CN113985740B - 一种基于粒子自抗扰的稳定控制方法及装置 - Google Patents

一种基于粒子自抗扰的稳定控制方法及装置 Download PDF

Info

Publication number
CN113985740B
CN113985740B CN202111638296.6A CN202111638296A CN113985740B CN 113985740 B CN113985740 B CN 113985740B CN 202111638296 A CN202111638296 A CN 202111638296A CN 113985740 B CN113985740 B CN 113985740B
Authority
CN
China
Prior art keywords
disturbance rejection
particle
control
model
speed
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.)
Active
Application number
CN202111638296.6A
Other languages
English (en)
Other versions
CN113985740A (zh
Inventor
冯慧
马嘉程
王生
敖磊
张向强
乔涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202111638296.6A priority Critical patent/CN113985740B/zh
Publication of CN113985740A publication Critical patent/CN113985740A/zh
Application granted granted Critical
Publication of CN113985740B publication Critical patent/CN113985740B/zh
Priority to US18/087,793 priority patent/US11815912B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
    • G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64B—LIGHTER-THAN AIR AIRCRAFT
    • B64B1/00—Lighter-than-air aircraft
    • B64B1/40—Balloons
    • B64B1/50—Captive balloons
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0866—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft specially adapted to captive aircraft
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64B—LIGHTER-THAN AIR AIRCRAFT
    • B64B1/00—Lighter-than-air aircraft
    • B64B1/40—Balloons
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/022—Tethered aircraft

Abstract

本发明提供一种基于粒子自抗扰的稳定控制方法及装置，包括：基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；速度环控制模型是对系留气球系统的控制系统各执行元件进行理论建模后确定的；采用粒子群搜索算法对自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型。本发明针对系留气球系统作为弱控制飞行器，受风场扰动大、状态稳定性较差，影响光电吊舱稳定成像的问题，利用粒子群搜索算法优化自抗扰控制器，可有效隔离光电吊舱的内外扰动，提高光电吊舱的成像稳定性，在系留气球等浮空器长时驻空、实施对地观测、监视监控等领域的应用方面具有重要意义。

