[发明专利]一种存在变分布网络随机延迟的微小型无人飞行器纵向控制方法

摘要

本发明公开了一种存在网络随机延迟的微小型无人飞行器纵向控制方法，属于飞行控制技术领域，该方法首先建立无人飞行器纵向系统模型并设计不存在网络延迟的飞行控制系统；然后在不同网络随机延迟条件下，进行飞行控制系统随机鲁棒性分析与设计；确定飞行控制系统的增益调度策略；最后闭环六自由度非线性蒙特卡洛仿真验证。本发明缓解了网络延迟导致的飞行控制系统品质恶化，能够增强分布式系统的稳定性；利用随机鲁棒分析与设计方法以及基于线性插值的增益调度策略，得到的控制律具有简单便于工程实现的优点，能够在大网络时延变化的情况下较好的维持原控制系统的控制品质。

主权项

1.一种存在变分布网络随机延迟的微小型无人飞行器纵向控制方法，其特征在于，包括如下步骤：步骤一：建立无人飞行器纵向系统模型并设计不存在网络延迟的飞行控制系统，具体为：（1）根据风洞吹风获得无人飞行器动力学参数和物理参数；（2）建立飞行器纵向非线性动力学与运动学方程；（3）解耦线性化；假设无人飞行器处于定高稳定平飞状态，则必有升力-重力平衡、推力-阻力平衡以及俯仰力矩平衡，因此下面三个等式成立：12ρV2·Sw·(CL0+CLα·α+CLδe·δe)=m·g12ρV2·Sw·(CD0+CDα·α+CDδe·δe)=tA12ρV2·Sw·(Cm0+Cmα·α+Cmδe·δe)·CA=0---(3)]]>解方程（3），得到无人飞行器的配平攻角α₀，配平升降舵偏角δ_e0，配平飞行速度V₀，在该状态点利用小扰动线性化原理得无人飞行器纵向线性状态方程为：V·α·q·θ·h·δ·eδ·t=AVαqθhδeδt+Bδe*δt*---(4)]]>其中A为纵向线性系统状态矩阵，B为纵向线性系统控制矩阵；（4）LQR设计控制律；步骤二：在不同网络随机延迟条件下，进行飞行控制系统随机鲁棒性分析与设计；（1）飞行控制系统随机鲁棒性分析：采用相互独立的随机延迟作为网络飞行控制系统的主要延迟类型，假设网络随机延迟τ_i服从均值μ_i，方差σ_i的正态分布，即：τ_i∈N(μ_i,σ_i),i＝1,2,...,N    （9）无人飞行器非线性系统方程为：X‾·(t)=f(X-(t),u(t-τi))---(10)]]>其中：为飞行状态向量，为飞行状态向量的导数，u(t-τ_i)为加入网络随机延迟的飞行控制向量；（2）飞行控制系统随机鲁棒性设计：随机鲁棒性设计过程包括控制器结构设计和现代优化算法两部分，控制器结构设计采用传统的PID控制，现代优化算法采用标准粒子群算法，优化指标是飞行控制系统随机鲁棒性分析中的鲁棒性衡量标准；采用标准粒子群算法求解该优化问题，问题的解对应于搜索空间中的一个粒子，每个粒子都有自己的位置和速度及一个由被优化函数决定的代价函数；各个粒子记忆、追随当前的最优粒子，每次迭代中，粒子通过跟随两个极值来更新自己的位置和速度：一个是粒子本身获得的最优解一个是整个粒子群中全部粒子历代搜索获得的最优解标准粒子群算法中，速度更新和位置更新如式(11)所示：vidk+1=ωvik+c1r1(pidk-xidk)+c2r2(gidk-xidk)xidk+1=xidk+vidk+1---(11)]]>式中，i∈N(1,n_s),n_s为粒子群中粒子的个数，N代表整数；d∈N(1,n)，n为解向量的维数，k为迭代次数，c₁和c₂为学习因子；ω为惯量权重；r₁和r₂为[0,1]之间的随机数，判断粒子群中粒子优劣的标准是蒙特卡洛仿真获得的代价函数W，代价函数越小，在下一代该粒子存在的概率越大；设定粒子最大的迭代次数，判断迭代是否到达最大迭代次数，如果到达，输出最好粒子代表的网络随机延迟τ_i下的控制系统参数否则，继续进行迭代；步骤三：确定飞行控制系统的增益调度策略；采用线性插值进行网络飞行控制系统的增益调度，假设网络随机延迟在τ₁和τ_i之间，网络随机延迟在τ₁～N(μ₁,σ₁)，τ₂～N(μ₂,σ₂)......τ_i～N(μ_i,σ_i)时分别利用随机鲁棒分析与设计方法设计的控制系统参数控制器当前测量的网络随机延迟为τ_N，则实际采用的控制器反馈系数K_N为：KN=τN-τ1τ2-τ1·(K2N-K1N)+K1N,τ1≤τN≤τ2τN-τ2τ3-τ2·(K3N-K2N)+K2N,τ2<τN≤τ3······τN-τi-1τi-τi-1·(KiN-Ki-1N)+Ki-1N,τi-1<τN≤τi]]>步骤四：闭环六自由度非线性蒙特卡洛仿真验证。