2018, Vol. 39
四旋翼无人机是一种新型的小型无人机, 它具有很高的机动性和敏捷性, 可完成悬停、垂直起降、低速巡航等飞行任务, 被广泛应用于军事侦察、灾害监测、航空测绘、农业植保等领域[1-3].虽然四旋翼无人机相比传统直升机在飞行效率、体积、安全性等方面有很大的优势, 但其应用范围仍然受到一定限制.原因主要是四旋翼无人机为一个欠驱动系统, 即有6个输出和4个控制输入.此外, 四旋翼系统还有强非线性、强耦合、多变量和时变等性质, 容易受外界干扰的影响.因此, 需要设计具有良好抗干扰能力的飞行控制策略, 保证无人机能够高质量完成各种飞行任务[4-5].
近年来, 国内外学者对四旋翼无人机提出了一些新的控制方法.如自适应线性PID(proportional-integral-derivative)控制[6]、滑膜可重构控制[7]、鲁棒自适应姿态跟踪控制[8]、反步滑膜变结构控制[9]、基于反步法的PD(proportional derivative)控制[10]等.
虽然前人研究的控制方法有一定的抗干扰能力, 但大多忽略了不同类型干扰对系统的影响.在此次研究中, 将外部干扰区分为常值干扰和变值干扰, 并在传统反步控制(classical backstepping control，CBC)方法的基础上, 增加了误差积分和饱和函数, 设计了积分饱和反步控制(integral saturation backstepping control，ISBC)策略, 用于抵抗上述两种干扰.仿真实验结果表明, ISBC方法可以很好地抑制常值干扰和变值干扰对系统的影响.
1 四旋翼无人机动力学模型 1.1 运动原理四旋翼无人机在空间有6个自由度, 但是只有4个控制输入, 因此它是一个典型的欠驱动系统.如图 1所示, 定义地球坐标系E(xe, ye, ze)和机体坐标系B(xb, yb, zb).通过改变4个旋翼的转速, 无人机可以产生俯仰、横滚、偏航三种姿态角.两对旋翼(1, 3和2, 4)分别朝两个方向旋转.同时增大或减小4个旋翼的转速, 无人机会产生升降运动.增大一对而减小另一对旋翼的转速, 可以产生偏航运动.保持一对旋翼转速不变, 分别增大和减小另一对旋翼中两旋翼的转速, 就可产生横滚、俯仰、左右和前后运动, 如图 2所示.
|
图 1 四旋翼无人机结构图 Fig.1 Configuration of a quadrotor UAV |
|
图 2 四旋翼无人机运动示意图 Fig.2 Schematic of the motions for quadrotor UAV (a)—悬停或上下运动; (b)—偏航运动; (c)—横滚运动; (d)—俯仰运动; (e)—左右运动; (f)—前后运动. |
为了简化四旋翼无人机系统, 便于求解计算, 对系统模型作如下假设:
1) 无人机的机身是刚体并且严格对称；
2) 机体坐标系的原点与无人机质心重合；
3) 桨叶没有挥舞运动.
1.3 动力学模型在地球坐标系下, 定义四旋翼无人机的位移和欧拉角为ξ=[x, y, z]T, η=[φ, θ, ψ]T.其中φ，θ，ψ分别为横滚角、俯仰角和偏航角.无人机在机体坐标系下的线速度和角速度分别为V=[u, v, w]T, Ω=[p, q, r]T.两坐标系下线速度和角速度的关系为
|
(1) |
这里转换矩阵R和N分别为
|
(2) |
|
(3) |
其中，S(·), C(·)和T(·)分别为sin(·), cos(·)和tan(·).
根据牛顿定律和欧拉方程, 得到四旋翼无人机动力学方程为
|
(4) |
其中：Ff，Fd和Fg分别为平动力、平动空气阻力和重力；Ω×IΩ，Mf和Md分别为陀螺力矩、转动力矩和空气阻力力矩.考虑假设条件, 并将上述力和力矩代入整理得到无人机非线性动力学模型如下:
|
(5) |
式中：Jr为电机转动惯量；ωr=ω2+ω4－ω1－ω3.
