CN112347662A - 一种搭载飞艇的六旋翼飞行器及控制方法 - Google Patents
一种搭载飞艇的六旋翼飞行器及控制方法 Download PDFInfo
- Publication number
- CN112347662A CN112347662A CN202011370212.0A CN202011370212A CN112347662A CN 112347662 A CN112347662 A CN 112347662A CN 202011370212 A CN202011370212 A CN 202011370212A CN 112347662 A CN112347662 A CN 112347662A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- control
- equation
- rotor
- attitude
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 51
- 239000001307 helium Substances 0.000 claims description 41
- 229910052734 helium Inorganic materials 0.000 claims description 41
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 24
- 230000000875 corresponding effect Effects 0.000 claims description 23
- 238000013461 design Methods 0.000 claims description 17
- 238000000926 separation method Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 16
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 13
- 239000007789 gas Substances 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011217 control strategy Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 7
- 238000011002 quantification Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000005056 compaction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000012938 design process Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 229920002635 polyurethane Polymers 0.000 claims description 3
- 239000004814 polyurethane Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 241000714197 Avian myeloblastosis-associated virus Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 101150037717 Mavs gene Proteins 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002948 stochastic simulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出一种搭载飞艇的六旋翼飞行器及控制方法,所述飞行器的机身周沿处均匀设置有多个竖向旋翼;机身中部顶面处还设有可提供浮力的气囊;所述气囊的浮力中心位于机身上方;本发明能优化多旋翼飞行器的飞行持续时间和有效载荷能力。
Description
技术领域
本发明涉及飞行器技术领域,尤其是一种搭载飞艇的六旋翼飞行器及控制方法。
背景技术
在过去的几年里,多旋翼飞行器(MAVs)发现了许多应用,包括小包装交付、精确农业监测、城市地区监测、建筑检查等,在大多数情况下,如果延长飞行持续时间和有效载荷能力,操作就会更加有效和高效。在这两个方面改进MAV的一个非常简单的方法是将其与氦气球结合起来,该气球提供了一个上升力来抵消飞行器的总重量。
这种MAV是一种直接的尝试,通过空气静压升降机以延长飞行持续时间和负载能力的传统多旋翼飞行器。从控制角度看,一方面,这样的组合虽然导致了一个非常简单的飞行器,但另一方面,即使对于室内飞行,其控制系统也必须仔细设计,以克服恢复扭矩的影响(这在传统的多转子飞行器中不发生),同时对局部温度和压力运行条件的变化,其控制需优化设计以具有鲁棒性。
发明内容
本发明提出一种搭载飞艇的六旋翼飞行器及控制方法,能优化多旋翼飞行器的飞行持续时间和有效载荷能力。
本发明采用以下技术方案。
