一种高机动微型无人机的制导控制一体化方法技术

本发明专利技术公开了一种高机动微型无人机的制导控制一体化方法，包括建立高机动微型无人机的动力学模型和运动学模型；根据部分制导控制一体化设计思想将模型转为慢速动力学和快速动力学模型；利用小扰动线性化方法对慢速动力学模型进行线性化得到线性化模型，线性化的平衡点为上一采样时刻的状态量；根据线性二次调节器设计思想，构造价值函数中的Q矩阵和R矩阵，依据线性化模型在线计算反馈增益；对控制器进行参数整定。本发明专利技术的技术方案，基于线性二次调节器的部分制导控制一体化设计方法，以解决制导回路与控制回路延迟特性和三维通道耦合的问题，具有较好的控制性能和鲁棒性能。具有较好的控制性能和鲁棒性能。具有较好的控制性能和鲁棒性能。

【技术实现步骤摘要】
一种高机动微型无人机的制导控制一体化方法


[0001]本专利技术属于飞行器控制
，尤其涉及一种高机动微型无人机的制导控制一体化方法。

技术介绍

[0002]微型无人机具有体积小、重量轻、操作性强、可单人携带、隐蔽性好、操作方便等特点，具有巨大的军事价值和民用价值。
[0003]与传统飞行器不同，微型无人机在复杂环境下的自主飞行技术是一项极具挑战性的研究课题。首先随着无人机应对的情况越来越复杂，要求的高机动性也相应的增高，可控调整时间也相应变短。并且高机动微型无人机三维通道间具有较大的耦合特性。因此，使用传统线性方法进行制导控制律的设计可能难以满足任务需求。
[0004]传统制导控制系统的设计思路基于制导环节和控制环节的频谱分离原则，将制导回路与控制回路分离，分别对两部分单独设计。但实际上制导环节和控制环节并不相互独立，单独设计的缺陷是两个回路会以不同的频率运行，两个回路之间存在延迟。所以出现了一种提高机动性的设计思路，即：制导环节和控制环节合二为一变成全状态一体化的设计，但是此种方案忽略了快速动力学和慢速动力学的基本特性，在高机动情况下，极易造成飞行器的不稳定。

