基于ADRC的无人直升机飞行控制系统设计_卢艳军.pdf

收稿日期：20220516基于ADRC的无人直升机飞行控制系统设计卢艳军，刘宏斌，张晓东（沈阳航空航天大学 自动化学院，沈阳110136）摘要：无人直升机因其可以垂直起降、定点悬停、低速飞行、前飞、后飞等特点，在民事与军事领域得到了普遍的应用。然而，无人直升机是一个具有高阶、不稳定、非线性、强耦合的非线性控制系统，对其研究仍具有巨大的挑战。以无人直升机为研究对象，基于其特点对其飞行控制技术展开研究，基于ADRC设计无人直升机飞行控制系统。针对控制器参数整定困难的问题，采用一种改进的粒子群优化遗传算法（IPSO-GA）对ADRC控制器的参数进行整定，得到更好的控制器参数。该算法集合了粒子群算法和遗传算法的优点，拥有更快的全局搜索速度。在MATLAB仿真环境中进行了数值模拟，并与优化前的ADRC控制器进行比较，仿真验证结果表明：基于IPSO-GA的ADRC控制器的控制性能优于ADRC控制器。关键词：无人直升机；ADRC；改进的粒子群优化遗传算法中图分类号：V279文献标志码：A文章编号：10099492(2023)02015405Design of Unmanned Helicopter Flight Control System Based on ADRCLu Yanjun，Liu Hongbin，Zhang Xiaodong（School of Automation,Shenyang Aerospace University,Shenyang 110136,China）Abstract:Unmanned helicopter is widely used in civil and military fields because it can take off and land vertically,hover at fixed points,flyat low speed,fly forward and fly backward.However,unmanned helicopter is a nonlinear control system with high order,instability,nonlinearand strong coupling.Therefore,unmanned helicopter was taken as the research object,its flight control technology was studied based on itscharacteristics,and unmanned helicopter flight control system was designed based on ADRC.Aiming at the difficulty of controller parametersetting,an improved particle swarm optimization genetic algorithm(IPSO-GA)was used to set parameters of ADRC controller,and bettercontroller parameters were obtained.The algorithm combined the advantages of particle swarm optimization and genetic algorithm and hadfaster global search speed.The numerical simulation was carried out in MATLAB simulation environment,and compared with the ADRCcontroller before optimization.The simulation results show that the control performance of the ADRC controller based on IPSO-GA is betterthan that of the ADRC controller.Key words:unmanned helicopter;ADRC;improved particle swarm optimization genetic algorithm2023年02月第52卷第02期Feb.2023Vol.52No.02机电工程技术MECHANICAL&ELECTRICAL ENGINEERING TECHNOLOGYDOI:10.3969/j.issn.1009-9492.2023.02.035卢艳军，刘宏斌，张晓东.