欢迎来到天天文库
浏览记录
ID:43618779
大小:801.00 KB
页数:63页
时间:2019-10-11
《飞行器导航、制导与控制-12典型飞行控制规律》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、典型飞行控制规律分析李平08.10.201飞行器控制律设计面临的问题飞行动力学过程严重非线性;飞行器动力学模型失配(不确定性);飞行器多控制回路关联耦合严重;飞行环境变化干扰严重;飞行品质要求提高。2典型飞行控制规律PID控制——基本反馈控制算法解耦控制——解决多变量耦合问题多模型控制——解决非线性问题鲁棒与预测控制——解决模型不确定性问题智能控制——解决综合设计问题3PID控制4连续系统PID控制标准的模拟PID控制算法式中:Kc、Ti、Td分别为模拟调节器的比例增益、积分时间和微分时间u0为偏差e=0时的控制器输出,又称为稳态工作点。被控制对象控制器
2、yyreu-+闭环控制系统方块图5数字PID控制算法采样周期T与控制周期Tc模拟PID调节规律的离散化在控制器的采样时刻t=kT时因此,PID的数字算式为6数字PID控制算法数字PID控制算法又可写成上面两个算式又称为PID位置算式其中称为积分系数称为微分系数7数字PID控制算法PID位置算式的问题需每步都计算稳态工作点u0PID增量算式由可得8数字PID控制算法PID增量算式的另一种形式增量PID算法的优点是编程简单,数据可以递推使用,占用内存少,运算快。增量PID算法得到k采样时刻计算机的实际输出控制量为9数字PID控制的输出分析单位阶跃输入时数字P
3、ID控制的输出控制作用012345678kT积分项比例项u(k)微分项10无人机俯仰姿态PID控制、分别为俯仰角和俯仰角速率反馈增益,为积分环节增益。引入俯仰角速率反馈的目的是为了增加系统阻尼,引入积分环节的目的是为了改善俯仰角的稳态控制精度。俯仰角控制系统控制律为:11解耦控制12考虑被控制对象状态空间模型其传递函数矩阵为其输入输出之间有式中gij(s)是G(s)的第i行第j列元素。每一个输入控制多个输出,每个输出为多个输入所控制——耦合现象。找出一组输入u1,u2,…,un,在其他输出都不改变的情况下去调整某个输出——难以实现!13解耦控制系统结构所
4、谓解耦控制系统,就是采用某种结构,寻找合适的控制规律来消除系统种各控制回路之间的相互耦合关系,使每一个输入只控制相应的一个输出,每一个输出又只受到一个控制的作用。-解耦控制器y待解耦系统u典型的解耦控制系统结构示意图14飞行控制系统解耦要求飞机在飞行中我们感兴趣的输出量是俯仰角、水平位置和高度,控制输入变量是三个机翼的偏转。三个输出量之间有耦合,如果要同时操纵三个输入量并成功地控制飞机,要求驾驶员有相当高的技巧。如果系统实现了解耦,就为驾驶员提供了三个独立的高稳定性的子系统,从而可以独立地调整其俯仰角、水平位置和高度。15解耦控制的基本原理分析多变量系统
5、的耦合关系可以看出,控制回路之间的耦合关系是由于对象特性中的子传递函数gij(s),ij,i,j=1,2,…,n造成的。若是一个非奇异对角形有理多项式矩阵,则该系统是解耦的。寻找消除耦合的办法实际就是使系统传递函数阵对角化,这样就在实际系统中消除了通道间的联系,简化了结构的设计,因而具有实际意义。16解耦控制的基本原理从信号观点看解耦后的系统,一个被控量只受一个控制量的控制,与其他控制量无关;从结构看解耦后的系统,原耦合的多变量系统变成为彼此相互独立的单输入单输出系统。g11(s)g22(s)gnn(s)y1y2ynu1u2un解耦系统示意图17实现解
6、耦的方法(1)是最简单的解耦方法,只需在待解耦系统中串联一个前馈补偿器,使串联组合系统的传递函数矩阵称为对角线形的有理函数矩阵。这种方法将使系统的维数增加。前馈补偿器解耦G*(s)为给定对角阵-Gc(s)yG(s)u+eGd(s)yr18考虑多输入-多输出线性系统其中u与y的维数相等,目标是设计使得闭环系统的传递函数矩阵为对角形。实现解耦的方法(2)这种方法不增加系统的维数,但是可以采用状态反馈实现解耦的条件要比前馈补偿器解耦苛刻得多。状态反馈解耦考虑多输入-多输出线性系统其中u与y的维数相等,目标是设计使得闭环系统的传递函数矩阵为对角形。19多模型控制
7、20近年来非线性模型控制成为研究的热点,理论研究结果很丰富。但是真正用在实际工业过程控制上的控制策略却不多。主要的原因是建立精确的非线性模型比较困难。即使是已知的模型结构,也难以在实时等约束条件下估计参数及其状态。非线性系统也往往用多个线性模型来逼近,多模型方法被认为是处理非线性系统常用的方法和技术。多模型控制的思想早在二十世纪70年代就提出来了,经过30多年的发展,理论上各种多模型控制方法已是异彩纷呈,而且在许多应用领域预测控制成功应用的报道也层出不穷。21y=y(u)L1A:(u01,y01)yu0L2B:(u02,y02)22几种比较成熟的多模型控
8、制算法多模型预测控制多模型自适应控制交互式多模型算法23多模型方法的关键问题多模
此文档下载收益归作者所有