CN113204191A - 一种无人直升机自抗扰容错控制方法 - Google Patents
一种无人直升机自抗扰容错控制方法 Download PDFInfo
- Publication number
- CN113204191A CN113204191A CN202110446006.1A CN202110446006A CN113204191A CN 113204191 A CN113204191 A CN 113204191A CN 202110446006 A CN202110446006 A CN 202110446006A CN 113204191 A CN113204191 A CN 113204191A
- Authority
- CN
- China
- Prior art keywords
- fault
- designed
- unmanned helicopter
- gust
- observer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003044 adaptive effect Effects 0.000 claims abstract description 11
- 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 8
- 230000008569 process Effects 0.000 abstract description 7
- 230000008859 change Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 45
- 239000011159 matrix material Substances 0.000 description 41
- 239000013598 vector Substances 0.000 description 25
- 238000013528 artificial neural network Methods 0.000 description 21
- 238000013461 design Methods 0.000 description 20
- 230000033001 locomotion Effects 0.000 description 12
- 125000004122 cyclic group Chemical group 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000009795 derivation Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000006467 substitution reaction Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种无人直升机自抗扰容错控制方法,首先,对风干扰和执行器故障分别进行了建模;然后结合自抗扰方法设计扩张状态观测器对阵风干扰进行处理,同时对执行器故障构造自适应故障观测器对其进行估计;最后,结合Lyapunov稳定性理论设计鲁棒容错跟踪控制器保证无人直升机在安全稳定飞行的同时能跟踪上期望的信号。本发明模型不仅与时间有关,而且随直升机状态的变化而变化,更能反映实际飞行情况。同时,结合自抗扰方法设计扩张状态观测器对阵风干扰进行估计和抑制。此外,对故障进行变换并设计了自适应故障观测器对故障值进行实时估计,提高系统的容错能力。最终,解决了无人直升机在干扰和故障下的安全飞行问题,保证输出还跟踪上期望轨迹信号。
Description
技术领域
本发明属于飞行器鲁棒容错技术领域,具体是一种无人直升机自抗扰容错控制方法。
背景技术
1946年3月8日,美国贝尔-47直升机获得航空适航证,揭开了直升机使用史的第一页。 1960年,世界上首架无人直升机QH-50A试飞成功。无人直升机是一种不载操作人员、利用机载传感器和自动控制系统自主执行给定任务或者通过无线电遥控设备发送遥控指令执行任务的飞行器。与固定翼无人机相比,无人直升机具有以下特点:(1)能够完成定点悬停、垂直起降、原地转弯、任意方向飞等功能;(2)不需要特定的机场和跑道,可以在野外恶劣环境下实现垂直起降;(3)由于UAH的旋翼自转特性,在发动机发生故障导致空中停车时,利用旋翼自转所产生的动力,可以安全下降、着陆。正是由于这些独特的优点,使得无人直升机在敌情侦察、电子对抗、通信中继、搜索救护、地质勘探、林火预防、交通监控、行政执法、空中摄影及航空测绘等方面具有广泛的应用前景,成为近年来无人机领域研究的热点。
