未来智讯 > 无人驾驶论文 > 无人机三维航路自适应跟踪抑制

无人机三维航路自适应跟踪抑制

发布时间:2018-12-09 01:06:01 文章来源:未来智讯    
    无人机三维航路自适应跟踪抑制作者:未知   摘要:   针对无人机自动驾驶仪参数标称值偏离实际值情况下的航迹跟踪问题,提出一种无人机三维航路自适应跟踪导引律。最初在无人机自动驾驶仪参数无偏离的条件下,推导出可以跟踪三维航路的速度指令、航迹倾斜角指令和航迹方位角指令,并使用Lyapunov稳定性理论表明了跟踪系统全局渐进稳定;之后考虑自动驾驶仪参数标称值偏离实际值的情况,设计自适应算法在线估计自动驾驶仪参数,得到无人机三维航路自适应跟踪导引律,并选取Lyapunov稳定性理论表明了该跟踪闭环系统全局渐进稳定。仿真实验证明所提出的自适应跟踪导引律可以使无人机在自动驾驶仪参数偏离条件下有效跟踪三维航迹。
  关键词:
  航路跟踪;参数偏离;导引律;无人机;自适应抑制
  中图分类号:
  V249
  文献标志码:A
  Abstract:
  Concerning the problem of trajectory tracking control for an Unmanned Aerial Vehicle (UAV) when the nominal values of autopilot parameters deviate from the actual values, a threedimensional trajectory adaptive tracking control law was proposed. First, with no parameter deviation of autopilot parameters, a guidance law was derived and commands were obtained for the UAVs airspeed, track angle and flightpath angle. Global asymptotic stability of the closedloop tracking system was proved by Lyapunov stability theory. Then regarding the deviation of autopilot parameters, a parameter adaption algorithm was designed to estimate the actual autopilot parameters online, and an adaptive tracking control law for UAVs threedimensional trajectory was obtained. Lyapunov stability theory was used to prove global asymptotic stability of the closedloop tracking system. Simulation results show that the proposed adaptive tracking control law can achieve UAVs threedimensional trajectory tracking effectively in spite of autopilot parameter deviation.
  英文关键词Key words:
  trajectory tracking; parameter deviation; guidance law; Unmanned Aerial Vehicle (UAV); adaptive control
  0引言
  近年来,无人机在环境监测、地图测绘、灾难救援、边境巡逻、态势感知、毁伤评估、通讯中继等民用和军用领域得到了广泛应用[1]。在多种任务想定中,无人机都需要具有规划参考航迹并精确跟踪该参考航迹的能力[2]。在城区监控和野外搜救等任务中,无人机需要在城市建筑之间或各种地形表面贴近飞行。这种情况下,无人机必须具备精确跟踪参考航迹能力。与有人机依赖飞行员抑制飞机按照参考航迹飞行不同,无人机依赖自动抑制技能实现该功能。作为无人机自动抑制关键技能之一,航迹跟踪抑制技能可以保证无人机跟踪以时间为参数的参考航迹[3]。航迹跟踪抑制技能也应用于无人机编队抑制、自动空中加油和追踪动态指标等动态任务中[4]。航迹跟踪抑制的基本要求是精确性[5]。而对于无人机来说,其被控过程机理复杂,具有高度非线性、时变性和不确定性,又由于负载等内外部扰动因素的影响,精确的无人机航迹跟踪抑制是一个较大的挑战[6]。