控制输入为
|
(6) |
其中，ωi, i=1, 2, 3, 4为第i个电机的转速.
2 经典反步控制CBC在忽略空气阻力及阻力矩, 且不考虑外部干扰的情况下, 非线性动力学方程可以写为
|
(7) |
式中：
|
(8) |
|
(9) |
动力学方程(5)可以改写为
|
(10) |
用经典反步控制(CBC)方法设计四旋翼无人机的控制率, 其具体过程如下:
步骤1 定义四旋翼无人机的期望基准轨迹为
|
(11) |
选取Lyapunov函数为
|
(12) |
对V1按时间求导
|
(13) |
为了使e1稳定, 引入函数
|
(14) |
用方程(14)代替
|
(15) |
这里k1为一个正常数.
步骤2 引入第二个跟踪误差
|
(16) |
对e2按时间求导
|
(17) |
选取Lyapunov函数为
|
(18) |
对V2按时间求导,
|
(19) |
步骤3 为了使e2稳定, 选取控制率u1为
|
(20) |
式中, k2为一个正常数.将方程(20)代入方程(19), 则V2的导数可以改写为
|
(21) |
即
四旋翼无人机在飞行过程中通常受到两种类型的外部干扰:常值干扰和变值干扰.CBC方法无法抵抗这些干扰, 因此需要一些辅助控制来消除干扰.本节在CBC方法的基础上, 引入了误差积分和饱和函数来提高控制率的鲁棒性.当考虑外部干扰时, 非线性动力学方程(7)应写成
|
(22) |
这里，δ>=[δ1 δ2 δ3 δ4 δ5 δ6]T是外部干扰矢量, 且|δi|≤β, i=1, 2, …, 6, β是一个正常数.
将误差积分和饱和函数
|
(23) |
式中：λ1为积分系数；p1为误差e1的积分,
|
(24) |
ε1为设计参数；饱和函数
|
(25) |
定理 考虑1.2节的模型假设, 如果系统误差由式(23)控制, 则四旋翼无人机非线性动力学系统方程(22)将渐近稳定.
证明 为了证明ISBC控制率的稳定性, 选取Lyapunov函数为
|
(26) |
对V3按时间求导
|
(27) |
将方程(23)代入方程(27)得
|
(28) |
通过合理选取参数ε1, μ1, λ1, 可以使导数
为了验证ISBC方法的控制效果, 在MATLAB / SIMULINK环境下做了轨迹跟踪的仿真实验, 控制的目标是保证四旋翼无人机的仿真飞行轨迹可以跟踪上期望的螺旋轨迹, 实验过程中, 分别添加了常值干扰和变值干扰.期望的螺旋轨迹表达式如下:
|
(29) |
初始值设定为ψ=0, z=0.3, x=0, y=1.仿真时间为20 s.从第0 s开始分别给系统施加两种不同形式的干扰：第一种干扰为常值干扰, 干扰力和干扰力矩分别为fx=1 N, fy=1 N, fz=1 N, Mx=My=Mz=0.1 N·m；第二种为变值干扰, 干扰力和干扰力矩分别为fx=fy=fz=0.3×sin(t) N, Mx=My=Mz=0.05×sin(t) N·m.仿真结果见图 3和图 4.
|
图 3 常值干扰下轨迹跟踪结果 Fig.3 Trajectory tracking results under constant disturbance (a)—CBC方法; (b)—ISBC方法. |
|
图 4 变值干扰下轨迹跟踪结果 Fig.4 Trajectory tracking results under variable disturbance (a)—CBC方法; (b)—ISBC方法. |
从图 3a和图 4a中可以看出, 采用CBC方法, 在受到常值干扰时, 轨迹跟踪的误差随时间不断扩大; 受到变值干扰时, 轨迹跟踪的误差虽然没有随时间扩大, 但误差值仍然很大.相比之下, 采用ISBC方法, 仿真飞行轨迹与期望轨迹的误差一直保持稳定, 而且误差值远小于CBC方法, 见图 3b和图 4b.因此, 由轨迹跟踪仿真实验的结果可以证明, ISBC控制策略的抗干扰能力要远优于CBC控制策略.