一种搭载飞艇的六旋翼飞行器,所述飞行器的机身周沿处均匀设置有多个竖向旋翼;机身中部顶面处还设有可提供浮力的气囊;所述气囊的浮力中心位于机身上方。
所述飞行器机身周沿处设有偶数根机臂;所述竖向旋翼设于机臂末端;所述气囊附于机身中部顶面,并以柔性索固定于机臂处。
当飞行器飞行时,所述气囊以其浮力来抵消飞行器重力,所述气囊的浮力中心CB位于飞行器的质量中心CM上方,若机身处于倾斜状态,所述气囊以以其浮力在飞行器处形成指向上方的恢复力矩。
当飞行器飞行环境的温度或气压变化,使空气密度变化或气囊内部气体密度变化时,所述气囊的浮力也随之变化。
所述飞行器的机臂数量为六根;所述气囊为以聚氨酯成型的软质扁圆形球体,其直径2.5m,高度1.6m;当飞行器飞行时,所述气囊充以氦气;所述飞行器飞行时,浮力比为0.7,飞行器水平扭矩的最大边界为12Nm,飞行器倾角保持在15度以下。
一种搭载飞艇的六旋翼飞行器的控制方法,以上所述的一种搭载飞艇的六旋翼飞行器,其控制方法中,采用牛顿-欧拉方法,建立气球-六自由度非线性动力学模型,并以基于时间尺度分离假设的内环外环层次结构设计飞行器的控制系统,所述控制系统中,姿态控制通过内环实现,位置控制通过外环实现,姿态控制和位置控制分别设计使用反馈线性化,并考虑控制向量在所需的平行体集合中的饱和,以确保设计过程对控制扭矩和力以及飞行器倾角的相适应;
针对飞行器飞行时,飞行环境的温度或气压变化不确定性对飞行器动力学模型的影响,采用参数概率方法进行分析,在此参数概率分析中,温度和压力被建模为独立的均匀随机变量,并且基于这些随机模型,对于每个飞行实现,均为这两个变量生成对应的结果。
所述动力学模型中定义两个笛卡尔坐标系,即机身CCS和地面CCS;
动力学模型中包括物理向量和物理向量投影至任意CCS上形成的对应的代数向量,代数向量之间的向量积以矩阵乘法表示,若两个代数向量a=[a1 a2 a3]T和b相乘,则用矩阵乘法[a×]b表示为
其中
[a×]是一个斜对称矩阵。
i=1,2,3,4,其中kf是推力系数,kT是反应转矩系数,ωi是第i个转子的转速;
动力模型中的转子动力学可以用以下一阶线性模型来建模:
其中V是气囊的体积,g是重力加速度,ρair空气密度,ρhelium氦密度;
通过在SB中表示公式8,可得到公式
SB的旋转运动的运动学方程;SG通过以下方程中给出
设飞行器具有刚性结构,SG为惯性系;由第二欧拉定律得出
在机体和旋翼螺旋桨的旋转方面,其总角动量HB可以写成
通过把公式12替换为公式11,即可得SB的旋转运动的动力学方程,其以SB表示的向量的SG:
引用第二牛顿定律并考虑SG中表示的所有向量,得出
其中,mt是没有提升气体的飞行器的总质量,包括有效载荷,mh=ρheliumV是氦气质量,是飞行器质量中心B位置的SG表示;为重力的SG表示,为气球气动升力的SG表示,为控制力的SG表示,为飞行过程扰动力的SG表示;力由公式7给出,而和由公式7建模
将公式15、公式16代入公式14,得到平移运动的动力学模型
其中nG∈R3是DB/G的第三行的转置,对应于与转子平面法线的单位矢量的SG表示。
所述控制方法采用的飞行控制系统采用分层控制策略,即飞行控制通过两个嵌套的控制回路来实现,其中内回路负责姿态控制,而外环执行位置控制;
外环的位置控制器接收外部位置命令以及来自飞行器的位置反馈和速度反馈同时也产生推力命令向量其中是一个双自由度姿态命令,该命令与外部航向命令一起构成姿态控制器的三自由度命令输入,后者接收飞行器三维姿态DB/G和角速度的反馈;
分层控制策略的层次控制体系结构是基于闭环平移和旋转飞行器动力学之间存在时间尺度分离的假设上的;该假设是通过调整姿态控制回路以使其收敛速度高于位置控制回路;设计位置控制律时,假定实际姿态为DB/G收敛到相应的命令即另一方面,在设计姿态控制律时,姿态命令假定为常数,或等效为角速度命令假设为零;基于以上假设的基础上,单独设计姿态和位置控制规律;
以公式19表述的姿态控制律为,如果没有饱和是主动的,则取消公式23右侧的第一项和第二项,保留由公式25最后两项中出现的比例导数动作控制的反馈线性闭环动力学。
所提出的以公式24所述的控制器为,如果没有饱和处于活动状态,则取消公式23右侧的第二项,保留由公式25最后两项中出现的比例导数动作控制的双积分闭环动力学;在无饱和条件下,用线性时不变控制方法证明了所提出的平移控制回路的渐近稳定性;
所述控制分配包括线性方程组公式26的解f;由于为具有无穷解的待定系统,因此选择解决优化问题的系统为:
受相等的以公式26表述的约束,利用拉格朗日乘法可以得到解
在飞行过程的不确定性量化方面,有以下方法:使用参数概率方法对所考虑的飞行控制系统进行不确定性量化分析;在此分析中,温度和压力被建模为独立的均匀随机变量,并且基于这些随机模型,对于每个飞行实现,为这两个变量生成一个新的结果;
概率模型,设(Θ,Σ,P)是一个概率空间,其中Θ是样本空间,Σ是一个大于Θ的σ代数,而P:Σ→[0,1]一个概率测度,在不确定性量化这个随机框架中,局部温度Tl和压力Pl分别由(独立)随机变量X:Σ→R和Y:Σ→R建模;
假设这些概率分布为PX(dx)和PX(dx)的随机变量,概率密度函数(PDF)x→pX(x)是相对于dx,y→pY(y)相对于dy;采用最大熵原理作为指定上述分布的方法,以在一个场景中提供最小偏差的分布,假设随机局部温度X和局部压力Y分别取已知正有限区间和将最大熵原理表述为Shannon熵的最大化