虽然无人直升机有如此巨大的应用前景,也得到了国内外众多研究机构的重视和研究,但到目前为止,只有欧美几个少数国家具备无人直升机的研制能力。这是因为无人直升机本身是一个非常复杂的非线性控制系统,具有动力学特性复杂、通道耦合强、开环不稳定、欠驱动等特点。同时,其自主飞行控制技术涉及到飞行动力学、空气动力学、图像处理、无线传输技术、系统辨识、惯性导航与制导、多传感器融合等多领域、多学科,是一个极其复杂的系统工程。目前,众多专家学者已经对无人直升机的安全智能飞行控制展开了各种研究,但是由于无人直升机本身多变量、强耦合的固有特性和飞行环境的复杂多变性,其控制系统设计仍面临诸多实际问题亟待解决。
首先,阵风干扰是无人直升机在飞行过程中不可避免的难题。应用无人飞行器最多的美军在总结了实践中暴露出的问题后指出:无人机执行任务时严重受到气象条件特别是风干扰的影响,而又以无人直升机表现得尤为显著。无人直升机可以在海面、城市建筑群、山区等不同的环境、不同气象条件下实施多种作业,这样就使得执行任务的环境信息常常是不完全透明的,风干扰的各种参数(如风速、风向等)与无人直升机当前的飞行状态息息相关(如当前高度、飞行速度、飞行姿态等)。然而,目前绝大多数关于无人直升机的抗扰研究中考虑的都是常规干扰,比如定值、指数函数、sin(t)/cos(t)等形式,无法准确反应无人直升机的受扰情况,因此建立贴合实际的风干扰模型并设计相应的鲁棒抗扰方案值得深入探究。
其次,随着飞控系统日趋复杂和作战任务的多样化,无人直升机的控制性能往往还会受到各种约束条件的影响,如系统故障。对于无人直升机而言,旋翼的长时间高速挥舞引起的传动机构效率下降问题更是不容忽视,其通常表现为执行器的失效故障。这些故障的出现时间、场合及耦合关系都是不确定的,对无人直升机的飞行性能带来巨大威胁,包括续航性能、起飞着陆性能等。但是,目前大多数关于无人直升机控制系统中,并未对阵风干扰、执行器故障等多种情况及其相对应的鲁棒性能、容错性能等多性能指标进行全面分析和考虑。
针对无人直升机开展鲁棒容错飞行控制,建立贴合实际的风干扰模型,探寻行之有效的飞行控制方案,对保证无人直升机在战场环境下的生存能力具有重要的研究意义和实用价值。
发明内容
本发明的目的是提供一种无人直升机自抗扰容错控制方法,保证无人直升机在阵风干扰和执行器故障下的跟踪控制性能。
一种无人直升机自抗扰容错控制方法,具体分为以下步骤:
(1)基于飞行动力学和空气动力学对无人直升机非线性系统进行建模,同时将阵风模型和执行器故障模型引入到无人直升机非线性系统模型中;
(2)在步骤(1)所建的模型中,结合自抗扰方法设计扩张状态观测器对阵风干扰进行估计,同时,结合自适应方法构造故障观测器对执行器故障进行估计;
(3)根据步骤(2)中的干扰和故障估计情况,基于反步法设计无人直升机安全智能飞行控制方案,保证无人直升机在阵风干扰和执行器故障下的鲁棒容错性能,使得系统输出能跟踪上期望的信号。
进一步的,在步骤(1)中,对未知阵风干扰Vwc建模为
式中,Vwxm,Vwym,Vwzm分别为阵风风速在三维坐标系上的分量,Vwxm,Vwym,Vwzm分别为阵风风速的最大值在三维坐标系上的分量,dwx,dwy,dwz分别为阵风幅度在三维坐标系的分量, xcg,ycg,zcg分别为无人直升机的当前位置在三维坐标系的分量;
阵风干扰的存在会引起无人直升机的气动力矩∑wc发生变化,其表达式为
式中,qcf为机身受力面的动压,Icf和Acf分别为机身的有效长度和面积,αca和αcβ分别为机体坐标系下飞机的攻角和侧滑角,CcRF(αca,αcβ)、CcMF(αca,αcβ)和CcNF(αca,αcβ)分别为与风梯度相关的滚转力矩气动系数、俯仰力矩气动系数和偏航力矩气动系数;
基于飞行动力学和空气动力学原理,将阵风干扰考虑在内,步骤(1)中研究的无人直升机全状态非线性系统模型为:
式中,Pc=[xcg,ycg,zcg]T为惯性坐标系下无人直升机的位置向量,Vc=[u,v,w]T为惯性坐标系下无人直升机的速度向量,Vwc为惯性坐标系下的阵风速度向量,m为无人直升机的质量,为阵风引起的加速度向量,Rbe为机体坐标系到惯性坐标系的旋转矩阵,G 为无人直升机的重力,Λc=[φ,θ,ψ]T为姿态角向量,Ωc=[p,q,r]T为机体坐标系下无人直升机的角速率向量,Hc为姿态变换矩阵,Jc=diag{Jcx,Jcy,Jcz}为无人直升机转动惯量矩阵,∑wc为扰动引起的气动力矩,ac和bc分别为主旋翼纵向挥舞角和横向挥舞角,Ta和Tb分别为主旋翼纵向周期变距输入和横向周期变距输入,为旋翼时间常数,Ac和Bc分别为主旋翼纵向和横向增益系数,Fc和∑c分别为系统所受的力和力矩,表达为分别为
式中,Tmr和Ttr分别为无人直升机主旋翼升力和尾旋翼升力,Cc为主旋翼刚度系数,Lcx为主旋翼中心到机体中心的距离在x轴上的分量,Hcx,Hcz分别为尾桨中心到机体中心之间的距离在x轴和z轴上的分量,为主旋翼反扭矩,Ock和Rck为主旋翼扭矩系数;
步骤(1)中,执行器失效故障可以描述为:
ucf=ρcuc
其中,ucf为实际输入,ρc=diag{ρc1,ρc2,ρc3,ρc4},uc=[Tmr,Ttr,Ta,Tb]T为控制器设计的控制输入,ρci∈[ηc,1]为第i个执行器剩余的有效因子,ηc>0为故障下界;
同时考虑阵风干扰和执行器故障,步骤(1)中无人直升机非线性系统最终为
进一步的,在步骤(2)中,针对无人直升机平移运动方程
定义位置跟踪误差和速度跟踪误差分别为:
zc1=Pcd-Pc
zc2=Vcd-Vc
其中Pcd=[xcgd,ycgd,zcgd]T为期望的位置向量,Vcd=[ud,vd,wd]T为待设计的位置环虚拟控制律;
因为dc1是未知的,采用自抗扰方法来对其进行处理,将dc1看作是平移运动的一个扩张状态,并令Pc=xc1,Vc=xc2,dc1=Kc1xc3。则将平移运动第一个子系统可改写为:
步骤(2)中为处理dc1设计的扩张状态观测器为
其中,βc1=diag{βc11,βc12,βc13},βc3=diag{βc31,βc32,βc33},βc1i(i=1,2,3)和βc3i(i=1,2,3) 为正常数;和分别是xc1和xc3的估计值,ec1是xc1的逼近误差。
步骤(2)中位置环虚拟控制律设计为
其中Ko1是待设计的正定矩阵。
定义位置环滑模面如下
sc1=zc1+zc2
则期望的控制向量(Gc1Tmr)*可表示为
其中Γc1为待设计的正定对称矩阵,σc1为待设计的正常数。
在实际系统中为了减少抖震,Sigmoid函数常用来逼近符号函数,表达式如下:
其中n是待设计的参数。
定义uT=Gc1Tmr,则平移运动的第二个子系统为:
由于故障因子是未知的,采用神经网络对耦合性ρc1uT进行逼近可得:
和上面的设计过程类似,定义dc2=Kc2xc4,可得:
步骤(2)中为处理dc2设计神经网络扩张状态观测器为
其中,βc2=diag{βc21,βc22,βc23},βc4=diag{βc41,βc42,βc43},βc2i(i=1,2,3)和βc4i(i=1,2,3) 为正常数。是xc2的估计值,ec2是xc2的估计误差,是的估计值并满足 hc1(uT)是高斯函数满足||hc1(uT)||≤τc1。
步骤(2)中为处理ρc1设计故障观测器为
在步骤(2)中,考虑旋转运动方程为
定义姿态角和姿态角速率跟踪误差分别为:
zc3=Λcd-Λc=[φd,θd,ψd]T-[φ,θ,ψ]T
zc4=Ωcd-Ωc=[pd,qd,rd]T-[p,q,r]T
其中,Λcd为期望的姿态角向量,Ωcd为待设计的姿态环虚拟控制律。
步骤(2)中姿态环设计的虚拟控制律Ωcd为
其中,Ko2>0为待设计的正定矩阵。
定义姿态环滑模面为
sc2=zc3+zc4
则期望的控制向量(Gc2Ttr)*可表示为
其中Γc2为待设计的正定对称矩阵,σc2为待设计的正常数。
其中是am2的估计值,为估计误差,Kc3是待设计的正定对角矩阵,是xc6的估计值,其定义将在下文给出,Ψ(sc2)=[Ψ(sc21),Ψ(sc22),Ψ(sc23)]T为滑模面的Sigmoid 函数。
定义uA=Gc2Ttr。由于故障因子是未知的,同样采用神经网络对耦合项ρc2uA逼近:
步骤(2)中为处理dc3设计神经网络扩张状态观测器为
其中,βc5=diag{βc51,βc52,βc53},βc6=diag{βc61,βc62,βc63},βc5i(i=1,2,3)和βc6i(i=1,2,3) 为正常数。是xc5的估计值,ec5是估计误差,是的估计值并满足hc2(uA) 是高斯函数满足||hc2(uA)||≤τc2。
