文摘孔侑dF4y2Ba

针对问题的手动设置的控制规则和模糊PID控制方法的控制精度低,态度无人机(UAV)的控制方法基于扩展卡尔曼滤波(EKF)和自适应模糊比例积分微分(PID)房颤。无人机的动力学方程和测量方程,建立和使用卡尔曼滤波器估计和预测的态度改变了,一个自适应模糊PID控制算法的设计,采用自适应调整方法和参数的在线修改模糊控制规则;仿真平台的无人机的姿态控制系统(ACS)是建立模拟和验证了该方法的控制效果。仿真结果表明,该算法可以准确估计姿态角的变化,提高控制精度;与此同时,这也保证了考试的态度变化的稳定性和速度。研究结果可以解决复杂系统的高精度和快速稳定之间的矛盾在一定程度上。孔侑dF4y2Ba

1。介绍孔侑dF4y2Ba

自主空中加油(AAR)是一个无人机提供燃料的活动到另一个或多个无人机在飞行过程中,可以显著提高无人机的机载时间和耐力和增加无人机的有效载荷孔侑dF4y2Ba1孔侑dF4y2Ba,孔侑dF4y2Ba2孔侑dF4y2Ba]。在空中加油阶段,无人机的速度和态度必须是一致的。否则,它可能会导致加油失败或崩溃,造成重大经济损失(孔侑dF4y2Ba3孔侑dF4y2Ba]。无人机是一个典型的under-driven和复杂的非线性系统强耦合等特点,从外部因素对扰动的敏感性,这就增加了复杂性和难度的控制方法孔侑dF4y2Ba4孔侑dF4y2Ba,孔侑dF4y2Ba5孔侑dF4y2Ba]。因此,为确保空中加油的成功阶段,有必要研究控制算法与控制精度高,抗干扰能力强。孔侑dF4y2Ba

目前,许多研究人员所做的各种工作无人机控制和设计许多控制算法和策略(孔侑dF4y2Ba6孔侑dF4y2Ba),主要包括PID控制(孔侑dF4y2Ba7孔侑dF4y2Ba,孔侑dF4y2Ba8孔侑dF4y2Ba),神经网络控制孔侑dF4y2Ba9孔侑dF4y2Ba- - - - - -孔侑dF4y2Ba11孔侑dF4y2Ba),预测控制(孔侑dF4y2Ba12孔侑dF4y2Ba,孔侑dF4y2Ba13孔侑dF4y2Ba),主动扰动抑制控制(孔侑dF4y2Ba1孔侑dF4y2Ba,孔侑dF4y2Ba14孔侑dF4y2Ba),滑模控制(孔侑dF4y2Ba15孔侑dF4y2Ba),同步控制(孔侑dF4y2Ba16孔侑dF4y2Ba- - - - - -孔侑dF4y2Ba18孔侑dF4y2Ba),等等。由于成熟的控制技术的特点,原理简单,容易实现,PID控制方法是广泛应用于许多领域孔侑dF4y2Ba6孔侑dF4y2Ba]。然而,问题的实时参数调整和PID控制的高精度控制仍无人机的研究热点和难点孔侑dF4y2Ba19孔侑dF4y2Ba- - - - - -孔侑dF4y2Ba22孔侑dF4y2Ba]。Yu和杨孔侑dF4y2Ba23孔侑dF4y2Ba)提出了一个无人机的姿态控制方法基于改进双闭环PID优化飞行结果和提高其抗干扰能力。Bolandi [孔侑dF4y2Ba7孔侑dF4y2Ba)使用频域分析方法来研究无人机姿态控制器的控制参数的选择,以优化PID控制的效果。亚历克西斯(孔侑dF4y2Ba24孔侑dF4y2Ba)模糊PID应用于无人机的姿态控制系统,制定模糊规则,和控制性能得到了改进。Zhang et al。孔侑dF4y2Ba25孔侑dF4y2Ba)设计了一种串级模糊PID控制器的态度来提高抗干扰能力,加快响应速度,提高控制精度。盾(孔侑dF4y2Ba26孔侑dF4y2Ba)设计了一种模糊自适应PID控制器的控制参数作为变量来提高系统稳定性,加快响应时间。张、张(孔侑dF4y2Ba27孔侑dF4y2Ba)使用模糊神经网络设计了无人机的自适应PID控制算法,可以提高控制精度和鲁棒性。刘等人。孔侑dF4y2Ba28孔侑dF4y2Ba)提出了一种鲁棒PID姿态控制算法来提高系统的鲁棒性。罗萨莱斯et al。孔侑dF4y2Ba29日孔侑dF4y2Ba)结合传统PID神经网络提出一种改进的姿态控制算法,可以减少控制错误。伊斯兰教等。孔侑dF4y2Ba30.孔侑dF4y2Ba]使用神经网络设计了PID控制器,态度可分解多个变量的系统获得良好的飞行效果。尽管上述控制算法取得了某些进展在无人机的姿态控制,仍然存在问题,如手动设定的模糊控制规则和较低的控制精度;为了应对这些问题,一个EKF-AF调整模糊规则自适应PID姿态控制算法提出了促进和加快系统响应的控制效果。孔侑dF4y2Ba