Description

一种基于粒子自抗扰的稳定控制方法及装置
技术领域
本发明涉及飞行器控制技术领域，尤其涉及一种基于粒子自抗扰的稳定控制方法及装置。
背景技术
系留气球具有可长时持续驻空、有效载重大等优点，搭载光电任务载荷系统后，可开展监视监控、对地侦察、遥感观测等不同应用，面对日益迫切的边防、海防、科学探测等应用需求，利用系留气球光电吊舱系统开展区域化精细监测越来越受到重视，未来在国民经济、科学研究与国防领域等将发挥巨大作用。
目前针对光电吊舱稳定控制提出了多种控制方法，如PID控制、变结构控制、自抗扰控制、智能控制、鲁棒控制等算法。现有的光电吊舱控制方法多应用于机载、车载、地基等平台形式，专门针对系留气球等浮空器平台的光电吊舱研发基本处于空白。
目前基于系留气球平台的光电吊舱稳定控制面临诸多限制条件，主要表现在以下几个方面：
1）受限于系留气球本身的结构，系留气球在驻空时易受到风向和风力的变动影响，在横滚、俯仰和偏航三个方向上会出现随机摇摆。难以控制系留气球的姿态，光电吊舱里的传感器视轴指向常常发生随机变动。2）受限于风的影响，当风向变动过快的时候，系留气球平台受到扰动发生转动，为保证跟踪有效，需要电机频繁启停，控制光电传感器的指向，摩擦力矩和风阻力矩变动较大。难以保证快速性的同时具有高的稳定性。3）受限于光电吊舱本身转动轴的转动速度，当风向变动快的时候，系留气球平台受到扰动转动的速度，可能会超过光电吊舱本身转动轴的转动速度，易“丢失”跟踪目标，难以实现稳定的跟踪。
发明内容
本发明提供一种基于粒子自抗扰的稳定控制方法及系统，用以填补现有技术在基于系留气球平台的光电吊舱稳定控制方面的空白。
第一方面，本发明提供一种基于粒子自抗扰的稳定控制方法，包括：
基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；
采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制。
根据本发明提供的一种基于粒子自抗扰的稳定控制方法，所述系留气球系统动力学模型是由系留气球的瞬态运动方程、锚泊点的边界条件、主节点边界条件、系留气球的稳态运动方程以及系缆的差分耦合动力学方程组成。
根据本发明提供的一种基于粒子自抗扰的稳定控制方法，所述系留气球的瞬态运动方程的表达式为：
Figure 58921DEST_PATH_IMAGE001
；
所述锚泊点的边界条件的表达式为：
Figure 462089DEST_PATH_IMAGE002
；
所述主节点边界条件的表达式为：
Figure 547857DEST_PATH_IMAGE003
；
所述系留气球的稳态运动方程的表达式为：
Figure 103603DEST_PATH_IMAGE004
；
设系缆的动力学方程的表达式为：
Figure 233102DEST_PATH_IMAGE005
；
则所述系缆的差分耦合动力学方程的表达式为：
Figure 874299DEST_PATH_IMAGE006
Figure 747446DEST_PATH_IMAGE007
；
其中，
Figure 423278DEST_PATH_IMAGE008
为质量矩阵，
Figure 739990DEST_PATH_IMAGE009
和
Figure 117750DEST_PATH_IMAGE010
为中间结果矩阵，
Figure 545321DEST_PATH_IMAGE011
为力矩阵，Y为系缆状态矩阵：
Figure 59347DEST_PATH_IMAGE012
，
Figure 546960DEST_PATH_IMAGE013
为系缆的倾斜角，
Figure 162750DEST_PATH_IMAGE014
为系缆的方位角，
Figure 377699DEST_PATH_IMAGE015
、
Figure 762544DEST_PATH_IMAGE016
、
Figure 404747DEST_PATH_IMAGE017
分别为系缆的速度 在CFS中的分量；
Figure 507832DEST_PATH_IMAGE018
为系缆的惯性力和气动力之和在系留气球的体轴系BFS中的投影；
Figure 11626DEST_PATH_IMAGE019
为系留气球的球体在所述BFS中的速度；
Figure 765824DEST_PATH_IMAGE020
为
Figure 329661DEST_PATH_IMAGE019
的求导；
Figure 169309DEST_PATH_IMAGE021
为转动的动力矩；
Figure 476794DEST_PATH_IMAGE022
为系缆在系缆当地坐标系CFS中的速度；
Figure 570652DEST_PATH_IMAGE023
为锚泊点所在的地面坐标系 EFS与所述CFS之间的坐标转换矩阵；
Figure 820237DEST_PATH_IMAGE024
为锚泊点在所述EFS中的速度；
Figure 632335DEST_PATH_IMAGE025
为第N个节点在所述CFS中的速度；
Figure 258357DEST_PATH_IMAGE026
为主节点B在所述BFS中的矢量；
Figure 472301DEST_PATH_IMAGE027
为主节点B在所述BFS中的速度；
Figure 377940DEST_PATH_IMAGE028
为光电吊舱转动轴的电机角速度；[p,q,r]分别为系留气 球在所述BFS中的转动角速度；
Figure 750820DEST_PATH_IMAGE029
分别为系留气球球体的偏航角，俯仰角和滚转角；
Figure 665687DEST_PATH_IMAGE030
、
Figure 983405DEST_PATH_IMAGE031
、
Figure 325524DEST_PATH_IMAGE032
Figure 112215DEST_PATH_IMAGE033
分别为i时刻，j位置的对应值；
Figure 548881DEST_PATH_IMAGE034
为系缆微段；
Figure 737417DEST_PATH_IMAGE035
为时间微段。
根据本发明提供的一种基于粒子自抗扰的稳定控制方法，所述速度环控制模型包括光电吊舱转动轴的电机传递函数、速度陀螺的传递函数以及功率放大器的传递函数。
根据本发明提供的一种基于粒子自抗扰的稳定控制方法，所述电机传递函数的表达式为：
Figure 499705DEST_PATH_IMAGE036
；
所述速度陀螺的传递函数的表达式为：
Figure 773692DEST_PATH_IMAGE037
；
所述功率放大器的传递函数的表达式为：
Figure 30361DEST_PATH_IMAGE038
；
其中，
Figure 322671DEST_PATH_IMAGE039
、
Figure 6593DEST_PATH_IMAGE040
和
Figure 485985DEST_PATH_IMAGE041
为别为电机传递函数、速度陀螺的传递函数和功 率放大器的传递函数；
Figure 546345DEST_PATH_IMAGE042
为电枢绕组电感；J为电机轴上的总转动惯量；
Figure 443894DEST_PATH_IMAGE043
为电机转矩系 数，
Figure 282405DEST_PATH_IMAGE044
为电机的电动势系数；
Figure 530984DEST_PATH_IMAGE045
为电枢绕组电阻；
Figure 378723DEST_PATH_IMAGE046
是输出角速度的拉普拉斯变换，
Figure 130779DEST_PATH_IMAGE047
是输入量的拉普拉斯变换；
Figure 156504DEST_PATH_IMAGE048
为速度陀螺的比例环节；
Figure 876067DEST_PATH_IMAGE049
为功率放大器的比 例放大环节。
根据本发明提供的一种基于粒子自抗扰的稳定控制方法，所述自抗扰控制器模型的表达式为：
Figure 278229DEST_PATH_IMAGE050
；
Figure 134059DEST_PATH_IMAGE051
；
Figure 596264DEST_PATH_IMAGE052
；
Figure 553856DEST_PATH_IMAGE053
；
Figure 477818DEST_PATH_IMAGE054
；
Figure 204466DEST_PATH_IMAGE055
；
Figure 86840DEST_PATH_IMAGE056
；
其中，
Figure 266149DEST_PATH_IMAGE057
为光电吊舱控制系统的微分方程；TD为跟踪微分器；ESO为扩张状态观测 器；NLSEF为非线性状态误差反馈；
Figure 10114DEST_PATH_IMAGE058
为总扰动；
Figure 106115DEST_PATH_IMAGE059
是系统输入信号；y为 输出信号；
Figure 644543DEST_PATH_IMAGE060
为外部总扰动；微分信号
Figure 560416DEST_PATH_IMAGE061
和微分信号
Figure 842492DEST_PATH_IMAGE062
是TD将
Figure 543732DEST_PATH_IMAGE063
转变成 的；
Figure 502330DEST_PATH_IMAGE064
、
Figure 921810DEST_PATH_IMAGE065
和
Figure 7577DEST_PATH_IMAGE066
，分别表示
Figure 812591DEST_PATH_IMAGE061
、
Figure 958402DEST_PATH_IMAGE062
和总扰动
Figure 595006DEST_PATH_IMAGE058
的估计 量；
Figure 484464DEST_PATH_IMAGE067
为TD中的参数；
Figure 894717DEST_PATH_IMAGE068
值是快速因子；
Figure 195117DEST_PATH_IMAGE069
是系统采样步长；
Figure 323610DEST_PATH_IMAGE070
是无量纲参数，为
Figure 448DEST_PATH_IMAGE069
的整 数倍；
Figure 530787DEST_PATH_IMAGE071
为ESO中的参数；
Figure 18400DEST_PATH_IMAGE072
是与
Figure 883457DEST_PATH_IMAGE073
有关系数参数；
Figure 849138DEST_PATH_IMAGE074
是无意义系数， 取
Figure 233983DEST_PATH_IMAGE069
的整数倍；控制量系数
