无人机飞行控制技术初探
第二届无人机发展论坛论文集设计与技术
无人机飞行控制技术初探
刘波何清华邹湘伏
（中南大学机电工程学院，湖南长沙４１００８３）
摘要：无人机飞行控制技术是实现其自主飞行的关键技术之一，本文简要回顾了无人机飞行控制系统经典设计方法，然后着重论述了无人机飞行控制技术的最新研究成果，包括非线性动态逆控制、自适应ＢＡＣＫＳＴＥＰＰＩＮＧ控制等现代控制技术及包含神经网络ＰＩＤ控制、神经网络自适应控制在内的智能控制技术。
关键词：无人机；飞行控制；动态逆控制；自适应ＢＡＣＫＳＴＥＰＰＩＮＧ控制；智能控制
一．引言
Ａｉｒ无人驾驶飞机（ＵｎｍａｎｎｅｄＶｅｈｉｃｌｅ）是一种带动力的、无线电遥控或自主飞行的、执
行多种任务并能多次使用的无人驾驶飞行器。缩写为ＵＡＶ。
无人机的最早使用可以追溯到一战，但直到２０世纪５０年代后无人机才得到真正的发展。从越战、冷战、海湾战争到科索沃战争、阿富汗战争的现代战争中，无人机在侦察、监视、目标获取、目标指示、通信中继、战场伤亡评估、通信和电子智能、干扰、生化探测等方面都发挥了重要的作用。要实现无人机的无线电遥控或自主飞行，其机载飞行控制系统是最关键的技术之一。
从传统的意义上讲，飞行控制的基本目的是改善飞机的稳定性和操纵性，减轻飞行员驾驶飞机的工作负担，从而提高执行任务的能力、效率和效果。
飞行控制系统是无人机的核心。无人机要完成自主飞行，需要控制系统对内回路（姿态回路）和外回路（水平位置和高度回路）都具有良好的控制特性。从有人驾驶飞行向无人机自主飞行的发展，实际上是飞行自动化向飞行自主化的发展，飞控系统要扮演决策与控制的双重角色。显而易见，先进飞控技术是实现自主控制的最主要的支撑技术之一。
从无人机的发展历程看，随着控制技术和理论的发展，无人机飞控技术经历了从经典控制技术到现代控制技术，再到智能控制技术的发展阶段。
二．传统飞控系统设计方法
传统飞行控制系统设计，采用增益调参来补偿系统的非线性。即在飞行全包线内将飞机模型按几个特定的飞行状态线性化，针对每一个飞行状态设计线性控制器，然后再用插值策略使ＰＩＤ参数在设计时选定的有限个线性模型之间连续变化。
这种方法的主要优点是在线计算相对较少，可以直接应用许多综合技术，如古典ＰＩＤ控制、・２４８・
设计与技术第二届无人机发展论坛论文集线性二次校正器理论、模型跟踪、特征结构配置等。虽然增益调参控制有许多成功应用，但也存在明显的不足：
（１）缺乏完善的理论分析，尽管局部点可以有很好的反馈性能，但并不一定能在全局范围内满足稳定性、鲁棒性和局部点性能指标的要求。只有通过大量的计算机仿真来保证闭环系统的性能：
（２）线性化模型是近似的，忽略了直升机模型的不确定性和未建模特性；
（３）线性控制器设计中使用的性能参数可能并不体现直升机系统的实际性能；
（４）依赖飞行动力学模型。模型的建立依赖风洞试验或飞行测试，试验数据的获得通常是一个冗长的反复迭代的过程，周期长，成本高。
为了进一步改善系统性能，又先后出现了ＬＰＶ增益调参、ＬＦＴ增益调参等等，其目的是为了增强系统的鲁棒性，但是这些方案都没有解决增益调参控制的本质问题。
三．非线性动态逆控制
从不同的角度，该技术有不同的名称。从线性变换角度看，被称作“反馈线性化”、“预线性化”、“非线性变换”等。由于线性化过程需要得到非线性系统的逆模型，从逆模型和控制的角度，又被称作“自适应逆控制”、“动态逆控制”、“模型逆控制”等。图１为无人机动态逆控制原理图。
动态逆技术首先将状态／控
Ｈ｛制输入从非线性系统通过局部微
分同胚一一映射到线性系统，即
将非线性问题转化为线性控制问
题，故也称作非线性的反馈线性
化技术，这里的微分同胚就是原
系统非线性映射的逆，通俗的讲
也可以把这一过程看成是一次坐
图１动态逆控制原理图标变换。这种光滑的映射不是近
似的，而是精确的（这也决定了需
