CN117234067A

CN117234067A - 基于滤波自适应控制的无人机姿态控制系统及方法

Info

Publication number: CN117234067A
Application number: CN202311433877.5A
Authority: CN
Inventors: 张宏瑜; 徐勇; 刘宗南; 刘晓东; 宋锦驿; 谭晓; 孙博瑞
Original assignee: Beijing Institute of Technology BIT
Current assignee: Beijing Institute of Technology BIT
Priority date: 2023-10-31
Filing date: 2023-10-31
Publication date: 2023-12-15

Abstract

本发明公开了一种基于滤波自适应控制的无人机姿态控制系统及方法，属于无人机控制领域，基于滤波自适应控制的无人机姿态控制系统包括参考模型模块、被控对象和卡尔曼滤波模块。本发明方案实现的直接自适应控制器，不需要被控对象的状态信息，只需要被控对象的输出信号，总体的设计更加简洁有效。然后通过仿真可以得到，本发明方案设计的控制器在阶跃输入时，可以进行快速准确的响应，证明姿态控制有效，且三轴的姿态互不干扰，证明本发明方案实现了对涵道式旋翼无人机的姿态控制解耦。在外加白噪声干扰时，通过控制器改进前后的对比，证明了本发明方案有效的处理了控制噪声和传感器噪声问题。

Description

基于滤波自适应控制的无人机姿态控制系统及方法

技术领域

本发明涉及无人机控制领域，更为具体的，涉及一种基于滤波自适应控制的无人机姿态控制系统及方法。

背景技术

本领域存在无人机姿态控制和抗干扰问题。例如，涵道式旋翼无人机具有垂直起飞、定高悬停和倾斜前飞这三种运动状态，当其在空中飞行时，运动状态通常是深度耦合以及非线性的。一般来说，涵道式无人机的悬停姿态是所有姿态的基础，因此其悬停姿态的控制成为了涵道式无人机飞行控制问题中的关键一步，它直接影响到涵道式无人机的飞行状态。涵道式旋翼无人机的控制力矩的产生和气动外形比较复杂，且姿态控制需要大量的传感器和执行元件，这些特点对系统整体的抗干扰能力和稳定性提出了很高的要求。

为了解决以上问题，研究者先后针对传统的PID控制、H鲁棒控制、自适应控制以及其他算法进行了设计与研究。

经典的PID控制器的控制效果在很大程度上依赖于涵道风扇无人机模型的准确性，要获取可以接受的控制器参数需要长的试验周期，而且模型自身参数或者外界因素的变化都会再次向涵道风扇无人机的模型中引入不确定性，当模型的不确定性超出PID控制器的鲁棒性范围，无人机的控制效果必定受到较大影响。H鲁棒控制算法作为一种相对复杂的控制算法，将其改写为无人机自驾仪中的控制程序有较大的难度，不利于工程实践。而自适应控制算法的优点是可以使系统随着自身参数或外界因素变化而变化，具有较强的自适应性和鲁棒性，但是其复杂程度仍然较高，在实际应用时需要进一步的优化。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于滤波自适应控制的无人机姿态控制系统及方法，更加简洁有效，实现了对涵道式旋翼无人机的姿态控制解耦，处理了控制噪声和传感器噪声问题等。

本发明的目的是通过以下方案实现的：

一种基于滤波自适应控制的无人机姿态控制系统，包括参考模型模块、被控对象和卡尔曼滤波模块；

所述参考模型模块包括状态反馈解耦单元和PID控制器单元，基于状态反馈解耦单元和PID控制器单元将参考模型的状态空间表达式如下：

式中，表示参考模型状态变量导数，A_m为系统矩阵，描述系统内部状态之间的联系，x_m(t)表示参考模型状态变量，B_m为输入矩阵，表示输入对每个状态变量的作用情况，u_m(t)表示参考模型模块输入量，y_m(t)表示参考模型输出量，C_m表示为输出矩阵，表示输出与每个状态变量间的组成关系；