Figure 141765DEST_PATH_IMAGE075
是时变函数，近似为常值
Figure 979271DEST_PATH_IMAGE076
；
Figure 997912DEST_PATH_IMAGE077
为NLSEF中的参数；
Figure 502843DEST_PATH_IMAGE078
是阻尼 因子，
Figure 332258DEST_PATH_IMAGE079
是快速因子，
Figure 906328DEST_PATH_IMAGE080
是控制量因子；fhan和fal分别为非线性函数的表达式；
Figure 479392DEST_PATH_IMAGE081
为被控对 象；
Figure 838829DEST_PATH_IMAGE081
为被控对象；
Figure 88414DEST_PATH_IMAGE082
为误差反馈控制量；
Figure 634933DEST_PATH_IMAGE083
、
Figure 260955DEST_PATH_IMAGE084
、
Figure 474899DEST_PATH_IMAGE085
和
Figure 646117DEST_PATH_IMAGE086
为无量纲中间参数。
根据本发明提供的一种基于粒子自抗扰的稳定控制方法，所述自抗扰控制器模型 的待寻优参数包括参数
Figure 194779DEST_PATH_IMAGE087
；
所述采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，包括：
步骤一：初始化粒子群；
步骤二：基于适应度函数，计算所述粒子群中每个粒子的适应度值，每个粒子对应于所述待寻优参数的一种组合；
步骤三：根据每个粒子的适应度值，更新个体极值和全局极值；
步骤四：更新粒子的位置和速度；
步骤五：判断是否满足停止条件，若是，输出最优参数组合；若不是，则返回至步骤二。
第二方面，本发明还提供一种基于粒子自抗扰的稳定控制装置，包括：
第一处理单元，基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；
第二处理单元，用于采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于粒子自抗扰的稳定控制方法的步骤。
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于粒子自抗扰的稳定控制方法的步骤。
本发明提供的基于粒子自抗扰的稳定控制方法及装置，针对系留气球系统作为弱控制飞行器，受风场扰动大、状态稳定性较差，影响光电吊舱稳定成像的问题，利用粒子群搜索算法优化自抗扰控制器，可有效隔离光电吊舱的内外扰动，提高光电吊舱的成像稳定性，在系留气球等浮空器长时驻空、实施对地观测、监视监控等领域的应用方面具有重要意义。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于粒子自抗扰的稳定控制方法的流程示意图；
图2是本发明提供的系留气球坐标系示意图；
图3是本发明提供的单轴电机控制原理示意图；
图4是本发明提供的速度稳定回路的控制结构示意图；
图5是本发明提供的速度稳定回路的控制模型示意图；
图6是本发明提供的二阶自抗扰控制器示意图；
图7是本发明提供的粒子群搜索算法优化自抗扰控制器参数原理示意图；
图8是本发明提供的粒子群搜索算法流程示意图；
图9是本发明提供的基于粒子自抗扰的稳定控制装置的结构示意图；
图10是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
对于上述球载光电吊舱稳定控制存在的难点问题，需要克服解决风对系留气球平台的随机性影响，在保证光电吊舱快速响应的同时，提高光电吊舱的抗干扰能力，即提高光电吊舱的稳定性，是目前需要解决的关键技术问题。
自抗扰控制技术（ADRC）的核心思想是“主动抗扰”，通过扩张状态观测器能够将系统的外界扰动及系统模型的不确定性作为综合扰动项估计出来，从而可以实现对扰动的直接前馈补偿控制，消除其影响。此方法不需要对被控对象进行精确建模和对扰动项的物理测量，具有响应速度快、精度高、扰动抑制能力强及算法简单等特点。
在ADRC模型中，待确定的参数有12个，通过对模型的认识和经验取值，仍有5个参数需要确定，而单靠经验取值，很难使这5个参数相互配合达到最优控制效果，因此需要采用新的优化算法，找到相对应的一组参数值。
粒子群优化算法(Particle Swarm optimization，PSO)，通过模拟鸟类捕食过程，将每只鸟抽象成一个个无质量、无体积的粒子，将优化空间当作鸟类的飞行空间，最优解便是食物的位置，那么最优解一定是在靠近该位置粒子的附近，优化的过程便是鸟类寻找食物的过程。在优化过程中，所有的粒子都有一个由被优化的函数决定的适应度值(FitnessValue)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。每个粒子都会记住自己历史的最好位置和群体的最优位置，通过信息间的共享，合作寻找最优解。
一般步骤为：将PSO初始化为一群随机粒子（随机解），然后通过迭代找到最优解。 在每一次迭代中，粒子通过跟踪两个“极值”来更新自己：第一个就是粒子本身所找到的最 优解，这个解叫做个体极值
Figure 844066DEST_PATH_IMAGE088
，另一个极值是整个种群找到的最优解，这个极值是全 局极值
Figure 427363DEST_PATH_IMAGE089
。另外，也可以不用整个种群而只是用其中一部分最优粒子的邻居，那么在所有 邻居中的极值就是局部极值。
本发明创造性的将其用于自抗扰控制器参数寻优，解决了ADRC模型中不能实时自适应参数调整的缺陷，有效隔离光电吊舱内外扰动，提高光电吊舱成像稳定性，大大地提高了系统的抗扰性和鲁棒性。
下面结合图1-图10描述本发明实施例所提供的基于粒子自抗扰的稳定控制方法和装置。
图1是本发明提供的基于粒子自抗扰的稳定控制方法的流程示意图，如图1所示，包括但不限于以下步骤：
步骤101：基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型。
其中，所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的。
具体来说，本发明主要是根据系留气球系统的光电探测任务需求，建立系留气球系统动力学模型。由于系留气球系统是将系留气球的球体与光电吊舱近似于刚体固连，光电吊舱的运动与系留气球的球体的运动基本一致，系留气球系统的运动是缆索的运动与系留气球的球体运动的耦合，故系留气球系统动力学模型是由系缆动力学方程和系留气球的球体运动方程及初始条件和边界条件组成。
作为一种可选地实施例，所述系留气球系统动力学模型是由系留气球的瞬态运动方程、锚泊点的边界条件、主节点边界条件、系留气球的稳态运动方程以及系缆的动力学方程组成。
图2是本发明提供的系留气球坐标系示意图，如图2所示，预先构建锚泊点所在的 地面坐标系EFS、系留气球的体轴系BFS和系缆当地坐标系CFS。将EFS与BFS之间的坐标转换 矩阵记为
Figure 769482DEST_PATH_IMAGE090
，将EFS与CFS的坐标转换矩阵记为
Figure 556173DEST_PATH_IMAGE091
，将系缆的方位角和倾斜角分别为
Figure 258419DEST_PATH_IMAGE092
和
Figure 446954DEST_PATH_IMAGE093
，将系留气球球体的偏航角、俯仰角和滚转角分别记为
Figure 959975DEST_PATH_IMAGE094
、
Figure 483229DEST_PATH_IMAGE095
和
Figure 739898DEST_PATH_IMAGE096
。
在确定坐标系之后，可以获取到系缆的瞬态运动方程，其表达式为：
Figure 766629DEST_PATH_IMAGE097
；
其中，M、N和q的表达式分别为：
Figure 450551DEST_PATH_IMAGE098
Figure 946255DEST_PATH_IMAGE099
Figure 255882DEST_PATH_IMAGE100
；
上式中，
Figure 153431DEST_PATH_IMAGE101
和
Figure 257522DEST_PATH_IMAGE102
为中间结果矩阵，
Figure 506101DEST_PATH_IMAGE103
为力矩阵；Y为系缆状态矩阵：
Figure 104573DEST_PATH_IMAGE104
，
Figure 117614DEST_PATH_IMAGE093
为系缆的倾斜角，
Figure 408918DEST_PATH_IMAGE105
为系缆的方位角，
Figure 879214DEST_PATH_IMAGE106
、
Figure 265065DEST_PATH_IMAGE107
、
Figure 137206DEST_PATH_IMAGE108
分别为系缆的速度 在CFS中的分量；
Figure 848679DEST_PATH_IMAGE109
分别为系缆的惯性力和气动力之和在CFS中的分量；
Figure 540691DEST_PATH_IMAGE110
为系缆的 质量，
Figure 746545DEST_PATH_IMAGE111
为空气密度，
Figure 722460DEST_PATH_IMAGE112
为系缆的空速；
Figure 89987DEST_PATH_IMAGE113
分别为风速J在CFS中的分量；e=1/EA，E为系 缆的弹性模量，A为未变形前系缆的面积；
Figure 534875DEST_PATH_IMAGE114
为系缆承受的拉力；
Figure 528108DEST_PATH_IMAGE115
为重力；
Figure 109262DEST_PATH_IMAGE116
、
Figure 162537DEST_PATH_IMAGE117
、
Figure 829142DEST_PATH_IMAGE118
分别 为系缆的速度在CFS中的分量；Y为
Figure 376798DEST_PATH_IMAGE119
。
综合上述内容，则系留气球的瞬态运动方程的表达式为：
Figure 327305DEST_PATH_IMAGE120
（1）
Figure 36635DEST_PATH_IMAGE121
（1）
其中，
Figure 456115DEST_PATH_IMAGE122
为质量矩阵，其中
Figure 791151DEST_PATH_IMAGE123
为球体质量，转动惯量
Figure 346897DEST_PATH_IMAGE124
