无人机飞行控制方法研究现状与发展
第２９卷第２期飞行力学Ｖ０１．２９Ｎｏ．２２０１１年４月ＦＬＩＧＨＴＤＹＮＡＭＩＣＳＡｐｒ．２０１１无人机飞行控制方法研究现状与发展李一波，李振，张晓东（沈阳航空航天大学自动化学院，辽宁沈阳１１０１３６）摘要：飞行控制的基本目的是改善飞机的稳定性和操纵性，从而提高执行任务的能力。结合近年来国内外的发展状况和一些主要的研究成果，首先对当前无人机飞行控制领域中的最新研究进行了概述，包括反馈线性化、反步控制、滑模变结构控制、非线性Ｈ。和灿综合鲁棒控制等非线性设计方法，分析了各自的特点，然后针对传统ＰＩＤ控制算法存在的诸多缺陷，介绍了几种在无人机飞行控制中常见的智能ＰＩＤ控制，最后分析总结了存在的问题及未来的发展方向。关键词：无人机；反馈线性化；反步控制；滑模变结构控制；智能ＰＩＤ中图分类号：Ｖ２４９．１文献标识码：Ａ文章编号：１００２－０８５３（２０１１）０２－０００１－０５引言１反馈线性化自１９１３年世界上出现第一个自动驾驶仪以来，反馈线性化是从２０世纪８０年代初发展起来无人机受到越来越多国家的重视，发展迅猛。鉴于的，包括微分几何方法和动态逆方法两个分支…。其独有的低成本、低损耗、零伤亡、可重复使用和高微分几何方法在理论上比较容易展开，但是比较抽机动等诸多优势，其使用范围已拓宽到军事、民用和象，不便在工程上推广应用。对于飞行控制系统，动科学研究三大领域。目前，无人机的研究热点问题态逆是研究最广泛的反馈线性化方法。该方法是通主要有五个方面：飞行器本身的模型建立、飞行器的过对非线性系统进行微分变换，使系统变成具有线控制性能等的研究；无人机任务规划与控制站操作性传递关系的、已解耦的伪线性系统，能够解决各通等的研究；有效载荷（各种检测、识别、机载雷达等）道间的耦合问题。文献［２］将反馈线性化与积分控的研究；数据链路的研究，包括输出传输优化及抗干制、ＬＱＲ最优控制相结合设计了位置跟踪控制器并扰性能研究；无人机的发射与回收。其中，飞行器本应用于无人机中，实验结果表明，该控制器不受涡激身的模型建立和飞行控制系统的性能以及无人机发风的影响，能有效维持多无人机编队与重新编队。射和回收都是飞行控制研究的主要问题。文献［３］设计了一个基于非线性动态逆的测量装置飞行控制系统是无人机的核心，无人机要完成用来评估无人机飞行控制参数。文献［４］提出一种自主飞行，需要控制系统对内回路（姿态回路）和外基于反馈线性化和Ｌｙａｐｕｎｏｖ设计方法相结合的自回路（水平位置和高度回路）都具有良好的控制特适应控制器，并与最优控制器做比较，实验结果表性。另外，研究无人机的飞行控制过程必须考虑的明，该自适应控制器在参数不确定的情况下，变量跟问题有：运动方程是非线性的；各通道间存在耦合；踪误差指数仍能收敛到零并有效完成路径跟踪。存在时滞、惯性；输入不确定性；模型不确定性等。相关理论、仿真及试飞验证都表明，反馈线性化当前无人机飞行控制系统的性能要求越来越复的优点【５１有：（１）在整个周期内，其设计具有很大的杂，经典控制方法难以处理、协调系统的多变量输入灵活性，能够适应飞机模型的变化；（２）能够满足大输出特性。随着现代控制理论的发展，出现了许多迎角、超机动等非常规控制要求；（３）增益预置不要非线性控制方法，本文对几种典型非线性控制方法求在飞机的飞行包线内确保飞控系统的稳定性。在飞行控制领域中的应用进行了总结，并分析了各反馈线性化的主要限制旧１是：反馈线性化要求自的优缺点。