论文部分内容阅读
自主导航控制系统是实现无人机自主飞行的核心系统，在执行避障、跟踪和监视等任务时，都需要该系统确保无人机按预定航线飞行。在复杂的空域中，如何有效补偿外部未知风扰，保证无人机能够准确的跟随预定的航线，称为无人机的路径跟踪问题。目前，无人机路径跟踪控制己成为理论和工程研究的热点，是无人机自主导航系统的关键所在，已经有很多方法提出用于小型固定翼无人机的路径跟踪控制。
小型固定翼无人机在路径跟踪时存在的问题有：(1)大部分方法只针对直线和圆弧路径跟踪，很难直接应用求解一般的曲线路径跟踪问题。(2)固定翼无人机航向调整的运动机理复杂，很容易受风扰影响而产生侧滑。(3)实现曲线路径跟踪时，很少有研究考虑到无人机输入受限的情况。在此背景下，为实现准确抗干扰的曲线路径跟踪控制，论文采用无模型自适应控制(Model Free Adaptive Control，MFAC)方法控制无人机航向，构建合适的向量场(Vector Field，VF)实现精准的曲线路径跟踪。针对二维平面内曲线路经跟踪时输入受限的情况，提出了控制Lyapunov函数(Control Lyapunov Function．CLF)和饱和集(Nested Saturation，NS)两种方法。结合模型预测控制(Model Predictive Control)和积分LOS(Line of Sight)策略，提出了一种三维空间内曲线路径跟踪方法。根据论文提出的算法，构建半实物仿真系统和开展实物飞行试验验证了算法的可靠性和有效性。论文的主要工作包括：
(1)分析数据驱动控制方法的优缺点，提出了具备输出观测器无模型自适应控制方法。为了能更好的估计时变参数伪偏导数(pseudo-partial derivative，PPD)，增加了输出干扰观测器并使用Lyapunov理论设计了具备输出观测器的无模型自适应控制器并证明其稳定性。根据固定翼无人机航向控制的特点，结合无模型自适应控制方法的优势，论文提出了一种无模型自适应控制(Model Free Adaptive Control，MFAC)方法用于小型固定翼无人机航向控制。利用时变的动态等价模型，替换原有的非线性时不变数学模型。根据估计得到的PPD，设计了在线递归控制方法，采用离散Lyapunov技术证明了所提出控制方法的稳定性和跟踪误差的收敛性。
(2)提出了一种用于无人机非定常曲率曲线路径跟踪的向量场方法。根据无人机到期望路径的距离和当前机头指向，使用向量场得到期望的航向角指令。根据在Frenet-Serret坐标系中定义的侧偏距误差(cross-track error)和跟进误差(along-trackerror)，设计控制器保证无人机在二维空间内的任意位置和任意指向时，这两个误差都最终能收敛到O。在无人机的几何轨迹收敛到期望路径时，保证无人机的速度满足相应的动态特性。该方法通过定义期望路径上的一个动点的速度包线，避免了三角曲线在设计过程中的奇异性问题。
(3)设计了输入受限情况下无人机曲线路径跟踪控制方法。由于存在机械限位和能量受限等情况，固定翼无人机在转弯的过程中，其控制输入必然是有界且受限的。控制输入的受限不能通过简单的极限函数来限定，而需要相应的控制状态的限制。提出了控制Lyapunov函数和饱和集两种方法用于处理二维平面内曲线路经跟踪时输入受限的情况。更进一步，提出了一种基于模型预测控制的积分LOS方法用于解决三维空间内输入受限情况下的曲线路径跟踪问题。
(4)设计了具备高阶非线性和欠驱动特性的多无人机协同曲线跟踪控制方法。相比于线性全驱动系统，非线性欠驱动系统具有更好的实际意义。将每一个无人机考虑为具备高阶非线性欠驱动特性的智能体，结合反步法、Lyapunov定理和图论理论，设计了多无人机系统协同曲线跟踪控制方法，提出了位置和速度的一致性协议，并仿真验证了方法的有效性和合理性。
