四旋翼无人机自主飞行控制方法研究综述

硕士学位论文开题报告目 录第一章 选题背景和意义11.1 选题背景11.2 国内外研究现状及发展动态21.3四旋翼飞行控制器设计方法61.4 论文选题的意义7第二章 研究方案82.1 研究目标82.2 研究内容82.2.1 四旋翼飞行器的基本结构和飞行原理82.2.2 四旋翼无人机自主飞行的控制122.2.4 四旋翼无人机稳定控制算法实用性分析142.3 拟解决的关键问题142.3.1 无人机数学模型的建立与仿真142.3.2 四旋翼自主飞行抗扰控制器的设计与仿真152.4 拟采取的研究方法及技术路线162.4.1 四旋翼无人机数学模型的建立162.4.2四旋翼自主飞行抗扰控制器的设计与仿真182.5 可行性分析20第三章 预期研究成果与计划安排213.1 预期研究成果213.2 计划安排21参考文献22第一章 选题背景和意义1.1 选题背景无人机（Unmanned Aerial Vehicles, UAV），通过在机体内装备的自主程序控制飞行或根据地面控制站无线遥控设备的操纵指令控制飞行。近年来，以其体积小、成本低、适应性强、机动性隐蔽好、可重复使用、可替代人执行危险性大的作战任务等特点成为国内外研究的热点，并逐渐在军事、民用等诸多领域展现出巨大的应用潜力1。通常无人机分为旋翼式无人飞行器和固定式无人飞行器2。固定式无人飞行器出现的较早，自20世纪60年代初，美国首次使用无人机进行军事探查，并在之后的战争中起到巨大的效果，如参与中东海湾战争的“先锋”舰载无人机、科索沃战争的“掠夺者”无人机、阿富汗战争和伊拉克战争中的“捕食者”和“死神”系列无人机、“全球鹰”战略无人侦察机3。随着微机电、通信、新材料和控制方法等科技的完善和研究，使得早期旋翼式无人飞行器相对复杂的工程应用找到了有效的解决方式，并且能够更好地满足如今越发复杂化的作战环境和要求。旋翼式无人机较固定式无人机具有突出优势，它能够在狭小的空间范围中实现悬停4，垂直升降（VTOL, Vertical Take Off and Landing），灵活度好，结构简单。本课题主要研究的对象是微小型旋翼式无人飞行器四旋翼（Quadrotor）。该飞行器的四个旋翼和四个电机分别固定在具有中心对称结构的十字架结构机身的四个端点。改变四个电机的转速从而改变升力，实现四旋翼飞行器的轨迹和姿态控制5。与单旋翼式无人飞行器相比，四旋翼飞行器布局简单，易于控制，在飞行稳定性和可操纵性上更加突出。此外，噪声小，制造精度低，隐蔽性好以及在狭小空间中完成飞行任务等优点，使得四旋翼拥有更加大的应用潜力。但是，微小型四旋翼飞行器是一种非完整约束的二阶欠驱动强耦合系统，在飞行过程中，四旋翼无人飞行器可以通过调节四个螺旋桨的转速直接控制其姿态角度和飞行高度，而对于飞行器的水平位置，只能通过飞行器姿态角度与水平位置之间的耦合关系来间接控制，因此实现四旋翼无人飞行器三个方向的位置控制具有较大的难度。除此之外，由于四旋翼无人飞行器体积小并且重量轻，在飞行过程中空气阻力和阻力矩对其影响比较大，因此在设计飞行控制器时还需要考虑到时变的外部干扰问题。除外界扰动以外，在每次飞行中，不同的负载导致飞行器的重量以及转动惯量也都会有很大程度上的差别。由于四旋翼无人飞行器的动力学模型相对复杂，其动力学模型中的一些空气动力学参数很难准确测量，这些不确定性进一步增加了飞行控制系统设计的难度。使得传统的控制算法无法理想地解决这些问题，也就更加难以在工程实践中达到良好控制效果。无人机除了在飞行过程中除需要调节至指定位置及姿态以外，另外在一些特殊应用场景下，比如执行一定路径下的航拍任务或者在信号干扰较为强的区域进行巡航任务，对其路径进行预先的路径规划以及执行对此路径的跟踪具有很重要的现实意义。但是，由于无人机在对路径跟踪时，会受到来自环境中侧风，无人机结构气动参数建模不精准以及执行结构的时延的影响，导致无人机最后无法按照预先设定的路线进行。因此需要利用飞行器实时位姿信号反馈来控制飞行器跟踪预定轨迹来实现四旋翼无人飞行器轨迹跟踪控制。因此，各种各样针对四旋翼的轨迹跟踪和飞行控制方法被研究提出，例如反步法67，反馈线性化89和PID10等。由此可见针对微型四旋翼飞行器在复杂环境下，满足特殊飞行要求时的轨迹实现稳定的跟踪控制的研究具有一定的理论意义和实用价值。1.2 国内外研究现状及发展动态四旋翼飞行器的概念最早是由Breguet兄弟实现的，在 19 世纪初期，他们研制了第一架四旋翼飞行器，被称为 Breguet-Richet“旋翼机1号”（如图1.1），焊接的四根钢管构成十字交叉分布是该旋翼机的主机体框架。1907年9月，“旋翼机1号”实现了旋翼机携带驾驶员的首次升空11。虽然第一架四旋翼飞行器没有实现稳定飞行，但极大的推进了四旋翼飞行器的发展。图1.1 Breguet-Richet“旋翼机1号”1956年，在纽约的Amitycille，Convertawings制造了一架具有两个发动机的四旋翼飞行器（如图1.2），通过改变每个螺旋桨的转速来产生推力，进而实现该飞行器的飞行。