文摘
为了控制的立场和态度无人机(UAV)更好的在不同的环境中,本研究提出了一个混合动力控制系统逐步退焊法和PID方法eight-rotor无人机在不同飞行条件,设计了一种基于高度的切换方法和无人机的姿态角。混合动力控制器的切换过程,而无人机起飞,降落,在阵风扰动在MATLAB / Simulink仿真验证。一组适当的控制器总是匹配无人机的飞行在不同的情况下,可以加快系统响应,减小稳态误差来提高稳定性。仿真结果表明,该混合控制系统能有效抑制漂移在阵风,提高系统的动态性能和稳定性,并满足飞行控制要求的立场和态度。
1。介绍
近年来,无人机multirotor吸引了越来越多的关注。早在第二次世界大战,很多国家,如英国和美国,在无人机的发展研究。以其灵活、结构简单、成本低、multirotor无人机在军事和科学研究具有广泛的发展前景和许多其他领域(1,2]。与固定翼无人机相比,eight-rotor无人机可以悬停,垂直起飞和着陆,并执行室内飞行。eight-rotor无人机的控制主要分为姿态控制和位置控制。八个转子的态度的变化将导致相应的位置变化。因此,飞行姿态控制的八个转子的控制技术是至关重要的。常见的控制算法是经典的PID控制(3),模糊PID姿态控制(4),神经网络控制5),滑模控制(6),同步控制(7),动态面控制(8),视觉反馈控制和自适应控制(9]。这些方法是基于数学模型的正常eight-rotor无人机的飞行。然而,在实践中难以建立精确的数学模型。这种情况导致了差异的实际控制效果eight-rotor无人机和仿真结果。在文献[10],three-rotor无人机的稳定问题,研究了采用模糊控制的方法和极点配置。然而,模糊控制的实际系统的减少将导致控制精度和动态品质的变化。控制精度的改善将不可避免地增加量化级数的模糊规则,这将导致扩大的范围规则搜索和决策速度的降低,导致可怜的系统的实时性能。在[11),混合高阶滑模控制方法是解决控制eight-rotor无人机,但抑制抖动造成的影响滑模控制不是很好,和控制精度是不够的。在[12四驱),垂直起飞和控制无人机研究基于状态反馈和神经网络自适应混合控制方法。四驱的方法达到的高度控制的无人机;然而,姿态角控制是被忽视的。因此,重要问题的研究设计无人机无人机控制系统具有更强的能力来控制飞行的态度和对环境的适应性基础上混合控制理论。
针对上述缺点和不足,本文提出了一种eight-rotor无人机控制器设计基于混合控制方法。采用混合控制的想法,往后退控制器、PID控制器和混合切换器相结合实现控制器的切换不同的飞行模式。它不仅继承了可靠性、低静态错误,和传统的PID算法的干扰能力还保持同步控制方法的优点。这两种方法相互补充,实现良好的控制无人机在复杂环境和提高控制精度。
2。建立系统的模型
eight-rotor无人机是一个欠阻尼的系统有四个输入和六个输出,根据转子的分布。鉴于其整体布局,它属于noncoaxial multirotor飞机(13]。eight-rotor无人机工作的原则改变了八个汽车的速度驱动螺旋桨桨。电动机速度的变化导致垂直升降和旋转影响的变更,前,后,左,和飞机的运动。通过这些基本动作的组合,无人机可以完成各种各样的任务。本文主要侧重于研究均匀分布eight-rotor无人机。
为了研究eight-rotor无人机的动态性能更好,一个相对准确的数学模型eight-rotor无人机必须建立。不失一般性,模型建立了一个充分条件。(一)人体是一个统一的对称的钢结构(b)惯性坐标系是地面坐标系统(c)空气阻力和重力飞行期间遭受了不改变飞行高度(d)身体协调系统B的起源和身体的重心和几何中心在同一位置(e)电梯由螺旋桨产生正比于电动机转速的平方
基于上述假设,运动力的结构和动态分析eight-rotor无人机实现,和欧拉角定义两个基本坐标系建立:惯性坐标系E ( )和身体坐标系统B ( ),如数据所示1和2。
(一)
(b)
(c)
从数据1和2,机体坐标系之间的旋转矩阵变换和惯性坐标系如下:
直线运动的数学模型eight-rotor无人机由牛顿第二定律的动力学分析给出如下(14]: 在哪里被定义为无人机的质量,随着身体的重力,随着飞行速度,随着位移,随着无人机在外力的作用, 作为一个转子旋转产生的升力, 与升力系数,电动机转速。
角动量定理的质心运动,编写eight-rotor无人机的角运动模型如下:
根据角速度之间的关系的eight-rotor无人机和欧拉角(4可以减少) 在哪里螺旋桨的中心的距离是身体的坐标系统的起源; , ,和转动惯量的吗 , ,和轴,分别; , ,和的角速度组件吗 - - - - - -轴, - - - - - -轴, - - - - - -分别轴。
八个独立控制的控制输入通道的eight-rotor无人机是由转子速度如下: 在哪里被定义为垂直方向控制输入量,作为轧制方向输入控制方向,作为输入的方向,作为偏航方向的控制输入,空气阻力系数。
总之,eight-rotor无人机系统的数学模型如下:
3所示。混合动力控制系统的设计
设计的目的是为无人机提供一组适当的控制策略在不同的州或飞行环境,为了适当地改变飞行控制曲线(15]。eight-rotor无人机的飞行控制研究了采用同步控制和PID控制的方法,通过混合控制方法试图控制eight-rotor无人机在不同环境和提高无人机的飞行稳定性和抗干扰能力。无人机是在正常飞行时,它可以近似,较小的滚动角和螺距角的价值,更平稳飞行状态。然而,在实际情况下,当起飞和着陆的无人机飞行状态,受到阵风和其他干扰因素,它往往会导致无人机失去稳定性,甚至失控。因此,飞行的高度 ,横摇角 ,和螺旋角作为控制器之间的交换变量,也就是说,当高度,横摇角,和螺距角超过设定的阈值,反推控制器将转向PID控制器,实现增强抗干扰能力。当无人机故障或滚动角和螺距角超过阈值,反推控制器和PID控制器可以为汽车制动和转向失控保护控制器着陆。
从上面的eight-rotor无人机系统的数学模型,我们可以看到,角速度和姿态角不取决于线性运动。我们也看到,直线运动的空间位置取决于角运动,还有一个semicoupling线运动和角运动之间的关系。eight-rotor无人机的控制系统可分为内环(态度循环)和外环(位置环)控制16]。因此,eight-rotor无人机基于混合动力控制系统的控制结构如图3,在那里 是输入和期望的位置 是理想的手势输入。
根据eight-rotor无人机飞行控制要求,控制系统的离散状态集合 ,在哪里是起飞状态,是正常飞行状态,飞行的稳定状态,失控的状态。让离散事件对应的一组离散状态 。的公式,切换事件的状况,从连续状态系统的变更吗持续的状态 ; 表示为从连续状态系统的切换事件条件持续的状态 。混合动力控制系统的离散状态转换图所示4。
当无人机的起飞或着陆状态,需要控制器具有快速响应和小超调特性。当无人机在阵风,所需的控制器具有良好的鲁棒性和控制系统。当无人机的倾斜角度大于失控的设置阈值,控制器切换到失控的状态,以防止事故发生。与一个单一的控制系统相比,混合控制系统可以提供改善的飞行状态,提高了无人机飞行稳定,适合当前的飞行环境更好。
3.1。往后退控制器设计
自从eight-rotor无人机(UAV)是一个欠驱动系统控制的六个自由度的空间通过调整转速的八个转子,有一个自由度的非线性关系直接激发部分和驱动部分的自由度。同步控制方法是一种常用的非线性系统的控制器设计方法。它是一个线性回归设计方法结合李雅普诺夫函数和控制器的设计。主要设计思想是将复杂的系统分解为几个子系统不超过系统的顺序。李雅普诺夫函数和中间虚拟控制量为每个子系统设计,分别,直到系统达到稳定状态,从而完成整个系统控制器设计(17]。往后退的欠驱动系统控制器设计方法的优势调整时间短,超调小,已广泛应用于飞机、导弹和机器人系统(18]。
无人机系统状态的定义如下:
系统变量分为六个控制通道:辊通道,通道,偏航通道, - - - - - -轴通道, - - - - - -轴频道, - - - - - -轴通道,这是由文献[19]。的变量 , , , , ,和 ,分别如下:
往后退控制器的滚动通道
球场通道往后退控制器
偏航通道往后退控制器
高度通道往后退控制器
的 - - - - - -轴通道往后退控制器
的 - - - - - -轴通道往后退控制器 在哪里 , , , , , ,和来超过0常数。
3.2。PID控制器设计
PID控制是一种应用最广泛的控制规律在工程实践。控制速度,包括比例、积分、微分控制。其优点是,只有三个参数值需要设置和正确调试以获得良好的控制效果,尤其是在缺乏精确的数学模型和模型误差,PID控制更实用。每个通道的控制速度的eight-rotor无人机设计如下:
滚动通道PID控制器
球场通道PID控制器
偏航通道PID控制器
高度通道PID控制器
的 - - - - - -轴通道PID控制器
的 - - - - - -轴通道PID控制器
3.3。系统稳定性分析
以滚动通道为例,在控制器的稳定性分析、状态变量设置为 ,假设预期的横摇角是有界和范围的变化 ;因此,横摇角跟踪误差信号必须是有界的。的有界性可以获得虚拟控制信号的同步控制方法是有界的,辊角速度误差是有界的,辊控制通道的输入是有界的。因此,辊通道内的所有信号有界的。
通过定义误差变化量 ,我们可以推出
其中, 是系统错误,的虚拟控制量是确定。
选择李雅普诺夫函数如下: ,我们可以推出通过成(20.),得到
假设 系统参数;为了满足稳定性要求的闭环系统,消除了耦合项 ,的闭环(20.)可以获得如下:
其余的变量如下:
为指导,提出了如下: 在哪里 表示为一个系统误差和作为虚拟变量来确定。
李雅普诺夫函数选为 ,我们可以推出通过成(24),得到
跟踪误差指数逐渐稳定。用得到的控制量到(25)的收益率
误差指数渐近稳定和跟踪误差微分同胚的不同吗 。积极的函数的和负面的给出了。根据李雅普诺夫稳定性原理,eight-rotor无人机同步控制方法逐渐稳定。类似地,其他控制通道可以被视为逐渐稳定;我们可以看到,各个子系统的混合控制系统是稳定的。
考虑一般切换线性系统的模型 ,在哪里 , ,和 是开关信号,代表数量的子系统: 切换增益, 。
介绍以下变量:
满足条件:
如果系统开关子系统,然后 。如果系统开关 子系统,然后 ;这意味着只有一个控制器工作在任何时间。然后, 和 。
因此,满足 ,在哪里与合适的尺寸,单位矩阵切换系统可以相当于吗 ,采用公共李雅普诺夫函数来研究系统的稳定性。一些前题必须证明的主要结果。
引理1(见[20.])。 , ,和是真实的矩阵与合适的尺寸;如果他们满足 ,然后总是存在 。
引理2(见[19])。(舒尔引理)给定的对称矩阵, 在哪里和方阵,然后存在等价条件如下:
定理1。切换系统是渐近稳定的,如果存在正定矩阵 为了使
证据1。选择李雅普诺夫函数
,然后我们有
通过导数。
根据
,应用引理1,我们有
然后,
看到的是系统渐近稳定,如果它满足
。根据引理2,它相当于
这就完成了证明。
eight-rotor飞机的俯仰运动,我们构建其线性化模式 ,在哪里 和 ,根据小扰动线性化理论在文学(21]。从飞机的相关参数,我们有
假设切换增益 和 ;通过计算线性矩阵不等式,得到
是一个正定矩阵;满足定理的条件,得到了混合动力系统是渐近稳定的。
系统的不稳定的原因是,产生的能量吸收系统不是在交换期间,这样的“慢开关”进行稳定的子系统,也就是说,平均待转换的足够大,这样产生的能量转换时充分吸收,可保证系统的稳定性(22]。
4所示。系统仿真与分析
基于eight-rotor无人机模型,eight-rotor无人机的相关文献及相关参数如表所示1。
基于上述设计过程和参数,建立了MATLAB / Simulink仿真模型。以俯仰通道为例,混合动力控制系统的仿真模型如图5。仿真模型主要由无人机动力学模型、切换器、控制器和状态流模块。其中,无人机运动学模块主要介绍了无人机的气动特性。相对应的开关使控制器开关根据输出信号的状态流。控制器主要由三部分组成,如PID控制器、同步控制器,和失控保护模块控制无人机的态度和立场,无人机可以从初始状态达到理想的状态。状态流模块的功能是计算的数量选择控制器根据输入信号。图中的PID控制器参数 , ,和 ;往后退控制器参数 , , , ,和 。
混合动力控制器性能将由三个实验验证:定点盘旋,将跟踪和抗干扰能力测试。由于空气动力学效应的复杂性和大的外部条件的影响,精确的气动分析无人机很难准确的模型,因此,无人机参数是不确定的。基于混合动力控制系统的概念,同步控制方法用于完成无人机的轨迹跟踪控制。同步控制方法采用逆向设计方法。李雅普诺夫函数用于获取相应的控制,可以控制的非线性系统 - - - - - -为了使设计过程更加结构化和系统化。然而,该方法更加依赖模型空气动力参数,和外部干扰等因素的变化是缓慢的。反推控制方法是作为正常飞行状态的无人机混合控制系统控制器。在系统扰动的情况下,使用PID控制方法抑制干扰的影响,提高控制精度。因此,使用PID控制方法的控制系统混合动力控制系统和控制状态控制器达到精确控制的目的。在抗干扰能力的分析,随机白噪声作为模拟阵风干扰来源,和方波信号是用来模拟障碍信息。当系统达到稳定状态,它应用于相应的系统反馈的状态变量,然后UVA的干扰信息的稳定性的影响进行了分析。无人机空间位移轨迹仿真结果如图6螺旋角控制仿真结果如图7避障控制仿真结果如图8和高度控制仿真结果如图9。
在图6的初始位置坐标空间的位移轨迹eight-rotor无人机是设置为 。初始姿态角 ,预期的位置坐标 ,预期的姿态角 ,仿真时间是10秒,ode4计算方法。从图可以看出,系统的超调小,虽然有一些错误由于干扰的影响;响应特性曲线的轨迹平滑,控制输出失真小,eight-rotor无人机的控制具有更好的控制效果符合实际飞行的需要。在图7系统达到期望值的螺旋角为0.7,系统响应时间快,上升趋势是光滑的,没有过度。白噪声干扰信号之间添加2 s, 4 s和转向系统PID控制器来达到期望的目标稳定值在4.7 s。此外,干涉效应的范围略有改变,和稳态误差几乎是0。
在图8,检测结果无人机外部传感器的信号障碍是模拟的方波信号,检测结果用作开关信号的混合控制系统。以高度的障碍为例,仿真结果表明,该方波干扰信号出现在3.5 6.5 4.5和5.5年代年代。预设值的基础上障碍传感器检测的结果,该系统将使开关动作提前意识到的顺利跨越障碍。仿真结果表明,该状态转换时,无人机采用避障行为显示了良好的连续性和稳定性,飞行轨迹是稳定的,和eight-rotor无人机实现稳定控制。
从图可以看出9,系统达到一个高的期望值在0.6 s,和系统响应时间快,没有过度。添加一个白噪声干扰信号在2到4年代时间,系统切换到PID控制器和5.2秒内会达到一个稳定状态。系统受干扰程度振幅很小,干扰的输出响应曲线是光滑的。系统受干扰信号影响的7 s,转子电动机开始慢下来,和无人机开始降落,在7.9 s。由于地面重力和反应力,有轻微的“反向”过度现象。但无人机着陆的曲线是光滑的特点,用稍长一些的登陆时间。优点是不造成伤害和其他事件的无人机。
为了验证混合控制器的实际性能,物理测试平台设置如图10。平台需要STM32F103作为主要控制器芯片和MPU6050芯片的惯性测量单元实时测量eight-rotor无人机姿态数据。主控制器芯片计算加速度和角速度数据收集的惯性测量姿态角,然后通过主控制器生成相应的责任周期PWM波控制相关的无刷直流电机的速度实现无人机的相关行动。实验结果表明,混合控制器能有效和稳定控制辊,音高,和偏航eight-rotor无人机,可靠,满足姿态控制的要求。
5。结论
空间技术的不断发展和成熟的eight-rotor无人机导致的低成本、高性能、独特的结构系统,广泛应用于军事和民用领域。摘要eight-rotor无人机作为研究对象,并详细阐述了系统的动态建模。混合动力控制系统是基于同步控制方法和PID控制的eight-rotor无人机在不同的环境或状态。混合动力控制系统的仿真模型是建立在MATLAB / Simulink环境中。空间位移轨迹的无人机和切换过程的螺旋角和高度控制通道下的无人机干扰信号进行了仿真。仿真结果表明,该混合控制系统可以选择适当的控制方法根据环境的变化,更好地适应当前的飞行环境。最后,通过建立的物理测试平台eight-rotor无人机,可靠性、稳定性、抗干扰能力的混合控制系统验证,和飞行姿态和位置控制要求的满足。无人机在复杂环境的稳定控制是意识到,和飞行稳定性改善。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。