陳磊 張紅欣 朱超

摘要：無人機(jī)作為現(xiàn)代化農(nóng)業(yè)植物保護(hù)的有力助手，在進(jìn)行藥物噴灑過程中具有適用性好、噴灑效率高的特點(diǎn)。而植保無人機(jī)在進(jìn)行農(nóng)藥噴灑時(shí)，極容易受到外界因素的影響而改變飛行姿態(tài)。為保證飛行器的姿態(tài)能實(shí)現(xiàn)自適應(yīng)平衡，研究飛行器時(shí)在變動(dòng)力學(xué)模型的基礎(chǔ)上，研究了一種徑向基函數(shù)（radial basis function，簡(jiǎn)稱RBF）-比例-積分-微分（proportion-integral-differential，簡(jiǎn)稱PID）控制方法，該控制方法將神經(jīng)網(wǎng)絡(luò)、模糊控制、PID控制技術(shù)進(jìn)行有效耦合，使得飛行器在進(jìn)行植物保護(hù)時(shí)能快速針對(duì)姿態(tài)做出實(shí)時(shí)有效的調(diào)整，確保在藥物噴灑時(shí)保持穩(wěn)定性和魯棒性。

關(guān)鍵詞：植保無人機(jī);農(nóng)藥噴灑;姿態(tài)自適應(yīng);RBF-PID;魯棒性

中圖分類號(hào)：S252+.3 ? 文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)：1002-1302（2019）14-0269-04

我國作為農(nóng)業(yè)大國，具有1.2億hm2基本農(nóng)田，需要大量的人員從事農(nóng)業(yè)植物保護(hù)作業(yè)，同時(shí)我國《“十三五”農(nóng)業(yè)科技發(fā)展規(guī)劃》指出，我國農(nóng)業(yè)要面向農(nóng)業(yè)信息化、精準(zhǔn)化[1]。植保無人機(jī)具有霧化效果好、向下風(fēng)場(chǎng)大、穿透力強(qiáng)、省水省藥的特點(diǎn)，因此在農(nóng)作物植物保護(hù)方面扮演著重要的角色，預(yù)計(jì)到2020年，我國植保無人機(jī)需求量達(dá)10萬架[2]。

植保無人機(jī)進(jìn)行藥物噴灑時(shí)，姿態(tài)位置的調(diào)整是無人機(jī)控制的重要環(huán)節(jié)[3]，目前針對(duì)無人機(jī)姿態(tài)控制是基于模型控制，主要采用單回路比例-積分-微分（proportion-integral-differential，簡(jiǎn)稱PID）控制、串級(jí)PID控制、反步法、線性二次型調(diào)節(jié)器（linear quadratic regulator，簡(jiǎn)稱LQR）控制、內(nèi)環(huán)控制、模糊遺傳控制、魯棒H∞控制、反饋線性控制等控制方法[4]。然而無人機(jī)在進(jìn)行藥物噴灑過程中，噴槍后座力、自適質(zhì)量變化等自適因素及外界因素如空氣風(fēng)速、大氣壓強(qiáng)等會(huì)造成植保無人機(jī)自身狀態(tài)的改變。無人機(jī)在藥物噴灑過程中由于飛行高度及飛行速度的不同對(duì)施藥作物的生長狀況具有不同程度的影響。為確保施藥過程均勻有效地進(jìn)行，本研究將徑向基函數(shù)（radial basis function，簡(jiǎn)稱RBF）與PID控制方法進(jìn)行有機(jī)結(jié)合，研究一種RBF-PID控制算法，該算法融合了神經(jīng)網(wǎng)絡(luò)、模糊控制系統(tǒng)、自適應(yīng)學(xué)習(xí)、PID控制技術(shù)、智能檢測(cè)技術(shù)等，具有靈敏度高、動(dòng)態(tài)響應(yīng)快、超調(diào)量小、魯棒性強(qiáng)等優(yōu)點(diǎn)。

1 無人機(jī)飛行器動(dòng)力學(xué)模型

1.1 飛行器飛行原理

本研究的植保無人機(jī)采用四旋翼飛行器，植保無人機(jī)結(jié)構(gòu)模型如圖1所示，該四旋翼飛行器為“十”字交叉型，在十字結(jié)構(gòu)的末端分別為4個(gè)直流電機(jī)。其中以O(shè)E為圓心的定義為世界坐標(biāo)系E（OXYZ），以O(shè)b為圓心的定義為飛行坐標(biāo)系B（OXYZ）。在進(jìn)行上升、前進(jìn)、旋轉(zhuǎn)等姿態(tài)改變時(shí)主要依據(jù)定義的Euler角對(duì)電機(jī)轉(zhuǎn)速的改變進(jìn)行調(diào)整，根據(jù)“十”字形結(jié)構(gòu)，Euler角定義為：偏航角ψ：以O(shè)Z為軸心，OXY為平面進(jìn)行旋轉(zhuǎn);俯仰角θ：以O(shè)Y為軸心，OXZ為平面進(jìn)行旋轉(zhuǎn);翻轉(zhuǎn)角φ：以O(shè)X為軸心，OYZ為平面進(jìn)行旋轉(zhuǎn);F1、F2、F3、F4分別為4個(gè)旋翼上所受的拉力;EE為相對(duì)于飛行坐標(biāo)系而言的旋轉(zhuǎn)坐標(biāo)系。