S(pX)=-∫Rln pX(x)pX(x)dx和S(pY)=-∫Rln pY(y)pY(y)dy (公式29)
在X和Y中,受规范化约束
利用拉格朗日乘子法求解上述优化问题,得到以下PDFs:
其中lX(x)表示集合X的指示函数,上述的PDF分别对应于区间[x1,x2]和[y1,y2]上的均匀分布;
由于X和Y的随机性,空气密度ρair对和氦密度ρhelium也是随机变量;由于公式7表述的气动升力、公式9表述的恢复扭矩依赖于空气密度ρair对和氦密度ρhelium,因此旋转公式13和平移公式17的动力学模型是具有随机参数的微分方程,且其变量是随机过程,此处选择最低温度x1=0℃,最高温度x2=40℃最小压力y1=0.7739atm(在2000m和0℃),最大压力y2=1atm。
本发明能优化多旋翼飞行器的飞行持续时间和有效载荷能力。
本发明考虑了搭载飞艇的六旋翼飞行器由于气球浮力中心在飞行器质量中心上方的位移而产生的恢复扭矩,利用牛顿-欧拉方法,导出了非线性动力学模型,并在平移动力学和旋转动力学的时间尺度分离假设下,相互独立设计了姿态和位置控制这两个控制器,能精确应对飞行器飞行过程不确定的局部温度变化和压力条件变化。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明:
附图1是本发明所述的飞行器结构示意图;
附图2是相对于机身的笛卡尔坐标系(CCS)和相对于地面的笛卡尔坐标系的示意图;
附图3为气囊作用于机身的恢复扭矩的示意图;
附图4是飞行器控制系统的原理示意图;
附图5a是飞行器的动力模型在位置控制输入的约束集(a)为等轴测图显示平行装置内的控制力命令示意图;
图中:100-气囊;200-机身;300-旋翼;400-机臂。
具体实施方式
如图所示,一种搭载飞艇的六旋翼飞行器,所述飞行器的机身周沿处均匀设置有多个竖向旋翼;机身中部顶面处还设有可提供浮力的气囊;所述气囊的浮力中心位于机身上方。
所述飞行器机身周沿处设有偶数根机臂;所述竖向旋翼设于机臂末端;所述气囊附于机身中部顶面,并以柔性索固定于机臂处。
当飞行器飞行时,所述气囊以其浮力来抵消飞行器重力,所述气囊的浮力中心CB位于飞行器的质量中心CM上方,若机身处于倾斜状态,所述气囊以以其浮力在飞行器处形成指向上方的恢复力矩。
当飞行器飞行环境的温度或气压变化,使空气密度变化或气囊内部气体密度变化时,所述气囊的浮力也随之变化。
所述飞行器的机臂数量为六根;所述气囊为以聚氨酯成型的软质扁圆形球体,其直径2.5m,高度1.6m;当飞行器飞行时,所述气囊充以氦气;所述飞行器飞行时,浮力比为0.7,飞行器水平扭矩的最大边界为12Nm,飞行器倾角保持在15度以下。
一种搭载飞艇的六旋翼飞行器的控制方法,以上所述的一种搭载飞艇的六旋翼飞行器,其控制方法中,采用牛顿-欧拉方法,建立气球-六自由度非线性动力学模型,并以基于时间尺度分离假设的内环外环层次结构设计飞行器的控制系统,所述控制系统中,姿态控制通过内环实现,位置控制通过外环实现,姿态控制和位置控制分别设计使用反馈线性化,并考虑控制向量在所需的平行体集合中的饱和,以确保设计过程对控制扭矩和力以及飞行器倾角的相适应;
针对飞行器飞行时,飞行环境的温度或气压变化不确定性对飞行器动力学模型的影响,采用参数概率方法进行分析,在此参数概率分析中,温度和压力被建模为独立的均匀随机变量,并且基于这些随机模型,对于每个飞行实现,均为这两个变量生成对应的结果。
所述动力学模型中定义两个笛卡尔坐标系,即机身CCS和地面CCS;
动力学模型中包括物理向量和物理向量投影至任意CCS上形成的对应的代数向量,代数向量之间的向量积以矩阵乘法表示,若两个代数向量a=[a1 a2 a3]T和b相乘,则用矩阵乘法[a×]b表示为
其中
[a×]是一个斜对称矩阵。
i=1,2,3,4,其中kf是推力系数,kT是反应转矩系数,ωi是第i个转子的转速;
动力模型中的转子动力学可以用以下一阶线性模型来建模:
其中V是气囊的体积,g是重力加速度,ρair空气密度,ρhelium氦密度;
通过在SB中表示公式8,可得到公式
SB的旋转运动的运动学方程;SG通过以下方程中给出
设飞行器具有刚性结构,SG为惯性系;由第二欧拉定律得出
在机体和旋翼螺旋桨的旋转方面,其总角动量HB可以写成
引用第二牛顿定律并考虑SG中表示的所有向量,得出
其中,mt是没有提升气体的飞行器的总质量,包括有效载荷,mh=ρheliumV是氦气质量,是飞行器质量中心B位置的SG表示;为重力的SG表示,为气球气动升力的SG表示,为控制力的SG表示,为飞行过程扰动力的SG表示;力由公式7给出,而和由公式7建模
将公式15、公式16代入公式14,得到平移运动的动力学模型
其中nG∈R3是DB/G的第三行的转置,对应于与转子平面法线的单位矢量的SG表示。
所述控制方法采用的飞行控制系统采用分层控制策略,即飞行控制通过两个嵌套的控制回路来实现,其中内回路负责姿态控制,而外环执行位置控制;
外环的位置控制器接收外部位置命令以及来自飞行器的位置反馈和速度反馈同时也产生推力命令向量其中是一个双自由度姿态命令,该命令与外部航向命令一起构成姿态控制器的三自由度命令输入,后者接收飞行器三维姿态DB/G和角速度的反馈;
分层控制策略的层次控制体系结构是基于闭环平移和旋转飞行器动力学之间存在时间尺度分离的假设上的;该假设是通过调整姿态控制回路以使其收敛速度高于位置控制回路;设计位置控制律时,假定实际姿态为DB/G收敛到相应的命令即另一方面,在设计姿态控制律时,姿态命令假定为常数,或等效为角速度命令假设为零;基于以上假设的基础上,单独设计姿态和位置控制规律;
