CN111708377A - 基于惯导/飞控系统信息融合的飞行控制方法 - Google Patents

Abstract

本发明涉及一种基于惯导/飞控系统信息融合的飞行控制方法，属于信息融合控制方法领域，用于解决复杂飞行环境下迎角、侧滑角和真空速无法测量造成的飞机控制性能降低或不可控的问题。该方法首先考虑系统迎角、侧滑角和真空速不可测，引入惯性导航系统信息作为量测信息，基于动力学模型建立系统状态方程和量测方程，通过扩展卡尔曼滤波器实现迎角、侧滑角和真空速的估计；然后将飞机六自由度非线性动力学模型转化为严格反馈形式，基于反步法框架和状态估计值设计控制器；最后将控制输入返回到飞行器动力学模型中以实现跟踪控制。本发明将惯导/飞控系统信息融合和飞行控制设计有机结合，为系统部分状态不可测情况下的飞控系统设计提供了有效途径。

Description

基于惯导/飞控系统信息融合的飞行控制方法

技术领域

本发明涉及一种飞行控制方法，特别是涉及一种基于惯导/飞控系统信息融合的飞行控制方法，属于信息融合控制方法领域。

背景技术

飞行控制系统设计是保证飞机安全飞行的重要基础，经典控制方法和智能控制方法在飞行控制系统设计中都具有广泛应用，但这些控制方法应用的前提是要求系统状态可测或可获得。然而在实际系统中，部分系统状态不易直接测量，或由于测量设备在经济上和使用性能上的限制，使得不可能实际获得系统的全部状态向量，从而影响控制性能。线性状态观测器可用于解决状态不可测问题，但其使用具有一定的局限性，且随着飞行任务和飞行环境的复杂，如要求战斗机具有高机动大迎角飞行能力等，系统呈现强非线性特性，这些基于线性状态观测器的控制器不能满足飞行任务需求。

《Augmented fixed-time observer-based continuous robust control forhypersonic vehicles with measurement noises》(J.Sun,J.Yi and Z.Pu.《IET ControlTheory&Applications》，2019年，第13卷第3期)基于超扭转控制器框架研究了带有测量噪声的高超声速飞行器连续鲁棒控制问题。在迎角可获得的条件下通过设计一种增广固定时间观测器来估计具有高频噪声的状态真实值，最后实现速度和高度的精确跟踪。然而，当飞机处于复杂飞行环境时，大气数据传感器由于易受环境影响无法准确测量迎角和侧滑角或超出传感器的测量范围，从而不能依靠传感器测量值来设计控制器。因此，必须借助不易受飞行环境影响的惯导系统来辅助得到迎角、侧滑角和真空速信息值，并将其用于控制系统的设计中。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于惯导/飞控系统信息融合的飞行控制方法，以解决复杂飞行环境下迎角、侧滑角和真空速无法测量从而造成的飞机控制性能降低或不可控的问题。该方法首先考虑系统迎角、侧滑角和真空速不可测，引入惯导系统信息作为量测信息，基于动力学模型建立系统状态方程和量测方程，通过构建扩展卡尔曼滤波器实现对迎角、侧滑角和真空速的估计；然后将飞机六自由度非线性动力学模型转化为严格反馈形式，基于反步法框架和状态估计值设计控制器；最后将控制输入返回到飞行器动力学模型中，以实现跟踪控制。

技术方案

一种基于惯导/飞控系统信息融合的飞行控制方法，其特征在于步骤如下：

步骤1：飞机的六自由度非线性动力学模型

其中，x₁＝[φ θ ψ x_g y_g h]^T和x₂＝[U V W P Q R]^T表示系统状态量；u＝[T δ_e δ_aδ_r]^T表示控制输入；θ、φ和ψ分别表示俯仰角、滚转角和偏航角；x_g、y_g和h分别表示飞机质心在地面坐标轴系下的位移；U、V和W分别表示飞行速度在机体坐标轴系各轴上的分量；P、Q和R分别表示滚转角速度、俯仰角速度和偏航角速度；T表示推力；δ_e、δ_a和δ_r分别表示升降舵偏转角、副翼偏转角和方向舵偏转角；g₀(x₁,x₂)∈R^6×1和f₀(x₁,x₂,u)∈R^6×1表示关于x₁、x₂和u的函数矩阵

