基于ADRC的尾座式无人机姿态控制

基于小型尾座式无人机进行自抗扰控制器的设计。无人机平台采用凤凰无人机平台:一套完整开源的尾座式无人机平台。该小型尾座式无人机采用2个电机和舵面完成无人机的垂直起降和前飞。在建模方面建立了无人机运动学、动力学和作动器的数学模型,为解决该无人机姿态表示的奇异性问题,采用旋转矩阵表示姿态。为提高无人机垂直起飞和前飞过程的抗干扰能力,设计了基于ADRC(主动抗干扰控制)的姿态控制器,通过Simulink进行了仿真验证。

基于L_1-ITD的尾座式无人机姿态控制

针对尾座式无人机在垂直起降(VTOL)阶段对风干扰敏感的问题,提出了一种基于L1-ITD的尾座式无人机姿态控制方法。建立了垂直起降阶段尾座式无人机六自由度非线性模型,设计了基于L1自适应的无人机姿态控制器,可抑制扰动对系统性能的影响,实现垂直起降阶段存在风干扰和模型不确定时对无人机姿态的良好控制。在此基础上,针对L1自适应控制方法对量测噪声敏感及无法直接获取有效微分信号的问题,引入改进跟踪微分器,在快速精确跟踪信号的同时抑制了量测噪声的影响。仿真结果验证了所提方法的有效性。

基于响应面和遗传算法的尾座式无人机结构参数优化

设计了一种垂直起降尾座式无人机,利用中心组合试验(Central composite design,CCD)对无人机的翼展长、后掠角、小翼高和小翼厚4个结构参数进行设计,构建了25组样本点。利用ANSYS CFX进行升阻比和阻力数值模拟,通过Design-Expert软件建立无人机结构参数与升阻比、阻力的响应面模型,其中升阻比随着翼展长和小翼高的增加而增大,后掠角和小翼高对升阻比的影响较小,当攻角为4°～8°时,升阻比随小翼厚的增加而减小,当攻角为10°～12°时,升阻比随小翼厚的增加而增大;阻力随着翼展长和小翼厚的增加而增大,随小翼高的增加而减小,随后掠角的增加先增大后减小。以升阻比最大和阻力最小为优化目标,采用多目标遗传算法进行结构参数优化,得到最优结构参数为:翼展长1 123 mm、后掠角34°、小翼高39 mm、小翼厚3 mm,与原始样机相比升阻比提高了12. 4%,阻力降低了5. 3%。采用风洞试验对响应面模型进行了验证,其中升阻比和阻力的数值模拟相对误差小于8. 0%,响应面模型相对误差小于3%,表明响应面模型具有较高的精度和良好的通用性,可用于垂直起降尾座式无人机的优化设计。

尾座式无人机续航时间估算模型

为研究尾座式无人机翼展长、翼根弦长、翼梢弦长、机翼后掠角、小翼翼梢长、小翼展长、小翼高、小翼后掠角、小翼厚度和小翼脚长等10个结构参数对无人机续航时间的影响,利用CATIA和ANSYS建立了尾座式无人机及其外流场的三维实体模型,采用SST k-ω模型在ANSYS CFX中模拟无人机在130种不同结构参数组合下的气动特性,利用方差分析确定气动系数的特征因子为翼展长、后掠角、小翼厚度和小翼脚长,建立了4个特征因子与气动系数的多元回归模型;结合质量系数方程,最终建立了结构参数与续航时间的关系模型,精度达0. 97。采用风洞试验的方法对数值模拟结果进行验证,测量4架样机在巡航状态下的气动系数,相对误差小于14%,数值模拟方法可靠。采用定高定点盘旋的方法进行样机试飞试验,对续航时间模型进行验证,连续记录不同剩余电量时的飞行时间,结果相对误差小于15%,模型可靠。