(5)通过高性能半实物仿真系统和实物飞行实验验证了提出算法的有效性和可靠性。采用弧长参数描述的动点作为虚拟参考点，利用无人机和虚拟参考点之间的偏差作为跟踪误差，这样就解决了路径上到无人机的最短距离点超过一个时引入的奇异性问题。期望路径使用三次样条曲线插值拟合得到，具有很好的光滑性和可延展性，也并不需要求解期望路径的全局表达形式。
小型固定翼无人机在路径跟踪时存在的问题有：(1)大部分方法只针对直线和圆弧路径跟踪，很难直接应用求解一般的曲线路径跟踪问题。(2)固定翼无人机航向调整的运动机理复杂，很容易受风扰影响而产生侧滑。(3)实现曲线路径跟踪时，很少有研究考虑到无人机输入受限的情况。在此背景下，为实现准确抗干扰的曲线路径跟踪控制，论文采用无模型自适应控制(Model Free Adaptive Control，MFAC)方法控制无人机航向，构建合适的向量场(Vector Field，VF)实现精准的曲线路径跟踪。针对二维平面内曲线路经跟踪时输入受限的情况，提出了控制Lyapunov函数(Control Lyapunov Function．CLF)和饱和集(Nested Saturation，NS)两种方法。结合模型预测控制(Model Predictive Control)和积分LOS(Line of Sight)策略，提出了一种三维空间内曲线路径跟踪方法。根据论文提出的算法，构建半实物仿真系统和开展实物飞行试验验证了算法的可靠性和有效性。论文的主要工作包括：
(1)分析数据驱动控制方法的优缺点，提出了具备输出观测器无模型自适应控制方法。为了能更好的估计时变参数伪偏导数(pseudo-partial derivative，PPD)，增加了输出干扰观测器并使用Lyapunov理论设计了具备输出观测器的无模型自适应控制器并证明其稳定性。根据固定翼无人机航向控制的特点，结合无模型自适应控制方法的优势，论文提出了一种无模型自适应控制(Model Free Adaptive Control，MFAC)方法用于小型固定翼无人机航向控制。利用时变的动态等价模型，替换原有的非线性时不变数学模型。根据估计得到的PPD，设计了在线递归控制方法，采用离散Lyapunov技术证明了所提出控制方法的稳定性和跟踪误差的收敛性。
(2)提出了一种用于无人机非定常曲率曲线路径跟踪的向量场方法。根据无人机到期望路径的距离和当前机头指向，使用向量场得到期望的航向角指令。根据在Frenet-Serret坐标系中定义的侧偏距误差(cross-track error)和跟进误差(along-trackerror)，设计控制器保证无人机在二维空间内的任意位置和任意指向时，这两个误差都最终能收敛到O。在无人机的几何轨迹收敛到期望路径时，保证无人机的速度满足相应的动态特性。该方法通过定义期望路径上的一个动点的速度包线，避免了三角曲线在设计过程中的奇异性问题。
(3)设计了输入受限情况下无人机曲线路径跟踪控制方法。由于存在机械限位和能量受限等情况，固定翼无人机在转弯的过程中，其控制输入必然是有界且受限的。控制输入的受限不能通过简单的极限函数来限定，而需要相应的控制状态的限制。提出了控制Lyapunov函数和饱和集两种方法用于处理二维平面内曲线路经跟踪时输入受限的情况。更进一步，提出了一种基于模型预测控制的积分LOS方法用于解决三维空间内输入受限情况下的曲线路径跟踪问题。
(4)设计了具备高阶非线性和欠驱动特性的多无人机协同曲线跟踪控制方法。相比于线性全驱动系统，非线性欠驱动系统具有更好的实际意义。将每一个无人机考虑为具备高阶非线性欠驱动特性的智能体，结合反步法、Lyapunov定理和图论理论，设计了多无人机系统协同曲线跟踪控制方法，提出了位置和速度的一致性协议，并仿真验证了方法的有效性和合理性。
(5)通过高性能半实物仿真系统和实物飞行实验验证了提出算法的有效性和可靠性。采用弧长参数描述的动点作为虚拟参考点，利用无人机和虚拟参考点之间的偏差作为跟踪误差，这样就解决了路径上到无人机的最短距离点超过一个时引入的奇异性问题。期望路径使用三次样条曲线插值拟合得到，具有很好的光滑性和可延展性，也并不需要求解期望路径的全局表达形式。