  目前大局部的研讨关注二维平面的航路跟踪。传统的线性化方法已经应用于航迹跟踪,然而对于复杂曲线航路无法提供如意的跟踪本能[7];文献[2,8]提出基于向量场的航路跟随方法,该方法能够很好地跟踪二维直线和圆弧航路,然而难以扩展到三维航路;文献[9]提出一种自适应最优航路跟随算法;文献[10]提出应用于直升机的航路规划和抑制方法;文献[4]提出基于反步法的三维航路跟踪非线性制导律。以上文献对无人机模型作了简化,没有涉及动力学参数的不确定问题。
  由于受到内外部扰动和无人机自身的物理特性的影响,无人机飞行抑制系统或自动驾驶仪的参数标称值偏离实际值,在航迹跟踪抑制律设计中使用不精确的自动驾驶仪参数将会降低跟踪精度[11]。因此,为实现更佳的航迹跟踪效果,需要考虑自动驾驶仪参数的不确定性。文献[11]考虑不精确的自动驾驶仪参数,利用参数自适应和反步法推导出可以在线估计动力学参数并实现精确航迹跟踪的抑制指令;文献[12]针对高超音速飞行器的纵向跟踪抑制,提出可以估计不确定性的神经网络自适应动态抑制方法;文献[13]使用在线学习自适应径向基神经网络处理旋翼无人机参数不确定性,实现了旋翼无人机的精确抑制;文献[14]针对纯反馈不稳定将力学系统引入模糊系统,设计了在线估计模型未知参数的自   适应模糊动态面抑制。
  基于此,本文提出一种可以实现无人机自动驾驶仪参数不确定条件下三维航迹自适应跟踪抑制律。最初考虑自动驾驶仪参数标称值与实际值无偏离的情况,设计三维航迹跟踪抑制律;进一步考虑标称值与实际值有偏离的情况,选取自适应抑制方法设计可以实时估计动力学参数的自适应跟踪抑制律。基于Lyapunov稳定性理论表明了该抑制律可以使跟踪系统全局渐进稳定。
  1问题提出
  为了使无人机按照规划航迹飞行,假如该规划航迹是一个虚拟的飞机的飞行航迹,该虚拟飞机作为长机指引无人机飞行,所以称之为虚拟长机,那么无人机能够通过跟踪该虚拟长机来实现航迹跟踪的目的。假如规划航迹光滑,各坐标分量的一、二阶导数都存在。虚拟长机位置表示为(xr,yr,hr),虚拟长机的速度为(r,r,h・r),虚拟长机的速度为(r,r,h¨r),其中:xr、yr分辨表示虚拟长机在北东地坐标系中的水平面内的坐标分量,hr表示高度。
  仿真2和仿真3的对比说明无人机动力学参数标称值偏离实际值条件下自适应抑制律提高了三维航迹跟踪精度。另外,从位置误差(图8)能够看出,在无人机动力学参数偏离情况下,由于自适应抑制律中包括无人机动力学参数的自适应估计算法,本文方法的跟踪误差小于文献[4]的方法。对比实验说明,在无人机动力学参数偏离条件下,本文方法与文献[4]的方法相比具有更好的跟踪本能。
  4结语
  本文讨论了无人机动力学参数不确定条件下的无人机三维航路跟踪问题,提出了一种可以实如今无人机动力学参数标称值偏离实际值时三维航路跟踪的自适应抑制律。最初假
  设动力学参数标称值与实际值匹配,设计了航迹跟踪抑制律;之后考虑动力学参数标称值与实际值不匹配,设计自适应抑制律来估计实际的动力学参数,得到航迹跟踪自适应抑制律。仿真结果验证了航迹跟踪自适应抑制律的有效性。
  进一步的事务能够从以下方面开展:1) 本文提出的抑制律使用的是全状态反馈,能否使用高增益观测器等方法将抑制律扩展到输出反馈;2)考虑无人机动力学特性中的未建模动态,使用神经网络抑制或模糊抑制等方法研讨无人机动力学特性含有未建模动态项的航迹跟踪问题。
  参考文献:
  [1]
  CHO A, KIM J, LEE S, et al. Wind estimation and airspeed calibration using a UAV with a singleantenna GPS receiver and Pitot tube [J]. IEEE Transactions on Aerospace and Electronic Systems, 2011, 47(1): 109-117.
  [2]
  NELSON D R, BARBER D B, MCLAIN T W, et al. Vector field path following for miniature air vehicles [J]. IEEE Transactions on Robotics, 2007, 23(3): 519-529.
  [3]
  AMBROSINO G, ARIOLA M, CINIGLIO U, et al. Path generation and tracking in 3D for UAVs [J]. IEEE Transactions on Control Systems Technology, 2009, 17(4): 980-988.
