一种考虑气动耦合的无人机密集编队建模方法及系统

1.本发明属于航空飞行器控制领域，涉及一种考虑气动耦合的无人机密集编队建模方法及系统。


背景技术：

2.无人机飞行具有较强的非线性、强耦合特性等特点，并且飞行环境复杂，操控响应存在延迟等因素。无人机编队控制飞行不仅面临无人机本身控制所面临的难题，同时还要克服编队间耦合、相对位置保持、队形变换、防碰撞等问题。
3.充分利用无人机编队间的空气动力学关系，应用良好的控制方法，保持编队飞行控制系统的稳定性和良好的动态特性是设计的关键。
4.在考虑无人机松散编队飞行时，编队间的气动耦合效应可以忽略不计。然而，随着各国航空体系日渐完善、任务环境越来越复杂，松散编队飞行已经很难满足任务需求。因此，无人机紧密编队成为研究的热点。在进行紧密编队研究时，需要考虑长机尾流对僚机的耦合影响。


技术实现要素：

5.本发明的目的在于解决现有技术中的问题，提供一种考虑气动耦合的无人机密集编队建模方法及系统，能够有效的提高飞行控制系统的稳定性和良好的动态特性。
6.为达到上述目的，本发明采用以下技术方案予以实现：
7.一种考虑气动耦合的无人机密集编队建模方法，包括：
8.根据长机的飞行状态，构建长机自动驾驶仪模型；
9.构建在长机和僚机的气动耦合关系的影响下的僚机自动驾驶仪模型；
10.对长机自动驾驶仪模型和僚机自动驾驶仪模型进行处理，获取长机和僚机间的相对运动学模型；
11.对相对运动学模型进行处理，获取长机和僚机之间的相对位置关系模型；
12.根据解耦相对运动学方程的结果，将相对运动学模型划分为不同通道；
13.根据所划分的不同通道之间的间隔指令，构建密集编队的控制器模型；
14.结合长机自动驾驶仪模型、僚机自动驾驶仪模型、相对运动学模型、相对位置关系模型和控制器模型，构建密集编队的控制模型。
15.本发明的进一步改进在于：
16.长机的飞行状态包括速度、航向和高度。
17.构建长机自动驾驶仪模型具体为：
[0018][0019]
其中，v、ψ、h分别表示飞机的速度、航向和高度；下标c表示编队控制指令，τv为速度时间常数，τ
ψ
为航向时间常数，τh为高度时间常数。
[0020]
长机和僚机的气动耦合关系为长机对僚机的上洗流引起的上洗力；上洗力引起僚机迎角的变化，导致升力、阻力向量的旋转和大小改变；根据耦合因素产生的根源，对涡流影响简化计算，其影响表示为僚机升力l、阻力d、侧力y的改变；
[0021][0022]
其中，为动压；s为机翼面积，c为升力系数。
[0023]
僚机自动驾驶仪模型为：
[0024][0025]
其中，x、y、z是编队间隔相对额定间隔的误差量。
[0026]
长机和僚机间的相对运动学模型为：
[0027][0028]
其中，ξ为中间变量，表示为矩阵形式：
[0029]
[0030][0031]
u＝[v
wc ψ
wc h
wc v
l ψ
l h
lc
]
t
ꢀꢀ
(7)
[0032]
划分相对运动学模型为不同通道具体为：
[0033]
根据无人机编队运动自然的结构关系，将无人机的运动划分为三组：
[0034]
x通道：
[0035][0036]
y通道：
[0037][0038]
z通道：
[0039][0040]
构建密集编队的控制器模型为：首先对侧向y通道和高度z通道进行控制器模型设计，然后再对纵向x通道进行设计；
[0041]
所述控制器模型为：
[0042][0043][0044][0045]
式中，v
wc
为控制器速度指令、ψ
wc
为控制器航向指令、h
wc
为控制器高度指令，k
xp
、k
yp
、k
zp
为比例系数，k
xi
、k
yi
、k
xi
为积分系数，ve、ψe代表速度、航向误差，k
x
、ky、kz为方向偏差控制增益，δxe、δye、δze为相应x、y、z方向的间隔距离误差。
[0046]
一种考虑气动耦合的无人机密集编队建模系统，包括：
[0047]
第一构建模块，所述第一构建模块用于根据长机的飞行状态，构建长机自动驾驶仪模型；
[0048]
第二构建模块，所述第二构建模块用于构建在长机和僚机的气动耦合关系的影响下的僚机自动驾驶仪模型；
[0049]
第一模型处理模块，所述第一模型处理模块用于对长机自动驾驶仪模型和僚机自动驾驶仪模型进行处理，获取长机和僚机间的相对运动学模型；
[0050]
第二模型处理模块，所述第二模型处理模块用于对相对运动学模型进行处理，获取长机和僚机之间的相对位置关系模型；
[0051]
划分模块，所述划分模块用于根据解耦相对运动学模型的结果，将相对运动学模型划分为不同通道；
[0052]
第三构建模块，所述第三构建模块用于根据所划分的不同通道之间的间隔指令，构建密集编队的控制器模型；
[0053]
结合模块，所述结合模块用于结合长机自动驾驶仪模型、僚机自动驾驶仪模型、相对运动学模型、相对位置关系模型和控制器模型，构建密集编队的控制模型。