和惯性积
Figure 476396DEST_PATH_IMAGE125
为球体 重心处在系留气球的体轴系BFS中对应的值；
Figure 117593DEST_PATH_IMAGE126
为系缆的惯性力和气动力之和在系留气 球的体轴系BFS中的投影；
Figure 7051DEST_PATH_IMAGE127
为系留气球的球体在BFS中的速度；
Figure 666572DEST_PATH_IMAGE128
为
Figure 983283DEST_PATH_IMAGE127
的求导，表示系留 气球球体的加速度；
Figure 111776DEST_PATH_IMAGE129
为转动的动力矩。
上述系留气球的瞬态运动方程的初始条件，可以取稳态时的系缆拉力，缆绳的倾斜角和方位角以及球体的偏航角，俯仰角和滚转角。
进一步地，锚泊点的边界条件的表达式可以表示为：
Figure 788614DEST_PATH_IMAGE130
（2）
其中，
Figure 318953DEST_PATH_IMAGE131
为系缆在系缆当地坐标系CFS中的速度；
Figure 55833DEST_PATH_IMAGE132
为锚 泊点在地面坐标系EFS中的速度；
Figure 406043DEST_PATH_IMAGE091
为EFS与CFS之间的坐标转换矩阵。
进一步地，主节点是指系缆与系留气球的球体之间的主要连接点，主节点边界条件满足速度连续条件，可以确定为：
Figure 637305DEST_PATH_IMAGE133
（3）
其中，其中，从锚泊点到主节点将系缆分成N段，则n表示第n个节点，
Figure 740259DEST_PATH_IMAGE134
为第N个节点在CFS中的速度；
Figure 133194DEST_PATH_IMAGE135
为主点B在BFS中的矢量；
Figure 485547DEST_PATH_IMAGE136
为节点B在 BFS中的速度；
Figure 254920DEST_PATH_IMAGE137
为光电吊舱转动轴的电机角速度。
进一步地，球体的稳态运动方程的表达式可以为：
Figure 743539DEST_PATH_IMAGE138
（4）
其中，[p,q,r]分别为系留气球在所述BFS中的转动角速度；
Figure 572954DEST_PATH_IMAGE139
分别为系留气 球球体的偏航角，俯仰角和滚转角。
最后，基于差分法建立耦合方程，则可以获取到系缆的动力学方程，其表达式可以为：
Figure 897756DEST_PATH_IMAGE140
Figure 720088DEST_PATH_IMAGE141
； （5）
其中，
Figure 79525DEST_PATH_IMAGE101
和
Figure 79842DEST_PATH_IMAGE102
为中间结果矩阵，
Figure 152927DEST_PATH_IMAGE103
为力矩阵；Y为系缆状态矩阵：
Figure 264102DEST_PATH_IMAGE142
，
Figure 727313DEST_PATH_IMAGE093
为系缆的倾斜角，
Figure 898532DEST_PATH_IMAGE143
为系缆的方位角，
Figure 197926DEST_PATH_IMAGE106
、
Figure 362060DEST_PATH_IMAGE107
、
Figure 696089DEST_PATH_IMAGE108
分别为系缆的速度 在CFS中的分量；
Figure 38209DEST_PATH_IMAGE144
、
Figure 808588DEST_PATH_IMAGE145
、
Figure 527145DEST_PATH_IMAGE146
Figure 964948DEST_PATH_IMAGE147
分别为i时刻，j位置对应的值；
Figure 477969DEST_PATH_IMAGE148
为系缆微段；
Figure 220797DEST_PATH_IMAGE149
为时 间微段。
联立上述公式（1）-公式（5），则可以建立系留气球系统动力学模型，通过对系留气球系统动力学模型的求解，就可以确定出系缆速度、系留气球的球体速度以及倾斜角等相关参数，并由此可以进一步分析出光电吊舱的工作状态。
进一步地，对系留气球系统的控制系统各执行元件进行理论建模，建立速度环控制模型。
具体来说，本发明所构建的速度环控制模型，主要包括但不限于：光电吊舱转动轴的电机传递函数、速度陀螺的传递函数以及功率放大器的传递函数。
由于光电吊舱每个轴都是由一个电机单独控制，控制原理和控制方法设计都一样，其中电机一般采用的直流力矩电机。要控制光电传感器指向，需要使得各轴的电机各转动一定的角度才能实现。
光电吊舱的稳定控制系统的稳定性，实质上是要保证光电吊舱在内外扰动的情况下，控制各轴电机转动来实时补偿，以减弱或消除干扰，使得光电传感器的指向仍能保持稳定，不发生抖动和偏移。
图3是本发明提供的单轴电机控制原理示意图，如图3所示，本对于各轴电机的控制通常由位置环、速度环和电流环三闭环控制回路构成，对应的是位置控制器、速度控制器和电流控制器。
其中，电流环为最内环，控制电机输出稳定力矩，使电流不易波动，产生突变；速度环为中间环，能够抑制负载的干扰和光电吊舱内部摩擦力矩的干扰，实现传感器指向的稳定，响应迅速，反应较快；而位置环为最外环，主要测量和反馈位置信号，使得传感器指向跟随目标的移动而变动，但位置环只能隔离较低频率的扰动。
图4是本发明提供的速度稳定回路的控制结构示意图，如图4所示，要实现光电吊舱的稳定控制的关键是对速度环进行设计和控制，受电流环和位置环的影响较小。
有鉴于此，本发明所提供的基于粒子自抗扰的稳定控制方法，根据单轴电机的控制原理，综合考虑影响速度的内、外干扰因素，对系留气球系统的控制系统各执行元件进行理论建模，确定光电吊舱转动轴的电机传递函数、速度陀螺的传递函数以及功率放大器的传递函数，确定速度环控制模型。
系留气球系统的控制系统的各执行元件主要包括：直流力矩电机和负载（主要包括光电吊舱转动轴和转动轴上所连接的其他部件）、PWM功率放大器、速度陀螺等。
可选地，电机传递函数的表达式为：
Figure 992313DEST_PATH_IMAGE150
（6）
其中，
Figure 769776DEST_PATH_IMAGE151
为电枢绕组电感；J为电机轴上的总转动惯量；
Figure 719278DEST_PATH_IMAGE152
为电机转矩系数，
Figure 464249DEST_PATH_IMAGE153
为 电机的电动势系数；
Figure 259029DEST_PATH_IMAGE154
为电枢绕组电阻；
Figure 671425DEST_PATH_IMAGE155
是输出角速度的拉普拉斯变换，
Figure 526249DEST_PATH_IMAGE156
是输 入量的拉普拉斯变换。
进一步地，在速度陀螺带宽较宽的情况下，速度陀螺的数学模型可以看作比例环节：
Figure 509248DEST_PATH_IMAGE157
（7）
进一步地，功率放大器的数学模型可简为比例放大环节：
Figure 356987DEST_PATH_IMAGE158
（8）
图5是本发明提供的速度稳定回路的控制模型示意图，如图5所示，联立上述公式（6）至公式（8）则可以构建出速度环控制模型。
进一步地，可以基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型。
自抗扰控制器主要由跟踪微分器TD、非线性状态误差反馈控制律NLSEF以及扩张状态观测器ESO三大部分组成，光电吊舱的控制系统的微分方程可以采用常规的二阶微分方程表示，具体为：
Figure 374622DEST_PATH_IMAGE159
（9）
其中
Figure 649614DEST_PATH_IMAGE160
为外部总扰动；
Figure 119910DEST_PATH_IMAGE161
包含了内部扰动（如摩擦力矩，陀螺噪 声），以及外部扰动（如系留气球的运动）；
Figure 522072DEST_PATH_IMAGE162
为被控对象（被控对象就是如图3所示的整个内 容，主要包括电机负载）的输入；
Figure 643481DEST_PATH_IMAGE163
为控制量系数，可以取值为常值
Figure 840107DEST_PATH_IMAGE164
。
图6是本发明提供的二阶自抗扰控制器示意图，如图6所示，
Figure 250229DEST_PATH_IMAGE165
是系统输入信 号，相当于要求电机输出的角速度信号。
微分跟踪器将系统输入信号
Figure 456082DEST_PATH_IMAGE166
转变成同等微分信号
Figure 431997DEST_PATH_IMAGE167
和微分信号
Figure 799525DEST_PATH_IMAGE168
（可 参阅微分跟踪器表达式）。
Figure 244412DEST_PATH_IMAGE169
和
Figure 237645DEST_PATH_IMAGE170
通过非线性组合得到
Figure 818799DEST_PATH_IMAGE171
。
Figure 622807DEST_PATH_IMAGE172
、
Figure 538679DEST_PATH_IMAGE173
和
Figure 820756DEST_PATH_IMAGE174
， 分别表示
Figure 771264DEST_PATH_IMAGE175
、
Figure 746173DEST_PATH_IMAGE176
和总扰动
Figure 900074DEST_PATH_IMAGE161
的估计量。
在进行设计自抗扰设计和参数优化时，需要将算法离散化，可以表示为：
Figure 246828DEST_PATH_IMAGE177
（10）
Figure 802574DEST_PATH_IMAGE178
（11）
Figure 932073DEST_PATH_IMAGE179
（12）
Figure 573270DEST_PATH_IMAGE180
（13）
其中的两个非线性函数fhan和fal（就是非线性函数的表达式，类似于PID控制中的线性组合，都是反馈控制率）的表达式为：
Figure 462728DEST_PATH_IMAGE181
（14）
Figure 122249DEST_PATH_IMAGE182
（15）
此外，自抗扰控制还有扰动补偿过程，表示为：
联立上述公式（9）至公式（15），建立自抗扰控制器模型，其中整个模型的参数右12 个，TD中有
Figure 438960DEST_PATH_IMAGE183
；ESO中有
Figure 567453DEST_PATH_IMAGE184