  [4]
  刘重,高晓光,符小卫,等. 基于反步法和非线性动态逆的无人机三维航路跟踪制导抑制[J].兵工学报,2014,35(12):2030-2040.(LIU Z, GAO X G, FU X W, et al. Threedimensional path tracking guidance and control for unmanned aerial vehicle based on backstepping and nonlinear dynamic inversion [J]. Acta Armamentarii, 2014, 35(12): 2030-2040.)
  [5]
  SUJIT P B, SARIPALLI S, SOUSA J B. Unmanned aerial vehicle path following: a survey and analysis of algorithms for fixedwing unmanned aerial vehicless [J]. IEEE Control Systems, 2014, 34(1): 42-59.
  [6]
  张坤,高晓光.未知风场扰动下无人机三维航迹跟踪鲁棒最优抑制[J].电子与信息学报,2015,37(12):3009-3015.(ZHANG K, GAO X G. Robust optimal control for unmanned aerial vehicles threedimensional trajectory tracking in wind disturbance [J]. Journal of Electronics and Information Technology, 2015, 37(12):3009-3015.)
  [7]
  PARK S, DEYST J, HOW J P. Performance and Lyapunov stability of a nonlinear path following guidance method [J]. Journal of Guidance, Control, and Dynamics, 2007, 30(6): 1718-1728.   [8]
  LAWRENCE D A, FREW E W, PISANO W J. Lyapunov vector fields for autonomous unmanned aircraft flight control [J]. Journal of Guidance, Control, and Dynamics, 2008, 31(5): 1220-1229.
  [9]
  RATNOO A, SUJIT P B, KOTHARI M. Adaptive optimal path following for high wind flights [C]// Proceedings of the 18th International Federation of Automatic Control World Congress. Milano: IFAC Secretariat, 2011: 12985-12990.
  https://www.researchgate.net/publication/228439294_Adaptive_Optimal_Path_Following_for_High_Wind_Flights
  http://www.nt.ntnu.no/users/skoge/prost/proceedings/ifac11-proceedings/data/html/papers/3720.pdf
  [10]
  GUERRERO J A, ESCARENO J A, BESTAOUI Y. Quadrotor MAV trajectory planning in wind fields [C]// Proceedings of the 2013 IEEE International Conference on Robotics and Automation. Piscataway, NJ: IEEE, 2013: 778-783.
  [11]
  REN W. Trajectory tracking control for a miniature fixedwing unmanned air vehicle [J]. International Journal of Systems Science, 2007, 38(4): 361-368.
  [12]
  BUTT W A, YAN L, AMEZQUITA S K. Adaptive integral dynamic surface control of a hypersonic flight vehicle [J]. International Journal of Systems Science, 2015, 46(10): 1717-1728.
  [13]
  LEI X, LU P. The adaptive radial basis function neural network for small rotarywing unmanned aircraft [J]. IEEE Transactions on Industrial Electronics, 2014, 61(9): 4808-4815.
  [14]
  刘金琨,郭一.一类纯反馈力学系统的自适应模糊动态面抑制[J].抑制与决策,2013,28(10):1591-1595.(LIU J K, GUO Y. Adaptive fuzzy dynamic surface control for a class of purefeedback mechanical systems [J]. Control and Decision, 2013, 28(10): 1591-1595.)
  [15]
  KHALIL H K. Nonlinear Systems [M]. Upper Saddle River: Prentice Hall, 2002: 126-132.
  [16]
  ANDERSON E P, BEARD R W, MCLAIN T W. Realtime dynamic trajectory smoothing for unmanned air vehicles [J]. IEEE Transactions on Control Systems Technology, 2005, 13(3): 471-477.
  [17]
  PARK S. Autonomous aerobatics on commanded path [J]. Aerospace Science and Technology, 2012, 22(1): 64-74.
  [18]
  CABECINHAS D, CUNHA R, SILVESTRE C. A nonlinear quadrotor trajectory tracking controller with disturbance rejection [J]. Control Engineering Practice, 2014, 26(1): 1-10.
转载请注明来源。原文地址:https://www.7428.cn/page/2018/1209/52918/
 与本篇相关的热门内容: