孫 磊，王 晨，柳士偉，肖 鑫

（1.鹽城工學(xué)院 電氣工程學(xué)院，鹽城 224000；2.東部戰(zhàn)區(qū)空軍保障部直屬保障隊(duì)，南京 210000）

為應(yīng)對鳥類對機(jī)場造成的危害，機(jī)場智能驅(qū)鳥技術(shù)不斷更新發(fā)展，近年來，強(qiáng)聲驅(qū)鳥、激光驅(qū)鳥等現(xiàn)代化手段在不斷普及，提高了驅(qū)鳥的效率。隨著科技的發(fā)展，光電設(shè)備應(yīng)用到了對鳥類的捕捉中，并結(jié)合驅(qū)離手段實(shí)現(xiàn)對鳥類的自動化識別和驅(qū)離。

隨著各類控制算法的不斷更新，云臺智能控制算法在無人機(jī)、攝像頭等設(shè)備中有了一定的應(yīng)用。大多數(shù)云臺采用PID 控制算法或結(jié)合智能控制算法形成智能PID 控制算法[1]。單一的PID 控制反應(yīng)速度較慢，系統(tǒng)內(nèi)部容易產(chǎn)生誤差導(dǎo)致跟隨目標(biāo)的丟失；加入模糊控制算法后，在一定程度上能夠解決云臺無法穩(wěn)定跟隨的情況，但忽略了位置環(huán)對云臺的影響[2]；在許多非線性系統(tǒng)中，由于反饋或參數(shù)估計(jì)沒有提供足夠的過程信息或系統(tǒng)跟隨目標(biāo)出現(xiàn)重大變動，會導(dǎo)致系統(tǒng)自身的局部不穩(wěn)定性和復(fù)雜動態(tài)行為并引發(fā)系統(tǒng)產(chǎn)生突變現(xiàn)象[3]；特別是對于跟隨目標(biāo)速度快且不穩(wěn)定的情況，針對鳥類目標(biāo)的生物特性，其飛行過程中可能出現(xiàn)的問題導(dǎo)致系統(tǒng)內(nèi)部出現(xiàn)超調(diào)、響應(yīng)速度太慢可能會導(dǎo)致目標(biāo)的丟失[4]。

針對上述情況，本文研究了基于鳥類生物學(xué)模型的突變型前饋控制算法，其核心是通過對鳥類目標(biāo)的生物學(xué)特征進(jìn)行鳥類目標(biāo)飛行狀態(tài)建模，并根據(jù)模型結(jié)合突變預(yù)測理論進(jìn)行突變分析，設(shè)計(jì)出基于鳥類生物學(xué)模型的非線性控制器，并在控制系統(tǒng)中加入復(fù)合前饋控制算法，提高系統(tǒng)的響應(yīng)速度形成突變型前饋控制算法。

1 鳥類飛行狀態(tài)建模及模糊控制規(guī)則庫建立

以鳥類個體為目標(biāo)設(shè)鳥類目標(biāo)個體狀態(tài)向量為Xi，當(dāng)前位置干擾量為Y=f（Xi），鳥類目標(biāo)的對驅(qū)離設(shè)備干擾感知距離為Visual，鳥類目標(biāo)下一時刻的狀態(tài)向量預(yù)測為Xi，next，鳥類每一步飛行的最大距離為Step，鳥類目標(biāo)的擁擠度因子為δ，Rand 為一個（0，1）隨機(jī)數(shù)，r 為Xi同維數(shù)的隨機(jī)單位向量。

隨機(jī)行為：隨機(jī)行為通常是鳥類目標(biāo)在空中出現(xiàn)的突然轉(zhuǎn)向或加速的行為，在鳥類目標(biāo)受到外界刺激時并沒有按照預(yù)定的路線飛行并進(jìn)行隨機(jī)運(yùn)動，其數(shù)學(xué)表達(dá)式為

