基于辨识模型的无人机鲁棒飞行控制方法

《基于辨识模型的无人机鲁棒飞行控制方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于辨识模型的无人机鲁棒飞行控制方法邵干袁利平郑宏涛谢泽兵中国运载火箭技术研究院研究发展中心摘要：提出了一种基于系统辨识获取飞行动力学模型并进行鲁棒飞行控制律综合设计的方法。首先利用混合遗传粒子群优化算法，从真实试飞数据中辨识建立无人机动力学模型，然后基于随机鲁棒原理的设计方法和辨识模型，设计了无人机鲁棒飞行控制律。飞行试验验证表明，在无气动数据情况下所设计出的高性能鲁棒飞行控制律，满足了无人机飞控研制的需求。关键词：小型无人机;系统辨识;鲁棒飞行控制;飞行试验;作者简介：邵干（1990-），男，安徽亳州人，工程师，硕士，研究方向为飞行力学与控制。收稿日期：2017-0

2、6-26RobustflightcontrollawdesignmethodforunmannedaerialvehiclebasedonidentificationmodelSHAOGanYUANLi-pingZHENGHong-taoXIEZe-bingResearchandDevelopmentCenter,ChirmAcademyofLaunchVehicleTechnology;Abstract：Arobustflightcontrollawintegrateddesignmethodbasedonidentificationmodelisproposed・I

3、tfirstlybuildsflightdynamicmodelofunmannedaerialvehicle(UAV)usingsystemidentificationaccordingtorealflightdata,whichisbasedonhybridgeneticandparticleswarmoptimizationalgorithm・Thentherobustflightcontrollawisdesignedbyusingstochasticrobustanalysisanddesignmethodbasedonthemodelidentifiedbe

4、fore.ThesuccessofsmallUAVflighttestshowsthattherobustcontrollawcanbedesignedwithoutaerodynamicparameterbytheproposedmethod,whichmeetsthedemandofUAVflightcontrol1ciwdesign.Keyword：smallunmannedaerialvehicle;systemidentification;robustflightcontrol;flighttest;Received：2017-06-260引言无人机(UAV)

5、特别是工业级小型UAV的快速发展离不开飞行控制系统的发展。目前，市场上已发展形成多种型号的工业无人飞行控制系统，然而多数飞控产品的控制算法均采用通用结构，而不考虑被控对象的特点。对于控制参数则采用试飞经验调试，其试飞试验风险较大，调参结果控制精度难以保证。而采用风洞试验获取气动特性，然后建模设计控制律这一技术路径会大大增加工业小型UAV的研制成本，为此需要建立一种低成本易实现的动力学模型获取方法和基于模型进行飞行控制综合设计的方法[1-2]o飞行动力模型直接基于实际的飞行试验数据辨识获取，小型UAV具有制作和试验成本低的优势。基于模型辨识得到的动力学模型从精度、适用性和

6、成本等各个方面都能很好地满足小型UAV的需求血红。另外，面对实际飞行屮可能遇到的不确定性，需考虑飞行控制律的鲁棒性，同时述需要考虑工程适用性。随机鲁棒分析与设计方法(SRAD)归1可直接基于实际物理意义的不确定性问题，具备明确的鲁棒适用范围，避免鲁棒的保守或不足，且对控制器结构无要求，可以采用传统控制器结构形式，是一种面向工程应用的鲁棒控制设计方法[7-8]o本文基于以上考虑，采用实际飞行数据的模型辨识方法建立小型UAV动力学模型，通过SRAD设计随机鲁棒自主飞行控制律，并进行综合飞行试验验证，探索一种基于辨识模型的、适合于工程应用的小型UAV鲁棒飞行控制综合设计方法。

7、1飞行动力学模型辨识算法辨识算法是整个动力学模型辨识的核心，本文采用混合遗传粒子群优化算法M.O算法融合了遗传算法和粒子群算法的各自优点，兼备较强全局优化能力和搜索效率［10-11］,适合于小型UAV易受干扰、传感器测量噪声大以及无模型先验知识的特点［12］。具体算法流程如下：步骤1:采用随机方法初始化粒子速度，采用Kent映射初始化粒子位置；步骤2:计算代价函数，评价确定个体寻优路径最优位置和群体最优位置，判断是否满足优化准则，满足则跳到步骤5;步骤3:根据基本粒子群算法的公式更新位置和速度，使粒子群不断向着最优化位置进化；步骤4:对部