以公式19表述的姿态控制律为,如果没有饱和是主动的,则取消公式23右侧的第一项和第二项,保留由公式25最后两项中出现的比例导数动作控制的反馈线性闭环动力学。
所提出的以公式24所述的控制器为,如果没有饱和处于活动状态,则取消公式23右侧的第二项,保留由公式25最后两项中出现的比例导数动作控制的双积分闭环动力学;在无饱和条件下,用线性时不变控制方法证明了所提出的平移控制回路的渐近稳定性;
所述控制分配包括线性方程组公式26的解f;由于为具有无穷解的待定系统,因此选择解决优化问题的系统为:
受相等的以公式26表述的约束,利用拉格朗日乘法可以得到解
在飞行过程的不确定性量化方面,有以下方法:使用参数概率方法对所考虑的飞行控制系统进行不确定性量化分析;在此分析中,温度和压力被建模为独立的均匀随机变量,并且基于这些随机模型,对于每个飞行实现,为这两个变量生成一个新的结果;
概率模型,设(Θ,Σ,P)是一个概率空间,其中Θ是样本空间,Σ是一个大于Θ的σ代数,而P:Σ→[0,1]一个概率测度,在不确定性量化这个随机框架中,局部温度Tl和压力Pl分别由(独立)随机变量X:Σ→R和Y:Σ→R建模;
假设这些概率分布为PX(dx)和PX(dx)的随机变量,概率密度函数(PDF)x→pX(x)是相对于dx,y→pY(y)相对于dy;采用最大熵原理作为指定上述分布的方法,以在一个场景中提供最小偏差的分布,假设随机局部温度X和局部压力Y分别取已知正有限区间和将最大熵原理表述为Shannon熵的最大化
S(pX)=-∫Rln pX(x)pX(x)dx和S(pY)=-∫Rln pY(y)pY(y)dy (公式29)
在X和Y中,受规范化约束
利用拉格朗日乘子法求解上述优化问题,得到以下PDFs:
其中lX(x)表示集合X的指示函数,上述的PDF分别对应于区间[x1,x2]和[y1,y2]上的均匀分布;
由于X和Y的随机性,空气密度ρair对和氦密度ρhelium也是随机变量;由于公式7表述的气动升力、公式9表述的恢复扭矩依赖于空气密度ρair对和氦密度ρhelium,因此旋转公式13和平移公式17的动力学模型是具有随机参数的微分方程,且其变量是随机过程,此处选择最低温度x1=0℃,最高温度x2=40℃最小压力y1=0.7739atm(在2000m和0℃),最大压力y2=1atm。
实施例1:
本例中,飞行器为一种新型微型飞行器(MAV),该飞行器是由一架六旋翼飞行器与一个充满氦气的气球组合而成。这种MAV是一种直接的尝试,通过气动升力以延长飞行持续时间和负载能力的传统多旋翼飞行器。
所述的飞行器的控制系统它是一种层次结构,基于所谓的时间尺度分离假设,其中姿态控制是通过内环实现的,而位置控制是通过外环实现的。这样,姿态和位置控制律分别设计使用反馈线性化,并考虑控制向量在适当的平行体集合中的饱和,以确保设计界对控制扭矩、力以及飞行器倾角的满意。
在确定性和随机模拟的基础上对所提出的飞行控制系统进行了评价。特别是,确定性仿真表明,在标称条件下,可以控制飞行器的位置,以参考速度为0.5m/s的期望航迹为基础。所获得的性能对于许多MAV应用来说是足够准确和快速的。另一方面,在随机模拟中,局部温度和压力由均匀分布的随机变量建模。在位置控制性能中验证的变异性可以被认为足够小,以分配一个特殊的控制律设计,以抑制它。然而,姿态控制误差所表现出的变异性激发了一种特殊的鲁棒控制方法,以在随机意义上提高系统的性能。
实施例2:
实施例1中的飞行器及控制方法,其动力学分析如下
定义两个笛卡尔坐标系(CCS),如图2所示。机身CCS,与飞行器的机体相连,原点位于飞行器的质量中心B,轴向前指向,对准旋翼1和2之间分离角的平分线,轴向上指向,与转子平面垂直,轴是向右指向。地面CCS,固定在一个已知的点G上,轴垂直指向向上。为了我们的目的,SG可以被认为是一个惯性系。
这里采用的表示法区分了两种向量:物理向量和代数向量。物理向量由小写斜体字母表示,带有右箭头上标,例如相应的代数向量,由投影到任意CCS上,用小写粗体字母SA表示,文本通常将rA称为的SA表示。现在考虑CCS SA相对于另一个CCS SB的相对矢量物理量(如位置或速度)。在这种情况下,我们最好用显式表示这个物理向量a/b以及它的SA和SB分别通过和表示。SA,SB是通过矩阵DA/B∈SO(3)表示;考虑到物理向量和它的代表rA,rB。姿态矩阵DA/B为rA=DA/BrB。
考虑两个代数向量a=[a1 a2 a3]T和b。我们用矩阵乘法[a×]b表示它们之间的向量积,其中[a×]是一个斜对称矩阵:
i=1,2,3,4,其中kf是推力系数,kT是反应转矩系数,ωi是第i个转子的转速。转子动力学可以用以下一阶线性模型来建模:
其中是第i个转子转速命令,kw是速度系数,τw转子时间常数。假设旋转界力已知。考虑所有六个推力Fi点向上。此外,考虑反应扭其中τ1为正,τ2为负,τ3为正,依次类推。因此,可以证明所得到的控制力Fc和在SB中的控制扭矩可表示为
气球产生的两个主要的力,一种是气动升力另一个是恢复扭矩力是由阿基米德原理解释的,它总是指向垂直地面向上,它的大小等于气球所取代的气体量的重量减去提升气体(氦)本身的重量。因此,可以立即写出在SG中的表示为