受刺激行為：受刺激行為通常是鳥類在飛行過程中遇到從一定方向發(fā)出的聲波或激光的影響，會在受到刺激后出現(xiàn)受刺激行為并改變自身的運(yùn)動軌跡。通過定義鳥類目標(biāo)的自身感知距離Visual 和狀態(tài)Xi，結(jié)合干擾量的大小與方向G 對鳥類受到刺激后的行為進(jìn)行判斷，若鳥類飛行狀態(tài)向量與干擾向量之間為平行向量或相反向量，則鳥類目標(biāo)向干擾量方向前進(jìn)隨機(jī)距離；若鳥類飛行狀態(tài)向量與干擾向量方向相對，則鳥類飛行狀態(tài)向量變成以干擾量向量為軸的鏡像向量，即重新選擇狀態(tài)Xi，直到選擇出符合條件的Xi。其數(shù)學(xué)表達(dá)式為

將鳥類目標(biāo)的生物特性和飛行狀態(tài)用數(shù)學(xué)方式建模，得到基于鳥類目標(biāo)飛行特性的數(shù)學(xué)模型，針對鳥類目標(biāo)的受刺激行為和隨機(jī)行為，結(jié)合突變預(yù)測理論進(jìn)行分析，獲得基于鳥類飛行模型的模糊控制規(guī)則庫。為了實(shí)現(xiàn)對鳥類的快速跟蹤，提高系統(tǒng)的響應(yīng)速度和對突發(fā)情況的反應(yīng)能力，在調(diào)節(jié)過程中注重對Ki的調(diào)節(jié)，當(dāng)系統(tǒng)誤差加大時，為了保證突發(fā)狀況下的系統(tǒng)響應(yīng)速度，允許系統(tǒng)出現(xiàn)超調(diào)但要在最短時間內(nèi)穩(wěn)定下來，所以選取較大的Kp、Kd和較小的Ki。當(dāng)系統(tǒng)誤差較小時，要適量地增大Ki，保證系統(tǒng)的穩(wěn)態(tài)性能[6]。根據(jù)控制經(jīng)驗(yàn)即實(shí)際測試結(jié)果并結(jié)合以上規(guī)則得到響應(yīng)的模糊控制規(guī)則庫，如表1 所示。

表1 模糊控制規(guī)則表Tab.1 Fuzzy control rule

2 基于鳥類飛行狀態(tài)模型的非線性突變控制器設(shè)計(jì)

突變控制主要由突變理論結(jié)合預(yù)測控制組成，是一種基于滾動實(shí)施模型并結(jié)合反饋矯正的優(yōu)化控制算法。包含兩方面內(nèi)容：一是在保持原跟隨系統(tǒng)運(yùn)行的基礎(chǔ)上，為防止鳥類突然轉(zhuǎn)向，在反饋系統(tǒng)中加入非線性控制器，使得系統(tǒng)在突變發(fā)生后快速穩(wěn)定；二是通過突變預(yù)測模型分析，針對鳥類的飛行習(xí)慣提前判斷鳥類目標(biāo)的飛行狀態(tài)，提高系統(tǒng)的響應(yīng)速度[7]。

目前使用的控制器絕大多數(shù)都是線性控制器，但由于鳥類的生物特性，線性控制器無法滿足驅(qū)鳥系統(tǒng)的要求，在驅(qū)鳥系統(tǒng)中對設(shè)備云臺而言，其運(yùn)動包含yaw 軸和pitch 軸2 個自由度，云臺繞橫軸轉(zhuǎn)動的一個自由度設(shè)定為一個六維系統(tǒng)，以縱向運(yùn)動參數(shù)為狀態(tài)變量，有六維狀態(tài)向量分別為云臺轉(zhuǎn)動速度v（t）、加速度a（t）、角度ωz1（t）、角速度θ（t）、y 軸偏移量ye（t）和x 軸偏移量xe（t）：

鳥類目標(biāo)的飛行狀態(tài)信息δe（t）可作為輸入量，可以得到縱向運(yùn)動的線性狀態(tài)方程：

式中：A11和A22為零矩陣；b2為零向量。于是上述的云臺運(yùn)動六維系統(tǒng)可以分解為2 個維數(shù)較低的子系統(tǒng)，其中一個是四維的，另一個是二維的。