图1.2 Convertawings的四旋翼飞行器那段时期大多以载人四旋翼飞行器为主，原型机的性能和稳定性较差，操作性能和实用性能都很低，所以在后来的数十年中旋翼无人机几乎停止发展。直到近十几年来，随着先进控制理论、空气动力学理论、微电子技术以及材料技术等相关学科的发展，再次掀起了以四旋翼无人飞行器为代表的多旋翼无人飞行器的研究热潮，并取得了大量的成果。美国宾夕法尼亚大学GRASP实验室设计的四旋翼无人机不仅能够在室内实现稳定飞行、壁障及目标识别等功能，还可以实现编队协同任务（如图1.3）。该小组摒弃了传统的传感器装置，加入红外传感器和摄像头以协助惯性测量单元进行飞行器姿态与位置信息的获取，取得了良好的控制效果12。图1.3宾夕法尼亚大学研制的四旋翼无人机及编队试验斯坦福大学的无人机研究小组开展了关于四旋翼无人机的多智能体控制自主旋翼飞行器平台计划（STARMAC），该小组先后设计了两套名为STARMAC I型和STARMAC II 型的四旋翼无人机系统（如图1.4），均具有上下层控制结构，载重量可达 1kg，传感器采用了IMU、GPS、声纳等模块，能够与地面站之间进行无线通讯1314。图 1.4 斯坦福大学的 STARMAC I 型和 STARMAC II 型此外，基于美国航空航天局的支持，斯坦福大学 IIan Kroo 和 Fritz 团队发展了Mesicopter 项目（如图 1.5）。该项目研制了具有四个旋翼控制的微型无人机，其具有方形结构，机身尺寸仅为 1616mm，是 Mesicopter 无人机是世界上最著名的微型飞行器之一，并且为微型无人机的研究提供了一种新的思路7。图1.5 Mesicopter 微型四旋翼无人机麻省理工学院（MIT）对四旋翼无人飞行器（如图 1.6）的研究较早，开展了无人机集群健康管理计划（UAV Swarm Health Management Project，UAV SHMP）15。主要是使用地面遥控设备实现多架无人机在动态环境中协同合作并执行任务。MIT 四旋翼无人机安装有 IMU 惯性测量单元反馈姿态信息，以及可对周围环境感知、重建的激光扫描阵列，从而规划航迹。在2007年，MIT 已经实现利用一台地面设备控制多架四旋翼无人机协同监督和追踪地面车辆目标（如图 1.7）。另外，该项目还实现了多机协同和编队飞行（如图 1.8）等实验。图1.6 MIT 四旋翼无人机 图1.7 多无人机协同跟踪实验图 1.8 MIT 多无人机编队飞行实验多旋翼无人机不仅在许多国家的高校与科研机构得到广泛的研究，越来越多的多旋翼无人机研制公司也逐渐壮大起来，在民用领域得到了广泛的应用。一款研制较早并非常具有代表性的遥控四旋翼无人机是加拿大 Draganflyer Innovations 公司制造，命名为 Draganflyer X-4（如图 1.9）。该四旋翼无人机采用碳纤维作为机体材料，整机重量 481.1g，可载重113.2g，持续飞行16至20分钟。利用机载的3个压电晶体陀螺仪提供自身姿态信息，而机载电子设备可利用这些信息调节4个电机的转速进行飞行器的姿态稳定控制。图1.9 Draganflyer X-4 无人机 图1.10 MD4-200 无人机图1.10的MD4-200四旋翼无人机是德国MICRODRONES公司采用碳纤维材质制作而成，使用盘式直流无刷电机进行驱动，以及锂电池供电。在室内和室外可实现稳定飞行与定点悬停，自推出后在欧洲市场取得巨大的成功，但主要是通过地面的操作人员进行遥控飞行。从上述可以看出，许多国外许多研究机构成功开发了具备在简单约束环境中自主飞行能力的四旋翼无人机，但是发展在复杂环境中全自主飞行仍然是个挑战。1.3四旋翼飞行控制器设计方法无人机的精确航迹跟踪是实现无人机自主飞行的基本要求。由于四旋翼无人机存在姿态与平动的耦合关系，因此实现姿态的稳定控制是实现轨迹有效稳定跟踪的关键。对此近十年来，对于四旋翼无人机的姿态控制与轨迹跟踪控制的研究获得了众多的研究成果。Zheng等人16将四旋翼无人机分为全驱动与欠驱动两个子系统，分别采用一种鲁棒终端滑模控制算法与欠驱动滑模控制算法进行轨迹控制，通过仿真实验证明两个算法的复合控制在外界干扰情况下具有准确的轨迹跟踪效果。S. S. Cruz等人17首先利用Lagrange方程构建四旋翼飞行器的动力学模型，接下来设计了基于Lyapunov分析的嵌套式饱和轨迹跟踪控制算法，并证明了系统的稳定性，通过实验表明控制算法的有效性。Gomez Balderas 等人18提出了基于视觉控制的四旋翼飞行器，首先采用牛顿-欧拉公式建立动力学模型，使用相机估计飞行器的速度与位置，并引入非线性饱和控制，最终通过实验证明了控制策略的有效性。Gonzalez I 等人19提出了基于直流无刷电机速度反馈的姿态稳定控制器，内环控制电机速度，外环控制四旋翼无人机的姿态，并保证了闭环系统的稳定性，最终通过实验证明了该算法具有良好的姿态控制效果。