节孔侑dF4y2Ba2孔侑dF4y2Ba的运动模型和测量模型,建立了无人机的态度,和卡尔曼滤波器用于估计和预测的态度变化。自适应模糊PID控制算法,自适应调整方法用于在线调整控制规则和参数。节孔侑dF4y2Ba3孔侑dF4y2Ba仿真平台的无人机的姿态控制系统(ACS)基于仿真软件建立模拟和验证控制效果。节孔侑dF4y2Ba4孔侑dF4y2Ba,结束语。孔侑dF4y2Ba

2。基于卡尔曼滤波器估计无人机的态度孔侑dF4y2Ba

2.1。态度无人机的运动模型孔侑dF4y2Ba

一般来说,无人机的态度通常是用欧拉角(孔侑dF4y2Baφ孔侑dF4y2Ba,孔侑dF4y2Baθ孔侑dF4y2Ba和孔侑dF4y2Baψ孔侑dF4y2Ba)。无人机的角速度向量孔侑dF4y2Ba 。孔侑dF4y2Ba假设惯性矩阵的无人机孔侑dF4y2BaJ孔侑dF4y2Ba= (孔侑dF4y2BaJ孔侑dF4y2Bax孔侑dF4y2Ba,孔侑dF4y2BaJ孔侑dF4y2Bay孔侑dF4y2Ba,孔侑dF4y2BaJ孔侑dF4y2Baz孔侑dF4y2Ba)孔侑dF4y2BaT孔侑dF4y2Ba合成矩阵孔侑dF4y2Ba米孔侑dF4y2Ba= (孔侑dF4y2Ba米孔侑dF4y2Bax孔侑dF4y2Ba,孔侑dF4y2Ba米孔侑dF4y2Bay孔侑dF4y2Ba,孔侑dF4y2Ba米孔侑dF4y2Baz孔侑dF4y2Ba)孔侑dF4y2BaT孔侑dF4y2Ba和动量的时刻孔侑dF4y2BaH孔侑dF4y2Ba= (孔侑dF4y2BaH孔侑dF4y2Bax孔侑dF4y2Ba,孔侑dF4y2BaH孔侑dF4y2Bay孔侑dF4y2Ba,孔侑dF4y2BaH孔侑dF4y2Baz孔侑dF4y2Ba)孔侑dF4y2BaT孔侑dF4y2Ba;根据动量矩定理(孔侑dF4y2Ba31日孔侑dF4y2Ba),我们可以得到孔侑dF4y2Ba

选择孔侑dF4y2BaO孔侑dF4y2Ba- - - - - -孔侑dF4y2Baxyz孔侑dF4y2Ba无人机的身体坐标系统,方程(孔侑dF4y2Ba1孔侑dF4y2Ba)可以写成孔侑dF4y2Ba

相对角速度向量孔侑dF4y2Ba 遵循下列方程(孔侑dF4y2Ba2孔侑dF4y2Ba]:孔侑dF4y2Ba

基于状态空间模型的一阶微分方程采用表达无人机的姿态运动。具体地说,一个多维的状态函数孔侑dF4y2BaX孔侑dF4y2Ba= (孔侑dF4y2Baφ孔侑dF4y2Ba,孔侑dF4y2Baθ孔侑dF4y2Ba,孔侑dF4y2Baψ孔侑dF4y2Ba,孔侑dF4y2Baω孔侑dF4y2Bax孔侑dF4y2Ba,孔侑dF4y2Baω孔侑dF4y2Bay孔侑dF4y2Ba,孔侑dF4y2Baω孔侑dF4y2Baz孔侑dF4y2Ba)孔侑dF4y2BaT孔侑dF4y2Ba构造。多维状态变量包含的不仅是无人机的旋转角度信息相对于一个特定的参考坐标系统也转速信息。根据方程(孔侑dF4y2Ba2孔侑dF4y2Ba)和(孔侑dF4y2Ba3孔侑dF4y2Ba),获得的运动状态模型孔侑dF4y2Ba 在哪里孔侑dF4y2Ba