此外，针对经典ＰＩＤ控制算法存在的高度准确地建立飞机非线性力和力矩模型，对建模缺陷，结合智能控制技术，重点介绍了几种飞行控制误差敏感，且不能处理动态系统的未知变化及扰动。系统中常见的智能ＰＩＤ控制。这些缺点使得反馈线性化技术很难适应于无人机这收稿日期：２０１０－０６—１７；修订日期：２０１０・ｌｌ—ｌＯ基金项目：辽宁省教育厅科学技术研究项目（２００８５５０）作者简介：李一波（１９６３．），男，吉林四平人，教授／博导，研究方向为模式识别与智能系统、飞行器自主控制技术；李振（１９８５．），男，山东禹城人，硕士研究生，研究方向为飞行器自主控制技术。万方数据
２飞行力学第２９卷样复杂的非线性不确定系统。文献［７］采用日。鲁棒控制与非线性动态逆相结合设计了无人机飞行控制系统，有效地解决了非线性动态逆存在的参数摄动、控制效果不理想的问题，使得控制系统具有良好的动态性能、跟踪性能、解耦性能和鲁棒性能。文献［８］以动态逆控制方法为基础，使用神经网络控制与动态非线性阻尼控制综合的控制方法进行补偿，以提高非线性飞控系统的鲁棒性。２反步控制反步控制（Ｂａｃｋｓｔｅｐｐｉｎｇ）是在２０世纪８０年代末期，由南斯拉夫科学家Ｋｏｋｏｔｏｖｉｃ发展起来的一种非线性控制方法。该方法针对级联线性／非线性系统，通过一步步选取适当的控制Ｌｙａｐｕｎｏｖ函数，逐步构造辅助控制输入的同时补偿不确定性的影响，最终得到稳定的控制律。文献［９］在２０世纪９０年代中后期最早将Ｂａｃｋｓｔｅｐｐｉｎｇ应用于飞控系统中，做了一些初步的研究工作。文献［１０］构造了控制Ｌｙａｐｕｎｏｖ函数，研究了简化飞机模型的控制器设计。文献［１１］结合滚转动力学方程应用Ｂａｃｋｓｔｅｐｐｉｎｇ得出滚转角，设计了路径跟踪控制器，并通过小型固定翼无人机进行验证。实验结果表明，该无人机在人的最小干预下能有效避障并完成目标跟踪。反步控制应用于飞控系统中具有两个显著优点：一是在控制器设计过程中可以处理一大类非线性、不确定性的影响，而且稳定性及误差的收敛性已经得到证明；二是采用该方法设计的控制器收敛速度很快，在损伤或者故障状态下这种方法非常有效。然而也应看到该方法的不足之处，即控制系统的鲁棒性以及作动器的速率和位置饱和问题，这可以用其他方式加以补偿。文献［１２．１３］在反步控制的基础上引入了自适应控制，进一步改善了反步控制的控制性能，扩大了应用空间。文献［１４］设计了带积分器的自适应反步飞行控制系统，该控制系统将反步控制与滑模控制相结合，避免了典型反步控制中存在的参数饱和问题。３滑模变结构控制滑模变结构控制方法是苏联学者Ｅｍｅｌｙａｎｏｖ于１９６４年提出来的。滑模变结构控制的基本思想是：首先将从任一点出发的状态轨线通过控制作用拉到某一指定的直线，然后沿着直线滑动到原点。滑模变结构控制在无人机控制系统设计中有两种应用方式∞Ｊ：一种是直接方式，即直接应用非线性系统的滑模变结构控制。文献［１５］研究了一类欠驱动系统的滑模控制。文献［１６］研究了一种自适应滑模控万方数据制器。文献［１７］将滑模控制应用于无尾飞行器的飞行控制。另一种是间接方式，首先将无人机非线性模型反馈线性化，然后再利用线性系统的滑模变结构控制进行控制系统综合。斯坦福大学采用滑模控制与动态逆相结合的设计方法并在ｄｒａｇｏｎｆｌｙ无人机上得到验证¨８｜。文献［１９］设计了基于线性化模型的无人机滑模变结构控制器。滑模变结构具有快速响应、对系统模型的不确定性和外部扰动是鲁棒的和不敏感的、物理实现简单等诸多优点。