此外，还有大量的控制算法被应用于四旋翼无人机系统控制中20。受到加工工艺水平以及安装过程的影响，实际的四旋翼无人机系统参数与理论计算的模型之间存在一定的偏差，尤其加入负载后，会出现质量的变化以及飞行器重心位置的偏移，这些给建立精确的四旋翼无人机模型带来了困难。另外，在执行飞行任务中，往往处于一种复杂多变的飞行环境，如何克服未知的环境因素的影响，保证稳定、安全的飞行也是重要的控制研究问题。因此，需要设计更为鲁棒的姿态稳定控制器与航迹跟踪控制器才适合于实际工程应用。针对四旋翼无人机的鲁棒控制，学者们已取得了一定的研究成果。Besnard L 等人21考虑到了外界干扰以及四旋翼无人机的模型不确定性，提出了一种鲁棒滑模算法，该算法无高控制增益，并且计算量不大。Raffo等人22提出了一种积分预测非线性鲁棒控制策略，采用模型预测控制跟踪四旋翼无人机的期望轨迹，非线性控制器稳定飞行器的姿态内环，并且考虑了空气动力学干扰与模型参数不确定性进行了仿真实验的验证。Mu Huang 等23针对具有模型参数不确定性的欠驱动四旋翼飞行器，设计了一种基于反步法的自适应控制算法，补偿了由质量不确定带来的影响，最终通过仿真实验证实该算法的有效性。Satici等人24针对四旋翼无人机存在系统参数不确定性以及测量噪声问题，提出了一种基于L1最优控制器，从而使得四旋翼无人机系统关于干扰具有增益最小，并利用仿真实验证实了该算法具有良好的轨迹跟踪控制结果。1.4 论文选题的意义四旋翼无人机以其驱动力高，灵活性强以及适用场合广的特点而广泛应用于各个特殊领域，它可以代替人去执行一些相对难度较高，危险度较大的任务。准确地执行这些任务的前提便是对四旋翼无人机自主飞行的姿态和轨迹进行稳定的控制。在军用领域可以应用于：军事盲区的信息获取、目标监视、敏感区域的自动监测以及特定目标的定点清除等。在山区等复杂环境下的局部战争和冲突中，四旋翼无人机可作为侦察和攻击性的飞行平台。此外，将四旋翼无人机装载在坦克和装甲车等传统武器上，可大大提高作战效能。在民用领域可以应用于：公安和警用中进行搜寻和营救，在恶劣气候条件、火灾、地震自然灾害发生时、或有毒物质泄漏等环境中，四旋翼无人机能够迅速在大范围内进行搜索，提供实时有效信息，减少人员伤亡。此外，四旋翼无人机可以协助警方追捕、搜索和监视犯罪分子，零风险的了解犯罪分子的具体情况，必要时还可配带激光非杀伤性武器和化学失能剂武器完成对任务对象的“点杀”和“面除”。利用四旋翼无人机平台能够对交通状况进行低成本并且高效率的监视，对高压输电线路、石油管线等进行巡查，及时了解故障状况，赢取抢修时间。在农业方面，四旋翼无人机能够携带种子、肥料、农药等进行农田的播种、施肥、喷洒农药工作，带载光谱仪器的该无人机低空飞行可及时发现病虫害或预估农业产量，配合农民提前做好部署。在新闻现场，四旋翼无人机可以从高空进行任意角度的拍摄，获取全面直观的新闻照片与视频。另外，还可应用于航空测绘、空中考古、天气预报、野生动植物观察、房地产管理等众多民用场合。目前无人机实现自主飞行控制的大多数使用的是基于视觉的方法对位姿进行估计或是在室内进行标定的前提下进行实验，无法满足在复杂场景下自主飞行的需求，自然。因此对于四旋翼无人机的自主的姿态稳定控制和轨迹跟踪的研究具有广泛的实用意义。第二章 研究方案2.1 研究目标本学位论文的研究目标分为以下三个方面：1、建立的四旋翼无人机的数学模型是控制飞行器的基础，因此，需要根据其物理结构，空气动力学建立具有一定实际物理意义的动力模型，为进一步的精确姿态与航迹跟踪控制研究奠定良好基础。现有的大多是对基于其结构的动力学模型进行分析，但是，由于传感单元和执行单元的特征导致了其存在着动态误差，所以，也需要建立较为符合实际情况的动态模型以实现更加精准的控制。2、作为一种实际工程应用的飞行器，四旋翼无人机在执行任务中需要面对复杂的飞行环境以及自身结构存在的不稳定。因此，结合飞行器的自身特点，设计具有强鲁棒性的姿态稳定控制器以及航迹跟踪控制器是实现自主飞行控制的基础。针对复杂的飞行环境，设计准确有效的补偿器并对自抗干扰效果进行仿真研究和优化。2.2 研究内容2.2.1 四旋翼飞行器的基本结构和飞行原理四旋翼无人机一般是由检测模块，控制模块，执行模块以及供电模块组成。检测模块实现对当前姿态进行量测；执行模块则是对当前姿态进行解算，优化控制，并对执行模块产生相对应的控制量；供电模块对整个系统进行供电，如图2.1所示。如图2.2所示，四旋翼无人机机身是由对称的十字形刚体结构构成，材料多采用质量轻、强度高的碳素纤维；在十字形结构的四个端点分别安装一个由两片桨叶组成的旋翼为飞行器提供飞行动力，每个旋翼均安装在一个电机转子上，通过控制电机的转动状态控制每个旋翼的转速，来提供不同的升力以实现各种姿态；每个电机均又与电机驱动部件、中央控制单元相连接，通过中央控制单元提供的控制信号来调节转速大小；IMU惯性测量单元为中央控制单元提供姿态解算的数据，机身上的检测模块为无人机提供了解自身位姿情况最直接的数据，为四旋翼无人机最终实现复杂环境下的自主飞行提供了保障。