考虑到高复杂性的身体结构和无人机的飞行环境,以及一些外部不确定因素,方程(孔侑dF4y2Ba4孔侑dF4y2Ba)可以修改孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 随机干扰项,代表模型拟合误差的综合影响,nonmodel组件,和随机扰动对无人机的态度。孔侑dF4y2Ba

2.2。态度测量无人机模型孔侑dF4y2Ba

姿态测量系统用于确定无人机的态度,这是一个先决条件的控制、管理和使用无人机。目前,设备测量无人机的态度通常包括惯性导航系统(INS),视觉导航系统(VisNav),全球定位系统(GPS)、红外传感器、全球导航卫星系统(GNSS),北斗导航卫星系统(BDS) [孔侑dF4y2Ba32孔侑dF4y2Ba- - - - - -孔侑dF4y2Ba35孔侑dF4y2Ba]。根据测量设备的数量,姿态测量系统可分为single-equipment测量系统和multi-equipment测量系统(孔侑dF4y2Ba36孔侑dF4y2Ba,孔侑dF4y2Ba37孔侑dF4y2Ba]。single-equipment测量系统很容易受到外部干扰的影响,导致测量不准确的态度。multi-equipment测量系统可以抑制外部干扰的影响,提高姿态测量的准确性。因此,采用multi-equipment测量系统测量的态度在这篇文章中,包括一个积分陀螺仪、加速度计、磁强计,和两个GPS接收器。孔侑dF4y2Ba

积分陀螺仪的输出孔侑dF4y2Ba 旋转角速度的无人机。测量模型孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 代表了测量误差。孔侑dF4y2Ba

加速度计的输出孔侑dF4y2Ba 重力加速度的无人驾驶飞机的位置。测量模型孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 代表了重力加速度向量孔侑dF4y2Ba 代表了测量误差。孔侑dF4y2Ba

三轴磁强计的输出孔侑dF4y2Ba 地磁场强度的无人驾驶飞机的位置。测量模型孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 是当地的地磁矢量和孔侑dF4y2Ba 代表了测量误差。孔侑dF4y2Ba

这两个GPS接收器安装在身体的纵轴坐标系统。两个GPS接收器的测量值(孔侑dF4y2Bax孔侑dF4y2Ba1孔侑dF4y2Ba,孔侑dF4y2Bay孔侑dF4y2Ba1孔侑dF4y2Ba,孔侑dF4y2Baz孔侑dF4y2Ba1孔侑dF4y2Ba)和(孔侑dF4y2Bax孔侑dF4y2Ba2孔侑dF4y2Ba,孔侑dF4y2Bay孔侑dF4y2Ba2孔侑dF4y2Ba,孔侑dF4y2Baz孔侑dF4y2Ba2孔侑dF4y2Ba),两个全球定位系统(GPS)接收器的基线向量的分量沿身体坐标系统孔侑dF4y2Ba

根据姿态角和位置之间的关系,建立了GPS接收机的测量模型。孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 代表了测量误差。孔侑dF4y2Ba

选择测量方差孔侑dF4y2BaZ孔侑dF4y2Ba= (孔侑dF4y2Ba一个孔侑dF4y2Bax孔侑dF4y2Ba,孔侑dF4y2Ba一个孔侑dF4y2Bay孔侑dF4y2Ba,孔侑dF4y2Ba一个孔侑dF4y2Baz孔侑dF4y2Ba,孔侑dF4y2Bah孔侑dF4y2Bax孔侑dF4y2Ba,孔侑dF4y2Bah孔侑dF4y2Bay孔侑dF4y2Ba,孔侑dF4y2Bah孔侑dF4y2Baz孔侑dF4y2Ba,Δ孔侑dF4y2Bax孔侑dF4y2Ba,Δ孔侑dF4y2Bay孔侑dF4y2Ba,Δ孔侑dF4y2Baz孔侑dF4y2Ba,孔侑dF4y2Baω孔侑dF4y2Bagx孔侑dF4y2Ba,孔侑dF4y2Baω孔侑dF4y2Ba孔侑孔侑dF4y2Ba,孔侑dF4y2Baω孔侑dF4y2Ba广州孔侑dF4y2Ba)孔侑dF4y2BaT孔侑dF4y2Ba根据方程(孔侑dF4y2Ba7孔侑dF4y2Ba)- (孔侑dF4y2Ba11孔侑dF4y2Ba),可以测量系统模型。孔侑dF4y2Ba 在哪里孔侑dF4y2Ba ,孔侑dF4y2Ba ,孔侑dF4y2Ba ,孔侑dF4y2Ba ,孔侑dF4y2Ba和测量错误孔侑dF4y2Ba 。孔侑dF4y2Ba

