本發(fā)明涉及無人機控制領域，具體的說是一種無人直升機自適應低階控制器。

背景技術：

無人直升機系統模型是高階動力學系統，設計高階控制器一般具有與被控對象模型可比的階次，具有不易理解，計算量大、不易實現，硬、軟件中缺陷多，可靠性不高等缺陷。因此在控制系統設計中，通常寧愿選用簡單的線性控制器而不用復雜的控制器。只要最終性能誤差保持在允許范圍內，就應當尋找低階控制器。低階控制器具有的較好的工程可實現性與其在工業(yè)控制中廣泛的應用，可以作為理論與實際的一個最佳結合點。近十年來，低階控制器設計理論和方法成為國內外控制界的研究熱點之一，國內外控制理論界學者對此類問題作了大量研究。

低階控制器設計大體可分為三種：第一種是直接針對高階模型設計低階控制器，目前尚是一個基本沒有解決的研究問題，Lagrange乘子法是解這類問題的潛在有用方法。第二種是先降低高階對象的階次，然后基于降階對象模型設計相應的低階控制器。這種方法潛在的問題是這樣設計的低階控制器有可能不能鎮(zhèn)定全階對象，因為在設計控制器時沒有考慮全階模型與降階模型的誤差信息。第三種首先設計高階次、高性能控制器，繼而對設計的控制器進行降階。

時域的集結法、攝動法，頻域的矩匹配法、Padé近似計算法、Routh近似法和連分式法等都是模型降階的基本方法。基于誤差準則的最小二乘法、極大似然法等也可達到模型簡化的目的。基于狀態(tài)空間的內部平衡截斷法、Hankel-范數近似法、q方差等價實現法、互質因子法、時間尺度分離等。對于時域的集結法(即主導極點法)，是通過選取主導極點來簡化，由于極點離虛軸的遠近僅僅考慮了衰減速度的快慢，而這些極點所對應的響應振幅并沒有考慮進去。尤其對于階次較高的系統，在計算特征值的倒數時，會引入不可忽視的誤差，造成嚴重的數值不穩(wěn)定性。

頻域的諸多方法都是以系統傳遞函數的形式為基礎的，在處理高階傳遞函數模型時有很大的數值冒險性，會使數值不穩(wěn)定。同樣，魯棒辨識的最小二乘法在數值計算中也存在類似的數值不穩(wěn)定的缺點。因此，對于高階狀態(tài)空間形式的控制系統，降階多采用以狀態(tài)空間為基礎的方法。在降階過程中，關鍵考慮閉環(huán)，降階控制器要保證閉環(huán)穩(wěn)定性和閉環(huán)性能損失最小。

技術實現要素：

針對現有技術中存在的上述不足之處，本發(fā)明要解決的技術問題是提供一種無人直升機自適應低階控制器。

本發(fā)明為實現上述目的所采用的技術方案是：一種無人直升機自適應低階控制器，包括：

規(guī)劃與辨識器，包括規(guī)劃器和辨識器，所述規(guī)劃器用于監(jiān)視被控系統的控制輸入和控制輸出，當被控系統的穩(wěn)態(tài)控制輸出不滿足預設要求時，利用所述辨識器進行在線辨識并啟動結構濾波器、內?？刂破骱碗p環(huán)滑?？刂破鬟M行控制器參數修正；

結構濾波器，用于對所述內?？刂破鞯臑V波環(huán)節(jié)進行修正控制；

內?？刂破鳎糜趯Ρ豢叵到y的內部模型和反饋修正進行預測控制；

雙環(huán)滑?？刂破鳎糜趯ψ藨B(tài)角和姿態(tài)角速度進行跟蹤控制；

控制分量綜合模塊，用于對所述結構濾波器、內?？刂破骱碗p環(huán)滑?？刂破鬏敵龅目刂品至壳蠛停玫奖豢叵到y的控制量。

所述辨識器根據被控系統的控制輸入和控制輸出，從一組給定的模型類中確定一個與被控系統等價的模型，對不滿足預設要求的被控系統的參數進行修正。

所述結構濾波器輸出的控制分量為：

其中，k_f為濾波控制器參數，當被控系統的穩(wěn)態(tài)控制輸出不滿足預設要求時，k_f＝0；θ(s)為俯仰角，ω_z和ξ_z分別為二階微分環(huán)節(jié)的系統頻率和阻尼比；ξ_z，和ξ_f分別為二階震蕩環(huán)節(jié)的系統頻率和阻尼比；s為復頻域變量。

所述內模控制器輸出的控制分量為：

其中，k_i為為組成內?？刂破鞯囊粋€慣性環(huán)節(jié)系數，k_in為一個無阻尼震蕩環(huán)節(jié)系數，s為復頻域變量，θ(s)為俯仰角，ω_d為震蕩頻率。