其缺点在于当状态轨迹到达滑模面后，难以严格地沿着滑模面向着平衡点滑动，而是在滑模面两侧来回穿越，从而产生抖振现象。一些文献采用滑模控制与自适应控制相结合的方法来解决系统不确定项的匹配问题，而在滑动流形附近引入一边界层，采用饱和函数代替开关函数，可以有效抑制抖振：２０－２１］。４非线性日。和肛综合鲁棒控制非线性日。控制理论由加拿大学者Ｚａｍｅｓ首创，在２０世纪９０年代得到重要发展。日。控制的基本思想是：用Ｈ。范数作为目标函数的度量进行控制系统的设计，使系统干扰至误差的传递函数的Ｈ。范数最小，从而使具有有限功率谱的干扰对误差的影响降到最小程度。Ｈ。控制本质上可以认为是鲁棒控制的一个分支。在飞行控制系统设计中，应用Ｈ。控制具有良好的鲁棒性，能够达到预期的性能指标。文献［２２］研究了Ｈ。状态反馈方法在无人机纵向控制律设计中的应用，但对于结构不确定性，日。控制常常存在设计上的保守性。因此，美国人Ｂｅｒｎｓｔｅｉｎ和Ｈａｄｄａｄ提出了峨／Ｈ。混合控制的思想，既可以解决必控制的鲁棒性和抗干扰差的问题，又可以解决日。控制动态性能差的问题。文献［２３］将４／Ｈ。混合思想应用于飞行器的最优控制。国内也有许多学者将ＨＪＨ。控制应用在飞控系统中Ⅲ蚓。肛综合算法通常采用美国学者Ｄｏｙｌｅ在１９８５年提出的Ｋ－Ｄ迭代算法。肛理论的关键思想是：通过输入、输出、传递函数、参数变化、摄动等所有线性关联重构，以隔离所有摄动。在飞行控制设计中，ｐ综合鲁棒控制【２钆将飞行品质要求及飞行控制系统的设计要求转化为肛综合设计框架中权函数的选择，同时考虑了系统鲁棒稳定性、鲁棒性能及系统的动态性能，设计方法物理概念清晰，系统结构直观。肛综合鲁棒控制的缺点是设计的控制器阶数太高，控制系统过于复杂，因此，需要在鲁棒性和控制器复杂程度之间做合理的折衷。鉴于飞行控制系统的复杂性，肛综合控制在飞控方面的应用还不太多。
第２期李一波等．无人机飞行控制方法研究现状与发展３５智能ＰＩＤ控制在典型的无人机控制系统设计中，ＰＩＤ控制器以其结构简单、鲁棒性好、易于整定等优点广泛地被采用。然而经典ＰＩＤ控制适合于单人单出线性系统，在处理非线性多变量控制系统、保证系统的抗外部干扰能力、尤其对系统参数摄动的鲁棒性等方面都无法收到满意的效果，限制了飞行控制动态性能和稳态性能的提高。近年来，智能控制无论是理论上还是应用技术上均得到了长足的发展，随之不断涌现出将智能控制和常规ＰＩＤ控制融合在一起的新方法，形成了多种智能ＰＩＤ控制器。５．１基于专家系统的ＰＩＤ控制器专家控制的实质是基于受控对象和控制规律的各种知识，并以智能的方式利用这些知识来设计控制器，使得受控系统尽可能地优化和实用化。文献［２７］研究了一种在“自由号”空间站模拟电力负荷的专家系统，利用专家经验来设计ＰＩＤ参数以构成专家ＰＩＤ控制，该控制器能根据专家知识和经验在线优化ＰＩＤ参数，具有良好的控制特性和鲁棒性。专家知识的获取和试验经验的总结在专家ＰＩＤ控制中占重要的地位，它的知识全面性和推理智能度对系统的控制效果有很大影响，这成为控制器设计的一个难点。目前，专家ＰＩＤ控制在工业过程控制中应用较多，在无人机方面应用较少。文献［２８］将专家ＰＩＤ应用于小型无人机导航控制算法中，该设计方法提高了小型无人机的飞行机动能力和稳定性。５．２基于模糊控制的ＰＩＤ控制器１９６５年，美国加州大学ＬＡＺａｄｅｈ提出模糊集ＦｕｚｚｙＳｅｔ理论，２０世纪８０年代模糊控制器已在许多领域推广。