李一波，劉婉竹，宋崎，2，趙樹

(1.沈陽航空航天大學自動化學院，遼寧沈陽 110136;2.沈陽自動化研究所第一研究室，遼寧沈陽 110016;3.中航工業(yè)西安飛機工業(yè)(集團)有限責任公司 第31廠，陜西 西安 710089)

引言

無論是高大建筑物的屋頂平臺，還是高山峽谷的狹小平地，小型無人直升機均能起降自如，實施多種作業(yè)。這樣一來就使得執(zhí)行任務(wù)的環(huán)境信息常常是不完全透明的，文獻［1］把這種信息不完全透明的環(huán)境稱作不確定環(huán)境。目前國內(nèi)外對于無人直升機飛行控制系統(tǒng)的研究，尤其是對于不確定環(huán)境下的研究還不是很充分，主要有以下幾種［2］:(1)用特征結(jié)構(gòu)配置法;(2)定量反饋理論(QFT);(3)H∞控制;(4)線性二次型高斯/傳遞回路恢復(fù)(LQG/LTR)方法。LQG方法是用來處理有隨機噪聲干擾或模型狀態(tài)無法直接測量情況下的狀態(tài)反饋最優(yōu)化設(shè)計方法［3］，其本質(zhì)是附帶卡爾曼濾波器的最優(yōu)二次型控制器。由于傳統(tǒng)的LQG控制方法只能對模型中的狀態(tài)進行估計，而主動建模技術(shù)可以對模型中的參數(shù)和狀態(tài)進行在線估計［4］，因此本文將主動建模技術(shù)與傳統(tǒng)的LQG控制相結(jié)合，為系統(tǒng)實時地建立相對準確的模型。

本文所考慮的不確定環(huán)境主要指風場環(huán)境。在飛行控制系統(tǒng)設(shè)計中，大氣擾動的各種參數(shù)(如風速、風向等)是變化的，當風速非常大，與飛行器的飛行速度接近一個數(shù)量級時，大氣擾動不能再被看作小擾動事件，為了對飛行器進行有效控制，需要獲知大氣擾動的模型。大氣擾動表現(xiàn)為變化風，其對飛行器的影響主要有風切變和大氣紊流［5］。其中大氣紊流是一種隨機現(xiàn)象，通過抑制紊流干擾改善飛行品質(zhì)，提高飛行器性能。

目前大氣紊流模型有Dryden模型和Von Karman模型，但二者的建模理論體系卻截然相反［6］。本文采用改進的Von Karman模型，即對該模型進行有理化逼近，直接基于簡化的模型生成大氣紊流。

1 直升機半解耦模型的建立

直升機的全狀態(tài)空間模型包括直升機的剛體動力學模型、旋翼和機身耦合模型、旋翼穩(wěn)定桿的耦合模型、航向增穩(wěn)回路模型［7］。

由于直升機全狀態(tài)空間模型含有耦合參數(shù)，且有13個狀態(tài)量和4個控制輸入量，為了簡化計算和便于穩(wěn)定性分析，將縱向和橫向的耦合參數(shù)設(shè)為零，并加入一些自由控制參數(shù)以補償耦合動力學模型，這樣得到半解耦之后的3個運動方程:縱向運動方程、橫向運動方程和航向運動方程［8］。表達式如下:

2 風場模型的建立

2.1 大氣紊流的模型

自然界中的風從來不以純凈的形式出現(xiàn)，由于摩擦、旋渦等原因，在風出現(xiàn)的同時，也往往伴有紊流。大氣紊流現(xiàn)象的形式和出現(xiàn)與很多因素有關(guān)，例如風切變、熱交換、地形誘導等。大氣紊流可以看作是疊加在常值風上的連續(xù)隨機脈沖。通常認為紊流是一種平穩(wěn)、均勻、各態(tài)遍歷及各向同性的隨機過程。該過程的統(tǒng)計特性不隨時間變化。由于Von Karman模型的使用較廣泛，所以本節(jié)針對該模型進行介紹。

Von Karman模型的能量頻譜函數(shù)為:

2.2 數(shù)值仿真實現(xiàn)

由于得到的Von Karman模型在飛行仿真實驗中不能直接使用，所以首先進行共軛分解，而后使用有理化的方法將其簡化，形式如下:

用簡化后的Von Karman模型進行數(shù)值仿真時，將計算機產(chǎn)生的隨機信號作為輸入端的信號源，而后將其送入到已按給定頻譜設(shè)計好的濾波器中，在線實時生成仿真中所需要的大氣紊流數(shù)據(jù)。本文通過計算機產(chǎn)生的隨機信號是均值為零、方差為1的高斯白噪聲。

在計算機仿真中所用到的遞推公式為:

在飛行實時仿真中，以h為步長(即采樣周期)將成形濾波器的傳遞函數(shù)G(s)離散化，生成x(t)離散序列的歐拉前差分公式為［9］:

式中，xi為離散序列x第i點的值，即當t=ih時的x值;ri+1為高斯白噪聲序列;P和Q與采樣周期有關(guān)，為待定系數(shù)。

按式(10)不斷遞推產(chǎn)生大氣紊流隨機信號x(t)，從而實現(xiàn)在線實時仿真。

3 基于主動建模的改進LQG控制

3.1 LQG控制

3.1.1 LQG 介紹

LQG控制方法采用卡爾曼濾波估計狀態(tài)，并采用線性二次型控制器來設(shè)計反饋調(diào)節(jié)器，它常用來處理有隨機噪聲干擾存在的或模型狀態(tài)無法直接測量的控制系統(tǒng)，這樣能夠保證系統(tǒng)的魯棒性能。

一個典型的LQG控制系統(tǒng)如圖1所示，其中控制器Gc就包含了待設(shè)計的卡爾曼濾波器和二次型補償器。

圖1 典型的LQG控制系統(tǒng)

3.1.2 LQG 設(shè)計

設(shè)控制系統(tǒng)的方程有如下表達式:

式中，x為飛行器的狀態(tài)量;u為控制輸入量。如果用z表示期望輸出量，則誤差量可表示為:

LQR的設(shè)計方法可描述為:首先確定飛行器期望的時域性能指標，并以二次型的形式定義狀態(tài)調(diào)節(jié)性能指標J，即:

設(shè)計反饋調(diào)節(jié)器K，使式(12)最小，并保證所用的控制能量以及飛行器狀態(tài)的振蕩最小。

3.1.3卡爾曼濾波

為了克服數(shù)據(jù)無法處理的問題，20世紀60年代卡爾曼將狀態(tài)空間模型引入到濾波理論中，推導出了一套遞推估計算法，后人稱之為“卡爾曼濾波理論”。卡爾曼濾波器采用含有噪聲的系統(tǒng)信號狀態(tài)空間模型，利用當前時刻的觀測值和上一時刻的估計值來更新對狀態(tài)變量的估計，從而求出當前時刻的估計值。

設(shè)隨機線性離散系統(tǒng)的方程為:

式中，xk，yk和 uk－1分別為狀態(tài)量、觀測量和輸入量;F為狀態(tài)轉(zhuǎn)移矩陣;G為輸入轉(zhuǎn)移矩陣;wk－1為系統(tǒng)過程噪聲矩陣;Hk為測量矩陣;vk為測量噪聲矩陣。其算法流程如圖2所示。

圖2 卡爾曼濾波算法流程

3.2 基于主動建模的改進LQG控制

3.2.1聯(lián)合估計

主動建模是指在對模型中的狀態(tài)進行估計時采用在線估計的方法，為系統(tǒng)實時地建立相對準確的模型。設(shè)含有時變參數(shù)的離散系統(tǒng)狀態(tài)空間方程

如下:

式中，xk為狀態(tài)量;sk為時變參數(shù)。

若在估計式(14)中xk與sk的值時采用了同一種估計算法，則這種估計方法就稱為“聯(lián)合估計”。為了便于估計將式(14)中的xk與sk組合在一起成為增廣的狀態(tài)量，即 x'k=［xk，sk］，那么式(14)可寫為如下的形式:

用卡爾曼濾波估計算法對式(15)中的x'k進行估計，從得到的增廣狀態(tài)量估計結(jié)果中即可得到時變參數(shù)的估計值。

3.2.2控制器重構(gòu)

將風擾動的估計值反饋給控制器，實現(xiàn)控制器的重構(gòu)，從而實現(xiàn)有效控制。圖3給出了控制器重構(gòu)的原理示意圖。

圖3 控制器重構(gòu)原理

4 仿真實驗

4.1 縱向仿真

文獻［8］中給出了縱向運動方程中參數(shù)數(shù)值的大小，將其帶入式(1)后得到下列矩陣:

通過矩陣A求得縱向運動方程的零極點，如圖4所示。

圖4 縱向運動方程的零極點圖

從圖4可以看出，有一個零點和一個極點位于s復(fù)平面的右半平面，說明系統(tǒng)是不穩(wěn)定的。經(jīng)過多次反復(fù)的試驗，得到LQR控制器中的q和r的參數(shù)取值如下:

當直升機處于大氣紊流場中時，紊流的大小和方向是未知的，可由式(10)仿真得到。圖5給出了卡爾曼濾波對大氣紊流的估計結(jié)果。

圖5 卡爾曼濾波對大氣紊流的估計

從圖5可以看出，卡爾曼濾波能實時跟蹤上大氣紊流的變化情況。圖6給出了大氣紊流對縱向運動的影響。

圖6 大氣紊流對縱向運動的影響

從圖6可以看出，大氣紊流使直升機偏離原來的平衡位置，本文提出的控制方法對俯仰角的控制效果良好，且穩(wěn)態(tài)誤差在10%之內(nèi)，而對縱向線速度的控制效果不是很理想。

4.2 橫向仿真

文獻［8］中給出了橫向運動方程中參數(shù)數(shù)值的大小，將其帶入式(2)后得到下列矩陣:

通過矩陣A求得橫向運動方程的零極點如圖7所示。

圖7 橫向運動方程的零極點圖

從圖7可以看出，有一個零點和一個極點位于s復(fù)平面的右半平面，說明系統(tǒng)是不穩(wěn)定的。經(jīng)過多次反復(fù)的試驗，得到LQR控制器中的q和r的參數(shù)取值如下:

當直升機處于大氣紊流場中時，紊流的大小和方向是未知的，可由式(10)仿真得到。圖8給出了卡爾曼濾波對大氣紊流的估計結(jié)果。

圖8 卡爾曼濾波對大氣紊流的估計

從圖8可以看出，卡爾曼濾波能實時跟蹤上大氣紊流的變化情況。圖9給出了大氣紊流對橫向運動的影響。

從圖9可以看出，大氣紊流使直升機偏離原來的平衡位置，本文提出的控制方法對橫向線速度的控制效果良好，且穩(wěn)態(tài)誤差在5%之內(nèi)，而對滾轉(zhuǎn)角的控制效果不是很理想。

5 結(jié)束語

針對大氣紊流環(huán)境下無人直升機飛行穩(wěn)定性問題，提出了一種將主動建模技術(shù)與LQG控制相結(jié)合的控制算法。通過仿真實驗可以看出，該種控制方法中的卡爾曼濾波能夠?qū)崟r跟蹤大氣紊流的變化情況，并且對大氣紊流有一定的抑制作用。該種控制方法的控制效果并不是十分理想，仍需要更深入的研究與思考。

［1］ 阮穎錚，田軍.飛行器翼身結(jié)合部的散射特性分析［J］.航空學報，1992，20(3):51-55.

［2］ 張文明，代冀陽，吳劍.采用LQR方法的縱列式直升機懸停控制與仿真［J］.微計算機信息(測控自動化)，2010，26(9):172-174.

［3］ 劉冰，艾劍良.基于LQG/LTR方法的飛機自動著陸系統(tǒng)設(shè)計［J］.動力學與控制學報，2010，8(1):92-96.

［4］ 姜哲，趙新剛，齊俊桐，等.基于主動建模的無人直升機增強LQR控制［J］.吉林大學學報(信息科學版)，2007，25(5):553-559.

［5］ 肖業(yè)倫，金長江.大氣擾動中的飛行原理［M］.北京:國防工業(yè)出版社，1993.

［6］ 汪沛，張峰，趙振鵬.飛行性能仿真中風場模型的研究［J］.微計算機信息(測控自動化)，2008，24(10):302-304.

［7］ 沈福生.小型無人直升機飛行力學參數(shù)化模型辨識研究［D］.南京:南京航空航天大學，2008.

［8］ Dalei Song，Juntong Qi，Lei Dai，et al.Modeling a smallsize unmanned helicopter using optimal estimation in the frequency domain［C］//15th International conference on Mechatronics and Machine Vision in Practice.Auckland，New-Zealand，2008:97-102.

［9］ 王文龍.大氣風場模型研究及應(yīng)用［D］.長沙:國防科學技術(shù)大學，2009.