多旋翼无人机飞行控制自动调参技术.docx

《多旋翼无人机飞行控制自动调参技术.docx》由会员分享，可在线阅读，更多相关《多旋翼无人机飞行控制自动调参技术.docx（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、多旋翼无人机飞行掌握自动调参技术朱训辉;宋彦国;王焕瑾【摘 要】目前,多旋翼无人机掌握器设计问题中存在着大量的依靠阅历的调参工作. 为了使调参简洁而又牢靠,本文基于掌握器参数与掌握系统性能响应存在的对应关系,提出了自动调参思想.在满足掌握器各项性能指标的前提下,利用粒子群算法(Particle swarm optimization,PSO)提炼出优化目标和约束条件.对被控对象进展建模并搭建非线性模型.然后,利用工程实践方法估算出参数范围,并利用粒子群快速优化特点自动查找在约束条件下符合性能指标的掌握器参数.最终,通过Matlab/Simulink 对模型进展仿真验证.仿真结果分析说明,PSD

2、可快速准确地对飞行掌握进展自动调参.%Aiming at the problem that parameter tuning is too much relying on the experience in control design of multi-rotor unmanned aerial vehicle(UAV) flight,an automatic parameter tuning is proposed based on the corresponding relationship between controller parameters and the performanc

3、e response of the control system.Firstly,optimization goal and constraints are confirmed by particle swarm optimization (PSO) according to the performance requirements of the controller.Secondly,the nonlinear model of the controlled object is built.The parameter range is estimated by the practical e

4、ngineering method.And then the controller parameters meeting the performance index are automatically found out based on the rapid optimization characteristic of PSO.Finally,the model is simulated and verified by Matlab/Simulink.Simulation results show that the PSO algorithm can automatically adjust

5、the flight control parameters of multi rotor UAV controller quickly and accurately.【期刊名称】南京航空航天大学学报【年(卷),期】2023(049)002【总页数】6 页(P239-244)【关键词】多旋翼无人机;飞行掌握;粒子群算法;自动调参【作 者】朱训辉;宋彦国;王焕瑾【作者单位】南京航空航大大学航空宇航学院,南京,210016;南京航空航大大学航空宇航学院,南京,210016;南京航空航大大学航空宇航学院,南京,210016【正文语种】中 文【中图分类】TN958多旋翼无人机经过多年的进展，作用越来越重

6、要。不管在军用还是民用方面，都已经取得了重大的成果。由于小型无人机的自身因素，要使无人机具有良好的飞行品质,良好的飞行掌握系统必不行少，而掌握系统中的掌握器参数调整也成为重中之重。常见的现代飞行掌握律的设计方法有线性二次型最优掌握、非线性动态逆掌握、滑模变构造掌握、自适应掌握、神经网络掌握和模糊规律掌握等1-2。多旋翼无人机飞行掌握系统是一个非线性系统，目前针对非线性系统掌握多承受非 线性模型线性化，然后再代入线性模型得到参数，最终再把参数代入非线性系统中。这种方法设计的掌握器在文献3中分为两种：定常掌握器和增益调度掌握器。这样虽然得到了一组非线性系统参数，但是由于非线性系统飞行包线大，选取的

7、状态点多，就不得不面对反复调参问题。针对参数整定问题，已有的自动优化算法有模糊算法、神经网络算法与粒子群算法等。文献4概述了粒子群优化算法(Particle swarm optimization, PSO)的特点，并针对典型被控对象模型进展了模拟仿真验证。文献5，6分别将 PSO 算法与神经网络算法和蚁群算法做出了比较，PSO 算法具有的记忆机制主要应用于连续问题7。文献6进一步阐述了 PSO 算法的优点，用经典 Z-N 公式进展整定说明。文献8将 PSO 算法应用到船舶航向 PID 掌握，并取得成果。本文以变距变转速四旋翼飞行器为争论对象，基于 PSO 算法对系统掌握器进展参数整定，相比其他