其中，m和g分别表示飞机质量和重力加速度；c_i，i＝1,…,9表示力矩方程系数；F_x、F_y和F_z分别表示气动力和推力在机体坐标轴上的分量；

M和N分别表示合外力矩在机体坐标轴上的分量；相关气动力力和力矩的定义如下

D＝C_DQ_bS_w,Y＝C_YQ_bS_w,L＝C_LQ_bS_w,

M＝C_MQ_bS_wc_A,N＝C_NQ_bS_wb，

F_y＝Ycosβ-Dsinβ，

F_x＝T+Lsinα-Ycosαsinβ-Dcosαcosβ,F_z＝-Lcosα-Ysinαsinβ-Dsinαcosβ。

其中，S_w表示机翼面积；c_A表示平均气动弦长；b表示机翼展长；D、Y和L是气动力，分别表示阻力、侧力和升力；C_D、C_Y和C_L分别表示阻力系数、侧力系数和升力系数；C_L、C_M和C_N分别表示滚转力矩系数、俯仰力矩系数和偏航力矩系数；α、β和V_t分别表示迎角、侧滑角和真空速；C_D0、C_Dα、

C_L0、C_Lα、

C_Yβ、

C_M0、C_Mα、

C_Mq、

C_Nβ、C_NP和C_NR表示气动导数，可插值获得；

步骤2：选取X＝[θ φ P Q R α β V_t]^T为滤波状态量，建立系统状态方程

其中，

G_xa＝mg(-cosαcosβsinθ+sinβsinφcosθ+sinαcosβcosφcosθ)，

G_ya＝mg(cosαsinβsinθ+cosβsinφcosθ-sinαsinβcosφcosθ)，

G_za＝mg(sinαsinθ+cosαcosφcosθ)。

考虑迎角α、侧滑角β和真空速V_t不可测，引入惯导信息作为量测信息，建立量测方程

Z(t)＝h(X(t),u(t),t)+v(t) (3)

其中，

表示惯导量测的俯仰角、滚转角、滚转角速度、俯仰角速度、偏航角速度以及加速度在机体坐标轴上的分量；v(t)∈R^8×1表示由惯性测量器件引起的量测噪声，满足

E(v_k)＝0，

h(X(t),u(t),t)是关于状态量的非线性函数

构建扩展卡尔曼滤波器

其中，

表示一步预测值；

表示k时刻的状态估计值；P_k/k-1∈R^8×8表示一步预测协方差；P_k-1∈R^8×8表示k-1时刻的状态估计协方差；Z_k∈R^8×1表示k时刻的惯导量测值；K_k∈R^8×8表示滤波增益；Φ_k,k-1＝I+F(t_k-1)Δt∈R^8×8表示系统转移矩阵，其中Δt表示滤波采样时间；G_k-1＝Δt(I+(F(t_k-1)/2！)Δt)G(t_k-1)∈R^{8 ×9}表示系统噪声驱动矩阵，

表示状态方程的雅克比矩阵；

表示量测方程的雅克比矩阵；

步骤3：将动力学模型(1)写成以下严格反馈形式

其中，g₁(x₁)∈R^6×6、f₂(x₁,x₂)∈R^6×6和g₂(x₁,x₂)∈R^6×4表示如下

定义跟踪误差

其中

表示x₁的测量值，z_d表示指令信号，设计虚拟控制量

为

其中，参数k₁＞0由设计者给定。

定义误差

其中

表示测量值，设计实际控制量u为

其中，参数k₂＞0由设计者给定；

步骤4：根据得到的控制器u，返回到飞行器动力学模型(1)中，对飞行器进行跟踪控制。

步骤2中所述的Δt＝0.01s。

有益效果

本发明提出的一种基于惯导/飞控系统信息融合的飞行控制方法，该方法首先考虑系统迎角、侧滑角和真空速不可测，引入惯导系统信息作为量测信息，基于动力学模型建立系统状态方程和量测方程，通过构建扩展卡尔曼滤波器实现对迎角、侧滑角和真空速的估计；然后将飞机六自由度非线性动力学模型转化为严格反馈形式，基于反步法框架和状态估计值设计控制器；最后将控制输入返回到飞行器动力学模型中，以实现跟踪控制。

与现有技术相比有益效果为：

(1)本发明基于扩展卡尔曼滤波融合了惯导信息和飞控信息，实现了复杂环境下系统迎角、侧滑角和真空速的估计。

(2)本发明将信息融合与控制器设计相结合，并考虑系统测量噪声，有效解决了飞行器部分状态无法测量从而造成飞机控制性能降低或不可控的问题。

附图说明

图1是本发明基于惯导/飞控系统信息融合的飞行控制方法流程图。

图2是惯导/飞控系统信息融合的示意图。

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明的一种基于惯导/飞控系统信息融合的飞行状态控制方法流程图如图1所示，所发明内容用于改进飞行器在迎角、侧滑角以及真空速无法测量或测量不准从而造成控制系统性能下降或不可控问题，其具体实施步骤如下：