图2.1 四旋翼无人机组成结构图现将位于四旋翼机身同一对角线上的旋翼归为一组，前后端的旋翼沿顺时针方向旋转，从而可以产生顺时针方向的扭矩；而左右端旋翼沿逆时针方向旋转，从而产生逆时针方向的扭矩，如此四个旋翼旋转所产生的扭矩便可相互之间抵消掉。由此可知，四旋翼飞行器的所有姿态和位置的控制都是通过调节四个驱动电机的速度实现的。一般来说，四旋翼无人机的运动状态主要分为悬停、垂直运动、滚动运动、俯仰运动以及偏航运动五种状态。图2.2 四旋翼无人机结构示意图（1）悬停：悬停状态是四旋翼无人机具有的一个显著的特点。在悬停状态下，四个旋翼具有相等的转速，产生的上升合力正好与自身重力相等，即。并且因为旋翼转速大小相等，前后端转速和左右端转速方向相反，从而使得飞行器总扭矩为零，使得飞行器静止在空中，实现悬停状态，如图3.2所示。图2.3 四旋翼无人机悬停状态示意图（2）垂直运动垂直运动是五种运动状态中较为简单的一种，在保证四旋翼无人机每个旋转速度大小相等的倩况下，同时对每个旋翼增加或减小大小相等的转速，便可实现飞行器的垂直运动。当同时増加四个旋翼转速时，使得旋翼产生的总升力大小超过四旋翼无人机的重力时，即，四旋翼无人机便会垂直上升；反之，当同时减小旋翼转速时，使得每个旋翼产生的总升力小于自身重力时，即，四旋翼无人机便会垂直下降，从而实现四旋翼无人机的垂直升降控制。图2.4 四旋翼无人机垂直运动示意图（3）翻滚运动翻滚运动是在保持四旋翼无人机前后端旋翼转速不变的情况下，通过改变左右端的旋翼转速，使得左右旋翼之间形成一定的升力差，从而使得沿飞行器机体左右对称轴上产生一定力矩，导致在方向上产生角加速度实现控制的。如图2.3所示，增加旋翼1的转速，减小旋翼3的转速，则飞行器倾斜于右侧飞行；相反，减小旋翼，增加旋翼，则飞行器向左倾斜飞行。图2.5 四旋翼无人机翻滚状态示意图（4）俯仰运动四旋翼飞行器的俯仰运动和滚动运动相似，是在保持机身左右端旋翼转速不变的前提下，通过改变前后端旋翼转速形成前后旋翼升力差，从而在机身前后端对称轴上形成一定力矩，引起角方向上的角加速度实现控制的。如图2.4所示，增加旋翼的转速，减小旋翼的转速，则飞行器向前倾斜飞行；反之，则飞行器向后倾斜。图2.6 四旋翼无人机俯仰状态示意图（5）偏航运动四旋翼的偏转运动是通过同时两两控制四个旋翼转速实现控制的。保持前后端或左右端旋翼转速相同时，其便不会发生俯仰或滚动运动；而当每组内的两个旋翼与另一组旋翼转速不同时，由于两组旋翼旋转方向不同，便会导致反扭矩力的不平衡，此时便会产生绕机身中心轴的反作用力，引起沿角角加速度。如图2.3所示，当前后端旋翼的转速相等并大于左右端旋翼转速时，因为前者沿顺时针方向旋转，后者相反，总的反扭矩沿逆时针方向，反作用力作用在机身中心轴上沿逆时针方向，引起逆时针偏航运动；反之，则会引起飞行器的顺时针偏航运动。图2.7 四旋翼无人机偏航运动示意图综上所述，四旋翼无人机的各个飞行状态的控制是通过控制对称的四个旋翼的转速，形成相应不同的运动组合实现的。但是在飞行过程中却有六个自由度输出，因此它是一种典型的欠驱动，强耦合的非线性系统。例如，旋翼1的转速会导致无人机向左翻滚，同时逆时针转动的力矩会大于顺时针的力矩，从而进一步使得无人机向左偏航，此外翻滚又会导致无人机的向左平移，可以看出，四旋翼无人机的姿态和平动是耦合的。2.2.2 四旋翼无人机自主飞行的控制四旋翼无人机的精确航迹跟踪是实现无人机自主飞行的基本要求。由于四旋翼无人机自身存在姿态与平动的耦合关系以及模型参数不确定性与外界扰动，因此只有实现姿态的稳定控制才能完成航迹的有效跟踪。在四旋翼无人机的自主控制系统中，姿态稳定控制是实现飞行器自主飞行的基础。其任务是控制四旋翼无人机的三个姿态角（俯仰角、滚转角、偏航角）稳定地跟踪期望姿态信号，并保证闭环姿态系统具有期望的动态特性。由于四旋翼无人机姿态与平动的耦合特点，分析可以得知，只有保证姿态达到稳定控制，才使得旋翼总升力在期望的方向上产生分量，进而控制飞行器沿期望的航迹方向飞行。而四旋翼无人机的姿态在实际飞行环境中回受到外界干扰和不精确模型的参数误差、测量噪声等未建模动态对控制效果的影响。所以，需要引入适当的观测器和控制器对总的不确定性进行估计和补偿，并对其估计的误差进行补偿，来保证四旋翼无人机在外界存在干扰下对姿态的有效跟踪。四旋翼无人机的姿态控制应根据其实际的工作特性以及动力学模型，进而针对姿态的三个通道（俯仰，翻滚和偏航）分别设计姿态控制器，每个通道中都对应引入相应的控制器，其流程如下所示。图2.8 姿态控制器结构图此方法可以基本保证每个通道的实际姿态值跟踪上期望值。但是，在只考虑对模型本身进行控制时，没有考虑到外部不确定性对闭环系统的影响。微小型无人机在飞行时，由于机体较小，电机的振动较强，很容易受到外界环境的干扰。因此，整个通道中必然存在不确定因素，比如模型误差、环境干扰、观测误差等，这些不确定性将降低系统的闭环性能。