无人机飞行控制PID参数的模糊自整定技术研究_张晨

Ξ　收稿日期:2009-04-09作者简介:张晨(1985—),女,河南孟津人,硕士研究生,主要从事无人机、动力伞飞行控制研究.无人机飞行控制PID 参数的模糊自整定技术研究Ξ张　晨,李小民(军械工程学院光学与电子工程系,石家庄　050003)摘要:现今,无人机在军事和民用上都有重要的应用价值.它要完成自主飞行,需要飞机的控制系统具有良好的控制特性.本文中首先介绍了PI D 参数自整定方法,然后针对无人机俯仰姿态的控制律设计了一种模糊PI D 飞行控制器,并对这种PI D 控制器的控制特点及参数设计规则等进行描述.仿真结果表明,这种模糊自整定PI D 控制器比常规PI D 控制器超调量小.它具有调节时间短,控制系统实时性和抗干扰能力强的特点.关键词:模糊PI D 控制;自整定;俯仰姿态控制;M AT LAB 中图分类号:T J0;T J760.6+28文献标识码:A 文章编号:1006-0707(2009)07-0085-04 无人机(UVA )是一种以无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器.它凭借其“长航时”、“高机动”、“零伤亡”、“低损耗”等特点,受到各个国家越来越多的关注.无人机的自动飞行控制系统是无人机的核心部分,它的性能在很大程度上取决于他的飞行控制律.由于无人机是一个复杂的非线性动力学对象,其自身动态特性随着飞行高度、速度和飞行状态的变化,有很大的差异,并且是不稳定的,又难以用精确的数学模型描述.常规PI D 控制方法主要是针对有确切模型的线性过程,其PI D 参数一经确定后无法随着对象的变化而在线调整,很难达到理想的控制效果.因此,本文中以无人机的俯仰姿态回路为研究对象,采用模糊推理的方法对PI D 参数自整定,并设计出无人机模糊PI D 自整定控制器.利用M AT LAB 对常规PI D 和模糊PI D 控制进行仿真对比,实践证明在不确定的条件下,模糊控制系统具有更好的快速性、精确性、鲁棒性等特点.1　PI D 参数常规自整定方法[1]1.1　Z iegler 2Nichols 整定方法Z ieler 2Nichols (简称Z 2N 法)最早提出了PI D 参数整定方法它是令控制器如式(1)根据对象(一阶惯性加纯迟延,如式(2))的阶跃响应曲线,获取对象时间常数T ,增益K,及纯迟延时间τ,再利用相应的经验公式求得.此法简单易行,但参数还需进一步整通过改进.Z 2N 法一般用于手工计算和设置控制器初值.G c (s )=K p (1+1T i S+T d S )(1)G 0(s )=K -τse 1+TS(2)1.2　临界灵敏度法临界灵敏度法是获取系统发生稳定临界振荡的参数振荡周期T c ,振荡幅值K c ,代入经验公式,以得控制器参数.由于不易使系统发生稳定的临界振荡或不允许系统离线进行参数整定,临界参数的获取,通常用Astrom 和Hagglund 提出的继电反馈法,它既可保证实现稳定闭环振荡,又不需离线进行,是获得过程临界信息的最简便方法之一.1.3　相位裕度PI D 参数最优整定方法基于给定相位裕度P M (Phase Margin )的整定方法是把Nyquist 曲线上的点通过调整控制器参数移到期望点,以满足给定相位裕度.1.4　继电型PI D 自整定方法1984年,Astrom 和Hagglund 提出继电型PI D 参数自整定控制结构.其工作过程是对被控对象施加一控制信号u (t )=M e (t )>00e (t )≤0,使系统在给定点达到临界振荡状态,记录下系统的临界振荡周期T 和振荡幅度a ,据此来设计PI D 控制器.2　无人机模糊PI D 控制技术2.1　无人机纵向俯仰飞行控制系统结构如图1所示无人机俯仰姿态控制系统是由传感器、飞行控制器、执行机构、舵面和飞机构成.姿态信号;经传感器测量送入控制器处理后,输出相应的控制信号进而操纵执行机构,使舵面偏转来保持飞机予定的姿态运动.第30卷　第7期四川兵工学报2009年7月图1　无人机俯仰姿态稳定系统2.2　无人机俯仰姿态常规PI D 控制器俯仰角速率ωc 和俯仰角;双回路反馈,由三轴角速率陀螺反馈构成阻尼回路,垂直陀螺反馈组成姿态角稳态回路(如图2所示).在设计常规PI D 参数时,根据比例、积分、微分控制对系统稳定性、动态性能的作用,经过综合设计找到一组最好的PI D 参数.