多旋翼自驾仪综述

1、 先进控制系统设计作业综述多旋翼自驾仪作者姓名 作者学号 学科专业 控制理论与控制工程指导教师培养院系 自动化科学与电气工程学院目 录第一章 多旋翼的历史1第二章、自动驾驶仪32.1、自动驾驶仪发展32.2、原理和组成32.3、种类和特点52.4、控制方法62.5、多旋翼自驾仪未来10结论10参考文献1115第一章 多旋翼的历史多旋翼飞行器指具有多于两个旋翼的飞行器。与常规单旋翼直升机相比，多旋翼飞行器 在结构上具有多个优势。首先，它不需要通过机械连接改变桨距来产生推力和力矩的变化，简化了设计和维护成本；第二，使用多个旋翼允许每个旋翼具有较小的直径，减小了与外界物体碰撞的几率。早在 20 世纪

2、初，国外就有人对四旋翼垂直起降机进行了研究。然而，直到近几年来，微型传感器、处理器和能源供给等技术突破性的发展和无人机系统控制新技术的广泛出现，为多旋翼飞行器 自主飞行控制的研究提供了很大便利。真正意义上的四旋翼垂直起降机出现在 1922 年，是由俄裔美国人 Dr. George de Bothezat和他的同伴 Ivan Jerome 共同研制。如图1所示。 由于没有控制系统，结构复杂，飞行员极难操纵。但该机的成功试飞却开辟了四旋翼飞行器研究的新天地，各大航空企业和高校逐渐开始了多旋翼垂直起降机的研究1-4。图 1.1 Bothezat 的四旋翼垂直起降机近年来，多旋翼飞行器 随着 MEMS

3、 器件性能的提升越来越普遍。宾夕法尼亚大学的 Vijay Kumar 教授关于飞行机器人自主运动与协作控制的诸多研究成果，包括小型四旋翼飞行器在室内激光导航下的高精度定位与超强机动飞行，四旋翼在运动中躲避障碍物、穿越方框，两架四旋翼协同抓取重物，多个四旋翼编队飞行、队形变换、协同完成任务等达到了多旋翼自主飞行控制的世界最高水平. 如图 1.2 所示，左图为 4 架四旋翼协作抓取物体，右图为多架四旋翼编队飞行。 (a)协作抓取物体 (b)编队飞行图 1.2 宾夕法尼亚大学四旋翼MIT 的 Jonathan How 教授带领的 ACL（Aerospace Controls Laboratory，航

4、天控制实验室）研究小组成员进行了以视觉导航为主的四旋翼飞行器自主飞行控制，研究内容包括多机协同避障飞行、自主路径规划、单机/多机跟随其它飞行器或者地面车辆等在自主飞行控制领域的研究一直处于领先地位。 (a) 多机编队避障飞行 (b) 自主视觉导航四旋翼图 1.3 MIT 四旋翼第二章、自动驾驶仪2.1、自动驾驶仪发展图2.1：自动驾驶仪-飞机回路示意图多旋翼飞行器的复杂性和动态性，要求控制系统的功能设计更加完善，算法设计更加优化，运算速度更快。自动驾驶仪取代人在回路的控制是飞行控制的必然发展趋势。作为多旋翼飞行器的核心机载系统的自动驾驶仪（见图2.1），管理和控制着多旋翼飞行器的自主飞行，完成

5、对无人机导航、制导和控制，确保多旋翼飞行器按照预定的航线准确、稳定、可靠的飞行，以及能够执行各种特定的任务。自动驾驶仪能否正常工作直接影响着多旋翼飞行器飞行的各种性能和飞行安全。 第一台飞行器自驾仪诞生于1912年，由Sperry公司研发，并在两年后在一台小型飞行器上验证成功。随着自驾仪的飞速发展5-6，目前广泛应用于现代飞行器和轮船。同时，自驾仪的发展也促进了多旋翼费飞行器的研究和应用。2.2、原理和组成 自动驾驶仪是模仿驾驶员的动作驾驶飞机的。它由敏感元件、计算机和伺服机构组成，见图2.2。当某种干扰使飞机偏离原有姿态时，敏感元件(例如陀螺仪)检测出姿态的变化；计算机算出需要的修正舵偏量；