所述雙環(huán)滑模控制器輸出的控制分量為：

τ₂₁(s)＝-(k_p+k_ds)θ(s)

其中，s為復頻域變量，θ(s)為俯仰角，t為，ξ_B為系統期望的阻尼，ω_B為系統期望的閉環(huán)系統帶寬。

所述

所述控制分量綜合模塊得到的控制量為：

τ₂(s)＝τ₂₁(s)+τ₂₂(s)+τ₂₃(s)

其中，τ₂₁(s)為雙環(huán)滑?？刂破鬏敵龅目刂品至?，τ₂₂(s)為內模控制器輸出的控制分量，τ₂₃(s)為結構濾波器輸出的控制分量。

所述雙環(huán)滑?？刂破靼▋拳h(huán)滑?？刂破骱屯猸h(huán)滑?？刂破?，所述內環(huán)滑模控制器跟蹤姿態(tài)角速度，所述外環(huán)滑模控制器跟蹤姿態(tài)角。

本發(fā)明具有以下優(yōu)點及有益效果：

1、本發(fā)明針對無人直升機這樣的復雜高階非線性系統，對于通過引入滑?？刂?Sliding Mode Control，SMC，又稱變結構控制)和時間尺度分離理論，構建自適應低階控制器，可以解決存在未知有界干擾、推力誤差和定位誤差情況下的太空垃圾捕獲系統的復雜高階動力學魯棒控制問題，也便于處理控制約束和狀態(tài)約束。

2、本發(fā)明將在線辨識與低階實用控制方法相結合。結合在線辨識構建能夠適應參數不確知和干擾不確定情形的自適應控制動力學模型。對外部干擾進行抑制，實現無人直升機的穩(wěn)定控制。

附圖說明

圖1為本發(fā)明的原理圖；

圖2為基于時間尺度分離的雙環(huán)滑模控制器的原理圖；

圖3為本發(fā)明方法中動態(tài)置信度匹配算法示意圖；

圖4為本發(fā)明方法中初始置信度及累計置信度曲線示意圖。

具體實施方式

下面結合附圖及實施例對本發(fā)明做進一步的詳細說明。

控制對象階次高(理論上無窮大)，控制器設計卻只能是低階的。被控對象具有參數不確定且干擾不確定?？刂破鞯幕拘问綖?以PD為例)：

τ₂(s)＝τ₂₁(s)+τ₂₂(s)+τ₂₃(s)

式中，τ₂₁(s)＝-(k_p+k_ds)θ(s)，

其中，τ₂(s)表示被控系統的控制量；τ₂₁(s)，τ₂₂(s)，τ₂₃(s)代表被控系統的控制分量；k_p、k_d、k_i、k_in、k_f代表控制器參數；θ(t)代表俯仰角；ω_d，ω_z，ω_f代表閉環(huán)系統帶寬；ξ_z，ξ_f代表系統阻尼?？刂品至喀?sub>21(s)具有PD控制形式，用來增加系統阻尼，保證穩(wěn)定性；控制分量τ₂₂(s)是基于內模原理而設計，其極點與外部干擾的極點一致，用來消除外部干擾；控制分量τ₂₃(s)是一種濾波器，主要用來穩(wěn)定高頻模態(tài)并消除可能引起姿態(tài)失穩(wěn)模態(tài)(稱之為“不穩(wěn)定模態(tài)”)的影響，當不存在“不穩(wěn)定模態(tài)”時，可取k_f＝0。

在上式中，參數k_p、k_d、k_i、k_in、k_f均為正數，此外還有一些量值上的限制，以保證系統的穩(wěn)定性和動態(tài)品質。k_p和k_d的一種參考選擇取決于期望的閉環(huán)系統帶寬ω_B和期望的阻尼ξ_B：

阻尼ξ_B通常取為：

在上述低階控制器中，有一個前提，就是要知道柔性繩系捕獲系統數學模型，包括繩系捕獲系統各階模態(tài)參數和干擾頻率。為此，一種方法是通過分析和地面試驗確定模型參數，但這難免會存在誤差，而且干擾模型不可能事先精確確定，因為這種干擾何時出現具有不確定性。另一種方法就是本發(fā)明的通過在線辨識確定之。本發(fā)明將利用在線辨識與低階控制相結合，形成自適應低階控制器，自適應低階控制器的結構原理圖見圖1。

規(guī)劃器用來監(jiān)視系統的輸入和輸出，給出是否需要辨識和何時進行辨識，以及根據辨識結果是否需要進行低階控制器參數修正的決策；一般而言，當系統輸出穩(wěn)定性和性能得到滿足時，系統的穩(wěn)態(tài)輸出滿足指標要求，此時無需進行在線辨識和修正控制器；而當系統輸出嚴重超差時，就有必要進行在線辨識并進行控制器參數修正。