在步骤(2)中,考虑执行器故障下的主旋翼挥舞动态为:
定义挥舞运动滑模面分别为
sc3=acd-ac
sc4=bcd-bc
为处理ρc3和ρc4,故障观测器分别设计为
与现有技术相比,本发明的有益效果如下:
本发明所建立的阵风干扰模型不仅与时间有关,而且随直升机状态的变化而变化,更能反映实际飞行情况。同时,结合自抗扰方法设计扩张状态观测器对阵风干扰进行估计和抑制。此外,对故障进行了变换并设计了自适应故障观测器对故障值进行实时估计,提高系统的容错能力。最终,所设计的鲁棒容错控制方案解决了无人直升机在干扰和故障情况下的安全飞行问题,能保证输出还跟踪上期望轨迹信号。
附图说明
图1为本发明的系统控制流程图。
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,下面将结合实施例对本发明作进一步地详细描述,显然,所描述的实施例仅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它实施例,都属于本发明保护的范围。
本发明涉及一种无人直升机自抗扰容错控制方法,首先,对风干扰和执行器故障分别进行了建模;然后结合自抗扰方法设计扩张状态观测器对阵风干扰进行处理,同时对执行器故障构造自适应故障观测器对其进行估计;最后,结合Lyapunov稳定性理论设计鲁棒容错跟踪控制器保证无人直升机在安全稳定飞行的同时能跟踪上期望的信号。
1.系统模型及相关引理和假设
无人直升机在实际飞行过程中,其状态往往受到外部风干扰的影响,比如姿态和速度等。区别于传统的常规干扰,比如定值、指数函数、sin(t)/cos(t)等形式,本文中定义Vwc=[Vwx,Vwy,Vwz]T为惯性坐标系下的阵风速度向量,其表达式由下式给出:
式中,Vwxm,Vwym,Vwzm分别为阵风风速在三维坐标系上的分量,Vwxm,Vwym,Vwzm分别为阵风风速的最大值在三维坐标系上的分量,dwx,dwy,dwz分别为阵风幅度在三维坐标系的分量, xcg,ycg,zcg分别为无人直升机的当前位置在三维坐标系的分量。
阵风干扰的存在会引起无人直升机的气动力矩∑wc发生变化,其表达式为
式中,qcf为机身受力面的动压,Icf和Acf分别为机身的有效长度和面积,αca和αcβ分别为机体坐标系下飞机的攻角和侧滑角,CcRF(αca,αcβ)、CcMF(αca,αcβ)和CcNF(αca,αcβ)分别为与风梯度相关的滚转力矩气动系数、俯仰力矩气动系数和偏航力矩气动系数。
基于飞行动力学和空气动力学原理,将阵风干扰考虑在内,本文研究的无人直升机全状态非线性系统模型为:
式中,Pc=[xcg,ycg,zcg]T为惯性坐标系下无人直升机的位置向量,Vc=[u,v,w]T为惯性坐标系下无人直升机的速度向量,Vwc为惯性坐标系下的阵风速度向量,m为无人直升机的质量,为阵风引起的加速度向量,Rbe为机体坐标系到惯性坐标系的旋转矩阵,G 为无人直升机的重力,Λc=[φ,θ,ψ]T为姿态角向量,Ωc=[p,q,r]T为机体坐标系下无人直升机的角速率向量,Hc为姿态变换矩阵,Jc=diag{Jcx,Jcy,Jcz}为无人直升机转动惯量矩阵,∑wc为扰动引起的气动力矩,ac和bc分别为主旋翼纵向挥舞角和横向挥舞角,Ta和Tb分别为主旋翼纵向周期变距输入和横向周期变距输入,为旋翼时间常数,Ac和Bc分别为主旋翼纵向和横向增益系数,Fc和∑c分别为系统所受的力和力矩,表达为分别为
式中,Tmr和Ttr分别为无人直升机主旋翼升力和尾旋翼升力,Cc为主旋翼刚度系数,Lcx为主旋翼中心到机体中心的距离在x轴上的分量,Hcx,Hcz分别为尾桨中心到机体中心之间的距离在x轴和z轴上的分量,为主旋翼反扭矩,Ock和Rck为主旋翼扭矩系数。
在实际飞行过程中,旋翼的长时间高速旋转很大可能会造成传动机构的机械磨损和疲劳,在系统中经常反映为执行器失效故障。执行器失效故障会严重影响无人直升机的飞行安全。对于无人直升机而言,执行器失效故障可以描述为:
ucf=ρcuc (5)
其中,ucf为实际输入,ρc=diag{ρc1,ρc2,ρc3,ρc4},uc=[Tmr,Ttr,Ta,Tb]T为控制器设计的控制输入,ρci∈[ηc,1]为第i个执行器剩余的有效因子,ηc>0为故障下界。