在云臺跟隨過程中，初始階段針對鳥類進(jìn)行穩(wěn)定跟隨，其速度的變化率很小，即使鳥類速度產(chǎn)生一定變化但對系統(tǒng)的影響不大，通過模糊PID 控制可以穩(wěn)定控制系統(tǒng)，所以鳥類在正常狀態(tài)下的飛行對系統(tǒng)的擾動可以忽略。在數(shù)學(xué)運(yùn)算和分析時，a24和a34與其他系數(shù)的比值為小量，也可以忽略。因此對上述的兩個系統(tǒng)簡化，將四維系統(tǒng)簡化為二維系統(tǒng)。

2.3 兩組患者血糖、血液流變學(xué)、血清相關(guān)指標(biāo)比較 治療后，兩組空腹血糖、餐后2 h血糖、糖化血紅蛋白、血漿黏度、紅細(xì)胞聚集指數(shù)、紅細(xì)胞變形指數(shù)、血管內(nèi)皮生長因子、低氧誘導(dǎo)因子-1α水平低于治療前，且B組血漿黏度、紅細(xì)胞聚集指數(shù)、紅細(xì)胞變形指數(shù)、血管內(nèi)皮生長因子、低氧誘導(dǎo)因子-1α水平低于A組，差異均有統(tǒng)計(jì)學(xué)意義(P<0.05)。見表3～5。

對ωz1（t）使用沖失濾波器：

式中；K 為增益向量；d 為沖失濾波器的時間常數(shù)。于是上式可簡化為

上式在平衡點(diǎn)的雅可比矩陣為

通過控制論的數(shù)學(xué)理論研究，證實(shí)該系統(tǒng)是線性可控的，在驅(qū)鳥系統(tǒng)中，防止鳥類的隨機(jī)行為對系統(tǒng)造成影響，在跟隨過程中加入突變控制器，且本系統(tǒng)可由一個三次控制器進(jìn)行控制。所以設(shè)計(jì)如下的非線性控制器：

式中：ξ 為常數(shù)。為了保證被控系統(tǒng)的分叉是超臨界的（在分叉點(diǎn)附近有穩(wěn)定極限環(huán)）應(yīng)該為負(fù)值。若ξ>0，為達(dá)到設(shè)計(jì)目的，可令，非線性控制器設(shè)計(jì)如圖1 所示。

圖1 非線性控制器設(shè)計(jì)框圖Fig.1 Block diagram of nonlinear controller design

突變控制主要通過非線性控制器對系統(tǒng)進(jìn)行反饋控制，非線性反饋技術(shù)的關(guān)鍵在于非線性函數(shù)的選取，非線性反饋控制器設(shè)計(jì)的控制率為u=f（e）·g（e），其中g(shù)（e）是關(guān)于與反饋誤差e 的非線性函數(shù)，其中參數(shù)為所求的非線性控制函數(shù)g（y；K）。

3 結(jié)合前饋控制模糊PID 控制的改進(jìn)控制器設(shè)計(jì)

對于智能驅(qū)鳥系統(tǒng)，以輸入的鳥類目標(biāo)的飛行狀態(tài)進(jìn)行模糊化，建立模糊控制規(guī)則庫，針對鳥類的飛行狀態(tài)，設(shè)定隸屬函數(shù)描述為矢量飛行速度。其矢量飛行速度包括鳥類目標(biāo)的飛行速度和相對于設(shè)備運(yùn)轉(zhuǎn)方向的飛行方向[8]。

在整體控制系統(tǒng)中加入以鳥類目標(biāo)矢量速度為核心，建立的專家?guī)旌湍：刂埔?guī)則庫。模糊控制器的輸入信息為E、Ec、ΔKp、ΔKi、ΔKd，選擇靈敏度較高的三角形隸屬度函數(shù)，其特征為

智能驅(qū)鳥控制系統(tǒng)結(jié)構(gòu)復(fù)雜、要求高，建立準(zhǔn)確的模型比較困難，傳統(tǒng)的PID 控制難以滿足需求。根據(jù)復(fù)合前饋和PID 控制原理，并結(jié)合基于鳥類生物學(xué)的模型分析和突變預(yù)測模型計(jì)算，按本文的設(shè)計(jì)思想搭建模糊-前饋PID 控制系統(tǒng)[9]，其原理框圖如圖2 所示。

圖2 模糊前饋系統(tǒng)設(shè)計(jì)框圖Fig.2 Design block diagram of fuzzy feedforward system

