CN112596546A - 一种基于长机行为预测的僚机编队控制系统及方法 - Google Patents
一种基于长机行为预测的僚机编队控制系统及方法 Download PDFInfo
- Publication number
- CN112596546A CN112596546A CN202011515067.0A CN202011515067A CN112596546A CN 112596546 A CN112596546 A CN 112596546A CN 202011515067 A CN202011515067 A CN 202011515067A CN 112596546 A CN112596546 A CN 112596546A
- Authority
- CN
- China
- Prior art keywords
- plane
- wing
- long
- wing plane
- aircraft
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000001133 acceleration Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 15
- 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 14
- 206010034719 Personality change Diseases 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 claims 5
- 230000009471 action Effects 0.000 abstract description 12
- 230000000694 effects Effects 0.000 description 16
- 230000010354 integration Effects 0.000 description 7
- 238000005096 rolling process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005293 physical law Methods 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种基于长机行为预测的僚机编队控制系统及方法,该系统包括长机以及多个僚机,所述长机包括长机飞行控制器、长机机载惯性导航模块、长机数据传送模块,所述僚机包括僚机飞行控制器、僚机机载惯性导航模块、僚机数据传送模块。所述僚机编队控制方法为僚机跟踪长机的过程中,以长机的预期路径进行控制僚机姿态。僚机不仅利用长机的当前位置信息,还融合了长机期望位置信息,对僚机的飞行和编队进行控制,其编队拟合度高,尤其加入了速度与位置距离的PID算法,使得本发明僚机编队控制系统的僚机编队队形能够保持良好,与长机的动作一致性高,僚机与长机动作的延滞性小。
Description
技术领域
本发明涉及无人机编队飞行控制技术领域,尤其具体涉及一种基于长机行为预测的僚机编队控制系统及方法。
背景技术
随着无人机技术的高速发展,有人/无人机的编队协同作战将是无人机作战领域的技术研究热点。
目前有关无人机编队的发明大多针对多旋翼无人机,且主要集中在表演领域。而针对于固定翼无人机的编队控制方法,主要还是在仿真或者半实物仿真上。固定翼无人机编队的实际飞行效果不成熟,仍在探索研究阶段。
现有的无人机编队控制方法大多都是僚机根据长机(或者虚拟长机)的当前位置、当前速度、当前姿态等信息进行编队控制。但是由于无人机高速运动的特性,这种控制在长机不停的变换姿态或加(减)速运动时,不能得到较好的稳定编队。
发明内容