；NLSEF中有
Figure 244291DEST_PATH_IMAGE185
。
其中，
Figure 774630DEST_PATH_IMAGE186
值是快速因子，越大响应越快；
Figure 245931DEST_PATH_IMAGE187
是系统采样步长；
Figure 861720DEST_PATH_IMAGE188
是参数，无物理意义， 一般可以取
Figure 92982DEST_PATH_IMAGE189
的整数倍；
Figure 727094DEST_PATH_IMAGE190
是无意义系数，也可以取
Figure 385609DEST_PATH_IMAGE189
的整数倍；控制量系数
Figure 223115DEST_PATH_IMAGE191
是时变函数， 可近似为常值
Figure 241755DEST_PATH_IMAGE192
；
Figure 746686DEST_PATH_IMAGE193
与系统采样步长
Figure 825369DEST_PATH_IMAGE194
有关，无物理意义，只是系数参数；参数
Figure 150171DEST_PATH_IMAGE078
是 阻尼因子；
Figure 723235DEST_PATH_IMAGE195
是快速因子；
Figure 331940DEST_PATH_IMAGE196
是控制量因子。由此，可以确定出需要优化的是以下五个参数：
Figure 332257DEST_PATH_IMAGE197
。
步骤102：采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制。
图7是本发明提供的粒子群搜索算法优化自抗扰控制器参数原理示意图，如图7所 示，本发明采用粒子群搜索算法面对上述五个参数：
Figure 144355DEST_PATH_IMAGE198
进行寻优，以获取最 优自抗扰控制器模型。
图8是本发明提供的粒子群搜索算法流程示意图，如图8所示，在本实施例中不对如何建立自抗扰控制器模型再作赘述，仅介绍在获取自抗扰控制器模型后，如何利用粒子群搜索算法进行参数寻优，具体步骤包括但不限于：
步骤一：初始化粒子群；
步骤二：基于适应度函数，计算所述粒子群中每个粒子的适应度值，每个粒子对应于所述待寻优参数的一种组合；
步骤三：根据每个粒子的适应度值，更新个体极值和全局极值；
步骤四：更新粒子的位置和速度；
步骤五：判断是否满足停止条件，若是，输出最优参数组合；若不是，则返回至步骤二。
步骤一所提出的初始化粒子群，其具体实施方式可以包括但不限于：
初始化搜索空间维度
Figure 504798DEST_PATH_IMAGE199
、粒子群规模
Figure 718742DEST_PATH_IMAGE200
、加速常数
Figure 873648DEST_PATH_IMAGE201
和
Figure 438622DEST_PATH_IMAGE202
、随机数
Figure 353488DEST_PATH_IMAGE203
和
Figure 671206DEST_PATH_IMAGE204
、最大 惯性权重
Figure 13326DEST_PATH_IMAGE205
以及最小惯性权重
Figure 800016DEST_PATH_IMAGE206
。同时，可以初始化每个粒子的位置
Figure 502262DEST_PATH_IMAGE207
、速度
Figure 425218DEST_PATH_IMAGE208
、个体 极值
Figure 187507DEST_PATH_IMAGE209
以及全局极值
Figure 461493DEST_PATH_IMAGE210
。
进一步地，适应度函数决定了每个粒子解的走向，使得参数不断向最优解进化。本发明综合考虑响应的快速性、超调量和控制能量，采用以下适应度函数，以实现步骤二中所提出的每个粒子的适应度值的计算：
Figure 718162DEST_PATH_IMAGE211
（16）
其中，
Figure 10472DEST_PATH_IMAGE212
为给定值与输出量的偏差；
Figure 694394DEST_PATH_IMAGE213
为相邻两次步距输出量之间的差 值；
Figure 704945DEST_PATH_IMAGE201
为偏差在适应度函数中的权值，
Figure 499725DEST_PATH_IMAGE214
为控制量的平方项在适应度函数中的权值，可以 取
Figure 397274DEST_PATH_IMAGE215
。
Figure 778663DEST_PATH_IMAGE216
为控制量；Q是指目标函数值（也即是适应度值）。
进一步地，步骤三中所提出的根据每个粒子的适应度值，更新个体极值和全局极值，包括但不限于以下步骤：
对每个粒子，用它的适应度值
Figure 761663DEST_PATH_IMAGE217
和个体极值
Figure 360134DEST_PATH_IMAGE218
比较，如果
Figure 627037DEST_PATH_IMAGE219
，则用
Figure 652761DEST_PATH_IMAGE220
替换掉
Figure 372325DEST_PATH_IMAGE209
；对每个粒子，用它的适应度值
Figure 774487DEST_PATH_IMAGE220
和全局 极值
Figure 99158DEST_PATH_IMAGE221
比较。如果
Figure 764626DEST_PATH_IMAGE222
，则用
Figure 971485DEST_PATH_IMAGE220
替换掉
Figure 911759DEST_PATH_IMAGE210
。
进一步地，步骤四中所提出的迭代更新粒子的位置和速度，包括但不限于以下步骤：
在找到个体极值
Figure 638407DEST_PATH_IMAGE209
和全局极值
Figure 520781DEST_PATH_IMAGE210
时，粒子根据带有权重的公式（17）来更 新自己的速度和位置：
Figure 700090DEST_PATH_IMAGE223
（17）
其中，
Figure 427743DEST_PATH_IMAGE224
和
Figure 540055DEST_PATH_IMAGE214
是学习因子，也称加速常数，表示粒子每次迭代时向个体极值和全局 极值移动的权重；
Figure 812905DEST_PATH_IMAGE225
和
Figure 259936DEST_PATH_IMAGE226
是[0,1]之间的随机数，增加了粒子向个体最优位置和向群体最优 位置移动的随机性；
Figure 542012DEST_PATH_IMAGE227
是权重因子，
Figure 243252DEST_PATH_IMAGE228
越大，则表示粒子全局搜索能力越大，局部搜索能力 越小；
Figure 467429DEST_PATH_IMAGE227
越小，则表示粒子全局搜索能力越小，局部搜索能力越大。
可以在寻优的过程中对
Figure 355751DEST_PATH_IMAGE227
进行动态调整，平衡全局和局部搜索能力，表示为：
Figure 956365DEST_PATH_IMAGE229
（18）
其中，
Figure 512111DEST_PATH_IMAGE230
表示最大迭代数，
Figure 657922DEST_PATH_IMAGE231
和
Figure 548386DEST_PATH_IMAGE232
分别是最大惯性权重和最小惯性权重，
Figure 172266DEST_PATH_IMAGE233
表示当前迭代次数。
进一步地，在步骤五中，判断是否满足停止条件，若是，则结束算法并输出优化结果；否则，返回至上述步骤二。
其中，停止条件可以是达最大循环次数或适应值小于最小适应值。
本发明提供的针对系留气球系统作为弱控制飞行器，受风场扰动大、状态稳定性较差，影响光电吊舱稳定成像的问题，利用粒子群搜索算法优化自抗扰控制器，可有效隔离光电吊舱的内外扰动，提高光电吊舱的成像稳定性，在系留气球等浮空器长时驻空、实施对地观测、监视监控等领域的应用方面具有重要意义。
图9是本发明提供的基于粒子自抗扰的稳定控制方法，基于粒子自抗扰的稳定控制装置的结构示意图，如图9所示，主要包括第一处理单元901、第二处理单元902其中：
第一处理单元901主要用于基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型。
其中，所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；
第二处理单元904主要用于采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制。
需要说明的是，本发明实施例提供的基于粒子自抗扰的稳定控制装置，在具体运行时，可以执行上述任一实施例所述的基于粒子自抗扰的稳定控制方法，对此本实施例不作赘述。
本发明提供的基于粒子自抗扰的稳定控制装置，针对系留气球系统作为弱控制飞行器，受风场扰动大、状态稳定性较差，影响光电吊舱稳定成像的问题，利用粒子群搜索算法优化自抗扰控制器，可有效隔离光电吊舱的内外扰动，提高光电吊舱的成像稳定性，在系留气球等浮空器长时驻空、实施对地观测、监视监控等领域的应用方面具有重要意义。
图10是本发明提供的电子设备的结构示意图，如图10所示，该电子设备可以包括：处理器（processor）110、通信接口（Communications Interface）120、存储器（memory）130和通信总线140，其中，处理器110，通信接口120，存储器130通过通信总线140完成相互间的通信。处理器110可以调用存储器130中的逻辑指令，以执行基于粒子自抗扰的稳定控制方法，该方法包括：基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制。
此外，上述的存储器130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于粒子自抗扰的稳定控制方法，该方法包括：基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于粒子自抗扰的稳定控制方法，该方法包括：基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：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记载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 (8)