8、多旋翼无人机变距变转速四旋翼飞行器还需进展变距掌握和转速掌握，对掌握器设计要求更高，因此对其飞行掌握进展自动调参具有重要意义。1.1 自动调参工作原理假设一个飞行掌握系统工作状态发生了变化，可以自动地转变掌握器参数，使其回 到最优工作状态。可以依据系统响应输出，利用负反响思想，将掌握器参数和系统 响应性能之间的关系看作一个未知的传递关系，掌握器自动调参过程可视为查找控 制器参数和系统响应性能之间的最正确对应关系的寻优过程。在利用自动优化算法时， 先确定优化的目标和优化的约束条件。对无人机的自动调参设计既要保证飞行的稳 定性又要考虑反响速率，在约束条件内，依据反响查看系统响应是否满足优化目标。设

9、计中在确保稳定性的前提下，通过调整内环掌握器参数要求无人机保持一个较高 角速率响应掌握，且在角速率允许的浮动范围内，调整外环掌握器使掌握系统调整 时间短，无超调，无稳态误差，并且无震荡。1.2 自动调参算法争论PSO 具有待调参数少、收敛速度快及算法构造简洁等特点9-10。PSO 算法初始化一群粒子，然后通过迭代查找最优解。每一个粒子都是优化问题的可行解，粒子的坐标就是待优化参数变量，文中粒子坐标指的是掌握器需要调整的参数。粒子的优劣性由一个适应度函数来推断，全部的粒子都会计算出一个适应值。粒子在可行解空间中飞行，由一个速度打算它的方向和距离，在每一次迭代优化中,粒子通过跟随两个极值来更自身在

10、空间中的飞行速度和位置。一个极值是粒子本身所查找的最优解，称为个体极值，记作 pl;另一个极值是粒子群在全局中查找的最优解， 称为全局极值，记作 pg。假设 n 维第 i 个粒子在T 时刻时速度记作位置记作每次迭代都通过以下公式更位置和速度量Xi(t+1)=Xi(t)+Vi(t+1)式中：t 表示时刻，即迭代次数；w 为惯性权重，表示 t+1 时刻速度对 t 时刻速度影响；c1，c2 为学习因子；r1，r2 为在(0,1)的随机数。每一个粒子的位置都限定在搜寻空间里，即 XminXXmax，Xmax，Xmin 为搜寻空间上限、下限；速度也要限定在肯定范围内，即 VminVVmax，Vmax，V

11、min 为最大、最小速度。PSO 算法流程图如图 1 所示。PSO 算法实现步骤如下：步骤 1 初始化粒子群参数，确定惯性权重w，学习因子 c1，c2 以及 r1，r2 和迭代次数 T。规定搜寻上下限 Xmax ，Xmin ；最大速度与最小速度 Vmax，Vmin 。步骤 2 计算粒子适应值推断粒子的优劣性，更极值 pl，pg。假设当前所计算的pl(t+1)优于 pl(t)值，则 pl(t)=pl(t+1)，反之 pl(t)=pl(t)；同理，假设当前所计算的 pg(t+1)优于 pg(t)值，则 pg(t)=pg(t+1)，反之 pg(t)=pg(t)。步骤 3 更粒子状态，依据式(1，2)

12、更粒子的速度和位置。步骤 4 推断循环条件是否到达设计要求，到达则停顿计算，反之循环步骤 2。最终，依据优化目标，推断计算结果是否满足约束条件，剔除不满足条件的计算结果。1.3 目标函数的建立依据适应度函数和约束条件设计目标函数。要使得系统性能各方面都是最优，目前还无法实现，由于系统各个方面性能都相互联系，相互影响。多旋翼无人机是非线性多耦合系统，以横向操纵为例，转变滚转角速率不但会引起滚转角变化还会使侧向速度和偏航角速率发生转变。要使得一方面的最优只能是在牺牲另一方面性能前提下才能实现。为了实现系统综合性能的最优化，需要承受一些能表达综合性能的指标，现阶段常用的综合性能评价标准主要是基于系统

13、的偏差 e(t)= r(t) -y (t)(r(t) 为输入信号，y(t)为输出信号)与时间的关系3，6。文中以图 2 所示模型为根底，在约束条件下，以被控对象所选定状态点的数据经过运算并仿真出来的输出信号与输入的指令信号偏差确定值量与时间的积分作为目标函数，选定时间确定偏差积分(Integral time absolute error，ITAE)作为适应度函数在自动调参过程中 ITAE 值越小越好。约束条件可以是自动调参时间、超调量或者稳态误差大小。2.1 掌握器设计本文承受的掌握律是 PID 掌握器，此掌握律具有构造简洁、易操作、鲁棒性能高及可实现性能强等优点11。PID 掌握器是一种基于