同时考虑阵风干扰和执行器故障,无人直升机非线性系统(3)可以转换为
针对同时存在阵风干扰和执行器失效故障的无人直升机非线性系统,给出如下的引理和假设来帮助实现既定的跟踪任务。
引理1:由于具有强大的逼近效果,径向基神经网络常常用来逼近如下未知非线性函数 fc(Md):Rn→R,表达式如下:
假设1:为了保证姿态变换矩阵Hc是非奇异的,俯仰角和滚转角满足|θ|<90°,|φ|<90°。
假设3:对于无人直升机系统,跟踪轨迹信号ycd及其导数有界。此外,系统状态是可测可用的。
2.鲁棒容错控制器设计
2.1位置环虚拟控制器设计
考虑无人直升机平移运动方程:
定义位置跟踪误差和速度跟踪误差分别为:
zc1=Pcd-Pc (12)
zc2=Vcd-Vc (13)
其中Pcd=[xcgd,ycgd,zcgd]T为期望的位置向量,Vcd=[ud,vd,wd]T为待设计的位置环虚拟控制律。
对等式(12)求导可得:
考虑等式(13),可得
因为dc1是未知的,采用自抗扰方法来对其进行处理,进而提高系统的干扰抑制能力。将 dc1看作是平移运动的一个扩张状态,并令Pc=xc1,Vc=xc2,dc1=Kc1xc3。则等式(11)的第一个子系统可改写为:
根据假设2,为处理dc1设计扩张状态观测器为
其中,βc1=diag{βc11,βc12,βc13},βc3=diag{βc31,βc32,βc33},βc1i(i=1,2,3)和βc3i(i=1,2,3)为正常数。和分别是xc1和xc3的估计值,ec1是xc1的逼近误差。
则扩张状态观测器(17)的逼近误差为
其中,Qd1∈R6×6是待设计的正定矩阵。
基于以上分析,位置环虚拟控制律设计为
其中Ko1是待设计的正定矩阵。
则有
2.2位置环控制器设计
对等式(13)求导可得:
定义位置环滑模面如下
sc1=zc1+zc2 (25)
对其求导可得
则期望的控制向量(Gc1Tmr)*可表示为
其中Γc1为待设计的正定对称矩阵,σc1为待设计的正常数。
在实际中为了减少系统抖震,Sigmoid函数常用来逼近符号函数,表达式如下:
其中n是待设计的参数。
将(29)代入到(26)中,可得
定义uT=Gc1Tmr,则等式(11)的第二个子系统为:
由于故障因子是未知的,我们根据引理1可得:
和上面的设计过程类似,定义dc2=Kc2xc4,可得:
基于等式(33),为处理dc2设计神经网络扩张状态观测器为
其中,βc2=diag{βc21,βc22,βc23},βc4=diag{βc41,βc42,βc43},βc2i(i=1,2,3)和βc4i(i=1,2,3)为正常数。是xc2的估计值,ec2是xc2的估计误差,是的估计值并满足hc1(uT) 是高斯函数满足||hc1(uT)||≤τc1。
结合(33)和(34),观测器估计误差动态为
其中Qd2∈R6×6是待设计的正定矩阵。
2.3位置环稳定性分析
选取李雅普诺夫函数为
对Vc1求导有
将(40)-(44)代入(39)得:
考虑如下事实:
将(46)代入到(45)可得:
为处理ρc1设计故障观测器为
将等式(48)-(49)代入(47)得:
考虑如下事实:
将(51)和(52)代入到(50),可得
2.4姿态环虚拟控制律设计
考虑旋转运动方程如下
这里,需要说明的是控制输入Tmr和故障因子ρc1不仅存在于位置环,而且存在于姿态环。而无人直升机是一个实时动态系统,当位置环中控制输入Tmr被设计出来和故障因子ρc1被估算出来后,姿态环中相应的量也被设计和估算出来。因此,如下的旋转运动模型被用来进行控制器的设计:
定义
则等式(58)可以写为
定义姿态角和姿态角速率跟踪误差分别为:
zc3=Λcd-Λc=[φd,θd,ψd]T-[φ,θ,ψ]T (60)
zc4=Ωcd-Ωc=[pd,qd,rd]T-[p,q,r]T (61)
其中,Λcd为期望的姿态角向量,Ωcd为待设计的姿态环虚拟控制律。
对(60)求导可得:
虚拟控制律Ωcd设计为
其中,Ko2>0为待设计的正定矩阵。
将(63)待物到(62)中,可得
2.5姿态环控制器设计
对公式(61)求导可得
滑模面设计为
sc2=zc3+zc4 (66)
结合(64)和(65),对(66)求导可得
则期望的控制向量(Gc2Ttr)*可表示为
其中Γc2为待设计的正定对称矩阵,σc2为待设计的正常数。