所以在设计无人机控制系统时，必须要考虑系统的抗干扰性能，即闭环系统的鲁棒性67。因此需要设计一定的干扰补偿器对干扰进行逼近和补偿，以实现姿态角的稳定跟踪，如文献174-188分别采用基于神经网络的方法对非线性系统开展控制研究或用于估计系统中的不确定项，取得了良好的效果。其结构如下所示：图2.9 带有补偿器的姿态控制器结构图只有在保证飞机姿态可以保持稳定才能进一步讨论如何控制路径保持稳定，在时间尺度上进行分析，飞机的姿态角变化的频率要大于飞机位置的频率。所以，针对轨迹跟踪应当使用内外双环控制，内环控制姿态角，外环控制位置。2.2.4 四旋翼无人机稳定控制算法实用性分析以上从理论角度分析了对姿态稳定控制的可行性，但是由于非线性控制器计算量过大，比如反步法涉及到其系统之间众多虚拟控制量的求导。并且，观测器的参数需要在线进行计算和更新，更进一步大幅度增加了控制器的负担。而四旋翼无人机作为一种微型飞行器，其机上运算能力有限。因此上述的基于反步法的非线性控制器暂时难以实现，限制了该控制器的实用化。为了最后实现无人机姿态的稳定控制，需要从实用性的角度，利用对干扰进行观测的思想，设计一个易于工程实现的姿态控制器。分析可知控制器应满足以下条件：（1）实时性：反应速度快是无人机的一大特点，其控制器必须对期望信号和外界干扰信息的响应时间短，迅速作出控制策略。其中算法的复杂性和计算过程的复杂性将直接影响到无人机的实时响应速度。（2）自适应性：无人机的结构特性是时变的，如果控制算法过度依赖于无人机的数学模型，那么其控制的精度势必会受到这些参数改变的影响。因此，对无人机动力的关键模型的建立以及其余干扰项的分析。因此，不仅要在理论的基础上对基于反步法的非线性控制器进行仿真分析，并针对补偿器设计出合理高效的自适应算法，同时也要针对其实用性进行修改，最后可以工程实现。2.3 拟解决的关键问题2.3.1 无人机数学模型的建立与仿真四旋翼无人机虽然结构简单，但是其仅使用四个驱动单元实现六个自由度的运动则显示出了其机动上的欠驱动性和耦合性。因此对其数学模型的准确建立是研究其运动特性的先决条件。1、电机的数学模型的建立电机是无人机的直接驱动单元，其特性将直接影响着无人机的运动特性。而电机作为执行器，必然存在着迟滞和饱和等性能限制，如何准确的将其特性表达出来是十分重要的。2、无人机运动数学模型的建立在设定的坐标系下建立四旋翼无人机的四个电机的转速和其姿态之间的关系式是研究控制方案的先决条件。不能为了实现的简单而将一部分关键的特性忽略，或是为了过度精准的描述而将所有因素全部考虑，这都不利于模型的建立以及之后对模型的使用。因此，建立一个精准且复杂度适中的模型是将其所有关键运动特性表达出的前提也是实现精准控制的前提。3、仿真平台的建立将推导出的数学模型在数学仿真软件上进行表述和仿真是对其正确性验证的重要手段，也是之后实现对其控制仿真的前提之一。2.3.2 四旋翼自主飞行抗扰控制器的设计与仿真受加工工艺水平以及安装使用过程中的影响，其无人机的系统参数和理论计算的模型之间必定存在着一定的偏差。同时，在执行轨迹跟踪任务中，无人机往往处于一种复杂多变的飞行环境。因此，如何克服未知的环境和系统参数影响，保证稳定安全的飞行也是重要的测控研究问题。1、四旋翼无人机的姿态解算任何控制方法只有在对自身状态参数的准确测量的基础上，才能产生有效的控制策略。无人机通过加速度计，陀螺仪以及磁强计对自身当前的姿态角和速度进行测量以及解算。但是，其测量值势必受到传感器性能和机体工作时振动的影响，因此，设计相应的滤波器将其干扰信号尽可能的滤除则是稳定控制无人机的基础。2、四旋翼无人机的姿态稳定控制由于无人机的姿态和平动是耦合的，其姿态的变化势必带动着机体的平动，因此，只有在稳定控制姿态的基础上，才能对其位置进行控制。而在飞行过程中势必会受到环境因素影响其姿态跟踪，因此设计抗扰控制器来对干扰进行补偿是完成轨迹跟踪的重中之重。3、四旋翼无人机的航迹稳定控制无人机的位置的变化频率相对于其姿态变化频率来说相对较低，在保证姿态控制的准确稳定的基础上，需要控制其位置保持稳定。这将形成一个双环甚至多环的控制回路。2.4 拟采取的研究方法及技术路线2.4.1 四旋翼无人机数学模型的建立对四旋翼无人机的模型建立分为两个部分，电机驱动部分以及机体部分： 1、无刷电机模型的建立无刷电机是四旋翼无人机的最常见的驱动单元，也是无人机的所有姿态实现的动力来源。因此，其动态特性将直接影响到控制效果。一般来说，无刷电机的工作特性包括：（1）时滞性。旋翼由直流无刷电机驱动旋转产生升力，转速变化与电机输入电压成正比且通过PWM信号的占空比进行控制。在姿态控制中，电机延时导致转速和输入控制量变化的滞后，直接影响姿态控制品质，必须在模型中加以考虑。一般来说，可以将其认为是一个一阶延时环节。假设以俯仰通道的控制器为例，在忽略机体陀螺效应和旋翼陀螺效应，俯仰通道动力学公式可简化为式（2.1）： （2.1）其中为俯仰角，为俯仰轴转动惯量，为控制量。