技术实现思路

[0005]为了解决上述已有技术存在的不足，本专利技术提出一种基于线性二次调节器的部分制导控制一体化设计方法，以解决制导回路与控制回路延迟特性和三维通道耦合的问题，具有较好的控制性能和鲁棒性能。本专利技术的具体技术方案如下：
[0006]一种高机动微型无人机的制导控制一体化方法，包括以下步骤：/>[0007]S1：建立高机动微型无人机的动力学模型和运动学模型；
[0008]S2：根据部分制导控制一体化的设计思想将步骤S1得到的模型转为慢速动力学模型和快速动力学模型；
[0009]S3：根据线性二次调节器的设计思想，构造价值函数中的状态代价矩阵Q和输入代价矩阵R，依据所述步骤S2的慢速动力学模型将其线性化、离散化，然后在线计算反馈增益，完成线性二次调节器的设计；
[0010]S4：根据PID控制器的设计思想，依据所述步骤S2的快速动力学模型，设计非线性PID控制器，完成整个控制系统的设计；
[0011]S5：对控制算法进行参数整定；在约束条件下，使所述步骤S4中设计的控制系统稳定以及控制目标达到控制要求。
[0012]进一步地，所述步骤S1中高机动微型无人机的运动学模型为：
[0013][0014]其中，X2(t)＝[v
x
(t),v
y
(t),v
z
(t),p(t),q(t),r(t)]T
均为运动学模型的状态向量；为运动学模型的状态向量的导数，[x(t),y(t),z(t)]为高机动微型无人机在地面坐标系下的位置坐标，分别为滚转角，俯仰角和偏航角；[v
x
(t),v
y
(t),v
z
(t)]为地面坐标系下的速度矢量，[p(t),q(t),r(t)]为机体坐标系下角速度矢量；P(X1(t))是非线性函数，t为当前时间；
[0015]高机动微型无人机的动力学模型为：
[0016][0017]其中，为动力学模型的状态向量的导数，F(X1(t),X2(t))是非线性函数，g(t)是非线性控制分配函数，u(t)为控制输入向量。
[0018]进一步地，将涉及旋转运动的动力学称为快速动力学，涉及平移运动的动力学称为慢速动力学，所述步骤S2中根据部分制导控制一体化设计思想将步骤S1得到的模型转为慢速动力学模型和快速动力学模型，表示为：
[0019][0020]其中，Z2(t)＝[p(t),q(t),r(t)]T
分别为慢速动力学模型的状态向量和快速动力学模型的状向量态；别为慢速动力学模型的状态向量的导数和快速动力学模型的状态向量的导数；u(t)＝[u1(t),u2(t)]T
为控制输入向量；f1(Z1(t)),f2(Z2(t))是非线性函数；g1(t),g2(t)是非线性控制分配函数。
[0021]进一步地，所述步骤S3中线性二次调节器的设计过程为：
[0022]S3-1：将上一时刻的状态量设为平衡点，利用小扰动线性化方法将慢速动力学模型线性化，即：
[0023][0024]其中，为慢速动力学模型t-1时刻的状态向量；A为状态矩阵，B为输入矩阵，t-1时刻慢速动力学模型的状态向量构成A(Z
1,t-1
)和B(Z
1,t-1
)。
[0025]S3-2：根据被控量权重大小设计状态代价矩阵Q和输入代价矩阵R的对应的系数，将已经连续的线性化慢速动力学模型离散化，即：
[0026][0027]其中，T为单位采样时刻，kT为第k个采样时刻，k＝1,2,....,n，Z1(kT)为kT采样时刻的慢速动力学状态变量，Z1((k+1)T)为(k+1)T采样时刻的慢速动力学状态变量，G为离散后的状态矩阵，H为离散后的输入矩阵，t-1时刻慢速动力学模型的状态向量构成G(Z
1,t-1
)和H(Z
1,t-1
)，u1(kT)为kT采样时刻的慢速动力学控制输入向量；
[0028]S3-3：设定线性二次调节器的价值函数为：其中，X(t)为状态向量，u(t)为控制输入向量，使得V最小从而迭代算出线性二次调节器的反馈增益K，完成线性二次型调节器的设计。
[0029]本专利技术的有益效果在于：
[0030]1.本专利技术的方法能够实现部分制导控制一体化设计，弥补了传统控制方案的缺陷：首先，两个回路存在延迟会造成高机动性的丧失，发挥不出高机动微型无人机的机动优势，本专利技术的方法将原本姿态回路中的姿态角状态变量放到了第一回路，极大的提升了控制系统的快速性；其次，机动飞行时，位置环会产生一个特别大的姿态控制指令，容易造成电机的饱和并且由于忽略姿态动力学，因此需要规划平滑轨迹，本专利技术的方法考虑了系统姿态动力学，给控制系统加入了姿态约束，减少了电机饱和的可能性。
[0031]2.依据线性二次调节器的在线反馈增益计算；本专利技术依据三通道耦合的线性化模型，并且每一采样时刻线性模型是不同的，并在每一采样时刻在线计算反馈增益，从而提升了控制系统的鲁棒性。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。其中：
[0033]图1为本专利技术的部分制导控制一体化控制框图；
[0034]图2为本专利技术实施例的微型四旋翼坐标系及坐标定义图；
[0035]图3为线性二次调节器反馈增益计算流程图；
[0036]图4为常规轨迹跟踪仿真图，(a)为菱形轨迹，(b)为圆形轨迹；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高机动微型无人机的制导控制一体化方法，其特征在于，包括以下步骤：S1：建立高机动微型无人机的动力学模型和运动学模型；S2：根据部分制导控制一体化的设计思想将步骤S1得到的模型转为慢速动力学模型和快速动力学模型；S3：根据线性二次调节器的设计思想，构造价值函数中的状态代价矩阵Q和输入代价矩阵R，依据所述步骤S2的慢速动力学模型将其线性化、离散化，然后在线计算反馈增益，完成线性二次调节器的设计；S4：根据PID控制器的设计思想，依据所述步骤S2的快速动力学模型，设计非线性PID控制器，完成整个控制系统的设计；S5：对控制算法进行参数整定；在约束条件下，使所述步骤S4中设计的控制系统稳定以及控制目标达到控制要求。2.根据权利要求1所述的一种高机动微型无人机的制导控制一体化方法，其特征在于，所述步骤S1中高机动微型无人机的运动学模型为：其中，X2(t)＝[v
x
(t),v
y
(t),v
z
(t),p(t),q(t),r(t)]
T
均为运动学模型的状态向量；为运动学模型的状态向量的导数，[x(t),y(t),z(t)]为高机动微型无人机在地面坐标系下的位置坐标，分别为滚转角，俯仰角和偏航角；[v
x
(t),v
y
(t),v
z
(t)]为地面坐标系下的速度矢量，[p(t),q(t),r(t)]为机体坐标系下角速度矢量；P(X1(t))是非线性函数，t为当前时间；高机动微型无人机的动力学模型为：其中，为动力学模型的状态向量的导数，F(X1(t),X2(t))是非线性函数，g(t)是非线性控制分配函数，u(t)为控制输入向量。3.根据权利要求1所述的一种高机动微型无人机的制导控制一体化方法，其特征在于，将涉及旋转运动的动力学称为快速动力学，涉及平移运动的动力...

【专利技术属性】
技术研发人员：蔡志浩，孙帮乐，赵江，王英勋，孙家岭，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：