基于ADRC的无人直升机飞行控制系统设计 J.机电工程技术，2023，52（02）：154-158.0引言无人驾驶飞行器是一种通过无线电远程控制和自带程序控制的飞行器，它可以完全或间断地通过车载电脑进行自动操作。无人直升机作为无人驾驶飞行器的一种，在无人驾驶飞行器大家庭中占有至关重要的地位，在某些特殊领域中极具优势。与旋翼机相比，无人直升机具有高续航、高载荷的优点1。与固定翼飞机相比，它具有高机动性、强侦查性的优点，可以定点悬停，低空飞行，探测周围环境。与载人直升机相比，它具有高能源效率、高安全性、高适应性、低成本等优点，可以在更为复杂的城市环境中得到广泛应用，如搜索、救援、消防、监视、电影行业的空中特技等。还可以代替飞行员执行更加危险的任务，有效减小甚至避免意外情况的发生2。在军事领域中，无人直升机对于战场上的情报勘察、物资支援、以及低空打击等方面都可以起到关键性的作用。军用无人直升机不但可以在战场上发挥巨大的作用，还是一个国家军事力量和综合国力的体现。在民事领域中，无人直升机在森林防火、抗震救灾、物流运输等方面具有不可或缺的作用3。正因如此，对无人直升机开展深度研究/研发工作尤为关键。无人直升机控制系统的设计是无人直升机的关键技术，然而，无人直升机作为高度耦合（坐标系间耦合、各部件间耦合）、非线性的高复杂度被控对象，其控制系统的设计尤其困难4。在我国科研人员的不懈攻关与大力研究下，我国在无人直升机控制技术的研发上已经有了长足的发展5-6。目前，国内外学者对无人直升机飞行控制系统的研究主要聚焦于如何有效降低由高耦合性和非线性带来的影响，进而降低误差，增强无人直升机的稳定性7，而飞行控制系统的准确性取决于其参数的设置与调整。因此，本文希望解决无人直升机飞行控制系统中的参数难以调整154的问题，以期提高控制系统的精确度，使无人直升机的控制系统更加稳定。对无人直升机飞行控制系统的研究具有重大意义。1无人直升机飞行动力学模型本文研究对象为常规带有尾桨的单旋翼跷跷板式结构的无人直升机8，具有普遍性。其机体结构主要由主旋翼、尾桨、机身、平尾、垂尾、自动倾斜器和起落架组成。以无人直升机为研究对象，建立地面坐标系和机体坐标系，两种坐标系之间的关系如图1所示。机体坐标系和地面坐标系各轴线之间的角度叫做姿态角，又称欧拉角。其中，OBXB与OEXEYE平面之间的夹角为俯仰角，以飞机抬头为正；OBXB与OEXE之间的夹角为偏航角，以机头右偏为正；OBZB与OEZE轴的铅锤平面间的夹角为滚转角，以直升机向右倾斜为正。滚转角速度p、俯仰角速度q、偏航角速度r分别为角速度投影在机体坐标系OBXB、OBYB、OBZB轴上的分量。u、v、w分别为直升机在OBXB、OBYB、OBZB轴上的轴向速度。L、M、N分别为三轴力矩，即滚转力矩、俯仰力矩、偏航力矩。作用在无人直升机上的力和力矩是分析其动态特性的基本因素，决定了其基本性能。无人直升机的动力学方程可以由牛顿-欧拉方程推导出来9。?=p+qsintan+rcostan（1）?=qcos-rsin（2）?=qsinsec+rcossec（3）u?=-wq+vr+Xm（4）v?=-ur+wp+Ym（5）w?=-vp+uq+Zm（6）p?=()Iyy-IzzIxxqr+IxzIxx()pq+r?+LIxx（7）q?=()Izz-IxxIyyrp+IxzIyy()r2-p2+MIyy（8）r?=()Ixx-IyyIzzpq+IxzIzz()p?-rq+NIzz（9）2ADRC控制器设计无人直升机在运动过程中受到干扰会使控制器的性能下降。因此，干扰抑制是航空系统安全飞行控制的一个主要考虑因素。自抗扰控制（ADRC）是一种通过设计鲁棒控制器来估计并消除干扰的控制方法10。ADRC 主 要 由 3 个 模 块 组 成：扩 张 状 态 观 测 器（ESO）、跟踪微分器（TD）和非线性状态误差反馈控制律（NLSEF）。ESO是整个ADRC的关键环节，它的主要功能是对未建模的动态、各种扰动进行实时的估算，以补偿系统中的不确定性。TD的实现主要是对转换过程进行规划，并对差分信号进行合理的提取，提升对系统输出跟踪的速度。NLSEF通过与干扰估算的补偿量相结合产生控制信号，提升系统的控制精度。图2所示为ADRC控制器的控制结构。扩张状态观测器的主要原理是根据状态观测器测得的系统输入和输出得到系统内部的状态量，在此基础上，引入一种新的状态变量，此状态变量是系统输入与扰动的结合，利用反馈机制对其进行观察，作用在输出上，有效地抑制扰动对系统的影响。