其中是am2的估计值,为估计误差,Kc3是待设计的正定对角矩阵,是xc6的估计值,其定义将在下文给出,Ψ(sc2)=[Ψ(sc21),Ψ(sc22),Ψ(sc23)]T为滑模面的Sigmoid函数。。
将(69)代入到(67)中,可得
定义uA=Gc2Ttr。由于故障因子是未知的,同样采用如下神经网络对耦合项ρc2uA逼近:
基于等式(72),设计神经网络扩张状态观测器为
其中,βc5=diag{βc51,βc52,βc53},βc6=diag{βc61,βc62,βc63},βc5i(i=1,2,3)和βc6i(i=1,2,3)为正常数。是xc5的估计值,ec5是估计误差,是的估计值并满足hc2(uA)是高斯函数满足||hc2(uA)||≤τc2。
结合(72)和(73),观测器估计误差动态为
其中Qd3∈R6×6是待设计的正定矩阵。
2.6姿态环稳定性分析
选取李雅普诺夫函数为
同小节2.3的证明过程,结合等式(70)-(76),对Vc2求导有
将等式(78)-(79)代入(77)得:
2.7挥舞运动控制器设计
考虑执行器故障下的主旋翼挥舞动态为:
滑模面分别设计为
sc3=acd-ac (87)
sc4=bcd-bc (88)
对(87)求导并结合(85)可得设计为
同样地,对(88)求导可得
2.8挥舞运动稳定性分析
李雅普诺夫函数选取为
对其求导可得
故障观测器分别设计为
将(99)和(100)代入到(98)中可得
2.9主要结果
定理1:考虑同时包含阵风干扰和执行器故障的无人直升机非线性系统(6)。扩张状态观测器设计为(17),(34)和(73)。自适应故障观测器设计为(48),(78),(99)和(100)。在所设计的鲁棒容错控制器(56),(82),(91)和(95)的作用下,整个闭环系统信号为最终一致有界的,且系统输出能跟踪上参考轨迹信号。
证明:选取李雅普诺夫函数为
Vc4=Vc1+Vc2+Vc3 (102)
求导可得:
其中:
对公式(103)积分得到
根据最终一致有界理论,我们可得所设计的控制器能够保证系统的稳定性,同时闭环系统误差是有界的。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。任何熟悉该技术的人在本发明所揭露的技术范围内的局部修改或替换,都应涵盖在本发明的包含范围之内。
Claims (1)
1.一种无人直升机自抗扰容错控制方法,其特征在于,包括以下步骤:
(1)基于飞行动力学和空气动力学对无人直升机非线性系统进行建模,同时将阵风模型和执行器故障模型引入到无人直升机非线性系统模型中;
(2)在步骤(1)所建的模型中,结合自抗扰方法设计扩张状态观测器对阵风干扰进行估计,同时,结合自适应方法构造故障观测器对执行器故障进行估计;
(3)根据步骤(2)中的干扰和故障估计情况,基于反步法设计无人直升机安全智能飞行控制方案,保证无人直升机在阵风干扰和执行器故障下的鲁棒容错性能,使得系统输出能跟踪上期望的信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110446006.1A CN113204191A (zh) | 2021-04-25 | 2021-04-25 | 一种无人直升机自抗扰容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110446006.1A CN113204191A (zh) | 2021-04-25 | 2021-04-25 | 一种无人直升机自抗扰容错控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113204191A true CN113204191A (zh) | 2021-08-03 |
Family
ID=77028389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110446006.1A Pending CN113204191A (zh) | 2021-04-25 | 2021-04-25 | 一种无人直升机自抗扰容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113204191A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779797A (zh) * | 2022-04-20 | 2022-07-22 | 西安工业大学 | 一种无人直升机故障估计方法和跟踪容错方法 |
