当期望飞机前飞时会同时给定一定量的低头角度和旋翼正总距，当期望飞机后飞时会同时给定一个抬头角度和旋翼负总距；对于高度通道，左、右涵道的转速均与控制量相加；尾旋翼转速为定转速，该控制量只需要在起飞前给定一个转速恒值即可。

为了验证该控制方法的有效性，对所述尾推式双涵道无人机建立动力学模型，并按照所述步骤设计模糊自适应方法进行仿真验证。

分别设计了该模型的滚转、俯仰和航向通道的模糊自适应控制，三个欧拉角的初值均为0度，分别在1-3、4-6、7.5-9.5秒时刻施加10°的方波期望值，并针对该模型设计常规PID控制器，将两种方法的控制效果进行对比如图7所示，可见所述模糊自适应控制方法的调节时间小于常规PID控制器，超调量易小于常规PID控制器。

最后需要指出的是：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描述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 (7)

1.一种尾推式双涵道无人机模糊自适应姿态控制方法，其特征在于，所述姿态控制方法应用于如下构型的无人机：机身两侧分别布置一个涵道用于提供主升力，在机身尾部布置周期变距操纵的旋翼系统，旋翼轴与飞机纵轴重合；所述姿态控制方法首先建立所述无人机的动力学模型，通过设计各个通道的模糊自适应PID控制器对无人机进行增稳控制，利用模糊控制原理在线实时修整PID参数，实现对尾推式双涵道无人机姿态控制；

所述的通过设计各个通道的模糊自适应PID控制器实现对该无人机的控制，具体包括以下步骤：

步骤一、通过无人机的遥控器给定期望的姿态角，将期望姿态角与当前姿态角作差得到偏差，将偏差乘以自适应控制参数K_af作为期望的角速率，将期望角速率与当前角速率作差作为偏差的变化率即速率偏差；

步骤二、通过量化系数将不同通道的姿态偏差和速率偏差缩放到某一相同论域内，按照设定的隶属度函数将姿态偏差和速率偏差模糊化；

步骤三、根据系统特性建立PID三个控制律参数的模糊规则表，将模糊量代入模糊规则表进行模糊推理；

步骤四、通过去模糊化方法得到精确的控制量，利用该控制量修正初始PID参数；

步骤五：计算最终的控制输出量，根据所述无人机的控制规则将控制量分配到各个执行机构；

纵向倾斜器操纵量：其中L_yb为舵机摇臂长度，L_qx为倾斜器铰接点所构成的正三角形边长，L_jq为桨叶变距驱动铰接点与变距转轴轴线距离，PWM为该舵机输入量；

横向倾斜器操纵量：

η＝arctan[(L_ybsin((PWM2-1500)/10)-L_ybsin((PWM3-1500)/10))/L_qx]

总距：

2.根据权利要求1所述的一种尾推式双涵道无人机模糊自适应姿态控制方法，其特征在于，所述PID控制器包含4个通道，实现对该无人机的控制，其中第一通道控制涵道转速差动实现滚转运动，第二通道控制尾旋翼纵向周期变距实现俯仰运动同时控制尾旋翼总距产生前飞推力，第三通道控制两涵道转速同步运动实现高度变化，第四通道控制尾旋翼横向周期变距实现偏航运动，具体的运动学特性如下：

M_x＝f(Ω_l-Ω_r)-M_t(θ_zj,Ω_tail)

M_y＝f(x)

M_z＝f(η)

T_x＝f(θ_zj)

T_z＝f(Ω_l+Ω_r)

式中，M代表操纵力矩，T代表操纵力，Ω_l为左涵道转速，Ω_r为右涵道转速，M_t为尾旋翼的反扭距，是尾旋翼总距和转速的函数，χ为尾旋翼操纵纵向周期变距，η为尾旋翼操纵横向周期变距，θ_zj为尾旋翼总距，Ω_tail为尾旋翼转速。

3.权利要求2所述的一种尾推式双涵道无人机模糊自适应姿态控制方法，其特征在于，通过量化系数K_e、K_ec分别将不同通道的真实姿态偏差e和真实的速率偏差ec缩放到某一论域内，得到归一化的姿态偏差E、速率偏差EC，使用同一隶属度函数进行模糊化处理，其中所述隶属度函数的横坐标为论域，纵坐标为隶属度。

4.权利要求3所述的一种尾推式双涵道无人机模糊自适应姿态控制方法，其特征在于，每个通道的偏差E或者速率偏差EC在隶属度函数中都对应两个模糊量，根据隶属度函数求出对应的模糊隶属度。

5.权利要求1所述的一种尾推式双涵道无人机模糊自适应姿态控制方法，其特征在于，为获得期望角速率指令，在进行首次模糊运算时先利用初值Kinit＝{Kp0,Ki0,Kd0}，通过首次模糊迭代后得到系统的自适应控制参数K_af＝{Kp_af,Ki_af,Kd_af}，将得到的自适应控制参数作为下一次迭代的控制系数，以此类推每次迭代计算时都利用前一次计算的K_af乘以姿态偏差作为期望角速率。

6.权利要求3所述的一种尾推式双涵道无人机模糊自适应姿态控制方法，其特征在于，由模糊量和隶属度在模糊规则表中进行模糊推理，所述的模糊规则表为二维表格，其横向检索参数为姿态偏差，其纵向检索参数为速率偏差，PID控制器每个参数各有一个模糊规则表，根据实时的偏差和速率偏差可查找对应的模糊控制量，将模糊控制量去模糊化得到精确控制量。

7.权利要求6所述的一种尾推式双涵道无人机模糊自适应姿态控制方法，其特征在于，所述去模糊化方法为重心法，具体为：

对姿态偏差E在隶属度函数中位于模糊量A_1i和A_2i之间，根据隶属度函数求得偏差E的隶属度，使用E的模糊量A_1i、A_2i和隶属度μ_e1、μ_e2进行模糊规则查表，在模糊规则中可分别得到PID控制器参数的模糊值，将该模糊值乘以相应的隶属度并求和，即得到去模糊化的精确控制量：

其中，下标i代表姿态偏差，j代表速率偏差；

对所述速率偏差EC去模糊化处理的过程与姿态偏差E去模糊化过程相同。

Images