构造一个状态观测器，称为扩张状态观测器，形式为：|e=z1-yfe=fal()e,0.5,fe1=fal()e,0.25,z?1=z2-01ez?2=z3+bu-02fez?3=-03fe1（10）式中01、02、03均为观测器的增益，对应不同的问题，可以选择不同的增益值，为了计算方便，观察器增益可以线性化，将fe和fe1替换成e。跟踪微分器的主要作用是提供一个过渡过程，使不图1地面坐标系与机体坐标系关系图2ADRC控制器控制结构卢艳军，刘宏斌，张晓东：基于ADRC的无人直升机飞行控制系统设计155跳变的值能合理地跟踪跳变的值。将v()t作为待微分的输入信号跟踪微分器：|x?1=x2x?2=-rsign()x1-v()t+x2|x22r（11）式中r为时间因子。非线性反馈控制律不同于线性反馈律，线性反馈律难以解决快速响应与系统超调之间的矛盾，满足不了系统的高性能要求，而非线性反馈控制律（NLSEF）则通过非线性反馈结构将状态误差组合在一起，不仅提高了系统的控制性能，还通过ESO的扰动补偿，实现了动态补偿线性化。二阶系统NLSEF的离散算法可表示为：fal()e,=|e1-|x|esign()e|x （12）fhan()x1,x2,r,h0（13）u=k1fal()e1,1,+k2fal()e2,2,=|esign()e（14）当 0.5（19）式中：Xij为第i个粒子染色体的第j个变量；Xij为突变粒子；1和2为介于0,1之间的随机数；k为当前迭代次数；kmax为最大的迭代次数；为突变的趋势。由于粒子发生了突变，它们可能会超过极限。当粒子不在规定的范围内时，即Xij Xjmax时，设置越过边界的方程如下：Xij=Xjmin|Xij-Xjmin|Xij-XjmaxXjmax|Xij-Xjmin|Xij-Xjmax（20）式中：Xjmin和Xjmax分别为第j个变量范围内的最小值和最大值；Xij为被调整的变量。4基于IPSO-GA的ADRC控制器设计本文选用ADRC控制算法进行控制器的设计，ADRC虽然能够解耦原有系统，提供了很强的鲁棒性，但在多变的情况下仍然不可取，因为静态参数无法调整和应对各种情况。因此，需要采用一组可调参数来优化ADRC性能。ADRC 的参数包括来自 TD 的r，来自 ESO 的01、02、03和来自 NLSEF 的k1、k2，通常根据经验设置r=0.0001 h，因此每个ADRC需要优化5个参数。在姿态控制器中，给定参考指令信号r、r、r均为5 的控制量。ADRC适应度函数优化过程如图4所示。由图中可以看出，在优化过程中，适应度值是递减的，IPSO-GA不断寻找更好的参数，当迭代次数达到25时，函数曲线逐渐稳定，最终目标函数值为3.935 6。IPSO-GA整定的姿态角通道参数如表1所示。姿态角的响应曲线如图5所示。由图可知，每个通道的响应时间都在1 s以内，且3条响应曲线的超调量较小。说明IPSO-GA整定的ADRC姿态控制器响应速度快，稳定性高。为了验证经过 IPSO-GA 参数整定后 ADRC 控制器的效果，本文基于 MATLAB/Simulink 仿真平台，针对二阶控制系统，分别对 ADRC 控制器和基于 IPSO-GA的 ADRC 控制器输入单位阶跃信号，系统响应曲线如图 6 所示。图 6（a）是理想环境下的输出曲线，图 6（b）是系统引入白噪声后的输出曲线。从仿真图像可以看出，通过 IPSO-GA 优化的 ADRC 控制效果得到了控制通道0115.562 523.631 629.564 10227.681 439.356 046.654 10335.156 462.969 670.168 7k10.452 70.787 20.956 4k26.872 18.018 210.897 1表1姿态控制器参数图5姿态响应曲线图3参数变化曲线图4ADRC姿态控制器中适应度函数优化过程卢艳军，刘宏斌，张晓东：基于ADRC的无人直升机飞行控制系统设计157显著提升，控制效果明显优于 ADRC 控制器，使控制系统可以在更短的时间内达到稳定状态，稳定性增强，响应速度显著提高。针对ADRC参数影响无人直升机控制性能且难以调整的问题，提出一种基于 IPSO-GA 的 ADRC控制策略。通过理论分析、仿真和实验研究，得出以下结论。提出的IPSO-GA改善了PSO容易陷入局部最优的情况，增强了全局搜索能力，提高了算法的稳定性。通过IPSO-GA对ADRC参数进行整定，仿真结果表明，所提出的策略使 ADRC控制器对无人直升机控制系统响应速度加快，减小了速度超调，还提高了控制系统的抗扰动性能，增强了稳定性。