本发明的目的在于提供一种基于长机行为预测的僚机编队控制系统,该系统的僚机不仅利用长机的当前位置信息,还融合了长机期望位置信息,对僚机的飞行和编队进行控制,其编队拟合度高,尤其加入了速度与位置距离的PID算法,使得本发明僚机编队控制系统的僚机编队队形能够保持良好,与长机的动作一致性高,僚机与长机动作的延滞性小。
为实现上述目的,本发明提供如下技术方案:一种基于长机行为预测的僚机编队控制系统,包括长机以及多个僚机,所述长机包括长机飞行控制器、长机机载惯性导航模块、长机数据传送模块,所述僚机包括僚机飞行控制器、僚机机载惯性导航模块、僚机数据传送模块;所述长机机载惯性导航模块将长机姿态、长机姿态变化速率、长机速度矢量、长机加速度矢量、长机位置信息实时发送给长机飞行控制器;长机飞行控制器按照当前飞行任务和当前长机机载惯性导航模块的实时数据控制长机速度、长机加速度、长机姿态期望值,并控制长机向长机姿态期望值靠近,并实时计算出长机预期路径,将该长机预期路径信息通过长机数据传送模块发送给所述僚机数据传送模块,僚机数据传送模块将长机预期路径信息发送给僚机飞行控制器;所述对应僚机机载惯性导航模块将相应的僚机姿态、僚机姿态变化速率、僚机速度矢量、僚机加速度矢量、僚机位置信息实时发送给对应的僚机飞行控制器;僚机飞行控制器根据长机预期路径信息、编队队形信息、以及该僚机姿态、僚机速度计算出该僚机期望位置、僚机期望速度和僚机期望姿态,并根据计算出的该僚机期望位置、僚机期望速度和僚机期望姿态控制僚机进行编队飞行。
优选地,所述编队队形信息为各自僚机应在长机的前、后、左、右、上、下或空间位置的组合信息。
优选地,所述僚机飞行控制器控制僚机向长机预期路径飞行的过程中采用PID算法以僚机与长机之间的距离为变量才控制僚机飞行速度。
优选地,所述僚机跟踪长机的过程中,以长机的预期路径进行控制僚机姿态。
优选地,所述长机的预期路径根据长机当前的姿态、速度、受空气动力、预设航线、飞行指令综合计算得出。
优选地,所述长机预期位置和长机当前位置的连线与长机当前速度矢量的夹角β=C/2R,其中C为长机从当前位置到预期位置的飞行轨迹弧长,R为长机从当前位置到预期位置的转弯半径。
本发明还提供一种基于长机行为预测的僚机编队控制方法,其包括:
长机飞行控制流程:
长机机载惯性导航模块将计算出的姿态、姿态变化速率、速度矢量、加速度矢量、位置信息实时发送给长机飞行控制器;
长机飞行控制器按照当前的飞行任务和当前长机机载惯性导航模块的实时数据,给出长机的速度、加速度、姿态期望,并控制长机朝着期望值靠近,同时,长机将长机期望信息和实时数据通过长机数据传送模块打包发送给僚机;
僚机飞行控制流程:
僚机机载惯性导航模块实时计算出僚机自己的姿态、姿态变化速率、速度矢量、加速度矢量、位置信息,并实时发送给僚机飞行控制器;
僚机飞行控制器通过数据传送模块接收到长机发送过来的打包信息,并结合编队队形需求和本机姿态、速度信息,解算出,期望位置、期望速度和期望姿态,僚机飞行控制器通过期望位置、期望速度和期望姿态控制僚机进行编队飞行。
与现有技术相比,本发明的有益效果如下:
1.本发明的僚机编队控制系统及其方法,使得本发明系统中僚机不仅利用长机的当前位置信息,还融合了长机期望位置信息,对僚机的飞行和编队进行控制,其编队拟合度高,尤其加入了速度与位置距离的PID算法,使得本发明僚机编队控制系统的僚机编队队形能够保持良好,与长机的动作一致性高,僚机与长机动作的延滞性小。
2.僚机需要跟踪长机行为的预期,而不是跟踪长机当前位置。僚机不需要知道长机的预设航线,预设的下一点目标位置,换句话说,僚机不需要知道长机所有的计划,只关注此刻长机的速度和姿态,这就使得运算特别少,效率特别高。对僚机的控制是从外环对其进行控制,而不涉及开源飞行控制器的内环,这也避开了繁琐的姿态控制算法。利用原有的稳定的内环控制,外部程序也比较简洁,这也使得对僚机的控制效率比较高,更容易实现,移植性较好。用简单的参数调节来适配每一架具体的僚机,让不同僚机都能方便的找到编队效果最佳的参数。僚机速度的PID控制,让僚机的跟踪更加平滑,考虑到了固定翼飞机没有刹车,在速度控制中也加入了系数调节,让僚机可以根据情况提前加速、提前减速,保证编队效果可靠。