要对系统进行精确建模），能够抵消当飞机操作点改变带来的模型变化（可以理解为反馈增益的自动连续预置），保证线性系统保持不变。
在理论上以及仿真及试飞验证都表明，非线性动态逆控制的优点有：
（１）可广泛用于不同的飞机模型；
（２）在整个设计周期中，其设计具有很大的灵活性以适应飞机模型的变化；
（３）能够满足像大迎角、超机动这样的非常规控制要求；
（４）增益预置并不要求在飞机的整个飞行包线中确保飞控系统的稳定性。
同时，该控制方案也有其局限性：・２４９・
第二届无人机发展论坛论文集设计与技术
（１）实现需要构造可信度高的非线性仿真模型并通过机载计算机进行实时逆变换，计算量很大；
（２）不易进行鲁棒性分析；
（３）其实现是以可以得到全状态反馈为前提的；
（４）无法直接应用于非最小相位系统；
（５）逆误差的存在将破坏严格的对消关系。
因此，该方法仅限于最小相位系统的应用；更进一步，动态逆控制律将导致子动态（零动态）不可观，所以若零动态不稳则闭环不稳。但是对于轻微的非最小相位非线性系统，基于对真实系统的近似的最小相位来设计控制律可设计出一个闭环系统，它将比直接应用线性化理论而设计出的系统具有更好的性能。动态逆控制器的一般结构如图２所示。
佛罗里达州立大学ＭＡＶ的研究人员在非线
性动态逆控制方法的研究上已开展了大量工
作，并取得了较好的效果。
动态逆控制通过成功的实际飞行测试而
获得广泛认同，目前该研究热点在于对象模型
的不确定性的抑制及鲁棒性的研究。
图２动态逆控制器的一般结构四、自适应ＢＡＣＫＳＴＥＰＰＩＮＧ控制
在上世纪８０年代末出现了一种采用李雅普诺夫函数方法的新思想。这种思想后来成为一种被称为ＢＡＣＫＳＴＥＰＰＩＮＧ（逐步回推）的算法。基于逐步回推的自适应控制方案在处理非线性问题时显示了其独特的优越性。
逐步回推的基本思想是针对级联线性／非线性系统，通过一步步适当选取李氏函数，一步步构造辅助控制输入（一般是系统的一部分状态，即用系统的一些状态去控制其他状态，可以避免采用动态逆方法时对消掉有用的非线性信息）的同时补偿不确定性的影响，最终得到稳定的控制律。
在飞控系统的应用中，仅仅ＳａｈｊｅｎｄｒａＮ．Ｓｉｎｇｈ和ＭａｒｃＬ．Ｓｔｅｉｎｂｅｒｇ等人在９０年代中后期作过一些初步的研究工作，从其研究结果可以看出该方法有着十分诱人的研究前景。
Ｓｔｅｉｎｂｅｒｇ成功地应用这种方法处理了飞机中的气动力参数不确定性的问题，但是没有考虑不确定性非线性和未建模动态的影响，也没有直接基于系统模型进行鲁棒性研究。
将逐步回推用于飞控系统设计有两个显著优点：
（１）在控制器设计过程中可以处理一大类非线性、不确定性的影响（这正是动态逆控制方案多年来一直努力解决的问题），而且稳定性及误差的收敛都已经得到了证明。
（２）由于不同于传统自适应控制器需要参数辨识，所以用该方法设计的控制器收敛速度很快，因此在损伤或故障飞行状态下这种方法将十分有效。
然而逐步回推的鲁棒性及作动器饱和问题仍不容忽视。但该方法设计的灵活性很强，为解决・２５０・
设计与技术第二届无人机发展论坛论文集这一问题提供了可能。自适应ＢＡＣＫＳＴＥＰＰＩＮＧ控制为反馈控制形式的选择提供了相当大的自由度。
五．智能控制技术
１．神经网络ＰｌＤ控制
传统飞控系统的缺点是对高度非线性和复杂的系统几乎不可能获得想要的输出，当由于内部参数的变化或者外部发生严重的扰动时，它也不能输出良好的性能。传统飞控ＰＩＤ增益较大，而神经ＰＩＤ控制对每一个输入信号补偿ＰＩＤ控制增益。神经ＰＩＤ控制有两种方法：有或者没有仿真器。神经网络仿真器提供系统的雅克比信息去学习以前的神经网络。它使用两种神经网络：仿真器离线学习，神经网络在线调整。每一个神经网络的收敛率是至关重要的。当收敛率不同时，神经网络仿真器可能提供不准确的雅克比信息。