2.3。估计基于EKF的态度孔侑dF4y2Ba

方程(孔侑dF4y2Ba6孔侑dF4y2Ba)可以离散差分逼近的方法:孔侑dF4y2Ba 在哪里孔侑dF4y2BaT孔侑dF4y2Ba是采样时间。孔侑dF4y2Ba

如果孔侑dF4y2BaT孔侑dF4y2Ba= 1,方程(孔侑dF4y2Ba13孔侑dF4y2Ba)表示为孔侑dF4y2Ba

记住,孔侑dF4y2Ba 和孔侑dF4y2Ba ,孔侑dF4y2Ba运动状态方程的离散化模型获得孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 是一个非线性函数,孔侑dF4y2Ba 是噪声向量。孔侑dF4y2Ba

同样,测量方程的离散化模型孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 是一个非线性函数,孔侑dF4y2Ba 是噪声向量。孔侑dF4y2Ba

根据EKF方法(孔侑dF4y2Ba35孔侑dF4y2Ba),我们可以得到孔侑dF4y2Ba 在哪里孔侑dF4y2Ba ,孔侑dF4y2Ba ,孔侑dF4y2BaP孔侑dF4y2Ba(孔侑dF4y2Bak孔侑dF4y2Ba)是协方差矩阵,孔侑dF4y2Ba问孔侑dF4y2Ba(孔侑dF4y2Bak孔侑dF4y2Ba)是过程噪声的方差矩阵,孔侑dF4y2BaK孔侑dF4y2Ba(孔侑dF4y2Bak孔侑dF4y2Ba)是增益矩阵,孔侑dF4y2BaR孔侑dF4y2Ba(孔侑dF4y2Bak孔侑dF4y2Ba)是测量噪声的方差矩阵。孔侑dF4y2Ba

的初始值孔侑dF4y2Ba 和孔侑dF4y2Ba 给出测量值孔侑dF4y2BaZ孔侑dF4y2Ba(孔侑dF4y2Bak孔侑dF4y2Ba)在相应的时间,目前的估算值孔侑dF4y2Ba 通过递归的解决方案。孔侑dF4y2Ba

2.4。自适应模糊PID控制算法的态度孔侑dF4y2Ba

我们可以看到从方程(孔侑dF4y2Ba1孔侑dF4y2Ba),无人机的姿态控制主要是控制姿态角孔侑dF4y2Baφ孔侑dF4y2Ba,孔侑dF4y2Baθ孔侑dF4y2Ba和孔侑dF4y2Baψ孔侑dF4y2Ba,让他们基本上保持稳定和调整总时刻孔侑dF4y2Ba米孔侑dF4y2Ba的无人机无人机维持稳定的态度。根据无人机的非线性特性和实际应用环境的要求,采用一种自适应模糊PID控制方法来提高动态响应的能力和自适应抗干扰的无人机。孔侑dF4y2Ba

调整参数和控制规则的传统的模糊控制方法是固定的。由于粗糙度和模糊规则的缺陷,传统的模糊控制方法不能有效地控制无人机的动态变化。为此,图孔侑dF4y2Ba1孔侑dF4y2Ba显示了一个自适应模糊PID控制方法。基于传统的模糊PID控制方法,rule-adaptive学习控制器和调整因素被添加到网上实现控制规则和参数的修正。孔侑dF4y2Ba