其中V是气球的体积,g是重力加速度,ρair空气密度,ρhelium氦密度。
另一方面,恢复扭矩是一种飞行器CM的驱动力,它作用在气球的CB和飞行器的CM之间距离为d的位置。图3显示了气球-机身的连接,这里假设它是刚性的。在这种情况下,放置在H点的CB是与SB固定。从图3可立即写出
通过在SB中表示(投影)方程(8),我们最终得到了
SB的旋转运动的运动学方程。SG通过以下方程在SO(3)中给出
假设飞行器具有刚性结构,SG为惯性系。因此,第二欧拉定律允许
考虑到机体和螺旋桨的旋转,并注意到后者旋转得更快,总角动量HB可以写成
因此,将方程(12)替换为方程(11),可以得到SB的旋转运动的动力学方程。以SB表示的向量的SG:
通过引用第二牛顿定律,考虑SG中表示的所有向量,得可以立即出
其中,mt是没有提升气体的飞行器的总质量,包括有效载荷,mh=ρheliumV是氦气质量,是飞行器质量中心B位置的SG表示。为重力的SG表示,为气球气动升力的SG表示,为控制力的SG表示,为(未知)扰动力的SG表示。力由方程(7)给出,而和由方程(7)建模
将方程(15)-(16)代入(14),最终得到平移运动的动力学模型
其中nG∈R3是DB/G的第三行的转置,它对应于与转子平面法线的单位矢量的SG表示。
实施例3:
实施例2中的飞行器及控制方法,所采用的飞行控制系统设计方法如下,
采用了分层控制策略,如图4所示。在这种策略中,飞行控制是通过两个嵌套的控制回路来实现的,其中内回路负责姿态控制,而外环执行位置控制。位置控制器接收外部位置命令以及来自飞行器的位置反馈和速度反馈另一方面,它产生推力命令向量其中是一个双自由度姿态命令,该命令与外部航向命令一起构成姿态控制器的三自由度命令输入。后者接收飞行器三维姿态DB/G和角速度的反馈。控制分配块响应于从总推力大小命令和扭矩命令生成单个推力命令i=1,...,6。
所考虑的层次控制体系结构它是基于闭环平移和旋转飞行器动力学之间存在时间尺度分离的假设。这一假设是通过调整姿态控制回路以使其收敛速度比位置控制回路快得多。在这种情况下,在设计位置控制律时,可以假定实际姿态为DB/G收敛到相应的命令即另一方面,在设计姿态控制律时,姿态命令假定为常数,或等效为角速度命令假设为零。在这些假设的基础上,姿态和位置控制规律可以单独设计。
注意,所提出的姿态控制律(19)是这样的,如果没有饱和是主动的,则取消方程(18)右侧的第一项和第二项,保留由方程(20)最后两项中出现的比例导数动作控制的反馈线性闭环动力学。
所提出的控制器(24)是这样的,如果没有饱和处于活动状态,则取消方程(23)右侧的第二项,保留由方程(25)最后两项中出现的比例导数动作控制的双积分闭环动力学。在无饱和条件下,用线性时不变控制方法证明了所提出的平移控制回路的渐近稳定性。
通过将控制输入约束在一个平行的集合中,可以处理其大小的界以及它的倾角。为了说明它,定义一个引用CCS,Sr,其原点位于B,其轴与SG平行,如图5所示。从约束集的几何形状可以看出 为所允许的最大倾斜角。
这里追求的控制分配包括线性方程组(26)的解f。由于这是一个待定系统(具有无穷解),我们在这里选择解决优化问题的系统:
受相等约束(26)。利用拉格朗日乘法可以立即找到这个问题的解
不确定性量化:
使用参数概率方法对所考虑的飞行控制系统进行不确定性量化分析。在此分析中,温度和压力被建模为独立的均匀随机变量,并且基于这些随机模型,对于每个飞行实现,为这两个变量生成一个新的结果。
概率模型,设(Θ,Σ,P)是一个概率空间,其中Θ是样本空间,Σ是一个大于Θ的σ代数,而P:Σ→[0,1]一个概率测度。在这个随机框架中,局部温度Tl和压力Pl分别由(独立)随机变量X:Σ→R和Y:Σ→R建模。我们假设这些概率分布为PX(dx)和PX(dx)的随机变量,概率密度函数(PDF)x→pX(x)是相对于dx,y→pY(y)相对于dy。
这里采用最大熵原理作为指定上述分布的方法。这种方法在一个场景中提供了最小偏差的分布,在特定随机变量[15]上的实验信息很少(或没有。在本研究中,随机局部温度X和局部压力Y都是完全未知的。
S(pX)=-∫Rln pX(x)pX(x)dx和S(pY)=-∫Rln pY(y)pY(y)dy (公式29)
在X和Y中,受规范化约束
利用拉格朗日乘子法可以求解上述优化问题,得到以下PDFs:
其中lX(x)表示集合X的指示函数。请注意,上述PDF分别对应于区间[x1,x2]和[y1,y2]上的均匀分布。
由于X和Y的随机性,空气密度ρair对和氦密度ρhelium也是随机变量。此外,由于气动升力[见方程(7)]和恢复扭矩[见方程(9)]依赖于空气密度ρair对和氦密度ρhelium,因此旋转(13)和平移(17)动力学模型是具有随机参数的微分方程,它们的变量是随机过程。特别是,在这里选择最低温度x1=0℃,最高温度x2=40℃最小压力y1=0.7739atm(在2000m和0℃),最大压力y2=1atm。
以上实施例中,物理向量由小写斜体字母表示,带有右箭头上标,物理向量投影至任意CCS上对应的代数向量以小写粗体字母表示。
Claims (10)
1.一种搭载飞艇的六旋翼飞行器,其特征在于:所述飞行器的机身周沿处均匀设置有多个竖向旋翼;机身中部顶面处还设有可提供浮力的气囊;所述气囊的浮力中心位于机身上方。
2.根据权利要求1所述的一种搭载飞艇的六旋翼飞行器,其特征在于:所述飞行器机身周沿处设有偶数根机臂;所述竖向旋翼设于机臂末端;所述气囊附于机身中部顶面,并以柔性索固定于机臂处。