引入电机一阶延时环节，由Laplace变换可得俯仰轴传递函数如（2.2）所示： （2.2）其中，为电机延时的时间常数。（2）饱和性。四旋翼无人机是依靠电机带动旋翼进行驱动，在实际工程中，电机在物理上只能达到有限转速，因此四旋翼无人机的偏航容易出现执行器饱和问题，特别面对复杂的飞行环境，偏航运动常常无法保证精确跟踪。执行器饱和控制方法主要分为两大类：直接设计法与抗饱和控制法。直接设计法是在设计控制器时便直接将饱和问题考虑进去，保证闭环系统稳定。抗饱和控制法也称补偿器设计法。该方法首先不考虑饱和现象设计未受约束的控制器，然后根据执行机构的输入与输出的差值，设计补偿器以削弱饱和的恶劣影响，因此补偿器只在饱和出现时作用，极大简化了控制器的复杂性。由于抗饱和控制法可以引入在各种成熟的控制理论中，已经得到了广泛的应用。但是在无人机中讨论此特性对于其偏航能力的影响文献很少，也是需要解决的问题之一。2、无人机数学模型的建立虽然飞行机器人的种类有很多，但是建模方法相似。在建模过程中将飞行机器人本体视为空间中自由运动的刚体，主要的区别在于力与力矩的产生机制和飞行机器人姿态的描述方法。由于飞行机器人的转动是一个刚体变换，这种线性变换维持飞行机器人上任意两个质点之间的距离不变。因而飞行机器人的姿态可以用一个行列式为1的3X3阶正交矩阵R表示，它将一个在体坐标系下表示的矢量转换到惯性系下表示。这个矩阵的三个列向量为体坐标系三个正交基矢量在惯性系中的分量，三个行向量为惯性系的三个正交基在体坐标系下的分量，则称这个矩阵为飞行机器人的旋转矩阵。我们所建立的所有数学模型都需要在一定的坐标系下讨论才有意义。同时，对于无人机本身，其结构虽然是一个由对称支架组成的刚体结构。但是，为了准确的建立其数学模型需要考虑哪些因素将影响到控制品质，哪些因素对最后的控制影响不大，或是可以等效成其他效应。考虑到无人机的结构特性和实际工作状况可以做如下假设，对其模型进行简化：（1）考虑到无人机是刚体结构，在其飞行过程中不考虑其弹性形变以及电机转动对机体振动带来的影响。（2）认为无人机外形结构和质量分布均匀，质心与其几何中心重合，且不考虑飞行器负载变化对质心的影响。（3）将空气摩擦力与摩擦力矩、陀螺效应、角速度耦合项、外部环境扰动等统一视为系统总的不确定性。此模型简化的条件是否符合实际情况还需在接下来的研究中予以证实和修改。3、无人机数学模型的仿真拟采用MATLAB/Simulink平台对上述模型进行建立和分析，讨论相关模型的推导和简化是否合理准确。2.4.2四旋翼自主飞行抗扰控制器的设计与仿真四旋翼无人机开环响应特性的分析可知，无人飞行器本身是不定的，需要通过设计飞行控制器实现姿态、轨迹的稳定控制，使无人飞行器输出能够快速跟踪期望角度和指令。控制器由控制姿态的内回路控制器和控制轨迹的外回路控制器组成，其中，姿态控制器的主要功能是控制无人飞行器的滚转角、俯仰角、滚转角速度、俯仰角速度等姿态，使无人飞行器能够快速准确地跟踪操纵指令输入，轨迹控制器的主要作用是控制无人飞行器纵向、横向速度以及垂向位移等状态。系统框图如2.6所示。在该框图中，期望的控制指令信号为控制系统提供纵向线速度、横向线速度和垂向位置等控制指令信息；飞行指令输入到轨迹控制器，轨迹控制器开始根据期望的输入量计算得出期望的操纵量以及滚转角、俯仰角、偏航角等姿态状态量并输出；轨迹控制器的输出量又作为输入量输入到姿态控制器中，经过运算得出各旋翼的控制量，结合轨迹控制器输出的操纵量，即得到了完成期望飞行所需要施加的操纵控制量；最后，这些操纵控制量输入到无人倾转旋翼飞行器模型中，飞行器模型经过计算得出实际的状态响应并反馈到控制系统中。图2.10 理想条件下轨迹跟踪控制回路构成关系1、姿态控制系统无人飞行器要进行机动飞行，首先要改变的是飞行姿态角，然后改变机体气动合力和合力矩矢量方向以及大小，最后得到无人飞行器期望的飞行速度等状态量以实现既定的飞行任务。由此可见，姿态控制器稳定性的好坏在很大程度上决定了无人飞行器的飞行品质。而在实际飞行过程中，无人机势必会受到复杂飞行环境的影响，为了对这些误差进行补偿以达到更好的响应跟踪效果。图2.11 带有补偿器的姿态跟踪控制回路构成关系2、轨迹控制系统无人飞行器通常执行侦察、搜索、救援等任务，需要控制器对无人飞行器的速度和位置进行精确控制。根据运动学特性，无人飞行器平移运动的阻尼比同轴转动运动的阻尼大得多，也就是说，姿态运动比速度运动快，给定某一方向的操纵量，这一方向的姿态首先变化并达到稳定值，随后，这一方向的速度/位置才逐渐达到要求值。根据这一时间尺度分离，可以把飞行控制器分为快回路和慢回路，或称为内回路和外回路。图2.12 带有补偿器的轨迹跟踪控制回路构成关系通过上述分析，为了实现良好的跟踪效果，应当对其中的由于不精确建模以及复杂飞行环境所带来的干扰进行估计和补偿。如何建立补偿器以及如何快速准确的确定补偿器系数都是本课题一大难点。