(a)飞机的六自由度非线性动力学模型为

其中，x₁＝[φ θ ψ x_g y_g h]^T和x₂＝[U V W P Q R]^T表示系统状态量；u＝[T δ_e δ_aδ_r]^T表示控制输入；θ、φ和ψ分别表示俯仰角、滚转角和偏航角；x_g、y_g和h分别表示飞机质心在地面坐标轴系下的位移；U、V和W分别表示飞行速度在机体坐标轴系各轴上的分量；P、Q和R分别表示滚转角速度、俯仰角速度和偏航角速度；T表示推力；δ_e、δ_a和δ_r分别表示升降舵偏转角、副翼偏转角和方向舵偏转角；g₀(x₁,x₂)∈R^6×1和f₀(x₁,x₂,u)∈R^6×1表示关于x₁、x₂和u的函数矩阵

其中，m和g分别表示飞机质量和重力加速度；c_i，i＝1,…,9表示力矩方程系数；F_x、F_y和F_z分别表示气动力和推力在机体坐标轴上的分量；

M和N分别表示合外力矩在机体坐标轴上的分量；相关气动力力和力矩的定义如下

D＝C_DQ_bS_w,Y＝C_YQ_bS_w,L＝C_LQ_bS_w,

M＝C_MQ_bS_wc_A,N＝C_NQ_bS_wb，

其中，S_w表示机翼面积；c_A表示平均气动弦长；b表示机翼展长；D、Y和L是气动力，分别表示阻力、侧力和升力；C_D、C_Y和C_L分别表示阻力系数、侧力系数和升力系数；

C_M和C_N分别表示滚转力矩系数、俯仰力矩系数和偏航力矩系数；α、β和V_t分别表示迎角、侧滑角和真空速；C_D0、C_Dα、

C_L0、C_Lα、

C_Yβ、

C_M0、C_Mα、

C_Nβ、C_NP和C_NR表示气动导数，可插值获得。

(b)根据图2，选取X＝[θ φ P Q R α β V_t]^T为滤波状态量，建立系统状态方程

其中，

G_xa＝mg(-cosαcosβsinθ+sinβsinφcosθ+sinαcosβcosφcosθ)，

G_ya＝mg(cosαsinβsinθ+cosβsinφcosθ-sinαsinβcosφcosθ)，

G_za＝mg(sinαsinθ+cosαcosφcosθ)。

考虑迎角α、侧滑角β和真空速V_t不可测，引入惯导信息作为量测信息，建立量测方程

Z(t)＝h(X(t),u(t),t)+v(t) (3)

其中，

表示惯导系统量测的俯仰角、滚转角、滚转角速度、俯仰角速度、偏航角速度以及加速度在机体坐标轴上的分量；v(t)∈R^8×1表示由惯性测量器件引起的量测噪声，满足E(v_k)＝0，

R_k∈R^8×8＞0，

h(X(t),u(t),t)是关于状态量的非线性函数

将公式(2)和(3)线性化和离散化

其中，

表示一步预测值；Φ_k,k-1＝I+F(t_k-1)Δt∈R^8×8表示系统转移矩阵，其中Δt表示滤波采样时间；

表示状态方程的雅克比矩阵；G_k-1＝Δt(I+(F(t_k-1)/2！)Δt)G(t_k-1)∈R^8×9表示系统噪声转移矩阵；

表示量测方程的雅克比矩阵。

构建扩展卡尔曼滤波器

其中，

表示k时刻的估计值；P_k/k-1表示一步预测协方差；P_k-1∈R^8×8表示k-1时刻的状态协方差；Z_k∈R^8×1表示k时刻惯导量测值；K_k∈R^8×8表示滤波增益；Δt＝0.01s。

(c)将动力学模型(1)写成以下严格反馈形式

其中，g₁(x₁)∈R^6×6、f₂(x₁,x₂)∈R^6×6和g₂(x₁,x₂)∈R^6×4表示如下

定义跟踪误差

其中

表示x₁的测量值，z_d表示指令信号，设计虚拟控制量

为

其中，k₁＝1.5。

定义误差

其中

表示测量值，设计实际控制量u为

其中，k₂＝1.5。

(d)根据得到的控制器u，返回到飞行器动力学模型(1)中，对飞行器进行跟踪控制。

Claims (2)