该控制思想是：神经网络用作在线估计器，控制信号由常规控制器发出。首先，神经网络按照一定的学习算法进行离线学习，然后接入控制系统，一方面给出最佳的ＰＩＤ控制器参数，另一方面还要继续学习，不断地调整神经网络中各神经元之间权系数，以适应受控对象的变化。因此，这种控制方式具有很强的适应性。ＳｅｏｎｇｊｕｎＡｎ等人研究的神经网络ＰＩＤ控制原理图如图３所示。
２．神经网络自适应控制
人工神经网络是一个万能的函数逼近器，能以任意精度要求逼近任意一个连续的非线性函数，并具有自学习和并行处理能力。因此神经网络完全可以有效地应用于对非线性、不确定、受环境干扰的对象的控制。
与简单的查表方法相比，神经网络
计算所需的内存和时间较少；在两个训
练点之间的点，插值无需额外的计算。
经验表明，与传统的线性参数自适应控
制器相比，神经网络函数是高度非线性
自适应控制元素，在获得期望的性能方
面有独特的优势。因此非常适用于自适
应飞行控制。
图３神经网络ＰＩＤ控制原理图神经网络自适应控制基本思想是
首先将飞行器的模型近似线性化。随后，将一个神经元网络加入控制器，用于改善系统响应，并自适应地消除飞行中动态误差逆的影响，这样非线性控制可以通过逆转换来实现。这种神经网络能实现在线自适应，大大地降低了对系统动态特性的先验知识的要求；减少了对风洞试验数据的依赖，它可以出人意料地降低飞行控制系统的开发费用。在线自适应的好处还可以推广到另外一些空气动力数据难以精确获取的飞行区域，比如说飞机以高攻击角做机动飞行的情况。
ＡｎｔｈｏｎｙＪ．Ｃａｌｉｓｅ和ＲｏｌｌＴ．Ｒｙｓｄｙｋ等人研究的神经网络自适应控制，主要的目标是提供飞行器在整个飞行模式下的连续的操作品质。它仅仅要求在一个操作点的近似的线性模型。・２５１・
第二届无人机发展论坛论文集设计与技术建立在线性模型逆的基础上，基于自适应ＮＮ。它的原理图如图４所示。
在许多的飞行控制系统中应用神经网络。Ｂａｒｏｎｅｔａｌ采用多项式网络对错误检测和重构飞行控制。Ｌｉｎｓｅ和Ｓｔｅｎｇｅｌ证明了神经网络能被用来识别空气动力学系数。Ｂａｋｅｒ和Ｆａｒｒｅｌｌ应
用神经网络来控制超级控制飞
行器。
六．结束语
传统的飞行控制技术在大
量的应用中证明是基本有效
的，但它缺乏完善的理论分析，
尽管局部点可以有很好的反馈
性能，但并不一定能在全局范
围内满足稳定性、鲁棒性和局
图４自适应神经网络控制原理图部点性能指标的要求。非线性控制中一个特殊的反馈线性化的方法是动态逆，理论上能使反馈增益自动连续预置，保证线性系统保持不变，但它是建立在精确的模型之上，在消除逆误差和鲁棒性方面还有待于改善。自适应ＢＡＣＫＳＴＥＰＰＩＮＧ控制是一种不依赖动态逆的方法，可以处理一大类非线性、不确定性的影响，并且用该方法设计的控制器收敛速度很快，然而ＢＡＣＫＳＴＥＰＰＩＮＧ控制的鲁棒性及作动器饱和问题仍不容忽视。
由于神经网络具有并行性和自然容错的能力，能够对非线性系统进行描述和处理，故神经网络与自适应飞行控制方法结合的智能控制，较好地解决了无人机精确模型无法获得的缺陷，消除逆误差和增强鲁棒性，是ＵＡＶ自主飞行控制的最主要的支撑技术之一。
只有综合应用自适应控制和智能控制等控制思想和方法以及先进的飞行控制技术，才能建立不确定条件下复杂问题的决策能力和复杂环境下的控制能力，真正实现无人机自主飞行。作者简介：刘波，硕士研究生，研究方向为嵌入式系统，飞－ｆＳ－控制系统；
何清华，教授，博士生导师，研究方向为机器人，机电一体化。
地址：中南大学机电工程学院智能所
邮编：４１００８３
Ｅ－ｍａｉｌ：１ｉｕｂｏｂ“Ｉ＠ｉ２６．ｃｏｍ
电话：１３７８６１８６３５１，（０７３１）８８３６０４・２５２・
无人机飞行控制技术初探
作者：
作者单位：刘波， 何清华， 邹湘伏中南大学机电工程学院，湖南 长沙 410083
本文链接：http://d.g.wanfangdata.com.cn/Conference_7120586.aspx