5 结论1) 将误差积分和饱和函数引入经典反步控制方法CBC, 设计出了ISBC控制策略, 用于四旋翼无人机的飞行控制.
2) 基于Lyapunov稳定性定理, 证明受控于ISBC控制策略的四旋翼无人机系统是渐近稳定的.
3) 轨迹跟踪仿真实验表明, 采用CBC控制方法, 在常值干扰或变值干扰下, 四旋翼系统轨迹跟踪的效果很差, 即CBC方法不具备抵抗这两种干扰的能力.相反, 采用ISBC控制方法，无人机可较好地跟踪预定轨迹, 跟踪误差也较小.因此, 可以证明ISBC控制方法比CBC方法有更好的抗干扰能力和鲁棒性.
| [1] |
Bouabdallah S, Siegwart R. Full control of a quadrotor[C]//International Conference on Intelligent Robots and Systems. San Diego: IEEE, 2007: 153-158.
|
| [2] |
Choi Y C, Ahn H S.
Nonlinear control of quadrotor for point tracking:actual implementation and experimental tests[J]. IEEE/ASME Transactions on Mechatronics, 2015, 20(3): 1179–1192.
DOI:10.1109/TMECH.2014.2329945 |
| [3] |
史添玮, 王宏, 孙明星.
基于组合导航与EKPF飞行器的地形边界与面积估计[J]. 东北大学学报(自然科学版), 2015, 36(8): 1069–1073.
( Shi Tian-wei, Wang Hong, Sun Ming-xing. Estimation of boundary and area using aircraft with integrated navigation and EKPF[J]. Journal of Northeastern University(Natural Science), 2015, 36(8): 1069–1073. ) |
| [4] |
Raffo G V, Ortega M G, Rubio F R. An underactuated H∞ control strategy for a quadrotor helicopter[C] // Proceedings of the European Control Conference. Budapest, 2009: 3845-3850.
|
| [5] |
Raffo G V, Ortega M G, Rubio F R.
An integral predictive/nonlinear H∞ control structure for a quadrotor helicopter[J]. Automatica, 2010, 46(1): 29–39.
DOI:10.1016/j.automatica.2009.10.018 |
| [6] |
Zuo Z.
Trajectory tracking control design with command-filtered compensation for a quadrotor[J]. IET Control Theory & Applications, 2010, 4(11): 2343–2355.
|
| [7] |
Wang T, Xie W F, Zhang Y M.
Sliding mode reconfigurable control using information on the control effectiveness of actuators[J]. Journal of Aerospace Engineering, 2014, 27(3): 587–596.
DOI:10.1061/(ASCE)AS.1943-5525.0000240 |
| [8] |
Lee T.
Robust adaptive attitude tracking on SO(3) with an application to a quadrotor UAV[J]. IEEE Transactions on Control Systems Technology, 2013, 21(5): 1924–1930.
DOI:10.1109/TCST.2012.2209887 |
| [9] |
Bouadi H, Bouchoucha M, Tadjine M.
Sliding mode control based on backstepping approach for an UAV type-quadrotor[J]. International Journal of Applied Mathematics and Computer Sciences, 2008, 4(1): 12–17.
|
| [10] |
Basri M A M, Husain A R, Danapalasingam K A.
Enhanced backstepping controller design with application to autonomous quadrotor unmanned aerial vehicle[J]. Journal of Intelligent & Robotic Systems, 2014, 79(2): 295–321.
|