1.一种基于惯导/飞控系统信息融合的飞行控制方法，其特征在于步骤如下：

步骤1：飞机的六自由度非线性动力学模型

其中，x₁＝[φ θ ψ x_g y_g h]^T和x₂＝[U V W P Q R]^T表示系统状态量；u＝[T δ_e δ_a δ_r]^T表示控制输入；θ、φ和ψ分别表示俯仰角、滚转角和偏航角；x_g、y_g和h分别表示飞机质心在地面坐标轴系下的位移；U、V和W分别表示飞行速度在机体坐标轴系各轴上的分量；P、Q和R分别表示滚转角速度、俯仰角速度和偏航角速度；T表示推力；δ_e、δ_a和δ_r分别表示升降舵偏转角、副翼偏转角和方向舵偏转角；g₀(x₁,x₂)∈R^6×1和f₀(x₁,x₂,u)∈R^6×1表示关于x₁、x₂和u的函数矩阵

其中，m和g分别表示飞机质量和重力加速度；c_i，i＝1,…,9表示力矩方程系数；F_x、F_y和F_z分别表示气动力和推力在机体坐标轴上的分量；

M和N分别表示合外力矩在机体坐标轴上的分量；相关气动力力和力矩的定义如下D＝C_DQ_bS_w,Y＝C_YQ_bS_w,L＝C_LQ_bS_w,

M＝C_MQ_bS_wc_A,N＝C_NQ_bS_wb，

F_y＝Ycosβ-Dsinβ，F_x＝T+Lsinα-Ycosαsinβ-Dcosαcosβ,F_z＝-Lcosα-Ysinαsinβ-Dsinαcosβ。

其中，S_w表示机翼面积；c_A表示平均气动弦长；b表示机翼展长；D、Y和L是气动力，分别表示阻力、侧力和升力；C_D、C_Y和C_L分别表示阻力系数、侧力系数和升力系数；

C_M和C_N分别表示滚转力矩系数、俯仰力矩系数和偏航力矩系数；α、β和V_t分别表示迎角、侧滑角和真空速；C_D0、C_Dα、

C_L0、C_Lα、

C_Yβ、

C_M0、C_Mα、

C_Mq、

C_Nβ、C_NP和C_NR表示气动导数，可插值获得；

步骤2：选取X＝[θ φ P Q R α β V_t]^T为滤波状态量，建立系统状态方程

其中，

G_xa＝mg(-cosαcosβsinθ+sinβsinφcosθ+sinαcosβcosφcosθ)，

G_ya＝mg(cosαsinβsinθ+cosβsinφcosθ-sinαsinβcosφcosθ)，

G_za＝mg(sinαsinθ+cosαcosφcosθ)。

考虑迎角α、侧滑角β和真空速V_t不可测，引入惯导信息作为量测信息，建立量测方程

Z(t)＝h(X(t),u(t),t)+v(t) (3)

其中，

表示惯导量测的俯仰角、滚转角、滚转角速度、俯仰角速度、偏航角速度以及加速度在机体坐标轴上的分量；v(t)∈R^8×1表示由惯性测量器件引起的量测噪声，满足

E(v_k)＝0，

h(X(t),u(t),t)是关于状态量的非线性函数

构建扩展卡尔曼滤波器

其中，

表示一步预测值；

表示k时刻的状态估计值；P_k/k-1∈R^8×8表示一步预测协方差；P_k-1∈R^8×8表示k-1时刻的状态估计协方差；Z_k∈R^8×1表示k时刻的惯导量测值；K_k∈R^8×8表示滤波增益；Φ_k,k-1＝I+F(t_k-1)Δt∈R^8×8表示系统转移矩阵，其中Δt表示滤波采样时间；G_k-1＝Δt(I+(F(t_k-1)/2！)Δt)G(t_k-1)∈R^8×9表示系统噪声驱动矩阵，

表示状态方程的雅克比矩阵；

表示量测方程的雅克比矩阵；步骤3：将动力学模型(1)写成以下严格反馈形式

其中，g₁(x₁)∈R^6×6、f₂(x₁,x₂)∈R^6×6和g₂(x₁,x₂)∈R^6×4表示如下

定义跟踪误差

其中

表示x₁的测量值，z_d表示指令信号，设计虚拟控制量

为

其中，参数k₁＞0由设计者给定。

定义误差

其中

表示测量值，设计实际控制量u为

其中，参数k₂＞0由设计者给定；

步骤4：根据得到的控制器u，返回到飞行器动力学模型(1)中，对飞行器进行跟踪控制。

2.根据权利要求1所述的一种基于惯导/飞控系统信息融合的飞行控制方法，其特征在于步骤2中所述的Δt＝0.01s。

Images