1.一种基于粒子自抗扰的稳定控制方法，其特征在于，包括：
基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；
采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制；
所述自抗扰控制器模型的表达式为：
Figure 774683DEST_PATH_IMAGE001
；
Figure 337645DEST_PATH_IMAGE002
；
Figure 90837DEST_PATH_IMAGE003
；
Figure 909889DEST_PATH_IMAGE004
；
Figure 406729DEST_PATH_IMAGE005
；
Figure 322732DEST_PATH_IMAGE006
；
Figure 246826DEST_PATH_IMAGE007
；
其中，
Figure 317288DEST_PATH_IMAGE008
为光电吊舱控制系统的微分方程；TD为跟踪微分器；ESO为扩张状态观测器； NLSEF为非线性状态误差反馈；
Figure 352240DEST_PATH_IMAGE009
为总扰动；
Figure 653908DEST_PATH_IMAGE010
是系统输入信号；y为输出 信号；
Figure 748903DEST_PATH_IMAGE011
为外部总扰动；微分信号
Figure 339285DEST_PATH_IMAGE012
和微分信号
Figure 177928DEST_PATH_IMAGE013
是TD将
Figure 802944DEST_PATH_IMAGE010
转变成的；
Figure 803261DEST_PATH_IMAGE014
、
Figure 880939DEST_PATH_IMAGE015
和
Figure 54431DEST_PATH_IMAGE016
，分别表示
Figure 29559DEST_PATH_IMAGE012
、
Figure 200778DEST_PATH_IMAGE013
和总扰动
Figure 765751DEST_PATH_IMAGE009
的估计量；
Figure 742934DEST_PATH_IMAGE017
为TD中的参数；
Figure 76964DEST_PATH_IMAGE018
值是快速因子；
Figure 684663DEST_PATH_IMAGE019
是系统采样步长；
Figure 268091DEST_PATH_IMAGE020
是无量纲参数，为
Figure 252227DEST_PATH_IMAGE019
的整数 倍；
Figure 440763DEST_PATH_IMAGE021
为ESO中的参数；
Figure 219363DEST_PATH_IMAGE022
是与
Figure 290088DEST_PATH_IMAGE023
有关系数参数；
Figure 310871DEST_PATH_IMAGE024
是无意义系数，取
Figure 353913DEST_PATH_IMAGE019
的整数倍；控制量系数
Figure 100152DEST_PATH_IMAGE025
是时变函数，近似为常值
Figure 127014DEST_PATH_IMAGE026
；
Figure 921795DEST_PATH_IMAGE027
为NLSEF中的参数；
Figure 350502DEST_PATH_IMAGE028
是阻尼因 子，
Figure 470905DEST_PATH_IMAGE029
是快速因子，
Figure 985063DEST_PATH_IMAGE030
是控制量因子；fhan和fal分别为非线性函数的表达式；
Figure 849114DEST_PATH_IMAGE031
为被控对 象；
Figure 368213DEST_PATH_IMAGE032
为误差反馈控制量；
Figure 659517DEST_PATH_IMAGE033
、
Figure 192130DEST_PATH_IMAGE034
、
Figure 594292DEST_PATH_IMAGE035
和
Figure 997592DEST_PATH_IMAGE036
为无量纲中间参数；
Figure 194218DEST_PATH_IMAGE037
为误差反馈控制量；
所述自抗扰控制器模型的待寻优参数包括参数
Figure 417389DEST_PATH_IMAGE038
；
所述采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，包括：
步骤一：初始化粒子群；
步骤二：基于适应度函数，计算所述粒子群中每个粒子的适应度值，每个粒子对应于所述待寻优参数的一种组合；
步骤三：根据每个粒子的适应度值，更新个体极值和全局极值；
步骤四：更新粒子的位置和速度；
步骤五：判断是否满足停止条件，若是，输出最优参数组合；若不是，则返回至步骤二；
所述适应度值的计算公式为：
Figure 888821DEST_PATH_IMAGE039
其中，
Figure 881048DEST_PATH_IMAGE040
为给定值与输出量的偏差；
Figure 12690DEST_PATH_IMAGE041
为相邻两次步距输出量之间的差值；
Figure 519895DEST_PATH_IMAGE042
为偏差在适应度函数中的权值，
Figure 529439DEST_PATH_IMAGE043
为控制量的平方项在适应度函数中的权值；
Figure 110593DEST_PATH_IMAGE044
为控 制量；Q是指目标函数值；
在寻优的过程中对权重因子
Figure 445759DEST_PATH_IMAGE045
进行动态调整，包括：
Figure 112364DEST_PATH_IMAGE046
其中，
Figure 925599DEST_PATH_IMAGE047
表示最大迭代数，
Figure 626839DEST_PATH_IMAGE048
和
Figure 867328DEST_PATH_IMAGE049
分别是最大惯性权重和最小惯性权重，
Figure 805851DEST_PATH_IMAGE050
表示当前迭代次数。
2.根据权利要求1所述的基于粒子自抗扰的稳定控制方法，其特征在于，所述系留气球系统动力学模型是由系留气球的瞬态运动方程、锚泊点的边界条件、主节点边界条件、系留气球的稳态运动方程以及系缆的差分耦合动力学方程组成。
3.根据权利要求2所述的基于粒子自抗扰的稳定控制方法，其特征在于，所述系留气球的瞬态运动方程的表达式为：
Figure 157197DEST_PATH_IMAGE051
；
所述锚泊点的边界条件的表达式为：
Figure 775261DEST_PATH_IMAGE052
；
所述主节点边界条件的表达式为：
Figure 186650DEST_PATH_IMAGE053
；
设系缆的动力学方程的表达式为：
Figure 296689DEST_PATH_IMAGE054
；
则所述系留气球的稳态运动方程的表达式为：
Figure 451727DEST_PATH_IMAGE055
；
所述系缆的差分耦合动力学方程的表达式为：
Figure 393138DEST_PATH_IMAGE056
Figure 975429DEST_PATH_IMAGE057
；
其中，
Figure 868036DEST_PATH_IMAGE058
为质量矩阵，
Figure 295607DEST_PATH_IMAGE059
和
Figure 888262DEST_PATH_IMAGE060
为中间结果矩阵，
Figure 375875DEST_PATH_IMAGE061
为力矩阵；Y为系缆状态矩阵：
Figure 991664DEST_PATH_IMAGE062
，
Figure 488505DEST_PATH_IMAGE063
为系缆的倾斜角，
Figure 935667DEST_PATH_IMAGE064
为系缆的方位角，
Figure 859760DEST_PATH_IMAGE065
、
Figure 697266DEST_PATH_IMAGE066
、
Figure 732218DEST_PATH_IMAGE067
分别为系缆的速度 在CFS中的分量；
Figure 4193DEST_PATH_IMAGE068
为系缆的惯性力和气动力之和在系留气球的体轴系BFS中的投影；
Figure 99188DEST_PATH_IMAGE069
为系留气球的球体在所述BFS中的速度；
Figure 486307DEST_PATH_IMAGE070
为
Figure 324950DEST_PATH_IMAGE069
的求导；
Figure 684387DEST_PATH_IMAGE071
为转动的动力矩；
Figure 747021DEST_PATH_IMAGE072
为系缆在系缆当地坐标系CFS中的速度；
Figure 824699DEST_PATH_IMAGE073
为锚泊点所在的地面坐标系 EFS与所述CFS之间的坐标转换矩阵；
Figure 935874DEST_PATH_IMAGE074
为锚泊点在所述EFS中的速度；
Figure 680976DEST_PATH_IMAGE075
为第N个节点在所述CFS中的速度；
Figure 852194DEST_PATH_IMAGE076
为主节点B在所述BFS中的矢量；
Figure 915703DEST_PATH_IMAGE077
为主节点B在所述BFS中的速度；
Figure 892886DEST_PATH_IMAGE078
为光电吊舱转动轴的电机角速度；[p,q,r] 分别为系留 气球在所述BFS中的转动角速度；
Figure 226916DEST_PATH_IMAGE079