附图说明
图1为本发明基于长机行为预测的僚机编队控制系统的原理示意图。
图2为飞机转弯飞行时的原理示意图。
图3为本发明采用的L1制导律控制算法原理示意图。
图4为本发明的无人机直线路径跟踪原理示意图。
图5为本发明的无人机圆形路径跟踪原理示意图。
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。
在发明的描述中,需要说明的是,术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置有”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例一
如图1所示,本发明提供一种基于长机行为预测的僚机编队控制系统包括长机以及多个僚机,所述长机包括长机飞行控制器、长机机载惯性导航模块、长机数据传送模块,所述僚机包括僚机飞行控制器、僚机机载惯性导航模块、僚机数据传送模块。
长机流程:
长机需要判断自己的状态。机载惯性导航模块计算出的姿态、姿态变化速率、速度(矢量)、加速度(矢量)、位置信息,并将这些信息实时发送给长机的飞控。
长机飞行控制器按照当前的飞行任务(手动控制、巡航、航迹飞行、或按照预定航迹飞行)和当前机载惯性导模块的实时数据,会给出长机的速度、加速度、姿态期望,并控制其朝着期望值靠近。此处所提到的期望值,实际上指的是,在当前情况下,长机的速度、滚转姿态、受力等因素综合影响,会导致长机必然沿着一定的路径前进,在当前状态不变的情况下,即各种姿态及受力不变的情况下,长机的运动轨迹实际上是可以预测的,也就是长机的行为可预测。如果考虑到长机的预设航线、飞行指令等因素影响。那么只需要实时的判断长机目前的姿态、速度、受空气动力等因素,也是仍然可以实时判断出长机的预期路径的。这里,我们就可以将这些期望信息和实时数据通过数据传输模块打包发送给僚机。
僚机流程:
1.僚机首先要知道自身的状态。机载惯性导航模块计算出的姿态、姿态变化速率、速度(矢量)、加速度(矢量)、位置信息,并将这些信息实时发送给僚机的飞控。
2.僚机需要根据自身的位置等信息,以及自己需要跟踪的位置等信息来判断自己需要如何完成编队跟踪的目标。僚机飞行控制器通过数据传输模块接收到长机发送过来的打包信息,并结合编队队形需求和本机姿态、速度信息,解算出,期望位置、速度和姿态,僚机飞行控制器通过这些期望控制飞行器动作。
编队需求大致分为,僚机在长机的前、后、左、右、上、下,以及以上空间位置的组合,以上的需求,只需要在空间坐标系中做一个变换,将僚机需要跟踪的位置改为以上编队需要的空间位置即可。
3.编队过程中除主要按照预期位置进行跟踪编队外,还加入了以距离为变量,来控制速度的PID算法,即距离越远,朝预期位置飞行的速度越快,反之亦然,使跟踪编队效果更加稳定。
4.僚机朝预期位置的跟踪过程中,使用开源飞控切入航线,固定翼无人机必然会采用经典的L1算法,但该方法完成的跟踪效果相对平滑,会导致跟踪效果不及时,在此基础之上,我们改进了僚机跟踪的预期位置,相当于超预期,用简单的比方就是,长机转弯时,僚机需要弯道超车,否则很难实现稳定跟踪。
实施例二
本发明一种基于长机行为预测的僚机编队控制方法包括如下内容:
1.长机行为的预期:
僚机需要作为长机的忠诚僚机,僚机不需要知道长机的预设航线信息,即僚机并不知道长机计划飞往哪里,僚机只需要知道长机的姿态及速度信息就可以预测长机的行为。因为,由于长机是固定翼飞机,固定翼飞机不像旋翼无人机那样可以在飞行中戛然而止并大幅度的改变方向,固定翼飞机必须遵循物理定律,即在飞行中需要转弯,必然要以弧线进行转弯。因此,我们的主要工作是求长机飞行的预期轨迹。为了减少算法,方便实现,只需要试图求出固定翼飞机(可以是无人机也可以有人机)的转弯半径。
转弯半径的求解方法:
飞机的转弯半径和飞机的滚转角度有关,和飞行速度有关,和当地重力加速度有关,公式如下:
其中R为转弯半径,V为飞行速度(严格的计算应该是真空速,实际为方便计算,工程实现过程中也可以用地速代替),g为当地重力加速度,θ为飞机滚转角度。
此公式是成熟的飞机转弯半径公式,具体的公式推导过程如下:
F水平=Lsinθ=Ma=MV2/R (1)
F垂直=Lcosθ=Mg (2)
根据转弯半径的公式,长机的速度、滚转角度、当地的重力加速度,都是已知的,因此转弯半径可求。
由此,在长机飞行过程中,不管长机因为何种原因产生滚转角度(不管是需要朝预定的航点飞行,还是临时机动,还是风的原因引起的波动),只要长机产生滚转,由于物理定律原因,飞机必然会飞出一定的弧线。假如长机平稳飞行,长机的预期飞行位置就是继续往前飞。
如图2所示,长机以速度V飞行,过段时间(具体可根据实际经验修正),飞机就会由当前点,飞到预期点。由此,只需要求出长机的预期位置坐标。该坐标是可求的。
假设这个过程中飞机的飞行轨迹弧长为C,则,可求出当前点和预期点的连线与飞机当前速度方向的夹角设为β,则根据弧长公式,C=2Rβ,转换一下求出β,
可近似看成,长机按当前的飞行方向再加上偏转β的角度飞行,飞行距离为2Rsinβ(通过三角函数求出)。预期点的坐标,就可以简单的求得。
其实,由于飞行时间是假设的一个时间,长机的预期坐标,可以看成只是作为对僚机的一个引导,该引导在不停的变化,而且由于数据链路传输的延迟,以及僚机反应时间的延迟,在假设的时间内长机飞行了弧长为C的距离,该C经过尝试,不同的飞行平台,取值不同,要根据链路反应时间而定。因此,在算法中,预留了可调的C,我们的做法是,先设一个大致可靠稳定的C,再加一个变化的值drift,通过适当改变drift的大小来调节僚机的实际跟踪效果。同时可通过这种办法,让僚机飞到长机的前方或跟在长机的后方,如果需要的话,也可以通过坐标的平移,实现僚机跟踪长机行为预期的上、下、左、右、前、后等位置,或以上位置的组合。
还需要说明的是,长机的姿态是不断变化的,因此长机行为的预期也是不断变化的,即,过段时间长机的预期位置是不断变化的,这个变化值应该需要实时的更新。这里可以通过设置长机与僚机的通信间隔来确定具体的更新周期。
以上对飞机行为的预测,主要是在同一高度平面内,但并不影响僚机的跟踪,长机的高度信息可以通过实时的通信来告诉僚机,这样就减少了运算量,僚机在跟踪长机的预期位置的时候,只需要利用长机当前的高度信息即可,为了防止两机相撞,最简单的办法就是高度分层,即僚机的目标位置,比长机高或低一定的距离。
2.关于僚机对长机预期位置的跟踪实现
关于僚机对长机预期位置的跟踪实现,主要是通过开源飞控的二次开发,在飞控代码中直接指定僚机的飞行目标位置(具体的实现可以简单的理解为就是一条程序命令),让僚机朝着指定的位置飞行,但是僚机并不会直接转头朝指定位置、方向飞行,因为僚机是固定翼飞机同样需要遵循物理定律,即,只能以弧线的形式拐弯,其转弯半径并不是固定的,转弯半径和其滚转角度有关,也就是不同的滚转角度,会产生不同的转弯加速度,原因和刚才分析的长机转弯的原因一致。
但是本发明的算法并不是去直接控制飞机的滚转角度,因为是采用了开源飞控的二次开发,开源飞控中已经有了飞行姿态的控制的算法,如果直接修改飞行姿态的控制,涉及的内容过多,容易出现各种未知问题,也没有必要。姿态控制的算法,我们称为是内环控制,而实现无人机朝既定目标点飞行,只需要通过外环控制,无人机自动就会转换成姿态控制,控制它按照最优的姿态和路径朝目标点飞行,此时,肯定不是直线飞行,因为是固定翼无人机,必然是按照弧线飞行,只不过,外环不需要去关注它的姿态控制算法,只需要关注无人机该朝哪个点飞就行了。
