无人机在环境中对抗不同类型风的控制器

摘要

小型无人机易受外界干扰，特别是大气环境中的风场干扰。因此，无人机的姿态、速度和位置等状态通常无法跟踪所需的控制命令。本文总结了影响无人机飞行的不同风场类型;在此基础上，详细分析了其风场对无人机的影响机理。其次，利用无人机空速和地面速度所获得的风速信息，提出了一种新型的无人机“拒绝外部干扰”飞行模式，以抵消侧风引起的轨迹偏差。为了实现“拒绝外部干扰”的飞行模式，提出了基于Lyapunov稳定性理论的变模型参考自适应控制(VMRAC)系统，该系统还可以处理风切变和湍流对无人机飞行的不利影响。仿真结果表明，该策略能显著提高无人机在风扰动下的轨迹跟踪质量。

1.介绍

无人驾驶飞行器（无人机）在近年来广泛使用。平民无人机通常用于杀虫剂喷涂，大气观察等，而军事无人机用于瞄准，通信等。[1］.

由于体积小、成本低和灵活性，对小型无人机的广泛关注已经增加。小型无人机起飞重量在200kg以下，速度一般小于100km /h，翼展不超过5m [1］.

由于大气环境的干扰，无人机的控制难度很大。它也影响飞行安全。各种类型的风扰动都会对无人机产生不同程度的影响。通过能量传递过程，可以很容易地看到气流对无人机的影响。当阵风将其动力传递给无人机时，飞行状态发生了变化[2]. 小型无人机由于重量轻、飞行速度低，更容易受到风的干扰。更不幸的是，这些干扰是不可避免的，因为无人机总是在不同高度、温度和地域的复杂环境中工作。

由于恶劣的大气条件，许多飞机事故发生。19世纪，人们开始研究风对无人机的影响。许多科学家研究了环境中风的特征和类型。3.-5.］.田琦建立飞行仿真试验大气干扰仿真和空气动力学数据库[6.］.在[7.-9.]，研究了飞行起降阶段大气环境带来的潜在风险，并提出了相应的控制方法。然而，这些研究成果主要集中在高速大尺寸飞行器上，小型低速无人机的外部干扰问题还需要进一步研究。

当无人机沿航线飞行时，往往存在平均风和风切变。垂直风和前进风分别影响无人机的飞行高度和前进速度。侧风将使无人机偏离其预期航向。在[10]Escamilla等人通过分析风特性和无人机控制响应效率，设计了基于动态逆控制理论的轨迹跟踪器。风速数据由大气预报系统获得。该系统能够通过路径规划避免轨迹偏差[11］.文中设计的基于反步控制的轨迹跟踪器解决了环境中的轨迹跟踪问题。12，并通过遗传算法选择最优控制参数。在[13]利用观测风速和backstepping控制理论，设计了风速观测器，设计了轨迹跟踪器，实现了风扰动下的轨迹保持。

总而言之，上述方法的一般思想是使用一定的控制策略来拒绝或减轻外部风力领域对无人机的不利影响。然而，大气中有许多类型的风，不同类型风对UAV的影响非常不同，因此没有最佳控制参数来处理所有类型的风。此外，在目前的研究中，空速，地速和风速之间的关系由速度三角形表示，其实际上是不合理的。速度三角形用于计算UAV空速。该方法采用平均地速，这与轨迹偏差的问题相反。

因此，简单的外部扰动补偿机制不足以抵消这些负面影响;从新的飞行模式出发，设计有效的控制策略。在实际飞行任务中，克服侧风引起的无人机轨迹偏差的方法主要是通过地面控制站向无人机发送副翼偏转指令，帮助无人机修正轨迹。该措施的原理是给无人机一个横向速度，该速度与侧风引起的横向速度相抵消。

“拒绝外部干扰”飞行模式的目的是使无人机控制系统能够代替地面控制站实现这种操作。在这种策略中，无人机被连续地控制以转向和直线同时参考一个给定的航向角命令。因为转弯可以产生横向速度，而保持航向角可以保持横向速度，所以最终会抵消由侧风引起的横向速度。此外，还需要说明该控制策略具有开环位置控制。风切变的发生会改变侧风的力量。因此，提出了“模型变策略”来应对侧风的变化。

本文主要研究了相对控制器对系统不确定性、参数变化和传感器噪声等内部干扰的抑制作用。本文的主要贡献如下:（1）总结了无人机在低空环境中所遇到的环境风的特点、类型和数学模型。基于这些信息，本文首先严谨地分析了各类风对无人机速度、姿态和位置的影响机理，明确了风速、空速和地面速度之间的关系;为相关领域的其他研究提供参考。（2）根据贡献(1)，提出了一种新的“拒绝外部干扰”飞行模式，以解决侧风引起的轨迹偏差问题。（3）可变自适应控制系统旨在实现“拒绝外部干扰”飞行模式，并处理由湍流引起的输入干扰。

2.大气中风的类型

2．1.平均风

在大气环境中，平均风速也称为正常风速。它随时间和空间的变化而变化。由于只是风速的参考值，这种类型的风在现实世界中并不存在。通过统计，可以得到各种情况下的平均风速值。

２.２.动荡

湍流也称为连续波动。它是由普通的风完成的飞行。湍流与热交换和风切变等诸多因素有直接关系。在工程应用中，湍流可以用随机理论和方法来描述。常见的湍流模型有Dryden模型(DM)和Von Karman模型(VKM)。这两个模型都依赖于统计数据和测量数据。VKM首先建立湍流谱函数，然后在DM中收集相关函数，反之亦然。这两种模型最简单的不同之处只是其斜率的谱函数频率较大。在解决工程问题时，两者都要用到。

频谱德莱顿函数定义为

Von Karman谱函数定义为 而(我) 那 那和三个方向的风速是多少(2) 那 那和是三个方向'波长的湍流（iii） 那 那和是谱函数，其方向与无人机的身体坐标系轴线平行

在VK谱函数中，值 ．

２.３.风切变

风切变也指持续的风。空间中的平均风随时间的变化。根据美国国家研究委员会（National American Research Council）的说法，风切变是两点之间空间分布的两个风矢量之间的差值。例如，在图中1每个位置的矢量分别通过矢量方向和矢量长度表示风向和风速。图形中的不同颜色1表示不同的风场，当无人机从绿色区域飞向蓝色区域或红色区域时，会遭遇风切变情况。无人机飞行过程中产生风切变的主要原因有锋面、夜间和微下暴流。风切变和湍流的区别在于频率。风切变频率较低，每隔几秒发生一次变化。在模拟结果中，平均风速的突变表明了风切变的发生。

3.小型无人机在大气风场中飞行干扰因素及机理分析

本节主要分析平均风、风切变、湍流对无人机空速、地面速度、合力、合力力矩的影响机理，最终导致无人机飞行轨迹偏离，姿态和速度不稳定。

3.1。平均风和风剪在飞机上的影响机制

当无人机在空中飞行时，相对于空气的速度称为空速 那如果没有风，空速等于地面速度吗 那存在风时，风速的恒定分量（平均风）保持均匀和恒定，与空速的关系 那地面速度平均风速可以表示为 在哪里系数是否与有效面积和无人机质量有关，以及显示了无人机的地面速度易受平均风干扰的程度。例如，如果无人机是纸做的，它很容易被风吹走，因为它的重量轻，有效面积大，在这种情况下，价值接近1。相反，对于风来说，由于铁球重量重，有效面积小，很难吹走，因此接近于0。

空速增量表达式 那地面速度平均风速可以从

在地面坐标系中 那地面速度可以分解为向北的速度 那向东速度 那和下降速度 那所示

向北速度的变化和东方速度造成的风速将导致无人机偏离其轨道。

风速的一部分影响无人机的地面速度，表示为 那而另一部分则与空速叠加 ．在无人机的身体坐标系中 那空速被定义为

根据迎角的定义侧滑角 那

这两个角度和会影响数学模型中的气动导数值。

总之，飞机的速度由平均风和风剪切改变。攻击角度和侧滑角也会改变，影响空气动力学值。最后，它可以在飞行期间对飞机造成干扰。

３．２．湍流影响飞机的机理

风湍流的特性与平均风的特性有很大的不同，平均风随时间和空间的变化而变化，并含有随机成分。湍流对飞机各部分的影响是不均匀的。这些风对飞机的影响不能通过飞机迎角和侧滑角的变化来分析，但它们对飞机所施加的力可以通过空气阻力方程来计算: 在哪里是气流对飞机的作用力，为空气密度，为气流速度，是迎风区域，以及为气流力系数。系数由雷诺数决定的气流。

人体坐标系中的湍流谱函数由方程(1） 和 （2)．由湍流产生的力可以表述为 在哪里 那 那和为高斯白噪声(GWN)值。尽管湍流的频率特征满足谱函数，但湍流在特定时间和空间中的大小和方向是不确定的，因此无法计算出由于湍流而对飞机造成的力矩。

湍流强度小，因此可以观察到无人机的随机干扰（结果力和扭矩）。

4.消除风不利影响的控制策略

4．1.“拒绝外部干扰”飞行模式

图中的蓝色虚线2是无人机的期望轨迹。如果在飞行过程中存在平均风或风切变，如位置所示①, 第三节对此进行了分析3．1无人机的地面速度将会改变。侧风将导致无人机产生额外的横向速度，并将导致它偏离其期望的轨迹，如最左边的轨迹所示。

从方程(4.)，增加侧风速可以计算为

根据图中的红色向量3.那表示轴上在导航坐标系中 那哪一个会使横向地面速度变化:

根据图中的蓝色向量3.那为3.1节中提到的系数。

目前，处理由侧风引起的无人机轨迹偏差的方法主要是通过地面控制站的干预，通过接收副翼偏转指令;无人机可以修正它的轨迹。本文提出的“拒绝外部干扰”飞行模式代替地面控制站来实现这一操作。飞行模式主要由两部分组成:（1）如位置所示②, 无人机从前飞状态变为转弯状态。转弯半径为 在哪里是无人机​​的最小转动半径和这是否取决于侧风的水平和 ．侧风越强，值越小 ．侧风速分级的主要目的详见4.3节。（2）当无人机开始转弯时，它接收航向保持指令。根据地面速度与其各组成部分的关系，确定了保持航向的指令 在哪里是UAV地面速度的投影导航坐标系中的平面 ．

在步骤（1）中，UAV从向前飞行转向转向状态，使得它可以获得由转弯引起的横向速度。在步骤（2）中，当UAV转动时，用于在横向速度的横向速度提供合适的幅度。如果从转弯获得的横向速度具有与由侧风引起的相同的幅度，则这两个速度将彼此抵消，最后避免了轨迹偏差。

就位②, 无人机开始以预设转弯半径转弯。当它到达位置时③, 它开始修正航向角。航向角校正完成后，UAV继续以预设转弯半径转弯，循环继续，如图中红色和蓝色交替弧所示2．通过这种方法，可以克服由侧风引起的课程偏差。

“拒外干扰”飞行模式控制器与无人机系统之间的信号传输如图所示4.．

4．2．基于李雅普诺夫理论的自适应控制器设计

在前一节中，解决了由于无人机地面速度变化而引起的轨迹偏差问题。本节采用模型参考自适应理论设计基于李雅普诺夫理论的控制器。它用于处理乱流对飞行速度、合力和合成变化的不利影响。

根据节2，湍流具有高频率、低强度和高随机性的特点。这已经从Section里知道了3.，对于小型低速无人机，空速变化不敏感。因此，空速变化、合力变化和合力力矩变化对无人机的不利影响可视为扰动添加在无人机输入上。航向角指令将输入到飞行控制器的，由方程(13)．

设计自适应算法以获得合适的可以补偿扰动的系统。

无人机非线性动力学模型如图所示5.可以表述为

无人机参考模型可采用以下形式编写：

定义UAV和参考模型之间的错误：

其状态方程为 在哪里

定义一个标量函数，

然后，这个函数的导数是 在哪里 ．

为了使系统渐近稳定，必须是负定的。很明显, ．因此，上述等式需要满足以下不等式： 其中下标代表向量的第Th元素 ．元素的边界可以表示为:

然后是

自适应控制律为 在哪里是的广义逆矩阵 ．

4．3．模型不同的策略

数字6.给出了以无人机转弯半径为输入参数的无人机轨迹控制系统模型变策略的工作原理输出为参考模型的系数矩阵。

“拒绝外部干扰”飞行模式可以抵消由侧风引起的轨迹偏差。转弯半径取决于无人机横向速度(可由式(12))。保持无人机跟踪参考模型状态，得到实际转弯半径是与参考模型一致的。

没有预料到转弯半径会随侧向风速的变化而变化，因此需要对侧向风速进行排序。在一定的时间间隔内，风速应该是相同的。表示侧风速的尺度。表示侧面风速在无人机所能承受的最大风速范围内。如果风速超过这个范围，无人机就会失去控制。值越大时，侧风速越小，无人机转弯半径越大。

无人机的横向非线性数学模型可以表示为 在哪里和 ．当无人机在半径处转弯时 那非线性数学模型可裁剪为: 在哪里

价值和在平衡点处可以用梯度下降法计算。

让 ．通过计算修剪非线性状态方程的泰勒展开式，可以得到无人机在修剪点处的线性方程:

方程(27)为参考模型，可称之为 那在哪里 在哪里 那 那 那 那 那 那 那 那 那 那 那 那 那 那和是无人机的大气动导数和和是参考模型的参数。

“拒外干扰”飞行模式控制系统结构如图所示7.：

5.仿真实验

5.1. 实验方法

采用MATLAB R2016a Simulink作为仿真平台进行仿真测试。仿真试验中以“航空探空”无人机模型作为参考模型，其参数和气动系数如表所示1和2[14］.

飞行方向是由南到北。仿真时间是30秒,前10秒的平均风速为0,风切变发生在10秒,然后侧风速变化4 m / s,在20秒,再次发生风切变,风速的变化为0。

实验在不同条件下进行了四次。第一和第二次测试不使用“拒绝外部干扰”飞行模式，而第三个和第四个测试使用它。此外，在第二和第四次测试中，湍流被添加到整个仿真过程中。

5.2。实验过程

在实验过程中，侧风速为0 m/s和4 m/s时，采用了不同的参考模型。参考模型计算过程中的数据如下:（1）当侧风速度为0 m / s时，UAV的转弯半径，标题角度指令，修剪点和模型参数如下： （2）侧风速为4m /s时，无人机的转弯半径、航向角指令、裁剪点和模型参数如下:

5.3。实验结果

仿真结果如图所示8.-14．数字8.介绍了地面坐标系中四个测试的飞行轨迹，所需的轨迹是绿色实线，左两条线（红色点划线和黑短划线）显示偏风的偏差不断增加，与左两条线相比;右两条线（紫色实线和蓝色虚线）使用“拒绝外部干扰”飞行模式，除了模型过渡期外，基本上克服了侧风引起的轨迹偏差。

这也可以从图中看出8.红点的紫色的实线和虚线与湍流产生的条件有一个小的偏差对蓝色虚线和黑色短虚线产生的条件没有动荡,偏差随时间增加,所以动荡也会导致位置偏移,它很小,但随着时间的推移而增加;这意味着这里需要一个闭环位置控制，以确保真实的飞行轨迹准确地跟踪所需的轨迹。

下面是图中的六位数9.-14采用“拒绝外部干扰”飞行模式对两组飞行模拟试验数据进行显示，其区别在于是否存在湍流，无湍流条件下给出蓝色虚线，有湍流条件下给出棕色实线。六位数的内容是由于侧滑角之差与时间,航向角的差异随着时间的推移,滚动角的差异随着时间的推移,航向角速率的差异随着时间的推移,滚动角速率的差异随着时间的推移,和副翼偏转的影响时间。另一个被称为方向舵偏转的系统输入在这里没有显示，因为在整个实验中它被设置为一个平均数字0。

在第10秒到第20秒之间，可以看到无人机在转弯，在调整航向角。总之，湍流会影响无人机的状态，在“拒绝外部扰动”飞行模式时段的影响要比前飞时段的影响更明显。

以往的相关研究成果将外部扰动视为一种集总扰动，提出了基于超前控制理论的控制器来抑制或减弱这种集总扰动[15那16］.但由于这些外部扰动的大小和频率不同，将其综合为集中扰动是不合理的。另一方面,“拒绝外部干扰”飞行模式期间,无人机经常变化的副翼输入饱和一样,有一些潜在的缺点,减少系统的健壮在实际工程应用中,其中一个原因是,“Aerosonde”无人机模型没有舵传动装置。

综上所述，本节的仿真结果表明，首次提出的“拒外扰动”飞行模式能够有效地分别处理不同类型的风场，是本文最先进的创新点。

6.结论

风场会对无人机产生负面影响，但大多数研究都没有很好地解决这一问题。

对风对无人机的各种影响进行了清晰的分析和介绍。”提出了“抑制外部干扰”的飞行模式，并设计了建模变参考自适应控制器，以对抗对无人机位置、速度和姿态的影响。

本文提出的方法可以在不使用路径控制器的情况下防止UAV路径推导。此外，还将增加UAV控制系统对输入干扰的适应性。

数据可用性

本文使用的数据可向通讯作者索取(e-mail:bhwang@nuaa.edu.cn)．

的利益冲突

作者声明他们没有利益冲突。

致谢

南京航空航天大学博士研究生短期访问项目(批准号:190902 df03)。

参考文献

1. 吴磊，刘鹏，陆建军，“无人机分类研究”，洪都科技， 不。3，pp。1-11,2005。浏览：谷歌学者
2. 肖颖，金灿，大气扰动中的飞行原理，卷。1，国防工业出版社，北京，1993年。
3. B.埃特金，《紊流风及其对飞行的影响》杂志上的飞机，第18卷，第5期，第327-345页，2012年。浏览：出版商的网站|谷歌学者
4. W. Frost和R. L. Bowles，“飞机运动方程中的风剪术”，杂志上的飞机第21卷第2期11, pp. 866-872, 2012。浏览：出版商的网站|谷歌学者
5. S. Zhu和B. Etkin，“下击暴流的风场模型”杂志上的飞机第22卷第2期7, pp. 595-601, 2012。浏览：出版商的网站|谷歌学者
6. 七天,飞行模拟器中的空气干扰和大气数据库设计南京大学航空航天学院，南京，中国，2007。
7. 梭利斯和博格豪森，“最后滑翔的风切变效应”包括新视野论坛和航天博览会在内的国际航空航天学会航天科学会议记录，航天研究中心，Grapevine，美国德克萨斯州，2013年1月。浏览：谷歌学者
8. Q罗和H。段，“飞机在风切变中起飞的符号控制方法，”飞机工程与航空航天技术，第87卷，第1期，第45-512015页。浏览：出版商的网站|谷歌学者
9. N. Seube, R. Moitie，和G. Leitmann，“飞机在风切变中起飞:一种可行的方法”，集值分析，第8卷，第2期1-2，页163-180,2000。浏览：出版商的网站|谷歌学者
10. H. Escamilla, H. Bouadi，和F. Mora-Camino，“用于轨迹跟踪的风敏感性分析框架”，刊于美国航空学会制导、导航和控制会议论文集，航空航天研究中心，葡萄藤，美国德克萨斯州，2018年1月。浏览：谷歌学者
11. “随机弹道综合的风不确定性建模”，张仁杂志, 2011年。浏览：谷歌学者
12. 张科，高昕，陈迪，“时变风环境下无人机三维轨迹跟踪”，航空学报，vol . 32, no . 1, no . 2国际仪器仪表与测量会议论文集，pp.735-739，IEEE，吉隆坡，泰国，2015年9月。浏览：谷歌学者
13. K吴，B。风扇和X。Zhang，“风干扰下无人机的轨迹跟踪控制”，年中国控制会议论文集，第4993-4997页，IEEE，中国大连，2017年7月。浏览：谷歌学者
14. 比尔德和麦克莱恩，小型无人驾驶飞机的导航、制导和控制，普林斯顿大学出版社，美国新泽西州，2012。
15. E. Sariyildiz, H. Sekiguchi, T. Nozaki, B. Ugurlu, K. Ohnishi，“基于加速度的基于扰动观测器的机器人鲁棒位置控制的稳定性分析”，IEEE/ASME机电一体化学报，第23卷，第2期。5、pp. 2369-2378, 2018。浏览：出版商的网站|谷歌学者
16. ESariyildiz，G。陈和H。Yu，“用于串联弹性致动器的统一鲁棒运动控制器设计，”IEEE/ASME机电一体化学报第22卷第2期5, pp. 2229-2240, 2017。浏览：出版商的网站|谷歌学者

版权

版权所有©2020 Bohang Wang等人。这是一篇公开获取的文章，在创意公共归因许可证，允许在任何媒介中不受限制地使用、分发和复制，前提是原作被正确引用。