多约束下无人机制导与控制一体化技术研究

摘要

无人机凭借其在危险环境中出色的表现与低廉的制备成本，被广泛地应用于民用与军用领域。区别于载人机直接由驾驶员操纵飞行器调整航向改变轨迹，无人机的机载控制系统在实现姿态角控制的同时，还需要使无人机具有跟踪既定轨迹的能力。换而言之，无人机的机载控制系统需要同时实现制导与控制这两个目标。随着技术的不断发展，制导与控制一体化(IntegratedGuidanceandControl,IGC)设计逐渐成为无人机工程实践与理论研究的热点。同时，在固定翼无人机实际的飞行过程中，舵面的偏转角必然存在特定的幅值约束，迎角与侧滑角要限制在某个范围内以保持足够的升力，且应飞行任务需要无人机还存在各类性能约束。这些都给无人机的IGC设计带来了新的挑战。本文针对多约束下无人机系统的IGC设计问题展开一项新的研究，提出新型IGC设计策略。论文的主要工作如下：　　首先，考虑存在外部干扰的无人机姿态角回路，研究输出性能约束与输入饱和约束下飞行控制律设计问题。为了处理输入与输出约束，改进基于预设性能的控制(PrescribedPerformance-basedControl,PPC)方法，通过在给定的性能函数中引入自调节信号，提出自调节性能函数(ModifiedPerformanceFunction,MPF)的概念与相应的保性能控制(FlexiblePerformance-basedControl,FPC)方法。基于FPC的无人机飞行控制策略，有效地避免了发生舵面偏转饱和时跟踪误差越过MPF约束，并在舵面不饱和时使无人机满足输出性能约束。通过仿真分析验证飞行控制策略的有效性，与PPC方法的比较也突出其优越性。　　其次，考虑存在外部风干扰与建模不确定的无人机模型，研究主动估计器设计与飞行控制律设计问题。通过改进干扰观测器(DisturbanceObserver,DOB)内的Luenberger观测器架构，提出干扰区间观测器(DisturbanceIntervalObserver,DIOB)方法，在估计干扰的同时，实时提供干扰估计精度。基于DIOB的飞行控制策略中还结合了自适应神经网络(NeuralNetwork,NN)、PPC方法与动态面控制(DynamicSurfaceControl,DSC)技术，实现无人机姿态角在有外部风干扰与建模不确定情况下对参靠信号的保性能跟踪，再通过数值仿真验证策略的有效性。　　然后，进一步考虑全状态无人机标称模型，研究状态受限约束下无人机标称IGC设计问题。基于侵入与不变(ImmersionandInvariance,Iamp;I)非线性控制理，结合嵌套饱和(NestedSaturation，NS)与Backstepping控制方法，分别在航程域与时域对无人机设计虚拟制导律与标称飞行控制律，进而给出满足状态受限约束的标称IGC设计策略。该策略有效地处理系统中的非仿射增益项与状态受限问题，实现无人机对定高圆形轨迹的渐近跟踪。再结合数值仿真也验证策略的有效性。　　接着，考虑存在外部风干扰与建模不确定的全状态无人机模型，在有状态受限约束的情况下，研究具有强鲁棒性的IGC设计问题。在标称IGC设计的基础上，通过重新选取无人机位置回路的状态，消除外部风干扰与系统不确定对虚拟制导律的影响，再将自适应NN、PPC和DOB方法融合至标称飞行控制律中，设计出具有强鲁棒性飞行控制律。该策略在有状态受限约束的情况下能综合处理系统中的非仿射增益项、外部风干扰与建模不确定，实现无人机对轨迹的有界跟踪。通过数值仿真验证策略的有效性，与标称IGC设计的比较进一步彰显其优越性。　　最后，综合考虑具有外部风干扰与建模不确定的无人机模型，研究具有处理状态受限、输出性能与输入饱和约束能力的IGC设计问题。利用DIOB估计外部风干扰，得到可靠的外部环境信息。再在MPF的基础上，提出基于判据的性能函数(ConditionalPerformanceFunction,CPF)概念，将满足输入约束与适应外部环境作为实现输出约束的前提条件，实现多约束问题的融合。而后结合满足CPF约束的飞行控制律与满足状态约束的虚拟制导律，给出多约束下无人机IGC设计策略。通过数值仿真验证策略的有效性，与鲁棒IGC设计的比较彰显其在多约束情况下的优越性。

目录