无人机具体的飞行弧线,或者它飞行需要的转弯加速度,是按照L1制导律控制算法来实现的。
下面先简单介绍下L1制导律:
L1制导律就是在期望路径上选取一个参考点,根据这个参考点和当前水平速度计算出水平期望加速度的算法。而L1指的就是期望路径上的参考点与无人机当前水平位置的距离。
如图3所示,无人机在当前时刻的期望运动是一个半径为R,速度为V的圆周运动。所以在航向控制上也应该给一个相应的期望偏航角速率前馈,否则要等到出现航向角偏差时再进行反馈控制,会影响跟踪效果。
具体情况分析:
在实际飞行中,一般要跟踪的航线都是直线或者圆,因为计算机是离散系统,所以如果是不规则曲线也会进行线性化处理。所以,接下来针对直线路径和圆路径两种情况进行分析。
如图4所示,直线路径:
根据加速度的公式,我们可以得出以下结论:
如图5所示,圆形路径:
期望加速度为:
L1制导律的优势
其实,从上面的推导过程可以看出,L1制导律和传统算法具有很大的相似性,但是其中一个很大的却别是L1算法包含了V的变化情况,总的来讲,相比传统基于侧偏距的PD算法,L1制导律具有三个优势:
(1)对于各种不同的路径,不需要单独进行设计,一个公式就可以覆盖全部路径,在实际应用中尤其是代码实现时更加方便。
(2)对于初始条件偏差较大的情况,比如侧偏距和侧偏速度较大时可以比较平滑地向期望路径去过渡。
(3)跟传统基于侧偏距的PD算法相比,L1算法中会根据V的速度不同,计算出的期望加速度也不同,这对于实际飞行时不同的期望飞行速度以及环境风的干扰都有很好的适应能力。
以上L1制导律控制算法是开源飞控内部自带的算法,直接调用即可。
明白了开源飞控所采用的L1制导律的意义,实际上给僚机指定了目标点之后,僚机为了飞到目标点,它是会去不停的切入预期的一条航线,这条线实际就是“当前长机飞行状态的预期位置坐标”和“下一时刻长机飞行状态的预期位置坐标”之间的连线。该预期航线是根据长机的行为(姿态、速度等)预测出来的,所以僚机确实是追踪的长机行为的预期。
至于僚机需要倾转多大的角度,以多大的加速度转弯,我们都不需要关心,我们只需要通过外环控制,告诉僚机它要往哪里飞,开源飞控的内环控制就是自动的找到最佳滚转角度,继而产生相应的加速度,控制飞机飞出预想的弧线。
以上就基本完成了僚机的飞行路线的控制,但是要想编队成功僚机还需要跟的上长机,至少要在长机当前姿态下,努力快速的跟上才行,而且还要考虑到,万一飞的太快,超过预期了也不行,所以僚机的速度控制也很重要。
下面就介绍速度控制。
关于速度的PID控制(PID即比例、积分、微分)
我们是将僚机与预期目标的距离作为变量来对僚机的飞行速度进行PID控制,以使僚机能够在速度上平滑地变化,去追踪长机的预期位置。即,离得远了就飞快一点,离得近了就飞慢一点。僚机的速度应该是
V僚机=V长机+V(PID)
V(PID)即是按照PID算法,由距离差值决定的飞行速度差值。
但是由于固定翼飞机没有刹车,所以单独地使用PID控制,还有可能会造成僚机飞的过快而无法及时的降低速度。比如,根据算法,如果僚机跟踪过快,超过预期位置,致使通过PID算法计算出的V(PID),即僚机需要的飞行速度差值就会是负值,此时说明僚机已经飞的超过了预期目标,考虑到固定翼飞机没有刹车,要想快速的降低僚机的速度,当僚机超预期时,可将僚机的差值速度适当的加入额外的系数。
即V僚机=V长机+kV(pid)(当V(PID)<0时)
系数K的取值应该和惯性有关,经过尝试,k取值为1.5左右比较理想。
这样,僚机超过预期目标时,就会快速的降低速度,以保证僚机保持编队效果。
PID即比例、积分、微分。该算法是经典算法,这里是关于该算法的简单的解释:
三个重要的参数:
Kp:控制器的比例系数.