“十”字交叉型結(jié)構(gòu)的尾部各有一個(gè)直流電機(jī)，可通過控制各個(gè)電機(jī)電流大小來控制轉(zhuǎn)速，電機(jī)轉(zhuǎn)速不同所產(chǎn)生的升、阻力就不同，這樣通過控制電機(jī)轉(zhuǎn)速就可以改變飛行器的飛行姿態(tài)，較為典型的姿態(tài)調(diào)整原理如圖2所示。

3 RBF-PID控制原理研究

3.1 RBF-PID控制方法

植保無人機(jī)在完成施藥任務(wù)時(shí)，因不同的植株具有不同的施藥高度，若植株較低而植保無人機(jī)飛行高度較高則單位葉面上藥物噴灑量較少，形成施藥不成功的現(xiàn)象，反之會(huì)造成植株葉面上端和中端噴灑不均勻，對(duì)作物的施藥過程造成不同程度的影響，從而直接影響植株生長質(zhì)量。因此植保無人機(jī)在施藥過程中姿態(tài)一定要具有自適應(yīng)能力強(qiáng)、對(duì)外界環(huán)境因素（風(fēng)速、藥液質(zhì)量）變化響應(yīng)快的特點(diǎn)。

傳統(tǒng)的PID控制具有可靠性高、結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性好等優(yōu)點(diǎn)，但局限性是只能適用于一些簡(jiǎn)單的控制對(duì)象。單回路模糊PID控制、串級(jí)模糊PID控制在控制過程中雖然也能具有較好的控制效果，但在實(shí)際操作過程中很難實(shí)現(xiàn)對(duì)飛行中和懸停狀態(tài)下遇到的影響因素做出很快的響應(yīng)[10-11]。

本研究的RBF-PID控制方法在傳統(tǒng)PID控制和神經(jīng)網(wǎng)絡(luò)控制的基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)和串級(jí)PID控制器進(jìn)行有機(jī)結(jié)合，從而實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)具有較高的動(dòng)態(tài)響應(yīng)特性、控制精度、運(yùn)行速度及較強(qiáng)的適應(yīng)性。在串級(jí)PID控制過程中，內(nèi)環(huán)用角速度PID控制器采用陀螺儀進(jìn)行角速度的測(cè)量;外環(huán)用角度PID控制器采用陀螺儀、磁力計(jì)、加速度計(jì)完成對(duì)偏轉(zhuǎn)角度的測(cè)量。RBF-PID控制器結(jié)構(gòu)如圖4所示。主回路將采集到的角速度值與設(shè)定值得出的角速度偏差e和角速度偏差變化率ecdedt作用到模糊推理機(jī)中，輸出的結(jié)果經(jīng)過最小二乘法和神經(jīng)網(wǎng)絡(luò)模塊計(jì)算得出最優(yōu)ΔKP、ΔKI、ΔKD數(shù)值，從而改變主PID控制器的比例系數(shù)、積分時(shí)間、微分時(shí)間。為提高PID控制器的控制精度，采用串級(jí)PID控制器。主控制器的輸出作為副控制器的輸入，進(jìn)行誤差的再處理和控制器的再輸出，最終結(jié)合控制器的輸出作用于四旋翼飛行器的動(dòng)力裝置，從而完成一次姿態(tài)的動(dòng)態(tài)自適應(yīng)更新與控制。

3.2 RBF-PID控制策略

在Matlab模糊規(guī)則編輯過程中，結(jié)合5個(gè)參數(shù)變量之間的影響關(guān)系，編輯了49條控制規(guī)則。從生成的控制參數(shù)結(jié)構(gòu)曲面可觀察到ΔKP、ΔKI、ΔKD 3個(gè)參數(shù)的控制曲線均無明顯尖點(diǎn)。

4 仿真及試驗(yàn)分析

通過在Matlab/Simulik仿真環(huán)境中對(duì)模糊控制器、RBF程序編寫、PID各項(xiàng)控制模塊的編輯，結(jié)合Simulik中特有的分裝功能設(shè)計(jì)了如圖5所示的RBF-PID控制器仿真圖。

表2列舉了植保無人機(jī)的各項(xiàng)性能參數(shù)描述。

4.1 仿真及噴灑試驗(yàn)