3、控制系统仿真根据基本理论原理和设计思想推导飞行控制律的数学表达式，具体设计和开发无人飞行器的姿态控制系统和轨迹控制系统。设计完控制律后，通常必须验证其理论的正确性和实际的控制效果，验证方法可以选择仿真计算验证或者实际飞行试验验证。但是由于直接实际飞行试验验证周期长，成本高且不利于分析和调试。因此，将采用MATLAB对控制效果进行仿真，来验证可行性和准确性。4、控制系统的移植因为无人机的机上处理器运算速度有限，如果控制算法过于复杂，控制的实时性就无法得到保证，稳定控制更是无从谈起。因此，需要针对仿真出的最优方案进行一定的简化，并最终移植到原型机进行验证和修改。2.5 可行性分析1、理论和技术上可行性国外对于四旋翼无人机的控制器的研究已相对成熟，并有越来越多的学者关注该领域。但是，目前实现无人机的自主飞行控制一般都是处于室内或是仿真阶段，如何针对自主飞行过程中的干扰进行估计和补偿，目前是一大研究的热点也是难点。从2012年开始人们对于自主飞行中的干扰问题如何进行补偿展开了相关的研究，所以可供参考的算法很多。因此，课题在理论和技术上是可行的。2、人力和物力上可行性本人从进入实验室起便开始各类仿真和硬件开发的相关工作，具有一定的科研能力和经验。研究所需软硬件在现有条件下都可满足。本课题研究内容和方法的提出具有科学依据、技术保障、知识储备、研究基础和工作经验的积累。完成本课题虽有一定难度，但没有不可逾越的障碍，能够达到预期目标。第三章 预期研究成果与计划安排3.1 预期研究成果1、发表相关论文2篇（EI期刊及以上）；2、利用仿真软件Matlab/Simulink搭建四旋翼无人机数学模型可用性和有效性；3、设计四旋翼无人机自抗扰控制器，并进行仿真分析；4、搭建原型机硬件平台，并对自抗扰控制算法进行移植和测试。3.2 计划安排2016.092016.11 前期调研，完成开题工作；2016.122017.01 进行四旋翼无人机的数学模型建立并仿真验证；2017.012017.02 设计四旋翼无人机的姿态跟踪，航迹跟踪的控制器并仿真验证；2017.032017.05 研究针对外界干扰的补偿器的设计并进行仿真验证，并对其进行优化；2017.052017.06 完成四旋翼无人机原型机的搭建和调试；2017.072017.09 完成抗干扰自主飞行控制器的移植和优化，并进行户外调试；2017.102017.12 总结，撰写毕业论文，完成毕业答辩。参考文献1 贺跃帮. 小型无人直升机鲁棒非线性控制研究D. 广州: 华南理工大学, 2013. 2 Weatherington D, Deputy U. Unmanned Aircraft Systems Roadmap, 2005-2030J. Deputy, UAV Planning Task Force, OUSD (AT&L), 2005. 3 Leishman J G. The breguet-richet quad-rotor helicopter of 1907J. Vertiflite, 2002, 47(3): 58-60. 4 Michael N, Mellinger D, Lindsey Q, et al. The grasp multiple micro-uav testbedJ. Robotics & Automation Magazine, IEEE, 2010, 17(3): 56-65. 5 聂博文. 微小型四旋翼无人直升机建模及控制方法研究D. 长沙: 国防科学技术大学, 2006. 6 胡宇群. 微型飞行器中的若干动力学问题研究D. 南京: 南京航空航天大学, 2002. 7 姜洋. 四旋翼垂直起降机的鲁棒控制问题研究D. 哈尔滨: 哈尔滨工业大学, 2009. 8 Tournier G P, Valenti M, How J P, et al. Estimation and control of a quadrotor vehicle using monocular vision and moire patternsC. AIAA Guidance, Navigation and Control Conference and Exhibit, 2006: 21-24. 9 Valenti M, Bethke B, Fiore G, et al. Indoor multi-vehicle flight testbed for fault detection, isolation, and recoveryC. Proceedings of the AIAA Guidance, Navigation, and Control Conference and Exhibit, Keystone, CO, 2006: 64. 10 How J P, Bethke B, Frank A, et al. Real-time indoor autonomous vehicle test environmentJ. Control Systems, IEEE, 2008, 28(2): 51-64. 