一种静不稳定无人机的跃升与俯冲机动控制方法与流程

本发明涉及飞行器自动控制
技术领域：
，尤其是一种静不稳定无人机的跃升与俯冲机动控制方法。
背景技术：
：在军用领域，快速跃升机动飞行对于增强无人机的复杂任务的执行能力，提高其在战斗中的生存概率具有重要意义。例如，对快速移动目标的追踪与打击，组成编队飞行，以及躲避攻击等。然而在该机动飞行中，无人机表现出的强非线性动态以及通道间的气动耦合与操纵耦合特性对控制器的设计提出了巨大的挑战；同时，为了增强机动性而放宽静稳定度更增加了控制的难度。目前大多数的无人机机动飞行控制方法均是仿照有人驾驶飞机的机动控制中而设计，两者之间的区别主要在于无人机忽略了飞行员的人为操控因素另一方面，现有的飞行器机动飞行控制方法着重研究了快速机动中非线性运动耦合与不确定性补偿等问题，没有综合考虑快速机动中通道间操纵耦合与静不稳定特性对控制的影响。针对上述存在的问题，本发明综合了非线性逆控制与鲁棒自适应控制方法的优势，提出了一种新的针对静不稳定无人机纵向快速机动飞行控制器设计方法，具有极强的实际意义。技术实现要素：本发明的目的是克服现有技术存在的缺陷，提供一种静不稳定无人机的跃升与俯冲机动控制方法，通过前馈加反馈的形式准确地补偿了静不稳定性造成的不稳定力矩，从而在不破坏无人机机动性能的前提下实现大幅度的纵向机动自主飞行控制。为了实现本发明的目的，所采用的技术方案是：本发明的静不稳定无人机的跃升与俯冲机动控制方法，其中控制系统包括非线性逆控制器、解耦模型控制器和鲁棒自适应控制器，所述非线性逆控制器对无人机纵向飞行动态进行解耦，以解耦后的理想动态构造所述解耦模型控制器的参考解耦模型，所述鲁棒自适应控制器采用鲁棒自适应非线性逆控制对不确定性扰动进行抑制。本发明所述非线性逆控制器将静不稳定性对俯仰通道的影响表示成法向过载、无人机质量与静不安定度的组合，在非线性逆控制中对静不稳定力矩进行补偿控制，从而使得对静不稳定力矩的补偿更加精确，其构建步骤为：步骤101：构造静不稳定俯仰补偿力矩ΔMs，将其表示成如下乘积的形式：ΔM=lc‾·Az·m]]>其中，为无人机气动焦点至重心的距离，m为无人机的质量，Az表示无人机机体轴法向合加速度；步骤102：构造含有静不稳定俯仰补偿力矩的非线性逆控制俯仰控制力矩M和发动机推力控制量T：MT=-c3cm0ct-1Fq+lc‾·Az·m-aq·q-bq·MaFV-av·V-bv·Ta]]>其中：cm为重心到推力矢量的距离；q、V、p和r分别为俯仰角速率、空速、滚转角速率和偏航角速率；α、β和γ为迎角、侧滑角和航迹倾斜角；Ax、Ay和Az分别为机体坐标系内的轴向、侧向和法向合加速度；Ix、Iy、Iz和Ixz表示无人机的转动惯量和惯性积；aq、bq、av和bv为控制器参数；Ma和Ta为所述鲁棒自适应控制器的自适应控制输入。本发明所述参考解耦模型的俯仰通道与速度通道分开构建，由于参考解耦模型的俯仰通道与速度通道不存在耦合，可以单独分开设计，所述参考解耦模型的构造方法包括以下步骤：步骤201：构造如下俯仰通道二阶参考模型：X^·=AmX^+BmrY^=CmX^]]>其中：为估计状态向量，和分别迎角和俯仰角速率的估计值；为输出估计值，r为迎角给定指令；(Am，Bm，Cm)为参考模型参数；步骤202：构造如下速度通道一阶参考模型：V^·=amv·V^+bmv·rv]]>其中，为速度状态估计值，rv为速度给定指令，为参考模型参数。