3.根据权利要求2所述的一种搭载飞艇的六旋翼飞行器,其特征在于:当飞行器飞行时,所述气囊以其浮力来抵消飞行器重力,所述气囊的浮力中心CB位于飞行器的质量中心CM上方,若机身处于倾斜状态,所述气囊以以其浮力在飞行器处形成指向上方的恢复力矩。
4.根据权利要求3所述的一种搭载飞艇的六旋翼飞行器,其特征在于:当飞行器飞行环境的温度或气压变化,使空气密度变化或气囊内部气体密度变化时,所述气囊的浮力也随之变化。
5.根据权利要求4所述的一种搭载飞艇的六旋翼飞行器,其特征在于:所述飞行器的机臂数量为六根;所述气囊为以聚氨酯成型的软质扁圆形球体,其直径2.5m,高度1.6m;当飞行器飞行时,所述气囊充以氦气;所述飞行器飞行时,浮力比为0.7,飞行器水平扭矩的最大边界为12Nm,飞行器倾角保持在15度以下。
6.一种搭载飞艇的六旋翼飞行器的控制方法,其特征在于:权利要求4中所述的一种搭载飞艇的六旋翼飞行器,其控制方法中,采用牛顿-欧拉方法,建立气球-六自由度非线性动力学模型,并以基于时间尺度分离假设的内环外环层次结构设计飞行器的控制系统,所述控制系统中,姿态控制通过内环实现,位置控制通过外环实现,姿态控制和位置控制分别设计使用反馈线性化,并考虑控制向量在所需的平行体集合中的饱和,以确保设计过程对控制扭矩和力以及飞行器倾角的相适应;
针对飞行器飞行时,飞行环境的温度或气压变化不确定性对飞行器动力学模型的影响,采用参数概率方法进行分析,在此参数概率分析中,温度和压力被建模为独立的均匀随机变量,并且基于这些随机模型,对于每个飞行实现,均为这两个变量生成对应的结果。
7.根据权利要求6所述的一种搭载飞艇的六旋翼飞行器的控制方法,其特征在于:所述动力学模型中定义两个笛卡尔坐标系,即机身CCS和地面CCS;
动力学模型中包括物理向量和物理向量投影至任意CCS上形成的对应的代数向量,代数向量之间的向量积以矩阵乘法表示,若两个代数向量a=[a1 a2 a3]T和b相乘,则用矩阵乘法[a×]b表示为
其中
[a×]是一个斜对称矩阵。
8.根据权利要求7所述的一种搭载飞艇的六旋翼飞行器的控制方法,其特征在于:所述飞行器的旋翼数为六个,驱动各旋翼的电机转子分别产生控制力和扭矩;设第i转子分别沿轴在机身上产生推力和反应扭矩,其大小分别由Fi和Ti表示,则可通过气动模型表述为
i=1,2,3,4,其中kf是推力系数,kT是反应转矩系数,ωi是第i个转子的转速;
动力模型中的转子动力学可以用以下一阶线性模型来建模:
9.根据权利要求8所述的一种搭载飞艇的六旋翼飞行器的控制方法,其特征在于:所述气囊在飞行器处的作用力包括气动升力和恢复扭矩所述垂直地面向上,其大小等于气囊所排开的空气量的重量减去提升气囊内氦气的重量,即在SG中的表示为
其中V是气囊的体积,g是重力加速度,ρair空气密度,ρhelium氦密度;
通过在SB中表示公式8,可得到公式
SB的旋转运动的运动学方程;SG通过以下方程中给出
设飞行器具有刚性结构,SG为惯性系;由第二欧拉定律得出
在机体和旋翼螺旋桨的旋转方面,其总角动量HB可以写成
通过把公式12替换为公式11,即可得SB的旋转运动的动力学方程,其以SB表示的向量的SG:
引用第二牛顿定律并考虑SG中表示的所有向量,得出
其中,mt是没有提升气体的飞行器的总质量,包括有效载荷,mh=ρheliumV是氦气质量,是飞行器质量中心B位置的SG表示;为重力的SG表示,为气球气动升力的SG表示,为控制力的SG表示,为飞行过程扰动力的SG表示;力由公式7给出,而和由公式7建模
将公式15、公式16代入公式14,得到平移运动的动力学模型
其中nG∈R3是DB/G的第三行的转置,对应于与转子平面法线的单位矢量的SG表示。
10.根据权利要求9所述的一种搭载飞艇的六旋翼飞行器的控制方法,其特征在于:所述控制方法采用的飞行控制系统采用分层控制策略,即飞行控制通过两个嵌套的控制回路来实现,其中内回路负责姿态控制,而外环执行位置控制;
外环的位置控制器接收外部位置命令以及来自飞行器的位置反馈和速度反馈同时也产生推力命令向量其中是一个双自由度姿态命令,该命令与外部航向命令一起构成姿态控制器的三自由度命令输入,后者接收飞行器三维姿态DB/G和角速度的反馈;
控制分配块响应于从总推力大小命令和扭矩命令生成单个推力命令分层控制策略的层次控制体系结构是基于闭环平移和旋转飞行器动力学之间存在时间尺度分离的假设上的;该假设是通过调整姿态控制回路以使其收敛速度高于位置控制回路;设计位置控制律时,假定实际姿态为DB/G收敛到相应的命令即另一方面,在设计姿态控制律时,姿态命令假定为常数,或等效为角速度命令假设为零;基于以上假设的基础上,单独设计姿态和位置控制规律;
以公式19表述的姿态控制律为,如果没有饱和是主动的,则取消公式23右侧的第一项和第二项,保留由公式25最后两项中出现的比例导数动作控制的反馈线性闭环动力学。
所提出的以公式24所述的控制器为,如果没有饱和处于活动状态,则取消公式23右侧的第二项,保留由公式25最后两项中出现的比例导数动作控制的双积分闭环动力学;在无饱和条件下,用线性时不变控制方法证明了所提出的平移控制回路的渐近稳定性;
所述控制分配包括线性方程组公式26的解f;由于为具有无穷解的待定系统,因此选择解决优化问题的系统为:
受相等的以公式26表述的约束,利用拉格朗日乘法可以得到解