图1孔侑dF4y2Ba
自适应模糊PID控制算法。孔侑dF4y2Ba

把错误孔侑dF4y2Bae孔侑dF4y2Ba和误差变化率孔侑dF4y2Ba电子商务孔侑dF4y2Ba态度的角度作为输入,自动调节因子和控制规则自适应学习用于制造模糊控制器的输出控制参数的修正∆孔侑dF4y2BaK孔侑dF4y2BaP孔侑dF4y2Ba,∆孔侑dF4y2BaK孔侑dF4y2Ba我孔侑dF4y2Ba,∆孔侑dF4y2BaK孔侑dF4y2BaD孔侑dF4y2Ba然后修改输入PID控制器,最后控制方差孔侑dF4y2Bau孔侑dF4y2Ba可以获得。孔侑dF4y2Ba

2.4.1。模糊PID控制器孔侑dF4y2Ba

e孔侑dF4y2Ba和孔侑dF4y2Ba电子商务孔侑dF4y2Ba可以作为态度的角度孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 是预期的价值。孔侑dF4y2Ba

当设计一个模糊控制器,输入和输出的模糊子集必须首先获得。摘要7语言差异{NB、纳米、NS、泽、PS、点,PB}被选中来表示模糊PID控制的子集。因此,模糊子集孔侑dF4y2Bae孔侑dF4y2Ba,孔侑dF4y2Ba电子商务孔侑dF4y2Ba和输出孔侑dF4y2Ba年代孔侑dF4y2Ba控制器的定义为{NB、纳米、NS、泽、PS、点,PB}。为了对应特定的值输入和输出量的模糊子集,量化函数需要介绍。在实际的无人机系统,考虑到执行机构的饱和特性和变量的不对称,变化范围孔侑dF4y2Bae孔侑dF4y2Ba,孔侑dF4y2Ba电子商务孔侑dF4y2Ba,孔侑dF4y2Ba年代孔侑dF4y2Ba是(孔侑dF4y2Bae孔侑dF4y2Ba最小值孔侑dF4y2Ba,孔侑dF4y2Bae孔侑dF4y2Ba马克斯孔侑dF4y2Ba]、[孔侑dF4y2Ba电子商务孔侑dF4y2Ba最小值孔侑dF4y2Ba,孔侑dF4y2Ba电子商务孔侑dF4y2Ba马克斯孔侑dF4y2Ba),(孔侑dF4y2Ba年代孔侑dF4y2Ba最小值孔侑dF4y2Ba,孔侑dF4y2Ba年代孔侑dF4y2Ba马克斯孔侑dF4y2Ba),分别。他们模糊域(−1,1)通过归一化,然后量化函数可以获得。孔侑dF4y2Ba 在哪里孔侑dF4y2BaE孔侑dF4y2Ba代表的模糊方差孔侑dF4y2Bae孔侑dF4y2Ba;孔侑dF4y2Ba电子商务孔侑dF4y2Ba代表的模糊方差孔侑dF4y2Ba电子商务孔侑dF4y2Ba;孔侑dF4y2Ba年代孔侑dF4y2Ba代表的模糊方差孔侑dF4y2Ba年代孔侑dF4y2Ba;孔侑dF4y2Ba ;孔侑dF4y2Ba ;孔侑dF4y2Ba和孔侑dF4y2Ba 。孔侑dF4y2Ba

根据方程(孔侑dF4y2Ba23孔侑dF4y2Ba),量化的因素孔侑dF4y2BaK孔侑dF4y2Bae孔侑dF4y2Ba,孔侑dF4y2BaK孔侑dF4y2Ba电子商务孔侑dF4y2Ba和比例因子孔侑dF4y2Bal孔侑dF4y2Ba年代孔侑dF4y2Ba自适应地调整。根据量化值,可以通过一定的模糊子集隶属函数的程度。会员的程度是一个值在0和1之间,被用来表达一个输入模糊的程度。在这篇文章中,一个三角形隶属函数对称,均匀分布,完全重叠的功能是选择计算的隶属程度量化输入(孔侑dF4y2Ba38孔侑dF4y2Ba),和相应的模糊子集。孔侑dF4y2Ba

模糊推理是模糊控制器设计的基础。fuzzified输入后,需要建立一个模糊规则库输出推理的结果。时的值孔侑dF4y2BaK孔侑dF4y2Bap孔侑dF4y2Ba和孔侑dF4y2BaK孔侑dF4y2Ba我孔侑dF4y2Ba增加,是错误的吗孔侑dF4y2Bae孔侑dF4y2Ba减少;时的值孔侑dF4y2BaK孔侑dF4y2BaD孔侑dF4y2Ba减少,误差变化率吗孔侑dF4y2Ba电子商务孔侑dF4y2Ba减少了。根据改变的孔侑dF4y2Bae孔侑dF4y2Ba和孔侑dF4y2Ba电子商务孔侑dF4y2Ba,这三个模糊规则如表所示孔侑dF4y2Ba1孔侑dF4y2Ba- - - - - -孔侑dF4y2Ba3孔侑dF4y2Ba(孔侑dF4y2Ba39孔侑dF4y2Ba]。孔侑dF4y2Ba