CN114779638A (zh) * | 2022-04-20 | 2022-07-22 | 西安工业大学 | 无人直升机多故障检测与辨识方法 |
CN115877717A (zh) * | 2022-12-26 | 2023-03-31 | 南通大学 | 一种基于自抗扰控制的飞行器容错控制结构与控制方法 |
CN118244762A (zh) * | 2024-03-21 | 2024-06-25 | 淮阴工学院 | 一种抗扰动移动机器人输出反馈控制方法 |
CN118244762B (zh) * | 2024-03-21 | 2024-09-24 | 淮阴工学院 | 一种抗扰动移动机器人输出反馈控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765918A (zh) * | 2019-02-22 | 2019-05-17 | 南京航空航天大学 | 一种无人直升机鲁棒自适应补偿控制方法 |
CN111722533A (zh) * | 2020-06-29 | 2020-09-29 | 南京航空航天大学 | 针对含有传感器故障的多时滞系统滑模预测容错控制方法 |
-
2021
- 2021-04-25 CN CN202110446006.1A patent/CN113204191A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765918A (zh) * | 2019-02-22 | 2019-05-17 | 南京航空航天大学 | 一种无人直升机鲁棒自适应补偿控制方法 |
CN111722533A (zh) * | 2020-06-29 | 2020-09-29 | 南京航空航天大学 | 针对含有传感器故障的多时滞系统滑模预测容错控制方法 |
Non-Patent Citations (1)
Title |
---|
YAN KUN,ET AL.: "Extended state observer-based sliding mode fault-tolerant control for unmanned autonomous helicopter with wind gusts", 《IET CONTROL THEORY & APPLICATIONS》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779797A (zh) * | 2022-04-20 | 2022-07-22 | 西安工业大学 | 一种无人直升机故障估计方法和跟踪容错方法 |
CN114779638A (zh) * | 2022-04-20 | 2022-07-22 | 西安工业大学 | 无人直升机多故障检测与辨识方法 |
CN114779638B (zh) * | 2022-04-20 | 2023-01-31 | 西安工业大学 | 无人直升机多故障检测与辨识方法 |
CN115877717A (zh) * | 2022-12-26 | 2023-03-31 | 南通大学 | 一种基于自抗扰控制的飞行器容错控制结构与控制方法 |
CN115877717B (zh) * | 2022-12-26 | 2023-06-13 | 南通大学 | 一种基于自抗扰控制的飞行器容错控制结构与控制方法 |
CN118244762A (zh) * | 2024-03-21 | 2024-06-25 | 淮阴工学院 | 一种抗扰动移动机器人输出反馈控制方法 |
CN118244762B (zh) * | 2024-03-21 | 2024-09-24 | 淮阴工学院 | 一种抗扰动移动机器人输出反馈控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388270B (zh) | 面向安全域的集群无人机轨迹姿态协同控制方法 | |
CN113204191A (zh) | 一种无人直升机自抗扰容错控制方法 | |
CN109991991B (zh) | 一种无人直升机鲁棒容错跟踪方法 | |
Guan et al. | Prescribed performance control for automatic carrier landing with disturbance | |
