基于气动特性辨识的飞行器抗饱和自适应控制

针对无人机含有未知气动参数时的大机动飞行控制问题,设计了基于在线气动参数辨识的自适应非线性模型预测控制(ANMPC)的飞行控制器。首先,根据无人机动力学模型设计出基于反馈线性化模型的非线性模型预测控制(NMPC)的飞行控制器,通过在线求解有约束的最优化问题,确保大机动飞行时系统状态及控制输入满足约束条件,使控制系统具备抗饱和性能。然后,将无人机动力学模型中的未知气动参数转换为待辨识参数矩阵,采用基于迭代扩展卡尔曼滤波(IEKF)与渐消记忆最小二乘(RLS)的气动特性辨识两步方法,实时辨识无人机气动参数,更新非线性模型预测控制律所用模型,消除模型误差,增强非线性模型预测控制器的鲁棒性。最后,对指令姿态角跟踪进行了仿真验证,仿真结果表明:在考虑外界未知气动扰动情况下,控制器满足设计要求,并具有较强的鲁棒性。

飞行器抗饱和鲁棒自适应非线性模型预测控制

针对巡航飞行器同时存在较大外部干扰和模型参数不确定性时自适应预测控制性能下降的问题,设计了带有模糊干扰观测器(fuzzy disturbance observer,FDO)补偿的鲁棒自适应非线性模型预测控制(robust adaptive nonlinear model predictive control,RANMPC)方法(简记为FDO-RANMPC方法)。首先,利用具有未知参数限制条件的递推最小二乘方法在线辨识模型参数;其次,利用模糊干扰观测器输出值抵消幅值较大的复合干扰,再利用Tube鲁棒预测控制策略设计了飞行器底层姿态系统具有稳定保障的FDO-RANMPC控制器;最后,在考虑复合不确定性情况下对指令姿态角跟踪的仿真中验证了控制器的有效性及其渐进稳定性。