5结束语本文针对无人直升机复杂的结构以及高耦合、非线性、时变的特性，采用机理建模的方法进行无人直升机的建模，建立机体坐标系和地面坐标系并进行坐标转换。通过牛顿-欧拉方程推导无人直升机的动力学方程，成功得到无人直升机的飞行动力学数学模型。基于建立好的模型设计ADRC控制器，为了使控制系统的性能更加优秀，需要对ADRC控制器的参数进行整定，得到更好的控制器参数。本文提出了一种改进的粒子群优化遗传算法，基于此算法设计ADRC控制器，对无人直升机参数进行整定，基于MATLAB/Simulink仿真平台进行数值模拟，并与参数整定前的ADRC控制器进行比较，仿真结果表明，基于IPSO-GA算法的ADRC控制系统在控制性能上更加优秀。参考文献：1 Ma R,Ding L,Wu H,et al.Dynamic decoupling control optimization for a small-scale unmanned helicopterJ.Journal of Robotics,2018(5):1-12.2 陈文辉.小型无人直升机建模与鲁棒飞行控制D.南京:南京航空航天大学,2019.3 Xia L,Zang X,Meng X,et al.ADRC based attitude control systemdesign for unmanned helicopter C.Proceedings of the 3rd International Conference on Unmanned Systems,Harbin,2020:309-313.4 丁力.小型无人直升机飞行动力学、控制及试验研究D.南京:南京航空航天大学,2016.5 He Y X,Guo H W,Zhou B.Nonlinear modeling of small unmanned helicopters based on double neural networks C.Proceedings of the 2018 Chinese Automation Congress,Xian,2018:3812-3816.6 聂航,代冀阳,应进,等.微小型无人直升机建模与航迹跟踪控制J.计算机仿真,2022,39(2):10-16.7 吴文海,许丽,王奇.小型无人直升机建模与鲁棒飞行控制研究J.飞机设计,2014,34(3):43-48.8 Dai J Y,Nie H,Ying J,et al.Modeling and tracking control of unmanned helicopter C/Proceedings of the 6th International Conference on Control Science and Systems Engineering,Beijing,2020.9 许光群.小型无人直升机数学建模与仿射模型控制器设计D.南京:南京航空航天大学,2009.10 Xia L,Zang X,Meng X,et al.ADRC based attitude control systemdesign for unmanned helicopter C/Proceedings of the 3rd International Conference on Unmanned Systems,Harbin,2020.11 Das P K,Jena P K.Multi-robot path planning using improvedparticle swarm optimization algorithm through novel evolutionary operatorsJ.Applied Soft Computing,2020,92:106312.12 Song Y,Wang F,Chen X.An improved genetic algorithm for numerical function optimization J.Applied Intelligence,2019,49:2658-2663.作者简介：卢艳军（1968-），女，博士，教授，研究领域为无人机自主飞行技术。刘宏斌（1997-），男，硕士研究生，研究领域为控制工程。张晓东（1971-），男，博士，副教授，研究领域为无人机自主飞行控制技术和嵌入式系统开发。（编辑：刁少华）（a）无扰动系统响应曲线（b）白噪声输入下系统响应曲线图6系统响应曲线2023年02月机 电 工 程 技 术第52卷第02期158