图2　俯仰姿态常规PI D 控制器结构2.3　无人机俯仰姿态模糊PI D 自整定控制器模糊控制主要是模仿人的控制经验而不依赖于控制对象的模型,主要研究那些在现实生活中广泛存在的、定性的、模糊的、非精确的信息系统的控制问题,由于它对信息进行简单的模糊处理会导致被控系统控制精度的降低和动态品质变差等问题.针对这种情况,把模糊控制和常规PI D 控制有机地结合在一起,使PI D 的3个参数能够在线自动调整.图3为模糊自整定PI D 控制系统结构图.图3　模糊自整定PI D 控制系统结构 无人机的俯仰姿态采用模糊PI D 控制系统,它由一个传统PI D 控制器和模糊控制环节组成.本系统采位移用传感器对位置进行检测,经过信号转换与计算机进行串口通信,将俯仰角;c 设定值与实际测量的俯仰角;作比较,产生的误差e 分为2路,一路直接进入PI D 控制器,另一路和它的变化率一起进入模糊控制环节,得到参数校正值ΔK p 、ΔK i 、ΔK d ,自动校正初始的PI D 参数K p 、K i 、K d ,然后用校正后的参数输入PI D 控制器得到控制量,作为速度环的给定.系统采用双闭环控制,内环为速度环采用常规PI D 控制,环为位置环采用模糊PI D 控制.2.3.1　确立输入输出变量并模糊化.模糊控制器输入、输出变量都是精确量,模糊推理是针对模糊量进行的.因此,控制器首先要对输入量进行模糊化处理如图4所示.在这里所设计的模糊自整定PI D 控制器中,输入、输出的语言值均为分为7个语言值:负大、负中、负小、0、正小、正中、正大,即NB 、NM 、NS 、0、PS 、PM 、P B ,隶属度函数NB 、P B 采用Z 函数,其它均采用灵敏性强的三角函数.误差E 、误差变化率Ec 及输出控制量的论域均取{-6、-5、-4、-3、-2、-1、0、1、2、3、4、5、6}.图4　模糊PI D 控制器的构成2.3.2　建立控制规则表.针对K p 、K i 、K d 3个参数的分别整定的模糊控制规则见表1～3.K p 、K i 、K d 的模糊控制规则表建立后,根据Z 2N 法确定系统的3个初始参数K p ′、K i ′、K d ′,然后根据模糊经验确定E 、E c 、K p ′、K i ′、K d ′的隶属度函数,由模糊推理系统的逻辑运算离线算出模糊控制器的响应值ΔK p {ek ,eck },ΔK i {ek ,eck },ΔK d {ek ,eck }代入各式计算:K p =K p ′+ΔK p {ek ,eck }K i =K i ′+ΔK i {ek ,eck }K d =K d ′+ΔK d {ek ,eck }式中:ΔK p 、ΔK i 、ΔK d 为PI D 的修正系数;{ek ,eck}为误差E 和误差变化率E c 对应于模糊控制规则,见表1～3中的输出值.将最终结果写入PI D 控制器,在线运行时,控制器通过对模糊规则的结果查表处理和运算,完成对PI D 3个参数的在线自校正[4].表1　K p 的控制规则E EcNB NM NS 0PS PM P BNB P B P B PM PM PS 00NM P B P B PMPM PS 00NS PM PM 0NSNM NB NB 0P B P B PM0NM NB NB PS PMPM0NS NM NB NB PM 00NS NM NM NB NB P BNSNMNMNBNB68四川兵工学报表2　K i 模糊调整规则E Ec NB NM NS 0PS PM P B NB P B P B P B P B P B P B P B NM P BPSPSPSPSPS PS NS00000NS NS 0NSNSNSNSNSNB NB PS 00000NS NS PM P B PS PS PS PS PS PS P BP BP BNSNMNMNBNB表3　K d 模糊调整规则E Ec NB NMNS0PS PM P B NB PS 0000PS PS NM NB NB NM NS NM NB NB NSNB NB NM NS NM NB NB 0NS NS NS NS NS NM NM PS NB NB NM NS NM NB NB PM NB NB NMNSNMPS PS P BPSPS000PSPS2.3.3　建立模糊推理规则.模糊控制设计的核心是基于专家知识或控制工程师长期积累的技术知识和实际操作经验,从系统的稳定性、响应速度、超调量和稳态精度等各方面总结出的模糊推理规则.其一般形式为由模糊语言和模糊逻辑组成的模糊条件语句.