在該控制系統(tǒng)中，結(jié)合了模糊前饋PID 控制和突變控制的非線性，以模糊前饋控制為主，結(jié)合非線性控制器的監(jiān)控，當(dāng)上位機(jī)發(fā)現(xiàn)鳥類目標(biāo)飛行速度或方向改變時，根據(jù)建立的控制關(guān)系特性直接控制云臺電機(jī)的速度環(huán)和電流環(huán)，該過程可以大大減少PID 控制在位置環(huán)的作用時間，減少系統(tǒng)響應(yīng)時間，當(dāng)系統(tǒng)輸入的鳥類目標(biāo)位置與電機(jī)反饋位置出現(xiàn)偏差時，模糊PID 控制自動介入實(shí)現(xiàn)云臺轉(zhuǎn)動控制[10]。

4 仿真驗(yàn)證

為了驗(yàn)證算法的有效性，利用Matlab 的fuzzy工具箱和Simulink 仿真系統(tǒng)搭建仿真模型，將包含了模糊控制算法和規(guī)則庫的模糊控制器放入仿真系統(tǒng)中，并加入非線性控制器結(jié)合模糊控制、前饋控制和PID 控制實(shí)現(xiàn)突變控制策略仿真實(shí)驗(yàn).

首先進(jìn)行階躍輸入在PID 控制下的仿真測試，測試結(jié)果如圖3 所示，信號在第2 s 變化，仿真時間為10 s，當(dāng)初始速度為0 時，系統(tǒng)在第8 s 時穩(wěn)定并完成跟隨，超調(diào)量在系統(tǒng)允許范圍內(nèi)；圖3（b）為本文所設(shè)計(jì)的模糊控制器在階躍信號下的響應(yīng)曲線，在模糊控制加入后系統(tǒng)響應(yīng)速度有了一定的提升；圖3（c）為在前饋控制器作用下的系統(tǒng)響應(yīng)曲線，與傳統(tǒng)控制相比在穩(wěn)定性和響應(yīng)速度方面有了一定的提升；圖3（d）為本文所設(shè)計(jì)的突變型復(fù)合前饋控制器的響應(yīng)曲線，在加入非線性控制器后，控制器針對信號的變化和驅(qū)鳥的策略提前對云臺進(jìn)行加速，并結(jié)合突變預(yù)測理論實(shí)現(xiàn)非線性控制器對系統(tǒng)的預(yù)測控制，使得系統(tǒng)在響應(yīng)速度和穩(wěn)定性上有了一定的提升。

圖3 仿真結(jié)果圖Fig.3 Simulation result diagram

5 結(jié)語

本文采用一種基于鳥類生物學(xué)模糊控制與前饋控制相結(jié)合的改進(jìn)算法控制策略，設(shè)計(jì)了一種集模糊前饋控制及鳥類飛行突變預(yù)測復(fù)合控制系統(tǒng)，能夠有效地解決鳥類在飛行過程中出現(xiàn)隨機(jī)行為導(dǎo)致云臺系統(tǒng)跟隨不穩(wěn)定的問題。該控制策略基于鳥類生物學(xué)的模糊匹配原則和突變控制為核心，加入了基于鳥類矢量飛行速度的模糊控制器，將鳥類目標(biāo)的生物特性和飛行狀態(tài)用數(shù)學(xué)的方式建模，針對鳥類目標(biāo)的受刺激行為和隨機(jī)行為，建立模糊控制規(guī)則庫，并加入突變預(yù)測模型和前饋控制器提高了系統(tǒng)的穩(wěn)定性和響應(yīng)速度。應(yīng)用到光電設(shè)備捕捉飛鳥，強(qiáng)聲和激光進(jìn)行跟隨驅(qū)離，提高了基于鳥類生物學(xué)的模糊控制器對鳥類飛行特征的可靠匹配，利用前饋控制解決鳥類目標(biāo)的隨機(jī)行為和受刺激行為對系統(tǒng)的影響，相較于傳統(tǒng)PID 控制，通過仿真驗(yàn)證該策略在突變跟蹤方面的快速跟隨性能有了顯著提升，提高了機(jī)場智能驅(qū)鳥系統(tǒng)設(shè)備的穩(wěn)定性，實(shí)現(xiàn)了快速可靠的驅(qū)鳥功能。