通過如圖5所示建立的RBF-PID控制器的控制結(jié)構(gòu)及各控制通道的傳遞函數(shù)進(jìn)行俯仰角、翻轉(zhuǎn)角、偏航角的仿真，仿真結(jié)果如圖6、圖7、圖8所示，并將RBF-PID控制方法進(jìn)行程序化編程嵌入到ARM芯片中，圖9為現(xiàn)場(chǎng)用無人機(jī)進(jìn)行藥物噴灑時(shí)的懸停工作圖。

5 結(jié)論

通過在Matlab/Simulik仿真環(huán)境中對(duì)傳統(tǒng)PID控制器、常規(guī)串聯(lián)PID控制器、RBF-PID控制器俯仰角、翻滾角、偏航角進(jìn)行仿真，結(jié)果發(fā)現(xiàn)常規(guī)PID控制器雖然最后能接近控制目標(biāo)但是該控制器超調(diào)量較大，與設(shè)定值有一定的余差，且達(dá)到理想控制效果所用時(shí)間最長，常規(guī)串聯(lián)PID控制器能在較短的時(shí)間內(nèi)達(dá)到理想的控制效果并且不存在余差的情況，但是響應(yīng)時(shí)間較慢，最后達(dá)到理想控制狀態(tài)所需的時(shí)間較長，超調(diào)量并不大，過沖現(xiàn)象不是非常明顯。本研究的RBF-PID控制方法具有較小的系統(tǒng)超調(diào)量，在控制過程中達(dá)到穩(wěn)定時(shí)間只需要0.31 s，系統(tǒng)的動(dòng)態(tài)響應(yīng)快、精度高，且穩(wěn)態(tài)后的誤差非常小。通過大量試驗(yàn)表明，本研究無人機(jī)噴藥姿態(tài)自適應(yīng)平衡控制在針對(duì)植保無人機(jī)懸停和正常飛行過程中受外部不確定因素影響后能夠得到很好的穩(wěn)態(tài)控制，同時(shí)該方法能對(duì)姿態(tài)進(jìn)行較為快速靈敏的自動(dòng)化與自適應(yīng)調(diào)節(jié)。

參考文獻(xiàn)：

[1]婁尚易，薛新宇，顧 偉，等. 農(nóng)用植保無人機(jī)的研究現(xiàn)狀及趨勢(shì)[J]. 農(nóng)機(jī)化研究，2017，39（12）：1-6，31.

[2]Yu Y S，Ding X L. A quadrotor test bench for six degree of freedom flight[J]. Journal of Intelligent & Robotic Systems，2012，68（3/4）：323-338.

[3]Bouabdallah S. Full control of a quadrotor[J]. International Conference on Intelligent Robots and Systems，2017（10）：153-158.

[4]Huo X，Huo M Y. Hamid reza karimi attitude stabilization control of a quadrotor UAV by using backstepping approach[J]. Mathematical Problems in Engineering，2014（10）：1-9.

[5]刁 琛. 四旋翼無人飛行器非線性控制研究[D]. 天津：天津大學(xué)，2013.

[6]Dierks T，Jagannathan S. Neural network output feedback control of a quadrotor UAV[J]. IEEE Conference on Decision & Control，2009，21（1）：3633-3639.

[7]穆魯肯. 無人機(jī)控制器的建模與比較研究[D]. 大連：大連理工大學(xué)，2016.

[8]王旭東，邵惠鶴. RBF神經(jīng)網(wǎng)絡(luò)理論及其在控制中的應(yīng)用[J]. 信息與控制，1997，26（4）：272-284.

[9]管 萍，和志偉，戈新生. 高超聲速飛行器的神經(jīng)網(wǎng)絡(luò)PID控制[J]. 航天控制，2018，36（1）：8-13.

[10]廖芳芳，肖 建. 基于BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)自整定的研究[J]. 系統(tǒng)仿真學(xué)報(bào)，2015，17（7）：1711-1713.

[11]陳增強(qiáng)，李 毅，袁著祉，等. 串級(jí)自抗擾控制器在縱列式雙旋翼直升機(jī)飛行姿態(tài)控制中的應(yīng)用[J]. 控制理論與應(yīng)用，2015，32（9）：1219-1225.

[12]汪 沛，羅錫文，周志艷，等. 基于微小型無人機(jī)的遙感信息獲取關(guān)鍵技術(shù)綜述[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30（18）：1-12.

[13]Kada B，Ghazzawi Y . Robust PID controller design for an UAV flight control system[J]. Lecture Notes in Engineering & Computer Science，2011，2194（1）：19-21.

[14]Berni J，Zarco-Tejada P J，Suarez L，et al. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle[J]. IEEE Transactions on Geoscience and Remote Sensing，2009，47（3）：722-738.