飞翼布局尾座式无人机气动建模与飞行仿真

尾座式无人机垂直起降,没有多余机构重量,飞行效率高,受到人们广泛关注。在垂直起降阶段和模式转换阶段,该机型螺旋桨高速旋转产生的诱导气流作用在机体上,产生较大的气动影响。一般尾座式无人机建模方法常常忽略该诱导气流气动力,或者采用平板假设经验公式计算诱导气流气动力,带来较大误差影响模型精度。因此,提出利用计算流体力学计算无人机完整的气动参数的方案:将机体分为滑流区和非滑流区分别计算气动力,滑流区的气流速度大小采用轴向动量理论来计算。最后,结合实时仿真平台和机载飞控计算机,实现了尾座式无人机从起飞到降落的整个飞行过程的半实物仿真,验证了模型的正确性,为该机型无人机的研制和实际飞行调试提供了理论指导。

基于改进ADRC的某尾座式无人机风场扰动下的悬停控制

针对尾座式无人机容易受到外界风场扰动和模型不确定性影响的问题,设计了一种外环PID与内环自抗扰控制(ADRC)的组合控制算法进行悬停姿态与高度控制,并优化扩张状态观测器(ESO)以解决调参困难的问题。建立用垂向欧拉角定义的天东北坐标系来描述悬停飞行状态,进行数学建模并完成全量运动方程组。在Matlab/Simulink软件内搭建基于改进ADRC的非线性全量运动方程模型,通过大气紊流模型建立风场,仿真分析在干扰作用下的控制效果。仿真结果表明,改进ADRC控制算法能够有效抵抗风场干扰,实现稳定的悬停姿态与高度控制。

基于MPCC的鸭翼尾座式垂直起降无人机轨迹跟踪控制算法

目前针对鸭翼尾座式垂直起降无人机(UAV)的高速轨迹跟踪控制还没有成熟的解决方案。本文设计了一种轮廓模型预测控制(MPCC)以实现无人机的轨迹跟踪控制。给定一段轨迹,此控制器能够预测并选择最优的状态和输出,使得无人机能够最大化自己的飞行速度和最小化自己离轨迹的距离。通过调整飞行速度和距离误差的权重参数,无人机能够平衡两者的侧重点,以适应不同的飞行环境。另外,本文将此优化问题进行线性化,使其转化为一个凸二次规划问题,以减小求解时间。最终通过仿真实验跟踪不同的轨迹,验证了算法的有效性。

尾座式垂直起降无人机在时变侧风干扰下的轨迹跟踪控制

该文针对尾座式垂直起降无人机面临的时变侧风干扰问题,设计了一种基于新型姿态提取算法的轨迹跟踪控制方法。首先,根据侧风干扰与无人机姿态的关系建立数学模型,在此模型基础上推导出一种利用无人机滚转角的新型姿态提取算法,显著降低了干扰力。在反步式控制方法的基础上,采用嵌套饱和函数方法对控制输入进行限制,解决推力限幅问题,并通过PD+前馈控制方法解决姿态跟踪控制问题。此外,采用指令滤波器解决了时变侧风干扰造成的期望姿态无法求导的问题。结果表明:只要滤波频率足够大,轨迹跟踪误差便可达到任意小,并通过仿真实验验证了其有效性。

一种基于任务空间的T-VTOL多模态轨迹生成算法

针对尾座式垂直起降无人机(T-VTOL)多模态轨迹规划复杂的问题,提出了一种面向任务空间的多模态轨迹生成算法。证明了T-VTOL全模态的微分平坦特性,位置的高阶导数是系统平坦的输出,表明T-VTOL可以在任务空间内设置符合期望轨迹的任意定点。基于庞特里亚金极小值原理提出了T-VTOL在三维空间的多模态轨迹生成算法与封闭解,并给出其可行性验证方法。结果表明,在两种过渡模态以及盘旋模态,T-VTOL飞行轨迹严格遵循任务空间约束。此外,所提算法具有计算时间短,算力要求低,易于部署的优点。