表1孔侑dF4y2Ba
模糊规则的∆孔侑dF4y2BaK孔侑dF4y2Ba P孔侑dF4y2Ba。孔侑dF4y2Ba
表2孔侑dF4y2Ba
模糊规则的∆孔侑dF4y2BaK孔侑dF4y2Ba 我孔侑dF4y2Ba。孔侑dF4y2Ba
表3孔侑dF4y2Ba
模糊规则的∆孔侑dF4y2BaK孔侑dF4y2Ba D孔侑dF4y2Ba。孔侑dF4y2Ba

根据模糊化的结果孔侑dF4y2BaE孔侑dF4y2Ba和孔侑dF4y2Ba电子商务孔侑dF4y2Ba,加上三个模糊规则表和Mamdani的min-max推理规则(孔侑dF4y2Ba40孔侑dF4y2Ba),模糊子集的隶属程度孔侑dF4y2Ba年代孔侑dF4y2Ba1孔侑dF4y2Ba,孔侑dF4y2Ba年代孔侑dF4y2Ba2孔侑dF4y2Ba,孔侑dF4y2Ba年代孔侑dF4y2Ba3孔侑dF4y2Ba的参数修正∆孔侑dF4y2BaK孔侑dF4y2BaP孔侑dF4y2Ba,∆孔侑dF4y2BaK孔侑dF4y2Ba我孔侑dF4y2Ba和∆孔侑dF4y2BaK孔侑dF4y2BaD孔侑dF4y2Ba可以获得。孔侑dF4y2Ba 在哪里孔侑dF4y2BaR孔侑dF4y2Ba模糊规则集;孔侑dF4y2Ban孔侑dF4y2Ba是规则的数量;孔侑dF4y2BaR孔侑dF4y2Ba我孔侑dF4y2Ba是孔侑dF4y2Ba我孔侑dF4y2Bath孔侑dF4y2Ba规则;孔侑dF4y2Baμ孔侑dF4y2Ba是隶属程度;孔侑dF4y2BaC孔侑dF4y2Ba我孔侑dF4y2Ba,孔侑dF4y2BaD孔侑dF4y2Ba我孔侑dF4y2Ba下的输入吗孔侑dF4y2Ba我孔侑dF4y2Bath孔侑dF4y2Ba规则;和孔侑dF4y2BaO孔侑dF4y2Ba我孔侑dF4y2Ba下的输出吗孔侑dF4y2Ba我孔侑dF4y2Bath孔侑dF4y2Ba规则。孔侑dF4y2Ba

计算的每个输出的精确值是典型的重心去模糊化方法。孔侑dF4y2Ba

根据方程(孔侑dF4y2Ba23孔侑dF4y2Ba)和(孔侑dF4y2Ba25孔侑dF4y2Ba),的实际修正模糊控制器参数可以获得。孔侑dF4y2Ba

根据方程的结果(孔侑dF4y2Ba26孔侑dF4y2Ba),可以给出PID控制器的参数。孔侑dF4y2Ba

根据上述结果和无人机的结构特点,控制输出孔侑dF4y2Bau孔侑dF4y2Ba是获得。孔侑dF4y2Ba

2.4.2。模糊规则的自动调节孔侑dF4y2Ba

完成调制的控制规则在线性能函数。孔侑dF4y2Ba 在哪里孔侑dF4y2Baρ孔侑dF4y2Ba加权系数。孔侑dF4y2Ba

的偏微分孔侑dF4y2BaJ孔侑dF4y2Ba是孔侑dF4y2Ba

根据方程(孔侑dF4y2Ba30.孔侑dF4y2Ba)和(孔侑dF4y2Ba31日孔侑dF4y2Ba),负梯度函数可以得到。孔侑dF4y2Ba

指神经网络优化的概念(孔侑dF4y2Ba41孔侑dF4y2Ba),控制偏差。孔侑dF4y2Ba 在哪里孔侑dF4y2Baλ孔侑dF4y2Ba是学习速率和0 <孔侑dF4y2Baλ孔侑dF4y2Ba< 1。孔侑dF4y2Ba

根据方程的结果(孔侑dF4y2Ba32孔侑dF4y2Ba)和(孔侑dF4y2Ba33孔侑dF4y2Ba),控制规则可以被修改孔侑dF4y2Ba 在哪里孔侑dF4y2Ba 是隶属程度孔侑dF4y2Ba 是输出的修正。孔侑dF4y2Ba

3.1。ACS Simulink-Based设计仿真平台孔侑dF4y2Ba

图孔侑dF4y2Ba2孔侑dF4y2Ba显示了ACS的仿真平台。孔侑dF4y2Ba


图2孔侑dF4y2Ba
ACS的仿真平台。孔侑dF4y2Ba

仿真平台主要包括10个单元模块。具体设计和实现如下。孔侑dF4y2Ba

3.1.1。态度动力学模块孔侑dF4y2Ba

根据方程的结果(孔侑dF4y2Ba1孔侑dF4y2Ba),姿态动力学模型的仿真模块,如图孔侑dF4y2Ba3孔侑dF4y2Ba。孔侑dF4y2Ba


图3孔侑dF4y2Ba
态度动力学模块。孔侑dF4y2Ba
3.1.2。姿态运动学模块孔侑dF4y2Ba

根据方程的结果(孔侑dF4y2Ba3孔侑dF4y2Ba),态度运动学模型的仿真模块,如图孔侑dF4y2Ba4孔侑dF4y2Ba。孔侑dF4y2Ba


图4孔侑dF4y2Ba
姿态运动学模块。孔侑dF4y2Ba
3.1.3。测量系统模块孔侑dF4y2Ba

测量系统包括一个陀螺仪、加速度计、磁强计,和两个GPS接收器。因此,测量系统仿真模块包括四个模块。具体设计如下。孔侑dF4y2Ba

根据方程的结果(孔侑dF4y2Ba7孔侑dF4y2Ba),三轴陀螺仪的仿真模块,如图孔侑dF4y2Ba5孔侑dF4y2Ba。孔侑dF4y2Ba


图5孔侑dF4y2Ba
陀螺仪模块。孔侑dF4y2Ba

根据方程(孔侑dF4y2Ba8孔侑dF4y2Ba),我们可以看到,当加速度计的测量值是已知的,可以计算姿态角。为了方便施工的仿真模块,使用计算姿态角加速度计的测量值。因此,三轴加速度计的仿真模块,如图孔侑dF4y2Ba6孔侑dF4y2Ba。孔侑dF4y2Ba


图6孔侑dF4y2Ba
加速度计模块。孔侑dF4y2Ba

同样,磁力仪的仿真模块构建如图孔侑dF4y2Ba7孔侑dF4y2Ba。GPS是建立的仿真模块,如图孔侑dF4y2Ba8孔侑dF4y2Ba。孔侑dF4y2Ba


图7孔侑dF4y2Ba
磁强计模块。孔侑dF4y2Ba

图8孔侑dF4y2Ba
GPS模块。孔侑dF4y2Ba
3.1.4。姿态角估计模块孔侑dF4y2Ba

根据方程(孔侑dF4y2Ba5孔侑dF4y2Ba),(孔侑dF4y2Ba12孔侑dF4y2Ba)和(孔侑dF4y2Ba17孔侑dF4y2Ba)- (孔侑dF4y2Ba21孔侑dF4y2Ba),姿态角估计的仿真模块,如图孔侑dF4y2Ba9孔侑dF4y2Ba。孔侑dF4y2Ba