u_m(t)输入到所述参考模型模块之后得到参考模型输出量y_m(t)；取经过卡尔曼滤波模块处理后的输出量y_k(t)为反馈量，y_m(t)与y_k(t)相减得到广义误差值e(t)实现负反馈；之后，u_m(t)经过增益K_u，x_m(t)经过增益K_x，e(t)经过增益K_e，经过增益后分别得到相应三个量相加得到被控对象输入量u_p(t)，将u_p(t)输入到被控对象之后得到被控对象输出量y_p(t)；之后，取u_p(t)和y_p(t)作为卡尔曼滤波模块的输入量，经过卡尔曼滤波模块处理后得到最终的系统输出量y_k(t)。

进一步地，所述被控对象为外加基础控制器后的被控对象。

进一步地，所述卡尔曼滤波模块为离散卡尔曼滤波模块。

进一步地，无人机包括涵道式旋翼无人机。

进一步地，所述基础控制器包括LQR控制器。

进一步地，在离散卡尔曼滤波模块处理过程中，包括等待采样间隔T设置模块，用于在设置在等待采样间隔T之后，返回到算法的开头进行递归运算。

进一步地，包括调节模块，通过调节模块调节三个增益矩阵K_x，K_u，K_e的值来实现所需要的控制效果。

一种基于滤波自适应控制的无人机姿态控制方法，包括以下步骤：

S1，建立如下控制器结构：参考模型模块、被控对象和卡尔曼滤波模块，参考模型模块与被控对象连接，被控对象与卡尔曼滤波模块连接；所述参考模型模块包括状态反馈解耦单元和PID控制器单元，基于状态反馈解耦单元和PID控制器单元将参考模型的状态空间表达式如下：

S2，执行如下步骤：将u_m(t)输入到所述参考模型模块之后得到参考模型输出量y_m(t)；取经过卡尔曼滤波模块处理后的输出量y_k(t)为反馈量，y_m(t)与y_k(t)相减得到广义误差值e(t)实现负反馈；之后，u_m(t)经过增益K_u，x_m(t)经过增益K_x，e(t)经过增益K_e，经过增益后分别得到相应三个量相加得到被控对象输入量u_p(t)，将u_p(t)输入到被控对象之后得到被控对象输出量y_p(t)；最后，取u_p(t)和y_p(t)作为卡尔曼滤波模块的输入量，经过卡尔曼滤波模块处理后得到最终的系统输出量y_k(t)。

进一步地，在步骤S2之后，还包括步骤：S3，通过调节三个增益矩阵K_x，K_u，K_e的值来实现所需要的控制效果。

进一步地，所述被控对象为外加LQR控制器后的被控对象。

本发明的有益效果包括：

本发明方案实现的直接自适应控制器，不需要被控对象的状态信息，只需要被控对象的输出信号，总体的设计更加简洁有效。然后通过仿真可以得到，本发明方案设计的控制器在阶跃输入时，可以进行快速准确的响应，证明姿态控制有效，且三轴的姿态互不干扰，证明本发明方案实现了对涵道式旋翼无人机的姿态控制解耦。最后，在外加白噪声干扰时，通过控制器改进前后的对比，证明本方案有效的处理了控制噪声和传感器噪声问题。

本发明方案构思设计了一种直接自适应控制器，它是模型参考自适应的一种，是控制器产生辅助信号来校正系统的控制方法。其结构相较于一般的自适应控制器更加简洁，只需要获得被控对象的输入和输出，不需要被控对象的状态量。直接自适应控制器通过比对参考模型和被控对象的输出信号，调节参数设计反馈回路，使得两者误差尽量小以实现最后的控制。最后，本发明还在反馈回路中加入了卡尔曼滤波器，用于处理系统中的控制干扰和测量噪声。

附图说明

为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中控制器的结构图；

图2为本发明实施例仿真后的系统输出阶跃响应效果；

图3为本发明实施例仿真后的卡尔曼滤波效果；

图4为本发明实施例仿真后的总体控制效果；

注：图2～图4中彩色示意为必要，以利于理解本发明方案。

具体实施方式

本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。

在本实施例中，建立如下数学模型：

首先，根据欧拉姿态角对涵道式旋翼无人机进行数学建模并线性化得到如下模型：

上式中，ω_x，ω_y和ω_z为无人机相对于惯性空间三个方向转动的角速度，偏航角ψ，俯仰角θ和滚转角为对应的三轴姿态角，I_x，I_y，I_z为无人机静止部件三个方向的转动惯量，I_t为无人机转动部分(发动机转子和螺旋桨)的转动惯量，ω_t为螺旋桨转速，m为无人机质量，c为控制翼板的升力系数，S为控制翼板的面积，d_v，d_h分别为控制翼板的水平力臂和垂直力臂，l为螺旋桨单桨叶长度，δ_x，δ_y，δ_z分别为等效控制角。

基于建立的数学模型设计控制器，如图1所示，具体包括：基础控制器模块设计、卡尔曼滤波器模块设计和外环控制器模块设计。

1)基础控制器模块设计：利用LQR控制器作为被控对象的基础控制器，以解决三轴姿态角的耦合问题。设系统的状态空间表达式如下：

在设计LQR控制器时，首先需要选择合适的权矩阵Q和R。之后求解如下里卡蒂方程可以得到矩阵P。

PA+A^TP-PBR^-1B^TP+Q＝0

之后计算得到反馈矩阵K：

K＝R^-1B^TP

得到最终的最优控制输入如下：

u^*(t)＝-Kx(t)

此时系统转化为简单的状态反馈控制，LQR基础控制器设计完成。经过状态反馈之后的闭环系统状态空间表达式变为：

2)卡尔曼滤波器模块设计：设离散卡尔曼滤波器的状态空间表达式为：

上式中，C_k＝[1 0]，其中T为采样时间。

利用卡尔曼滤波器执行如下过程，首先计算先验估计值：

之后计算卡尔曼滤波增益，表达式为：

上式中，为先验误差协方差矩阵。Q和R为误差协方差矩阵。之后，需要修正后验估计值和后验误差协方差矩阵：

最后，本发明构思中应该设置等待采样间隔T，之后返回到算法的开头进行递归运算。结合仿真验证，卡尔曼滤波通过调节Q和R两个协方差矩阵的值，可以实现有效的外部噪声处理。

3)外环控制器模块设计：本发明构思中，设定系统被控对象外加基础控制器后，可以用以下线性状态空间方程来描述：

此外，本发明构思方案再引入状态反馈解耦加PID控制器作为参考模型，可将参考模型的状态空间表达式如下：

则本发明方案设计的直接自适应控制的核心目标是使得被控对象和参考模型的输出值广义误差信号e(t)趋于零，即：

考虑到噪声问题，本发明构思方案在参考模型输出的信号之后，外加一个离散卡尔曼滤波器，具体设计方法见卡尔曼滤波器模块设计过程。在经过卡尔曼滤波后，广义误差变为：

最终本发明构思方案设计的控制系统的被控对象所需要的输入为：

u_p(t)＝K_xx_m(t)+K_uu_m(t)+K_ee(t)

上式中，K_x，K_u，K_e为增益矩阵。x_m(t)为参考模型状态，u_m(t)为参考模型的输入值，e(t)为广义误差。结合仿真验证，调节三个增益矩阵的值，即可较好的实现本发明方案所需要的控制效果。

下面通过仿真来验证本发明方案的有益效果：

如图2～图4所示为仿真结果示意，所有仿真数据图中，黑色线条代表滚转角(roll)，蓝色线条代表俯仰角(pitch)，红色线条代表偏航角(yaw)。

图2的仿真结果为系统输出的阶跃响应，在没有卡尔曼滤波器的情况下验证了自适应控制器的性能。其中图a没有外部干扰，图b增加了控制干扰和传感器误差，干扰信号选为白噪声。可以看出，加入外部干扰后，自适应控制器的性能有了明显的下降，姿态角明显振荡，因此需要一个滤波器来处理噪声干扰。

图3的仿真结果验证了卡尔曼滤波的效果。其中，图a显示了姿态角传感器在添加白噪声干扰后且并未加入卡尔曼滤波器的阶跃响应，图b展示了同时外加白噪声和卡尔曼滤波算法后的阶跃响应。可以清楚地看到卡尔曼滤波器有效地消除了噪声，证明其可以用于改进本方案的控制器设计。

图4的仿真结果展示了总体的控制效果。其中，图a为改进直接自适应控制的三轴姿态角阶跃响应。可以看出，过冲小于20％，峰值时间约为0.5s，并且调节时间约为1.2s。图b为广义误差e的值。在2秒时，广义误差趋于0，证明控制目标已经实现。可以看出，即使在外部干扰下，系统的输出仍然相对平稳。以上数据证明，本发明设计的控制器可以实现快速控制姿态角度，还可以有效降低影响外部干扰。

需要说明的是，在本发明权利要求书中所限定的保护范围内，以下实施例均可以从上述具体实施方式中，例如公开的技术原理，公开的技术特征或隐含公开的技术特征等，以合乎逻辑的任何方式进行组合和/或扩展、替换。

实施例1

实施例2

在实施例1的基础上，所述被控对象为外加基础控制器后的被控对象。

实施例3

在实施例1的基础上，所述卡尔曼滤波模块为离散卡尔曼滤波模块。

实施例4

在实施例1的基础上，无人机包括涵道式旋翼无人机。

实施例5

在实施例2的基础上，所述基础控制器包括LQR控制器。

实施例6

在实施例3的基础上，在离散卡尔曼滤波模块处理过程中，包括等待采样间隔T设置模块，用于在设置在等待采样间隔T之后，返回到算法的开头进行递归运算。

实施例7

在实施例1的基础上，包括调节模块，通过调节模块调节三个增益矩阵K_x，K_u，K_e的值来实现所需要的控制效果。

实施例8

实施例9

在实施例8的基础上，在步骤S2之后，还包括步骤：S3，通过调节三个增益矩阵K_x，K_u，K_e的值来实现所需要的控制效果。

实施例10

在实施例8的基础上，所述被控对象为外加LQR控制器后的被控对象。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

根据本发明实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。

作为另一方面，本发明实施例还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。

Claims

1.一种基于滤波自适应控制的无人机姿态控制系统，其特征在于，包括参考模型模块、被控对象和卡尔曼滤波模块；

2.根据权利要求1所述的基于滤波自适应控制的无人机姿态控制系统，其特征在于，所述被控对象为外加基础控制器后的被控对象。

3.根据权利要求1所述的基于滤波自适应控制的无人机姿态控制系统，其特征在于，所述卡尔曼滤波模块为离散卡尔曼滤波模块。

4.根据权利要求1所述的基于滤波自适应控制的无人机姿态控制系统，其特征在于，无人机包括涵道式旋翼无人机。

5.根据权利要求2所述的基于滤波自适应控制的无人机姿态控制系统，其特征在于，所述基础控制器包括LQR控制器。

6.根据权利要求3所述的基于滤波自适应控制的无人机姿态控制系统，其特征在于，在离散卡尔曼滤波模块处理过程中，包括等待采样间隔T设置模块，用于在设置在等待采样间隔T之后，返回到算法的开头进行递归运算。

7.根据权利要求1所述的基于滤波自适应控制的无人机姿态控制系统，其特征在于，包括调节模块，通过调节模块调节三个增益矩阵K_x，K_u，K_e的值来实现所需要的控制效果。

8.一种基于滤波自适应控制的无人机姿态控制方法，其特征在于，包括以下步骤：

9.根据权利要求8所述的基于滤波自适应控制的无人机姿态控制方法，其特征在于，在步骤S2之后，还包括步骤：S3，通过调节三个增益矩阵K_x，K_u，K_e的值来实现所需要的控制效果。

10.根据权利要求8所述的基于滤波自适应控制的无人机姿态控制方法，其特征在于，所述被控对象为外加LQR控制器后的被控对象。