14、系统稳定偏差 e(t)= r(t) -y(t)， 通过对误差信号进展比例、积分和微分线性组合运算来构成系统的掌握信号，对被 控对象进展掌握的算法。算法表达式为式中：Kp 代表比例环节的比例系数；Ti 代表积分环节的积分时间常数；Td 代表微分环节的微分时间函数；u(t)代表掌握器输出量。传递函数可写成如下形式式中：Kp，Ki，Kd 分别为 PID 掌握器的比例增益，积分增益，微分增益，也是文中自动调参的待优化量；N 在程序设计中取 50。掌握器设计如图 3 所示。角速率实行 PID 掌握，rll_Ki 值设计为 rll_Kp 值的 0.1 倍，外环实行 P 掌握。2.2 自动调参模型本文被控对

15、象是变距变转速四旋翼飞行器12，飞行器的质量和尺寸如表 1 所示。变距变转速四旋翼飞行器承受了轴对称的根本布局，电机和旋翼组件相对机身左右对称分布，4 个旋翼均匀分布且处于同一高度平面，中心机舱布置电源、飞控系统等机载设备。通过调整 4 个电机转速和旋翼总距的大小，可实现该无人机各个方向的运动。针对变距变转速四旋翼飞行器进展非线性动力学建模，可以得到 4 个操纵量 U 和9 个状态量 X 的变距变转速四旋翼三维空间动力学方程11-12操纵量 U 和状态量 X 分别如下所示X=u,v,w,p,q,r,依据建模理论分析，在 Matlab/Simulink 仿真环境中，建立变距变转速四旋翼仿真模型，

16、如图 4 所示，模型包括机身气动力模型，旋翼气动力模型、6 自由度方程模型与外部环境模型。在输入模块中，实行上述掌握器设计方法，如图 5 所示。2.3 模型仿真结果在输入模块中，无人机初始状态为悬停状态，输入指令为 20滚转角阶跃指令信号， 目标是使无人机滚转角动态跟随滚转指令。姿势角掌握律调参只考虑无人机滚转运 动，其他通道输入指令为 0。依据临界比例法和工程实践试凑法13确定掌握器参数大致范围。为了避开消灭 0 值则最小值设置为 0.01，最大值设置为 20。在提高系统掌握精度和灵敏度条件下，确保系统不震荡，超调量小且无稳态误差14- 15。保持滚转角速度响应最大速率为 90 ()/s，且

17、在 20%范围内整定，则内环PID 掌握器参数 rll_Kp 进一步限幅为3,8。响应角度最大误差不超过 2。依据系统模型特征设计 rll_Kd 限幅为0.01,2。依据上述算法流程编写出粒子群算法程序， 结合调参目标与约束条件，进展在线自动调整掌握律参数的软件设计。通过仿真得 到的粒子群自动整定掌握器 PID 参数得到变距变转速四旋翼滚转差动通道响应曲线(图 6，7)。比照图 6， 7 可知，粒子在自动整定参数过程中，逐步收敛于最优解，符合设计理念。运行自动调参软件优化出一组 PID 参数：Kp=8，Ki=0.8， Kd=0.059。图 8，9 给出了滚转角速率和滚转角调参前后的比照曲线。由

18、图 8 可知，自动调参结果符合设计要求。滚转角速率最大值近 90()/s，相比于无调参状况既提高了四旋翼无人机飞行掌握的灵敏度，最终收敛又确保了系统的稳定性。在内环角速率的调参根底上，对外环角度参数 stb_P 进展调整,由于内外环掌握的联系，设计期望角度为 20，角速率为 90()/s，stb_P 值为 4.5。如图 9 所示，滚转角自动调参响应，调整时间约为 1 s，且无超调，满足设计指标。整个通道掌握器参数调整由程序自动运行完成，实现了自动调参功能。2.4 悬停跟踪响应悬停跟踪响应是利用上述掌握器测试悬停状态下的掌握效果。其任务是，多旋翼无人机从地面坐标系原点起飞至目标位置并保持悬停，通

19、过系统输出的曲线进展分析争论。具体步骤为，从坐标(0,0,0)飞至点(5,2,10)。通过仿真可以得到粒子群整定参数在 PID 掌握器下多旋翼无人机 6 组输出状态响应曲线，如图 1015 所示。由仿真图 1012 可以看出：基于粒子群自动调参设计的 PID 掌握器具有良好的掌握效果，可以对多旋翼无人机悬停快速响应跟踪指令。从起始点飞到目标点经过10 s 左右时间，3 个坐标数值从开头保持稳定直至仿真完毕。另外，三轴角速率中，滚转角和俯仰角经过 20 s 后数值变为 0，而偏航角则在 30 s 开头收敛。文中设计的自动调参软件针对内环角速率 PID 掌握器参数先给定取值范围，在此范围内，通过粒

20、子算法不断地迭代计算查找满足设计要求的最优掌握器参数。在整定内环根底上再对外环角度进展掌握器参数整定，在设计目标和约束条件下不断地调整比例系数，查找符合系统响应要求的参数，从而完成了本次自动调参任务。从仿真效果上分析，自动调参比手动调参时间短，大大地削减了调参工作量，提高了掌握器调参水平，使得调参工作更加科学。自动调参技术为飞行掌握器查找最优掌握参数，使飞行器悬停或是前飞状态下到达最优结果完成自稳飞行。且基于Matlab/Simulink 的编程和仿真平台，被控对象模型易修改，结果易查看。依据设计要求的不同，可以编写不同的软件程序，构造简洁，操作便利且可以在其他环境下进展移植。【相关文献】1

21、吴文海，高丽，周胜明.飞行器掌握系统设计方法现状与进展J.海军航空工程学院学报.2023， 25(4)：421-426WU Wenhai, GAO Li, ZHOU Shengming. Present research and development of FCS design methodsJ. Journal of Naval Aeronautical and Astronautical University ， 2023, 25(4):421- 4262 ASTROM K J.Adaptive control M. New York ：Addison-Wesley, 1989.3 熊治

22、国，懂民.程序调参飞行掌握律的争论与展望J.飞行力学，2023,21(4)：9-13 XIONG Zhiguo, DONG Xinmin. Study and outlook of gain scheduling flight control lawJ.Flight Dynamics, 2023, 21(4): 9-13 4 刘道.基于改进粒子群优化算法的 PID 参数整定争论D.衡阳：南华大学，2023.LIU Dao. Research on PID parameters tuning based on improved PSO algorithm D. Hengyang： Univers

23、ity of South China， 2023.5 张顶学.遗传算法与粒子群算法的改进及应用D.武汉：华中科技大学，2023.6 XUE Dingyu, CHEN Yangquan, ATHERTON D P. Linear feedback control analysis and design with MATLABJ. International Journal of Systems Science, 2023, 19(6):979-984.7 雷开友.粒子群算法及其应用争论D.重庆:西南大学，2023.LEI Kaiyou. Research on particle swarm op

24、timization and its application D. Chongqing ： Southwest University, 2023.8 沈锡. 基于粒子群优化算法的船舶航向 PID 掌握D.大连:大连海事大学，2023.SHEN Xi. PID control for ship steering based on particle swarm optimizationD.Dalian ： Dalian Maritime University, 2023.9 KENNEDY J. Particle swarm optimization C /Encydopedia of machi

25、ne learning.S.l. ： Springer US, 2023.10 REYNOLDS C W. Flocks, herds and schools: A distributed behavioral modelJ puter Graphics,1987,21(4):25-34 11 宋述锡.四旋翼无人直升机掌握算法争论D.沈阳:沈阳航空航天大学，2023. SONG Shuxi, Research on control algorithm for quadrotor unmanned helicopter D.Shenyang: Shenyang Aerospace Univers

26、ity, 2023.12 林子国.变总距变转速四旋翼无人机设计技术争论D.南京:南京航空航天大学，2023. LIN Ziguo. Research on variable collective pitch and rotor RPM quadrotor UAV design D.Nanjing: Nanjing University of Aeronautics & Astronautics, 2023.13 刘春生，吴庆宪.现代掌握工程根底M.北京:科学出版社，2023：86-91.14 KAMEN E W. On the control of linear systems whose coefficients are functions of parameters J.IEEE Transactions on Automatic Control, 1984, 29(1): 25-33.15 HAHRUZ S M. Design of controllers for linear parameter-varying systems by the gain scheduling technique J. Journal of Mathematical Analysis and Applications,1992, 168(1): 195-217.