分别为系留气球球体的偏航角，俯仰角和滚转角；
Figure 834615DEST_PATH_IMAGE080
、
Figure 886884DEST_PATH_IMAGE081
、
Figure 605442DEST_PATH_IMAGE082
Figure 793977DEST_PATH_IMAGE083
分别为i时刻，j位置对应的值；
Figure 369315DEST_PATH_IMAGE084
为系缆微段；
Figure 643302DEST_PATH_IMAGE085
为时间微段。
4.根据权利要求1所述的基于粒子自抗扰的稳定控制方法，其特征在于，所述速度环控制模型包括光电吊舱转动轴的电机传递函数、速度陀螺的传递函数以及功率放大器的传递函数。
5.根据权利要求4所述的基于粒子自抗扰的稳定控制方法，其特征在于，所述电机传递函数的表达式为：
Figure 165550DEST_PATH_IMAGE086
；
所述速度陀螺的传递函数的表达式为：
Figure 235356DEST_PATH_IMAGE087
；
所述功率放大器的传递函数的表达式为：
Figure 184858DEST_PATH_IMAGE088
；
其中，
Figure 946140DEST_PATH_IMAGE089
、
Figure 6500DEST_PATH_IMAGE090
和
Figure 966366DEST_PATH_IMAGE091
为别为电机传递函数、速度陀螺的传递函数和功率放 大器的传递函数；
Figure 352348DEST_PATH_IMAGE092
为电枢绕组电感；J为电机轴上的总转动惯量；
Figure 600927DEST_PATH_IMAGE093
为电机转矩系数，
Figure 464978DEST_PATH_IMAGE094
为电机的电动势系数；
Figure 482612DEST_PATH_IMAGE095
为电枢绕组电阻；
Figure 570654DEST_PATH_IMAGE096
是输出角速度的拉普拉斯变换，
Figure 8326DEST_PATH_IMAGE097
是 输入量的拉普拉斯变换；
Figure 676068DEST_PATH_IMAGE098
为速度陀螺的比例环节；
Figure 813788DEST_PATH_IMAGE099
为功率放大器的比例放大环 节。
6.一种基于粒子自抗扰的稳定控制装置，其特征在于，包括：
第一处理单元，基于系留气球系统动力学模型和速度环控制模型，建立自抗扰控制器模型；所述速度环控制模型是对所述系留气球系统的控制系统各执行元件进行理论建模后确定的；
第二处理单元，用于采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，确定最优自抗扰控制器模型，以利用所述最优自抗扰控制器模型实施光电吊舱的稳定控制；
所述自抗扰控制器模型的表达式为：
Figure 72731DEST_PATH_IMAGE001
；
Figure 295902DEST_PATH_IMAGE002
；
Figure 236176DEST_PATH_IMAGE003
；
Figure 25141DEST_PATH_IMAGE004
；
Figure 658247DEST_PATH_IMAGE005
；
Figure 368714DEST_PATH_IMAGE006
；
Figure 909417DEST_PATH_IMAGE007
；
其中，
Figure 523194DEST_PATH_IMAGE008
为光电吊舱控制系统的微分方程；TD为跟踪微分器；ESO为扩张状态观测器； NLSEF为非线性状态误差反馈；
Figure 61623DEST_PATH_IMAGE009
为总扰动；
Figure 56124DEST_PATH_IMAGE010
是系统输入信号；y为输出 信号；
Figure 338201DEST_PATH_IMAGE011
为外部总扰动；微分信号
Figure 305020DEST_PATH_IMAGE012
和微分信号
Figure 342246DEST_PATH_IMAGE013
是TD将
Figure 496147DEST_PATH_IMAGE010
转变成的；
Figure 847494DEST_PATH_IMAGE014
、
Figure 465557DEST_PATH_IMAGE015
和
Figure 876947DEST_PATH_IMAGE016
，分别表示
Figure 518143DEST_PATH_IMAGE012
、
Figure 204340DEST_PATH_IMAGE013
和总扰动
Figure 378707DEST_PATH_IMAGE009
的估计量；
Figure 960998DEST_PATH_IMAGE017
为TD中的参数；
Figure 151808DEST_PATH_IMAGE018
值是快速因子；
Figure 579378DEST_PATH_IMAGE019
是系统采样步长；
Figure 109717DEST_PATH_IMAGE020
是无量纲参数，为
Figure 659647DEST_PATH_IMAGE019
的整数 倍；
Figure 541015DEST_PATH_IMAGE021
为ESO中的参数；
Figure 772276DEST_PATH_IMAGE022
是与
Figure 219438DEST_PATH_IMAGE023
有关系数参数；
Figure 612373DEST_PATH_IMAGE024
是无意义系数，取
Figure 981038DEST_PATH_IMAGE019
的整数倍；控制量系数
Figure 812727DEST_PATH_IMAGE025
是时变函数，近似为常值
Figure 78843DEST_PATH_IMAGE026
；
Figure 642679DEST_PATH_IMAGE027
为NLSEF中的参数；
Figure 295378DEST_PATH_IMAGE028
是阻尼因 子，
Figure 134021DEST_PATH_IMAGE029
是快速因子，
Figure 227879DEST_PATH_IMAGE030
是控制量因子；fhan和fal分别为非线性函数的表达式；
Figure 290512DEST_PATH_IMAGE031
为被控对 象；
Figure 102611DEST_PATH_IMAGE032
为误差反馈控制量；
Figure 541682DEST_PATH_IMAGE033
、
Figure 21205DEST_PATH_IMAGE034
、
Figure 192423DEST_PATH_IMAGE035
和
Figure 757397DEST_PATH_IMAGE036
为无量纲中间参数；
Figure 734580DEST_PATH_IMAGE037
为误差反馈控制量；
所述自抗扰控制器模型的待寻优参数包括参数
Figure 301566DEST_PATH_IMAGE038
；
所述采用粒子群搜索算法对所述自抗扰控制器模型的参数进行寻优，包括：
步骤一：初始化粒子群；
步骤二：基于适应度函数，计算所述粒子群中每个粒子的适应度值，每个粒子对应于所述待寻优参数的一种组合；
步骤三：根据每个粒子的适应度值，更新个体极值和全局极值；
步骤四：更新粒子的位置和速度；
步骤五：判断是否满足停止条件，若是，输出最优参数组合；若不是，则返回至步骤二；
所述适应度值的计算公式为：
Figure 909264DEST_PATH_IMAGE039
其中，
Figure 758272DEST_PATH_IMAGE040
为给定值与输出量的偏差；
Figure 211250DEST_PATH_IMAGE041
为相邻两次步距输出量之间的差值；
Figure 665365DEST_PATH_IMAGE042
为偏差在适应度函数中的权值，
Figure 240703DEST_PATH_IMAGE043
为控制量的平方项在适应度函数中的权值；
Figure 514689DEST_PATH_IMAGE044
为控 制量；Q是指目标函数值；
在寻优的过程中对权重因子
Figure 36937DEST_PATH_IMAGE045
进行动态调整，包括：
Figure 142297DEST_PATH_IMAGE046
其中，
Figure 826219DEST_PATH_IMAGE047
表示最大迭代数，
Figure 587502DEST_PATH_IMAGE048
和
Figure 710178DEST_PATH_IMAGE049
分别是最大惯性权重和最小惯性权重，
Figure 374771DEST_PATH_IMAGE050
表示当前迭代次数。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于粒子自抗扰的稳定控制方法步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于粒子自抗扰的稳定控制方法步骤。
CN202111638296.6A 2021-12-30 2021-12-30 一种基于粒子自抗扰的稳定控制方法及装置 Active CN113985740B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111638296.6A CN113985740B (zh) 2021-12-30 2021-12-30 一种基于粒子自抗扰的稳定控制方法及装置
US18/087,793 US11815912B2 (en) 2021-12-30 2022-12-22 Stability control method and device based on particle active disturbance rejection