在飞行过程的不确定性量化方面,有以下方法:使用参数概率方法对所考虑的飞行控制系统进行不确定性量化分析;在此分析中,温度和压力被建模为独立的均匀随机变量,并且基于这些随机模型,对于每个飞行实现,为这两个变量生成一个新的结果;
概率模型,设(Θ,Σ,P)是一个概率空间,其中Θ是样本空间,Σ是一个大于Θ的σ代数,而P:Σ→[0,1]一个概率测度,在不确定性量化这个随机框架中,局部温度Tl和压力Pl分别由(独立)随机变量X:Σ→R和Y:Σ→R建模;
假设这些概率分布为PX(dx)和PX(dx)的随机变量,概率密度函数(PDF)x→pX(x)是相对于dx,y→pY(y)相对于dy;采用最大熵原理作为指定上述分布的方法,以在一个场景中提供最小偏差的分布,假设随机局部温度X和局部压力Y分别取已知正有限区间和将最大熵原理表述为Shannon熵的最大化
S(pX)=-∫RlnpX(x)pX(x)dx和S(pY)=-∫RlnpY(y)pY(y)dy (公式29)
在X和Y中,受规范化约束
利用拉格朗日乘子法求解上述优化问题,得到以下PDFs:
其中lX(x)表示集合X的指示函数,上述的PDF分别对应于区间[x1,x2]和[y1,y2]上的均匀分布;
由于X和Y的随机性,空气密度ρair对和氦密度ρhelium也是随机变量;由于公式7表述的气动升力、公式9表述的恢复扭矩依赖于空气密度ρair对和氦密度ρhelium,因此旋转公式13和平移公式17的动力学模型是具有随机参数的微分方程,且其变量是随机过程,此处选择最低温度x1=0℃,最高温度x2=40℃最小压力y1=0.7739atm(在2000m和0℃),最大压力y2=1atm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370212.0A CN112347662B (zh) | 2020-11-30 | 一种搭载飞艇的六旋翼飞行器及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370212.0A CN112347662B (zh) | 2020-11-30 | 一种搭载飞艇的六旋翼飞行器及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112347662A true CN112347662A (zh) | 2021-02-09 |
CN112347662B CN112347662B (zh) | 2024-06-28 |
Family
ID=
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITMI20021815A1 (it) * | 2002-08-09 | 2004-02-10 | Nautilus S R L | Aeromobile a sostentazione statica ad alta manovrabilita' |
WO2015180171A1 (en) * | 2014-05-30 | 2015-12-03 | SZ DJI Technology Co., Ltd. | Aircraft attitude control methods |
CN108375988A (zh) * | 2018-05-25 | 2018-08-07 | 哈尔滨工业大学 | 一种带有不平衡负载的四旋翼无人机位姿控制方法 |
CN110935664A (zh) * | 2019-11-06 | 2020-03-31 | 合肥齐飞信息技术有限公司 | 一种多旋翼无人机避障雷达 |
CN111661322A (zh) * | 2020-07-08 | 2020-09-15 | 福州大学 | T型双旋翼飞行器及控制方法 |
CN213518264U (zh) * | 2020-11-30 | 2021-06-22 | 福州大学 | 一种搭载飞艇的六旋翼飞行器 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITMI20021815A1 (it) * | 2002-08-09 | 2004-02-10 | Nautilus S R L | Aeromobile a sostentazione statica ad alta manovrabilita' |
WO2015180171A1 (en) * | 2014-05-30 | 2015-12-03 | SZ DJI Technology Co., Ltd. | Aircraft attitude control methods |
CN108375988A (zh) * | 2018-05-25 | 2018-08-07 | 哈尔滨工业大学 | 一种带有不平衡负载的四旋翼无人机位姿控制方法 |
CN110935664A (zh) * | 2019-11-06 | 2020-03-31 | 合肥齐飞信息技术有限公司 | 一种多旋翼无人机避障雷达 |
CN111661322A (zh) * | 2020-07-08 | 2020-09-15 | 福州大学 | T型双旋翼飞行器及控制方法 |
CN213518264U (zh) * | 2020-11-30 | 2021-06-22 | 福州大学 | 一种搭载飞艇的六旋翼飞行器 |
Non-Patent Citations (1)