图9孔侑dF4y2Ba
姿态角估计模块。孔侑dF4y2Ba
3.1.5。反馈模块孔侑dF4y2Ba

根据方程的结果(孔侑dF4y2Ba22孔侑dF4y2Ba),状态反馈的仿真模块,如图孔侑dF4y2Ba10孔侑dF4y2Ba。孔侑dF4y2Ba


图10孔侑dF4y2Ba
反馈模块。孔侑dF4y2Ba
3.1.6。PID控制器模块孔侑dF4y2Ba

图孔侑dF4y2Ba11孔侑dF4y2Ba显示了PID控制器的仿真模块。孔侑dF4y2Ba


图11孔侑dF4y2Ba
PID控制器模块。孔侑dF4y2Ba
3.1.7。致动器模块孔侑dF4y2Ba

选择电动机作为执行机构,我们可以得到孔侑dF4y2Ba42孔侑dF4y2Ba]孔侑dF4y2Ba 在哪里孔侑dF4y2BaV孔侑dF4y2Ba是电压;孔侑dF4y2Ba米孔侑dF4y2Ba是转矩;孔侑dF4y2Bal孔侑dF4y2Ba是电感;孔侑dF4y2BaK孔侑dF4y2Ba米孔侑dF4y2Ba是转矩系数(N孔侑dF4y2Ba∗孔侑dF4y2Bam / A);和孔侑dF4y2BaR孔侑dF4y2Ba是阻力。孔侑dF4y2Ba

根据方程的结果(孔侑dF4y2Ba35孔侑dF4y2Ba),致动器的仿真模块,如图孔侑dF4y2Ba12孔侑dF4y2Ba。孔侑dF4y2Ba


图12孔侑dF4y2Ba
致动器模块。孔侑dF4y2Ba

根据上述结果,ACS的仿真平台可以如图孔侑dF4y2Ba13孔侑dF4y2Ba。孔侑dF4y2Ba


图13孔侑dF4y2Ba
ACS的仿真平台。孔侑dF4y2Ba
3.2。仿真结果和分析孔侑dF4y2Ba

自动加油的过程中,两个无人机需要保持相对静止的。假设油轮飞平行于地面,接收机的态度和油轮是一致的,也就是说,稳定在期望的姿态角(0 0 0)。某种类型的固定翼无人机为例,模拟和初始参数设置模拟和验证控制效果。孔侑dF4y2Ba

的估计结果的态度角度如图孔侑dF4y2Ba14孔侑dF4y2Ba。无人机模型的非线性和不确定性,该方法能够准确估计姿态角的变化,和估计精度高。孔侑dF4y2Ba

(一)孔侑dF4y2Ba
(一)孔侑dF4y2Ba
(b)孔侑dF4y2Ba
(b)孔侑dF4y2Ba
(c)孔侑dF4y2Ba
(c)孔侑dF4y2Ba
图14孔侑dF4y2Ba
估计曲线的态度角度。(一)的估计曲线孔侑dF4y2Ba 。孔侑dF4y2Ba(b)的估计曲线孔侑dF4y2Baθ孔侑dF4y2Ba。(c)的估计曲线孔侑dF4y2Baψ。孔侑dF4y2Ba

图孔侑dF4y2Ba15孔侑dF4y2Ba显示了姿态角的跟踪结果比较在不同的控制算法。从图孔侑dF4y2Ba15孔侑dF4y2Ba与传统的PID相比,该方法的控制精度更好,态度变化相对稳定,可以快速达到稳态和稳态误差很小。孔侑dF4y2Ba

(一)孔侑dF4y2Ba
(一)孔侑dF4y2Ba
(b)孔侑dF4y2Ba
(b)孔侑dF4y2Ba
(c)孔侑dF4y2Ba
(c)孔侑dF4y2Ba
图15孔侑dF4y2Ba
控制输出的态度的比较角度。(一)的输出曲线孔侑dF4y2Ba 。孔侑dF4y2Ba(b)的输出曲线孔侑dF4y2Baθ孔侑dF4y2Ba。(c)的输出曲线孔侑dF4y2Baψ。孔侑dF4y2Ba

4所示。结论孔侑dF4y2Ba

我们提出一个EKF-AF pid的无人机姿态控制算法,本文的算法可以提高控制精度和ACS。建立一种态度基于卡尔曼滤波器的估计方法和自适应模糊PID算法设计,最后的仿真平台建立了ACS模拟和验证控制效果。孔侑dF4y2Ba

EKF-AF pid的无人机姿态控制算法可以准确估计态度变化,控制精度高;与此同时,快速控制时间和小错误。研究结果可以解决复杂系统的高精度和快速稳定之间的矛盾在一定程度上。孔侑dF4y2Ba

数据可用性孔侑dF4y2Ba

使用的数据来支持本研究的结果包括在本文中。孔侑dF4y2Ba

的利益冲突孔侑dF4y2Ba

作者宣称没有利益冲突。孔侑dF4y2Ba

确认孔侑dF4y2Ba

这项研究得到了中国自然科学基金(61973094)、茂名自然科学基金会(2020 s004),和广东基础研究和应用基础研究基金项目(2020 b1515310003)。孔侑dF4y2Ba