本发明所述鲁棒自适应控制器参数的初值与所述非线性逆控制器的控制参数和所述参考解耦模型的参数存在等价关系，所述鲁棒自适应控制器的设计包括以下步骤：步骤301：设计俯仰通道的鲁棒自适应控制Ma以及自适应律：Ma=k^α·α+k^q·q+θ^r·r+θ^1·Fq]]>Θ^·=Proj(Θ^,-ΓeTPBω)]]>其中：为自适应参数，ω＝[αqrFq]T，即状态偏差，且P＝PT＞0为Lyapunov方程的对称正定解，Q＝QT＞0，Γ＝ΓT＞0为自适应增益阵，Proj为投影算子；步骤302：构造发动机通道的鲁棒自适应控制Ta以及鲁棒自适应律：Ta=k^v·V+k^rrv-θ^2·FV]]>Θ^·v=Proj(Θ^v,-ΓvevTbvωv)]]>其中：ωv＝[VrvFV]T，步骤303：建立如下参数等价关系：A+B·[k^α(0)k^q(0)]=AmB·θ^r(0)=Bm]]>av+bv·k^v(0)=amvbv·k^r(0)=bmv]]>其中：为步骤301和302中自适应参数的初值。本发明的静不稳定无人机的跃升与俯冲机动控制方法的有益效果是：本发明的静不稳定无人机的跃升与俯冲机动控制是基于多通道内环非线性逆控制与鲁棒自适应控制相结合的方法，该方法通过前馈加反馈的形式准确地补偿了静不稳定性造成的不稳定力矩，从而在不破坏无人机机动性能的前提下，高品质地完成了大幅度的纵向机动自主飞行控制，增强了控制系统的鲁棒性，使得对无人机爬升率与下滑率的控制更快速、准确。附图说明下面结合附图和具体实施方式对本发明作进一步详细的说明。图1是本实施例的静不稳定无人机的跃升与俯冲机动控制方法的控制系统原理框图；图2是本实施例的无人机快速跃升与俯冲机动三维轨迹曲线；图3是本实施例的无人机爬升率与俯冲率响应曲线；图4是本实施例的无人机指示空速响应曲线；图5是本实施例的无人机机体轴法向加速度响应曲线。其中：非线性逆控制器1、解耦模型控制器2、鲁棒自适应控制器3。具体实施方式在本发明的描述中，需要理解的是，术语“径向”、“轴向”、“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。如图1所示，本实施例的静不稳定无人机的跃升与俯冲机动控制方法的控制系统包括非线性逆控制器1、解耦模型控制器2和鲁棒自适应控制器3，非线性逆控制器1对无人机纵向飞行动态进行解耦，以解耦后的理想动态构造解耦模型控制器2的参考解耦模型，鲁棒自适应控制器3采用鲁棒自适应非线性逆控制对不确定性扰动进行抑制。本实施例的静不稳定无人机的跃升与俯冲机动控制方法是基于多通道内环非线性逆控制系统，该方法通过前馈加反馈的形式准确地补偿了静不稳定性造成的不稳定力矩，从而在不破坏无人机机动性能的前提下，高品质地完成了大幅度的纵向机动自主飞行控制，增强了控制系统的鲁棒性，使得对无人机爬升率与下滑率的控制更快速、准确。本实施例中的非线性逆控制器1的设计包括以下步骤：步骤101：构造静不稳定俯仰补偿力矩ΔMs，将其表示成如下乘积的形式：ΔM=lc‾·Az·m]]>其中，为无人机气动焦点至重心的距离，m为无人机的质量，Az表示无人机机体轴法向合加速度；步骤102：构造含有静不稳定俯仰补偿力矩的非线性逆控制俯仰控制力矩M和发动机推力控制量T：MT=-c3cm0ct-1Fq+lc‾·Az·m-aq·q-bq·MaFV-av·V-bv·Ta]]>其中：cm为重心到推力矢量的距离；q、V、p和r分别为俯仰角速率、空速、滚转角速率和偏航角速率；α、β和γ为迎角、侧滑角和航迹倾斜角；Ax、Ay和Az分别为机体坐标系内的轴向、侧向和法向合加速度；Ix、Iy、Iz和Ixz表示无人机的转动惯量和惯性积；aq、bq、av和bv为控制器参数；Ma和Ta为鲁棒自适应控制器3的自适应控制输入。