Title |
---|
王璐;王云;马成宇;夏俊;陈冬慧;: "旋翼推进式无人飞艇气动特性分析", 飞行力学, no. 01, 15 February 2018 (2018-02-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Adaptive sliding mode trajectory tracking control of robotic airships with parametric uncertainty and wind disturbance | |
Ke et al. | Design and implementation of a hybrid UAV with model-based flight capabilities | |
Liesk et al. | Design and experimental validation of a nonlinear low-level controller for an unmanned fin-less airship | |
Zheng et al. | Trajectory tracking control for underactuated stratospheric airship | |
Salazar-Cruz et al. | Real-time stabilization of a small three-rotor aircraft | |
Ma et al. | Design and fabrication of an insect-scale flying robot for control autonomy | |
Dos Santos et al. | Flight control of a hexa-rotor airship: Uncertainty quantification for a range of temperature and pressure conditions | |
Zheng et al. | Hovering control for a stratospheric airship in unknown wind | |
Bluman et al. | Marsbee-can a bee fly on mars? | |
Amiri et al. | Integral backstepping control of an unconventional dual-fan unmanned aerial vehicle | |
CN107844124A (zh) | 一种四旋翼飞行器携带不平衡负载稳定飞行的控制方法 | |
Lee et al. | Design optimization, modeling, and control of unmanned aerial vehicle lifted by Coandă effect | |
CN108733858B (zh) | 应用于高空飞行器系统的建模方法和装置 | |
CN213518264U (zh) | 一种搭载飞艇的六旋翼飞行器 | |
CN112347662B (zh) | 一种搭载飞艇的六旋翼飞行器及控制方法 | |
Cheng et al. | RGBlimp: Robotic gliding blimp-design, modeling, development, and aerodynamics analysis | |
CN112347662A (zh) | 一种搭载飞艇的六旋翼飞行器及控制方法 | |
Wu et al. | Full model of a buoyancy-driven airship and its control in the vertical plane | |
CN108490785B (zh) | 一种参数未知系统的控制系数范围确定的方法 | |
Zhang et al. | A novel miniature omnidirectional multi-rotor blimp | |
Mansur et al. | Pitch tracking for an airship with moving gondola using backstepping control | |
Lanteigne et al. | Unmanned airship design with sliding ballast: Modeling and experimental validation | |
Azouz et al. | Dynamic analysis of airships with small deformations | |
Lee et al. | Feedback linearization controller for semi station keeping of the unmanned airship | |
Alsayed | Pitch and Altitude Control of an Unmanned Airship with Sliding Gondola |
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 | ||
GR01 | Patent grant |