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111638296.6A CN113985740B (zh) 2021-12-30 2021-12-30 一种基于粒子自抗扰的稳定控制方法及装置

Publications (2)

Publication Number Publication Date
CN113985740A CN113985740A (zh) 2022-01-28
CN113985740B true CN113985740B (zh) 2022-05-06

Family

ID=79734897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111638296.6A Active CN113985740B (zh) 2021-12-30 2021-12-30 一种基于粒子自抗扰的稳定控制方法及装置

Country Status (2)

Country Link
US (1) US11815912B2 (zh)
CN (1) CN113985740B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113985740B (zh) * 2021-12-30 2022-05-06 中国科学院空天信息创新研究院 一种基于粒子自抗扰的稳定控制方法及装置
CN114879502B (zh) * 2022-05-23 2023-06-30 中国科学院光电技术研究所 一种位置环自抗扰控制器参数自整定方法
CN116224468B (zh) * 2023-05-10 2023-08-22 华中光电技术研究所(中国船舶集团有限公司第七一七研究所) 一种陆地重力仪标定方法及标定系数
CN117031967B (zh) * 2023-10-10 2024-01-23 华南理工大学 一种迭代学习自抗扰控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188909A (zh) * 2018-09-26 2019-01-11 大连海事大学 面向船舶航向非线性离散系统的自适应模糊最优控制方法及系统
CN112668252A (zh) * 2020-12-24 2021-04-16 中国特种飞行器研究所 一种系留气球动态响应特性计算方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8157205B2 (en) * 2006-03-04 2012-04-17 Mcwhirk Bruce Kimberly Multibody aircrane
MY182404A (en) * 2010-12-09 2021-01-25 Univ Sains Malaysia System of autonomous surface vehicles with swarming algorithm
US9623949B2 (en) * 2011-03-15 2017-04-18 Stratospheric Airships, Llc Systems and methods for long endurance airship operations
WO2014200566A2 (en) * 2013-06-12 2014-12-18 Alfred Marcum Aerostat anchoring, deployment, extended duration and recovery apparatus
CN104267743B (zh) * 2014-07-22 2017-01-11 浙江工业大学 一种采用自抗扰控制技术的船载摄像稳定平台控制方法
CN105182984B (zh) * 2015-07-16 2018-05-15 孙明玮 飞行器俯仰姿态的线性自抗扰控制器设计与参数整定方法
US10919617B2 (en) * 2016-10-21 2021-02-16 Aurora Flight Sciences Corporation Distributed acceleration sensing for robust disturbance rejection
US11060658B2 (en) * 2016-11-17 2021-07-13 Aurora Flight Sciences Corporation Gimbal stabilization system and method
CN106681345A (zh) * 2016-12-28 2017-05-17 广西师范大学 基于人群搜索算法的无人机自抗扰控制方法
US10336432B1 (en) * 2017-01-09 2019-07-02 World View Enterprises Inc. Lighter than air balloon systems and methods
US20180286255A1 (en) * 2017-04-04 2018-10-04 Above Daas, Inc. Autonomously operated dirigible
CN107300925B (zh) * 2017-07-12 2020-05-12 西北工业大学 基于改进鱼群算法的四旋翼无人机姿控参数整定方法
CN109188901B (zh) * 2018-07-27 2022-02-08 西北工业大学 一种基于干扰观测器的地月系统混合帆周期轨道保持方法
CN109683471B (zh) * 2018-08-28 2021-12-10 杭州电子科技大学 自抗扰控制方法、装置和系统
US11242125B2 (en) * 2018-10-09 2022-02-08 Onward Technologies, Llc Adaptive harness to stabilize airships in high winds and method
CN109799703B (zh) * 2018-12-20 2021-08-31 广西师范大学 一种粒子群自抗扰控制方法、装置及存储介质
CN109856976A (zh) * 2019-03-12 2019-06-07 哈尔滨工程大学 一种基于自适应交叉粒子群优化的气垫船航迹跟踪自抗扰控制方法
CN110543123B (zh) * 2019-09-09 2022-04-19 中国科学院光电技术研究所 一种基于虚拟多闭环的扰动测量前馈抑制方法
CN110816885A (zh) * 2019-11-07 2020-02-21 中国科学院光电研究院 一种浮空器结冰特性数值仿真与试验验证系统
CN112114521B (zh) * 2020-07-30 2022-03-01 南京航空航天大学 航天器智能预测控制进入制导方法
CN113253603A (zh) * 2021-04-29 2021-08-13 桂林电子科技大学 基于fopso算法的无人机自抗扰控制器设计方法
CN113759722B (zh) * 2021-09-13 2024-03-29 桂林电子科技大学 一种无人机自抗扰控制器参数优化方法
CN114488792A (zh) * 2021-12-20 2022-05-13 中国科学院空天信息创新研究院 一种基于人群自抗扰的光电吊舱控制方法及装置
CN113985740B (zh) * 2021-12-30 2022-05-06 中国科学院空天信息创新研究院 一种基于粒子自抗扰的稳定控制方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188909A (zh) * 2018-09-26 2019-01-11 大连海事大学 面向船舶航向非线性离散系统的自适应模糊最优控制方法及系统
CN112668252A (zh) * 2020-12-24 2021-04-16 中国特种飞行器研究所 一种系留气球动态响应特性计算方法

Also Published As

Publication number Publication date
CN113985740A (zh) 2022-01-28
US20230213948A1 (en) 2023-07-06
US11815912B2 (en) 2023-11-14

Similar Documents

Publication Publication Date Title
CN113985740B (zh) 一种基于粒子自抗扰的稳定控制方法及装置
Tognon et al. Dynamics, control, and estimation for aerial robots tethered by cables or bars
Sydney et al. Dynamic control of autonomous quadrotor flight in an estimated wind field
CN102955477B (zh) 一种四旋翼飞行器姿态控制系统及控制方法
Zhang et al. Three-dimensional fuzzy control of mini quadrotor UAV trajectory tracking under impact of wind disturbance
WO2021027638A1 (zh) 一种偏航角的融合方法、装置及飞行器
Liu et al. Robust command filtered adaptive backstepping control for a quadrotor aircraft
CN115686038A (zh) 一种四旋翼吊挂系统的摆角观测与减摆控制系统及方法
Liu et al. Observer-based linear parameter varying control design with unmeasurable varying parameters under sensor faults for quad-tilt rotor unmanned aerial vehicle
Yang et al. Modeling and robust trajectory tracking control for a novel six-rotor unmanned aerial vehicle
CN106292297B (zh) 基于pid控制器和l1自适应控制器的姿态控制方法
Li et al. Anti-disturbance control for attitude and altitude systems of the helicopter under random disturbances
Emran et al. Adaptive neural network control of quadrotor system under the presence of actuator constraints
Zairi et al. Adaptive neural controller implementation in autonomous mini aircraft quadrotor (AMAC-Q) for attitude control stabilization
CN109062242B (zh) 一种新的旋翼无人机控制方法
CN202854611U (zh) 一种四旋翼飞行器姿态控制系统
CN108445753B (zh) 用于平衡侧向力和抑制无人机侧向反推力的方法
Mou et al. More detailed disturbance measurement and active disturbance rejection altitude control for a flapping wing robot under internal and external disturbances
Sharma et al. Building a quadcopter: An approach for an Autonomous Quadcopter
CN114488792A (zh) 一种基于人群自抗扰的光电吊舱控制方法及装置
Wang et al. A new spacecraft attitude stabilization mechanism using deep reinforcement learning method
CN111258326B (zh) 基于反作用轮的仿生机器鱼横滚稳定控制方法及系统
CN115826597A (zh) 基于自适应神经网络的旋翼飞行器抗扰控制方法及设备
Bhattarai et al. Modeling and development of baseline guidance navigation and control system for medical delivery UAV
Liu et al. Design of altitude control system for quadrotor UAV based on PID and LADRC

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
GR01 Patent grant