[0054]
与现有技术相比，本发明具有以下有益效果：
[0055]
本发明公开了一种考虑气动耦合的无人机密集编队建模方法及系统，在无人机密集编队飞行时，长机尾流对于僚机飞行会产生影响的情况下，本发明提出的无人机密集编队建模方法，对于无人机紧密编队中的队内位置变换、机间防撞问题进行了改善，在面临复杂飞行环境时提高编队可靠性与安全性。同时本发明在建立模型时，编队中无人机自驾仪采用改进的考虑启动耦合的二阶无人机自动驾驶仪模型。二阶自动驾驶仪模型相较于一阶自动驾驶仪模型不仅使得航向和高度响应明显得到改善，而且比大时间常数的一阶自动驾驶仪模型的响应更加符合实际。
附图说明
[0056]
为了更清楚的说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0057]
图1为本发明的考虑气动耦合的无人机密集编队建模方法的流程图；
[0058]
图2为涡流简化模型图；
[0059]
图3为僚机机翼受力分析图；
[0060]
图4为长机、僚机相对运动图；
[0061]
图5为本发明的考虑气动耦合的无人机密集编队飞行控制模型图；
[0062]
图6为本发明的考虑气动耦合的无人机密集编队建模系统的结构图。
具体实施方式
[0063]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0064]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0065]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0066]
在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”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，或者是该发明产品使用时惯常摆放的方位或位置关系，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。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0067]
此外，若出现术语“水平”，并不表示要求部件绝对水平，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
[0068]
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“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，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。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。
[0069]
下面结合附图对本发明做进一步详细描述：
[0070]
参见图1，图1公布了一种飞机多机密集编队气动耦合建模方法，具体为：
[0071]
本发明所述建模方法中密集编队策略采用领队-跟随的编队方式，有一架长机与多架僚机，长机的飞行完全独立于僚机，编队各僚机具有相同的飞行品质，采用相同的自动驾驶仪。
[0072]
建立考虑气动耦合的飞机密集编队建模步骤如下：
[0073]
步骤一：根据长机的飞行状态，构建长机自动驾驶仪模型。
[0074]
密集编队中长机自动驾驶仪采用常规方式建立数学模型，其飞行不受僚机尾流影响，控制器设计采用常规无人机飞行控制律设计。假设编队中每架飞机都相同，为更精确描述真实飞机驾驶仪模型，编队保持稳定飞行的自动驾驶仪采用二阶模型。
[0075]
具体的，建立的长机自动驾驶仪模型如公式(1)所示：
[0076][0077]
步骤二：气动耦合关系。
[0078]
涡流模型采用马蹄涡简化模型研究紧密编队中僚机受到长机翼尖涡流的影响，如图2所示。图2中，b为翼展，表示两机之间纵向相对距离，表示两机之间横向相对距离，γ为长机所产生的涡流强度。
[0079]
利用升力线理论将编队中无人机用基本的马蹄涡模型替代。在马蹄涡简化模型基础上对僚机机翼进行受力分析，具体分析如图3所述。α为无洗流影响时的飞机迎角，δα为长机上洗流所引起的僚机迎角增量，w为上洗流速度，v为无涡流影响下的僚机速度，v
′
为洗流影响后速度，l为无涡流影响下的升力，l'为洗流影响产生的升力，δl为升力增量，d为无涡流影响下的升力，d'为洗流影响产生的升力，δd为升力增量。
[0080]