US9650152B2 (en) | Flight envelope protection system for unmanned aerial vehicles | |
Napolitano et al. | Aircraft failure detection and identification using neural networks | |
CN110612432A (zh) | 自主飞行器健康系统和方法 | |
CN109765918B (zh) | 一种无人直升机鲁棒自适应补偿控制方法 | |
Elijah et al. | A review on control and maneuvering of cooperative fixed-wing drones | |
CN107368089B (zh) | 一种基于双指数型函数的四旋翼飞行器非线性滑模位姿控制方法 | |
CN110794857B (zh) | 考虑外部风干扰的固定翼无人机鲁棒离散分数阶控制方法 | |
Lai et al. | On-board trajectory generation for collision avoidance in unmanned aerial vehicles | |
CN115793453A (zh) | 融合ai深度学习的旋翼飞行器轨迹跟踪自适应控制方法 | |
Gomez et al. | Fuzzy adaptive control for a UAV | |
CN113568423B (zh) | 一种考虑电机故障的四旋翼无人机智能容错控制方法 | |
Thomas et al. | Collaborative control in a flying-boom aerial refueling simulation | |
Garcia et al. | Online artificial neural network model‐based nonlinear model predictive controller for the meridian UAS | |
CN114003052A (zh) | 一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法 | |
Geronel et al. | Dynamic responses due to the Dryden gust of an autonomous quadrotor UAV carrying a payload | |
Shukla et al. | Flight test validation of a safety-critical neural network based longitudinal controller for a fixed-wing UAS | |
Kim et al. | Vision‐assisted deep stall landing for a fixed‐wing UAV | |
Seher-Weiss et al. | EC135 system identification for model following control and turbulence modeling | |
Chandar | A review on longitudinal control law design for a small fixed-wing UAV | |
Yeh et al. | Adaptive fuzzy sliding-mode control for a mini-UAV with propellers | |
Ge et al. | Event-Triggered Robust H_ ∞ H∞ Control for Networked Flight Control Systems with Actuator Failures |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210803 |
|
WD01 | Invention patent application deemed withdrawn after publication |