Ti:控制器的积分时间,也称积分系数.
Td:控制器的微分时间,也称微分系数.
P–比例部分
比例环节的作用是对偏差瞬间作出反应。偏差一旦产生控制器立即产生控制作用,使控制量向减少偏差的方向变化。控制作用的强弱取决于比例系数Kp,比例系数Kp越大,控制作用越强,则过渡过程越快,控制过程的静态偏差也就越小;但是Kp越大,也越容易产生振荡,破坏系统的稳定性。故而,比例系数Kp选择必须恰当,才能过渡时间少,静差小而又稳定的效果。
I–积分部分
积分环节的调节作用虽然会消除静态误差,但也会降低系统的响应速度,增加系统的超调量。积分常数Ti越大,积分的积累作用越弱,这时系统在过渡时不会产生振荡;但是增大积分常数Ti会减慢静态误差的消除过程,消除偏差所需的时间也较长,但可以减少超调量,提高系统的稳定性。
当Ti较小时,则积分的作用较强,这时系统过渡时间中有可能产生振荡,不过消除偏差所需的时间较短。所以必须根据实际控制的具体要求来确定Ti。
D–微分部分
实际的控制系统除了希望消除静态误差外,还要求加快调节过程。在偏差出现的瞬间,或在偏差变化的瞬间,不但要对偏差量做出立即响应(比例环节的作用),而且要根据偏差的变化趋势预先给出适当的纠正。为了实现这一作用,可在PI控制器的基础上加入微分环节,形成PID控制器。
微分环节的作用使阻止偏差的变化。它是根据偏差的变化趋势(变化速度)进行控制。偏差变化的越快,微分控制器的输出就越大,并能在偏差值变大之前进行修正。微分作用的引入,将有助于减小超调量,克服振荡,使系统趋于稳定,特别对髙阶系统非常有利,它加快了系统的跟踪速度。但微分的作用对输入信号的噪声很敏感,对那些噪声较大的系统一般不用微分,或在微分起作用之前先对输入信号进行滤波。
3.关于几个变量
以上讲到的长机预期位置是按照假设长机飞行了弧长为C的距离估算的,C和用来调节的drift为变量。
在根据僚机与预期目标坐标的距离差对速度进行PID控制时,具体的PID控制系数,是变量。
在考虑到固定翼没有刹车系统,由于惯性,会超预期飞行的问题时引入了速度系数k,为变量。
以上变量需要根据具体的长机及僚机进行调试,直至找到最佳值。
4.本发明的优点
(1)僚机跟踪长机行为的预期,而不是跟踪长机当前位置。
(2)僚机不需要知道长机的预设航线,预设的下一点目标位置,换句话说,僚机不需要知道长机所有的计划,只关注此刻长机的速度和姿态,这就使得运算特别少,效率特别高。
(3)对僚机的控制是从外环对其进行控制,而不涉及开源飞控的内环,这也避开了繁琐的姿态控制算法。利用原有的稳定的内环控制,外部程序也比较简洁,这也使得对僚机的控制效率比较高,更容易实现,移植性较好。
(4)用简单的参数调节来适配每一架具体的僚机,让不同僚机都能方便的找到编队效果最佳的参数。
(5)速度的PID控制,让僚机的跟踪更加平滑,考虑到了固定翼飞机没有刹车,在速度控制中也加入了系数调节,让僚机可以根据情况提前加速、提前减速,保证编队效果可靠。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于长机行为预测的僚机编队控制系统,包括长机以及多个僚机,其特征在于:所述长机包括长机飞行控制器、长机机载惯性导航模块、长机数据传送模块,所述僚机包括僚机飞行控制器、僚机机载惯性导航模块、僚机数据传送模块;所述长机机载惯性导航模块将长机姿态、长机姿态变化速率、长机速度矢量、长机加速度矢量、长机位置信息实时发送给长机飞行控制器;长机飞行控制器按照当前飞行任务和当前长机机载惯性导航模块的实时数据控制长机速度、长机加速度、长机姿态期望值,并控制长机向长机姿态期望值靠近,并实时计算出长机预期路径,将该长机预期路径信息通过长机数据传送模块发送给所述僚机数据传送模块,僚机数据传送模块将长机预期路径信息发送给僚机飞行控制器;所述对应僚机机载惯性导航模块将相应的僚机姿态、僚机姿态变化速率、僚机速度矢量、僚机加速度矢量、僚机位置信息实时发送给对应的僚机飞行控制器;僚机飞行控制器根据长机预期路径信息、编队队形信息、以及该僚机姿态、僚机速度计算出该僚机期望位置、僚机期望速度和僚机期望姿态,并根据计算出的该僚机期望位置、僚机期望速度和僚机期望姿态控制僚机进行编队飞行。
2.根据权利要求1所述的一种基于长机行为预测的僚机编队控制系统,其特征在于:所述编队队形信息为各自僚机应在长机的前、后、左、右、上、下或空间位置的组合信息。
3.根据权利要求2所述的一种基于长机行为预测的僚机编队控制系统,其特征在于:所述僚机飞行控制器控制僚机向长机预期路径飞行的过程中采用PID算法以僚机与长机之间的距离为变量才控制僚机飞行速度。
4.根据权利要求3所述的一种基于长机行为预测的僚机编队控制系统,其特征在于:所述僚机跟踪长机的过程中,以长机的预期路径进行控制僚机姿态。
5.根据权利要求4述的一种基于长机行为预测的僚机编队控制系统,其特征在于:所述长机的预期路径根据长机当前的姿态、速度、受空气动力、预设航线、飞行指令综合计算得出。