长机和僚机的气动耦合关系为长机对僚机的上洗流引起的上洗力；上洗力引起僚机迎角的变化，导致升力、阻力向量的旋转和大小改变；根据耦合因素产生的根源，对涡流影响简化计算，其影响表示为僚机升力l、阻力d、侧力y的改变；
[0081][0082]
其中，为动压；s为机翼面积，c为升力系数。
[0083]
步骤三：建立僚机自动驾驶仪模型。
[0084]
僚机的自动驾驶仪设计加入气动耦合因素，在长机的自动驾驶仪的基础上进行改进，建立考虑气动耦合的自动驾驶仪模型。具体的，僚机自动驾驶仪模型为：
[0085][0086]
其中，x、y、z是编队间隔相对额定间隔的误差量。
[0087]
步骤四：建立相对运动方程。
[0088]
建立长机、僚机各自的自动驾驶仪模型后，根据图4中长机与僚机的相互运动关系，分析计算得到密集编队无人机间的相对运动学模型，联立所得到的方程，得到编队的控制方程。
[0089]
长机和僚机间的相对运动学模型为：
[0090][0091]
其中，ξ为中间变量，表示为矩阵形式：
[0092][0093][0094]
u＝[v
wc ψ
wc h
wc v
l ψ
l h
lc
]
t
ꢀꢀ
(7)
[0095]
编队飞机相对运动关系如图4所示，其中v
l
为长机速度，vw为僚机速度，ψ
l
为长机航向角，ψw为僚机航向角，ψe＝ψ
l-ψw为航向偏差；x和y表示两机的相对间隔距离。
[0096]
步骤五：编队方程组解耦。
[0097]
所得到的控制方程高度耦合，根据需求对方程组进行合理解耦，将方程组划分为不同通道的组别，分组进行编队控制器设计，最后得到完整的密集编队控制模型。
[0098]
根据无人机编队运动自然的结构关系，将无人机的运动划分为三组：
[0099]
x通道：
[0100][0101]
y通道：
[0102][0103]
z通道：
[0104][0105]
步骤六：控制器模型设计。
[0106]
无人机编队飞行线性连续时不变系统可表示为：
[0107][0108]
其中，ω为随机扰动，是均值为零的高斯白噪声，其强度为ω》0；a、b、c、d为适维矩阵。
[0109]
对于公式(11)所确定的系统，在控制输入点之前引入积分环节构建增广系统可得：
[0110][0111]
式中：
[0112][0113]
设增广系统的状态反馈为：
[0114]
uz＝kz
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0115]
令
[0116]
k＝[k
1 k2]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0117]
则可得原系统的pi形式的控制器：
[0118][0119]
其中，k3＝k2(b
t
b)-1bt
，k4＝k
1-k2(b
t
b)-1bt
a。
[0120]
构建密集编队的控制器模型为：首先对侧向y通道和高度z通道进行控制器模型设计，然后再对纵向x通道进行设计；
[0121]
所述控制器模型为：
[0122][0123][0124][0125]
式中，v
wc
为控制器速度指令、ψ
wc
为控制器航向指令、h
wc
为控制器高度指令，k
xp
、k
yp
、k
zp
为比例系数，k
xi
、k
yi
、k
xi
为积分系数，ve、ψe代表速度、航向误差，k
x
、ky、kz为方向偏差控制增益，δxe、δye、δze为相应x、y、z方向的间隔距离误差。
[0126]
步骤七：建立完整模型。
[0127]
如图5所示，结合长机自动驾驶仪模型、僚机自动驾驶仪模型、相对运动学模型、相对位置关系模型和控制器模型，构建密集编队的控制模型。
[0128]
参见图6，图6公布了一种考虑气动耦合的无人机密集编队建模系统，包括：
[0129]
第一构建模块，所述第一构建模块用于根据长机的飞行状态，构建长机自动驾驶仪模型；
[0130]
第二构建模块，所述第二构建模块用于构建在长机和僚机的气动耦合关系的影响下的僚机自动驾驶仪模型；
[0131]
第一模型处理模块，所述第一模型处理模块用于对长机自动驾驶仪模型和僚机自动驾驶仪模型进行处理，获取长机和僚机间的相对运动学模型；
[0132]
第二模型处理模块，所述第二模型处理模块用于对相对运动学模型进行处理，获取长机和僚机之间的相对位置关系模型；
[0133]
划分模块，所述划分模块用于根据解耦相对运动学模型的结果，将相对运动学模型划分为不同通道；
[0134]
第三构建模块，所述第三构建模块用于根据所划分的不同通道之间的间隔指令，构建密集编队的控制器模型；
[0135]
结合模块，所述结合模块用于结合长机自动驾驶仪模型、僚机自动驾驶仪模型、相对运动学模型、相对位置关系模型和控制器模型，构建密集编队的控制模型。
[0136]
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。