11 Hanford S D, Long L N, Horn J F. A small semi-autonomous rotary-wing unmanned air vehicle (UAV)J. AIAA2005-7077, 2005. 12 Gonzlez I, Salazar S, Torres J, et al. Real-Time Attitude Stabilization of a Mini-UAV Quad-rotor Using Motor Speed FeedbackJ. Journal of Intelligent & Robotic Systems, 2013, 70(1-4): 93-106. 13 Besnard L, Shtessel Y B, Landrum B. Quadrotor vehicle control via sliding mode controller driven by sliding mode disturbance observerJ. Journal of the Franklin Institute, 2012, 349(2): 658684. 14 Smano A, Castro R, Lozano R, et al. Modeling and Stabilization of a Multi-rotor HelicopterJ. Journal of Intelligent & Robotic Systems, 2013, 69(1-4): 161-169. 15 Satici A C, Poonawala H, Spong M W. Robust Optimal Control of Quadrotor UAVsJ. Access, IEEE, 2013, 1: 79 - 93. 16 聂博文, 马宏绪, 王剑, et al. 微小型四旋翼飞行器的研究现状与关键技术J. 电光与控制, 2007, (06): 113-117.17 岳基隆. 四旋翼无人机自适应控制方法研究D. 长沙: 国防科学技术大学, 2010.18 Zhu, Hua-Yong, Yue, et al. A Sigma-points Kalman Filter for Micro Quadrotor Attitude EstimationC. 2010, 2010. networksJ. Mobile Networks and Applications, 2005, 10(6): 911-923.64 Hald U B. Nonlinear Modeling and Optimal Control of a Miniature AutonomousHelicopter D. Aalborg: Aalborg University, 2006.19 董宁.自适应控 M.北京理工大学出版社，2009.20 Morris J C, van Nieuwstadt M, Bendotti P. Identification and Control of a Model Helicopter in Hover C. In Proceedings of American Control Conference. 1994.21 Hu T, Lin Z. Absolute stability analysis of discrete-time systems with composite quadratic Lyapunov functionsJ. Automatic Control, IEEE Transactions on, 2005, 50(6): 781 - 797.22 顾冬雷,高正,孙传伟.无人直升机控制动态特性的频域辨识建模方法J.南京航空航天大学学报。2004,36 (6):68869223 Hoffmann G, Rajnarayan D G, Waslander S L, et al. The Stanford Testbed of Autonomous Rotorcraft for Multi Agent Control (STARMAC)C. 23rd Digital Avionics Systems Conference, Salt Lake City, UT, 2004(2). 24 Huang H, Hoffmann G M, Waslander S L, et al. Aerodynamics and Control of Autonomous Quadrotor Helicopters in Aggressive ManeuveringC. IEEE International Conference on Robotics and Automation, Kobe, Japan, 2009:3277-3282 25