模糊控制不需要获知系统的精确数学模型，它是以操作人员的经验为基础，根据操作者经验的语言表达来确定各个参数和控制规律，然后在实际系统中进行调试和整定。文献［２９］将传统控制方法与模糊控制方法相结合设计了高度保持模式下的自动驾驶仪。文献［３０］设计了一种基于模糊逻辑的无人机自主导航控制器。文献［３１］研究了基于模糊逻辑的无人驾驶飞行器闭环捷联姿态系统。模糊控制器与传统ＰＩＤ控制器相比，具有调节速度快、鲁棒性好等优点，但稳态精度差。将模糊控制和ＰＩＤ控制两者结合起来，扬长避短，既具有模糊控制灵活、适应性强的优点，又具有ＰＩＤ控制精度高的特点。１９８３年，ｗＬＢｉａｌｋｏｗｓｋｉ提出一种混合型模糊ＰＩＤ控制器。１９８８年，ＭＢａｓｓｅｖｉｌｌｅ提出一种对误差ｅ的模糊值进行积分的ＰＩＤ模糊控制器。ＫＳＴａｎｇ在ＤＭｉｓｉｒ提出的模糊ＰＩＤ控制器的基础上，提万方数据出了一种最优模糊ＰＩＤ控制器。目前国内已有不少学者将模糊ＰＩＤ应用在飞行控制系统中。文献［３２］设计了模糊自适应ＰＩＤ控制器，可有效实现无人机的纵向姿态控制和纵向航迹跟踪。仿真结果表明，其响应快、超调小、精度高，而且鲁棒性和自适应能力也较强，可满足自主飞行的要求。文献［３３］设计了模糊ＰＩＤ控制器并在三自由度飞行器上进行验证。文献［３４］对直升机模型的俯仰部分应用了模糊ＰＩＤ控制方法。模糊ＰＩＤ控制在飞行控制设计中的不足表现为实际控制效果存在一定的稳态误差，在不同条件下的适应性有待提高。５．３基于神经网络的ＰＩＤ控制器１９４３年，美国心理学家ＭｃＣｕｌｌｏｃｈ和数学家Ｐｉｔｓ合作，提出了第一个神经元模型，从此开始了神经科学理论研究的时代。真正人工智能的神经网络系统研究始于２０世纪５０年代末。１９５７年，Ｒｏｓｅｎｂｌａｔ提出了感知器模型，试图模拟动物和人脑的感知和学习功能，并提出引入隐层处理元件的三层感知器概念。１９８２年，美国加州工学院物理学家Ｈｏｐｆｉｅｌｄ提出ＨＮＮ模型，使神经网络的研究有了突破性进展。进入２０世纪９０年代以来，神经网络的研究进入了一个空前高涨时期，诸如ＢＰ网络、ＲＢＦ网络等模型相继提出，神经网络控制作为一种新兴的控制技术开始进入飞行控制的研究领域。文献［３５］已将神经网络应用于飞行器的气动参数辨识、非线性飞行控制和飞行故障诊断等方面。近年来神经网络以其独特的优点引起了控制领域极大的关注和重视，神经网络可以充分逼近任意复杂的非线性系统，可以自学习和自适应复杂的不确定系统，故有很强的鲁棒性和容错性。文献［３６］将ＣＭＡＣ神经网络应用于小型无人机并联式混合推进控制系统中。文献［３７］设计了基于自适应神经模糊推理的无人机自主飞行控制系统。但神经网络在应用中也存在自身的弱点：响应速度慢、训练和学习时间很长、动态性能指标差和需要大量的训练数据等。随着神经元网络的研究和应用，人们开始将神经网络与传统ＰＩＤ结合起来，以便改进传统ＰＩＤ控制的性能，并已取得一些成果。目前已经提出的神经网络和ＰＩＤ控制相结合的方法可以归结为两种类型：（１）采用神经元网络确定ＰＩＤ参数；（２）单神经元ＰＩＤ控制器。５．３．１神经网络ＰＩＤ控制器这种方法是在常规ＰＩＤ控制器的基础上，加入一个神经网络控制器。神经网络控制器实际是一个前馈控制器，它建立的是被控对象的逆向模型。神经网络控制器通过向传统控制器的输出进行学习，
《无人机飞行控制方法研究现状与发展.doc》
将本文的Word文档下载，方便收藏和打印