7.一种基于长机行为预测的僚机编队控制方法,其特征在于:其包括:
长机飞行控制流程:
长机机载惯性导航模块将计算出的姿态、姿态变化速率、速度矢量、加速度矢量、位置信息实时发送给长机飞行控制器;
长机飞行控制器按照当前的飞行任务和当前长机机载惯性导航模块的实时数据,给出长机的速度、加速度、姿态期望,并控制长机朝着期望值靠近,同时,长机将长机期望信息和实时数据通过长机数据传送模块打包发送给僚机;
僚机飞行控制流程:
僚机机载惯性导航模块实时计算出僚机自己的姿态、姿态变化速率、速度矢量、加速度矢量、位置信息,并实时发送给僚机飞行控制器;
僚机飞行控制器通过数据传送模块接收到长机发送过来的打包信息,并结合编队队形需求和本机姿态、速度信息,解算出,期望位置、期望速度和期望姿态,僚机飞行控制器通过期望位置、期望速度和期望姿态控制僚机进行编队飞行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011515067.0A CN112596546A (zh) | 2020-12-21 | 2020-12-21 | 一种基于长机行为预测的僚机编队控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011515067.0A CN112596546A (zh) | 2020-12-21 | 2020-12-21 | 一种基于长机行为预测的僚机编队控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112596546A true CN112596546A (zh) | 2021-04-02 |
Family
ID=75199776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011515067.0A Pending CN112596546A (zh) | 2020-12-21 | 2020-12-21 | 一种基于长机行为预测的僚机编队控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112596546A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110588A (zh) * | 2021-04-29 | 2021-07-13 | 南京航空航天大学 | 一种无人机编队及其飞行方法 |
CN114217640A (zh) * | 2021-12-16 | 2022-03-22 | 西北工业大学 | 一种飞机多机密集编队安全飞行控制方法及系统 |
CN115437405A (zh) * | 2022-11-07 | 2022-12-06 | 西北工业大学 | 一种飞机大规模仿生编队控制系统及方法 |
CN116414037A (zh) * | 2023-06-09 | 2023-07-11 | 北京航空航天大学 | 一种用于集群系统约束控制的自适应装置 |
-
2020
- 2020-12-21 CN CN202011515067.0A patent/CN112596546A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110588A (zh) * | 2021-04-29 | 2021-07-13 | 南京航空航天大学 | 一种无人机编队及其飞行方法 |
CN113110588B (zh) * | 2021-04-29 | 2022-04-08 | 南京航空航天大学 | 一种无人机编队及其飞行方法 |
CN114217640A (zh) * | 2021-12-16 | 2022-03-22 | 西北工业大学 | 一种飞机多机密集编队安全飞行控制方法及系统 |
CN115437405A (zh) * | 2022-11-07 | 2022-12-06 | 西北工业大学 | 一种飞机大规模仿生编队控制系统及方法 |
CN116414037A (zh) * | 2023-06-09 | 2023-07-11 | 北京航空航天大学 | 一种用于集群系统约束控制的自适应装置 |
CN116414037B (zh) * | 2023-06-09 | 2023-08-18 | 北京航空航天大学 | 一种用于集群系统约束控制的自适应装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112596546A (zh) | 一种基于长机行为预测的僚机编队控制系统及方法 | |
US7228227B2 (en) | Bezier curve flightpath guidance using moving waypoints | |