系統辨識是指在輸入和輸出數據的基礎上，從一組給定的模型類中，確定一個與所測系統等價的模型，在線辨識的作用是根據被控對象的輸入和輸出得出被控參數的數學模型，在本控制器的設計過程中采用辨識器進行在線辨識，不滿足控制性能指標的系統參數進行修正。

內模控制是一種采用被控對象的內部模型和反饋修正的預測控制，它的主要優(yōu)點是通過簡單的選擇一個穩(wěn)定的內模控制器就可以保證閉環(huán)系統的穩(wěn)定，同時這種內?？刂破骶哂休^好的魯棒性，故而內模控制器特別適合于本發(fā)明中模型未知的情況。

但是內?？刂破鞯脑O計是在不考慮模型失配和擾動的前提下設計的，當模型失配和擾動存在時，閉環(huán)系統不一定獲得所期望的動態(tài)特性和魯棒性。而解決這一問題的有效方法是：在該控制器加入濾波控制器，用來調節(jié)內?？刂破鞯臑V波環(huán)節(jié)。在引入濾波器后，系統可以獲得更好的魯棒性。

辨識器根據規(guī)劃器給出的指令執(zhí)行在線辨識；低階控制器是可調控制器，根據規(guī)劃器和辨識器的結果進行修正。值得注意的是上述自適應低階控制器并不需要在每一個采樣周期進行控制器參數修正，而只是在控制系統不能滿足性能指標時才進行參數修正。換言之，參數修正周期加長，相應的在線辨識可以有充分時間。我們稱這種自適應控制為快辨識、慢調整自適應控制。

為了進一步降階和增強系統的抗干擾能力，考慮引入時間尺度分離原則與滑膜控制器，構建時間尺度分離的雙環(huán)控制器原理見圖2。

雙環(huán)滑?？刂破鞯目刂圃硎牵焊鶕豢貙ο蟮倪\動規(guī)律，按照時間多重尺度攝動，將狀態(tài)變量分成快變量和慢變量，系統分解成為快變子系統和慢變子系統。由于建模誤差、參數不確定以及干擾等只要影響系統的快變量，所以，控制器設計的目的要在快變量影響其余變量錢使誤差收斂到零。鑒于此，本設計方案采用雙環(huán)滑模變結構對姿態(tài)角和姿態(tài)角速度進行跟蹤控制，分別設計系統魯棒控制器。外環(huán)滑模系統跟蹤角速度作為虛擬輸入，對期望姿態(tài)角進行跟蹤控制；內環(huán)滑模系統分析考慮不確定參數大擾動對系統控制性能影響。這種控制器的優(yōu)點是：在較強噪聲干擾和大擾動存在的情況下，跟蹤誤差小，魯棒性能好。

利用時間尺度分離的方法將航天器狀態(tài)分成對應于姿態(tài)角的慢子系統和對應于姿態(tài)角速度的快子系統，從而構成內外兩個控制回路，外回路跟蹤給定的姿態(tài)角，內回路跟蹤設計的姿態(tài)角速度。其本質是對復雜的航天器系統進行降階，降低控制器設計的復雜度。內外兩個控制回路分別利用滑膜控制器增強系統的抗干擾能力。

以黑鷹直升機俯仰軸的姿態(tài)控制為例對提出的自適應低階控制器設計方法進行了仿真。此時在模型中J＝77076Kgm²，第一個模態(tài)頻率σ＝0.11Hz、模態(tài)貢獻系數K＝2.3×10^-7，模態(tài)形狀參數φ₁＝3.6×10^-3，φ₂＝4.8×10^-4；“拍打”干擾輸入為d＝0.2sin(0.63t)Nm。

情形1：PD控制，控制參數為：k_p＝693675；k_d＝346837.5。其仿真結果如圖3所示。可以看出，系統穩(wěn)定后姿態(tài)角仍有相同頻率的小幅震蕩，姿態(tài)角誤差在2×10^-5度量級，姿態(tài)角速度在1×10^-5度/秒量級，不能滿足黑鷹直升機俯仰軸的姿態(tài)控制的設計指標。

情形2：自適應內?？刂疲琍D控制參數仍為：k_p＝693675；k_d＝346837.5。干擾頻率通過在線辯識算法得出，然后在30秒處在線修正內模頻率。仿真結果如圖4所示。在經過開始階段的震蕩后，姿態(tài)角和姿態(tài)角速度通過自適應低階控制迅速趨向零值，在實際項目中得到了很好的驗證。