总结的规则如下:I f E is NB and E c is NB then ΔK p is P B and ΔK i is P B andΔK d is PS;I f E is NB and E c is NM then ΔK p is P B and ΔK i is P B andΔK d is 0;I f E is NB and E c is NS then ΔK p is P M and ΔK i is PB andΔK d is 0;…….在模糊推理系统中,打开“Rule ”,对模糊控制规则进行编辑(49条规则).输出K p 变量由此得图5.图5　输出K p 变量的曲面视图3　系统仿真及分析[2-3] 在M AT LAB 中建立好设计模糊控制器后,便可以在SI M U LI NK 中构建如图6～7所示的基于模糊规则的参数自调整PI D 控制系统模型图.以G (s )=206s 2+5s +1为典型被控对象,与常规PI D 控制作比较得到仿真曲线,如图8.图6　模糊PI D 参数控制系统仿真模型78张　晨,等:无人机飞行控制PI D 参数的模糊自整定技术研究图7　PI D参数自整定模块图8　常规PI D 控制与模糊PI D 参数自整定控制的比较 由仿真曲线可知,模糊PI D 参数自整定控制具有较小的超调量和较短的调节时间,具有较好的动态响应特性和稳态特性,抗干扰能力强,它优于常规的PI D 控制.4　结束语 模糊自整定PI D 控制是采用模糊推理的方法基于传统PI D 控制的基础上进一步改进,它结合了模糊控制和传统PI D 控制的优点,通过仿真实验可以看出系统偏差小,超调量小、振荡小、响应快等,真正实现了自整定功能.利用M AT LAB 中的模糊控制逻辑工具箱设计模糊控制器灵活、方便、可视性强,并可在S imulink 环境中非常直观地构造控制系统并观察其结果.参考文献:[1]　李玮.无人机飞行PI D 控制及智能PI D 控制技术研究[D].南京:南京理工大学,2004.[2]　李国勇.智能控制及其M AT LAB 实现[M].北京:电子工业出版社,2005.[3]　李晓红,么娆.基于S imulink 的模糊PI D 参数自整定控制器的设计与仿真[J ].吉林工程技术师范学院学报,2006(9):35-36.[4]　曾喜娟.模糊自适应PI D 控制器的设计[J ].黎明职业大学学报,2007,54(1):33-34.[5]　王强,杨胜荣,贾致红.某型无人机飞行控制系统[J ].四川兵工学报,2009,30(2):82-86.(上接第84页)三角转子发动机的偏心轮上布置有一个飞轮,动力就从这里输出.用作全电战斗车辆时,输出的动力不再像传统战斗车辆中那样传递给传动系统.高速旋转的飞轮与发电机的转子设计为一体,而定子则置于发动机飞轮壳外部,这样就构成一个由机械能转化为电能的结构紧凑的集成化的发电装置.所发电流通过交、直及逆变、变频等控制的电路系统输送到各个用电部件,为车辆的驱动及其他用电设备提供电能.4　结束语 综上所述,尽管理论上全电战斗车辆的动力选择呈现多样性,但燃料电池、蓄电池因功率密度无法满足坦克装甲车辆结构尺寸紧凑和所需功率较大的需求,在相当长的一段时间内都不可能作为全电战斗车辆的动力源.对于采用电传动方式的全电战斗车辆,相比较而言,三角转子发动机是较为理想的动力,将其与发电机作为一个整体进行设计,能够实现较高的功率密度,适应未来全电战斗车辆的能量需求.参考文献:[1]　孙志红,谷中丽.坦克电传动系统的发展和展望[J ].四川兵工学报,2005(1):16-18.[2]　张均享,高机动性运载车辆动力系统[M].北京:中国科学技术出版社,2000.[3]　李跃龙.燃料电池用质子交换膜的研究发展[J ].山东化工,2007(12):29-31.[4]　满开美,张富兴,王刚.车用燃料电池的发展研究[J ].上海汽车,2008(11):10-12.[5]　孟良荣,王金良.电动车电池现状与发展趋势[J ].电池工业,2006(3):61-65.[6]　郭自强.电动车电池概况及发展前景[J ].电池工业,2004(6):5-8.[7]　朱仙鼎.特种发动机[M].北京:机械工业出版社,1993.[8]　韩树.摆盘发动机及其用于装甲车辆的探讨[J ].车用发动机,2003(1):33-37.[9]　杨亚联,张昕,何培祥,等.混合动力汽车镍氢动力电池温度场[J ].四川兵工学报,2008,29(4):112-114.88四川兵工学报。