本实施例中的解耦参考模型的构造方法包括以下步骤：步骤201：构造如下俯仰通道二阶参考模型：X^·=AmX^+BmrY^=CmX^]]>其中：为估计状态向量，和分别迎角和俯仰角速率的估计值；为输出估计值，r为迎角给定指令；(Am，Bm，Cm)为参考模型参数；步骤202：构造如下速度通道一阶参考模型：V^·=amv·V^+bmv·rv]]>其中，为速度状态估计值，rv为速度给定指令，为参考模型参数。本实施例中的鲁棒自适应控制器3的设计包括以下步骤：步骤301：设计俯仰通道的鲁棒自适应控制Ma与自适应律：Ma=k^α·α+k^q·q+θ^r·r+θ^1·Fq]]>Θ^·=Proj(Θ^,-ΓeTPBω)]]>其中：为自适应参数，ω＝[αqrFq]T，即状态偏差，且P＝PT＞0为Lyapunov方程的对称正定解，Q＝QT＞0，Γ＝ΓT＞0为自适应增益阵，Proj为投影算子；步骤302：构造发动机通道的鲁棒自适应控制Ta以及鲁棒自适应律：Ta=k^v·V+k^rrv-θ^2·FV]]>Θ^·v=Proj(Θ^v,-ΓvevTbvωv)]]>其中：ωv＝[VrvFV]T，步骤303：建立如下参数等价关系：A+B·[k^α(0)k^q(0)]=AmB·θ^r(0)=Bm]]>av+bv·k^v(0)=amvbv·k^r(0)=bmv]]>其中：为步骤301和302中自适应参数的初值。如图2-4所示，下面以某型小展弦比、大推重比、高机动性无人机为例，其静不安定度标称值为5％。对本发明的技术方案做进一步的详细说明：1.构造如下俯仰通道二阶解耦参考模型：2.构造如下速度通道一阶参考模型：3.设计如下控制器：MT=-c3cm0ct-1Fq+lc‾·Az·m-aq·q-bq·MaFV-av·V-bv·Ta]]>Ma=k^α·α+k^q·q+θ^r·r+θ^1·Fq]]>Θ^·=Proj(Θ^,-ΓeTPBω)]]>Ta=k^v·V+k^rrv-θ^2·FV]]>Θ^·v=Proj(Θ^v,-ΓvevTbvωv)]]>其中：cm为重心到推力矢量的距离。q，V，p，r分别为俯仰角速率、空速，滚转角速率与偏航角速率；α，β，γ为迎角、侧滑角与航迹倾斜角；Ax，Ay，Az分别为机体坐标系内的轴向、侧向与法向合加速度；Ix、Iy、Iz、Ixz表示无人机的转动惯量和惯性积。为自适应参数；ω＝[αqrFq]T；即状态偏差；且P＝PT＞0为Lyapuno方程的对称正定解，Q＝QT＞0；Γ＝ΓT＞0为自适应增益阵；Proj为投影算子。ωv＝[VrvFV]T，其参数值如下表所示：表1控制参数表仿真条件为：在海拔1000m、表速200m/s点建立平飞模态，10秒之后以80m/s的爬升率完成快速跃升，10秒后再转成平飞模态，紧接着以-80m/s的下滑率实现快速俯冲，整个机动过程中保持表速不变，其三维位移曲线如图2，X轴、Y轴和H轴分别表示无人机在三个维度上的位移量。同时，为了说明该控制方法(RMRAC)的优越性，选取基于鲁棒伺服LQR最优控制器(RSLQR)进行对比仿真。仿真曲线如图3、4、5所示，相较与单通道设计的LQR最优控制器，基于多通道全状态反馈的内环非线性逆控制器1具有明显的解耦能力，使得对爬升率与下滑率的控制更快速、准确。应当理解，以上所描述的具体实施例仅用于解释本发明，并不用于限定本发明。由本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。当前第1页1 2 3