JP4412545B2 (ja) | ジェットパワー3モード航空機のための高度な飛行制御のシステムおよび方法 | |
US9199723B2 (en) | Aircraft control system, aircraft, aircraft control program, and method for controlling aircraft | |
US8948937B2 (en) | Method and device for an optimal management of the energy of an aircraft | |
US8688363B2 (en) | Aircraft systems and methods with active deceleration control | |
CN108369106A (zh) | 失控预防以及恢复飞行控制器 | |
CN106444430A (zh) | 运载火箭一子级再入控制系统及方法、仿真系统及方法 | |
Yamasaki et al. | Sliding mode based pure pursuit guidance for UAV rendezvous and chase with a cooperative aircraft | |
Angelov et al. | A novel command concept for simplified vehicle operations of onboard piloted VTOL transition aircraft | |
WO2019045541A1 (ko) | 무인기 원선회 유도제어 오차 보상 시스템 및 방법 | |
Yamasaki et al. | Sliding mode-based pure pursuit guidance for unmanned aerial vehicle rendezvous and chase with a cooperative aircraft | |
Stastny et al. | On flying backwards: Preventing run-away of small, low-speed, fixed-wing UAVs in strong winds | |
Samal et al. | Model predictive flight controller for longitudinal and lateral cyclic control of an unmanned helicopter | |
CN117311388A (zh) | 一种无人直升机集群的编队巡逻飞行方法及装置 | |
Sedlmair et al. | Design and experimental validation of UAV control laws-3D spline-path-following and easy-handling remote control | |
CN105094144A (zh) | 一种无人飞艇自适应抗风路径跟踪控制方法 | |
Quan et al. | Lifting-wing quadcopter modeling and unified control | |
CN108663929A (zh) | 一种基于路径规划的无人机刹车改进方法 | |
De Wagter et al. | Multi-lifting-device uav autonomous flight at any transition percentage | |
Liu et al. | Coordinated landing control of unmanned aerial vehicle | |
Kim et al. | Evaluation of cooperative guidance for formation flight of fixed-wing UAVs using mesh network | |
Halbe et al. | Rotorcraft Guidance Laws and Flight Control Design for Automatic Tracking of Constrained Trajectories. | |
Helers et al. | Shuttle orbiter guidance system for the terminal flight phase | |
Sadraey | Optimal control and line‐of‐sight guidance formation flight |
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 |