6、伺服机构（或称舵机）将舵图2.2：自驾仪的结构面操纵到所需位置。自动驾驶仪与飞机组成反馈回路，保证飞机稳定飞行。所以针对多旋翼飞行器，自动驾驶仪应具有以下功能：（1） 能够利用各种具有测姿、定位、定向等功能的传感器，实时获取无人直升机位置、速度、姿态等原始信息； （2） 飞行过程中能够利用导航算法实时解算高精度的三轴姿态、三轴角速率和磁航向，输出导航数据； （3） 结合多旋翼飞行器地面系统的指令、自动驾驶仪的导航数据和制导律，计算得出制导指令，指引飞行控制系统完成对伺服系统的操纵； （4） 实时接收并存储多旋翼飞行器地面系统上传的航线参数和控制参数； （5） 将各种飞行参数以及设定的航线参数存

7、储到机载存储器中； （6） 监控多旋翼飞行器的位置、高度、速度等定位信息以及工作状态，并将这些数据下传给多旋翼飞行器地面系统； （7） 提供与测控分系统、任务设备之间通讯接口，完成实时通信，实现全系统导航、制导与控制； （8） 按照预设航线，生成实际飞行轨迹，实现多旋翼飞行器程控自主飞行； （9） 能够实现多旋翼飞行器自动起飞，飞行时保证其安全性； 在遥控状态下能稳定飞行姿态和飞行高度； （10） 具有一定程度的应急处理能力，保障飞行安全性； （11） 能够按照航点内容设置，操纵机载设备完成飞行任务。为实现这些功能，自驾仪需要以下的硬件组成（1） 内置传感器：三轴角速率陀螺 、三轴加速度计、三

8、轴磁力计、双嘴空速传感器、气压高度计、5Hz GPS接收机、温度传感器。（2） 输入/输出接口：8路PWM输入、7路PWM输出、2路电源监视输入、2路转速传感器输入、5路ADC、10路二进制遥测数据包、多功能LED指示灯。（3） 数据交换接口：RS-232和RS-485。（4） 扩展设备接口：RS-485接口 X 4（ABIP 协议），RS-232接口 X 2（NMEA 协议）。（5） 选配外置传感器：空速高度组合传感器、超声波高度计、PWM信号和离散信号扩展器、飞行数据记录器、油量传感器、GLONASS 或北斗GPS 接收机、用户定制设备等。2.3、种类和特点自动驾驶仪可按能源形式、使用对象

9、、调节规律等分类。（1）按能源形式：分为气压式、液压式、电气式或者是这几种形式的组合。现代超音速飞机多安装电气（或电子）-液压式自动驾驶仪。气压式伺服机构主要用于导弹。（2）按使用对象：分为飞机自动驾驶仪和导弹自动驾驶仪。飞机自动驾驶仪多具有检测飞机姿态角的敏感元件，能稳定飞机的姿态角。为了提高这种自动驾驶仪的稳定效果，可配合使用速率陀螺仪。战术导弹只需要稳定角速度，其姿态角根据目标的运动而改变，因此，在自动驾驶仪中不设检测角位置的敏感元件。巡航导弹、战略导弹和运载火箭需要稳定姿态角，在这些飞行器的自动驾驶仪中仍有检测姿态角的敏感元件。（3）按调节规律：自动驾驶仪的调节规律（即数学模型）表示伺

10、服机构的输出量与被调参量之间的函数关系。飞机自动驾驶仪依调节规律的不同分为比例式自动驾驶仪和积分式自动驾驶仪。比例式自动驾驶仪是以伺服机构输出的位置偏移量（如舵偏角）与被调参量（如姿态角）的偏差成比例的原理工作的。它的结构简单，应用很广，但在干扰作用下会产生静态误差。积分式自动驾驶仪是以伺服机构输出的位置偏移量与被调参量偏差的积分成比例的原理工作的，它没有静态误差，但系统的稳定性差，结构复杂，应用受到一定限制。导弹自动驾驶仪按被调参量的性质可分为位置式自动驾驶仪、定向式自动驾驶仪和加速度式自动驾驶仪。位置式自动驾驶仪的被调参量是飞行器的角位置（即姿态角），伺服机构的输出量与姿态角的偏差成比例。

11、定向式自动驾驶仪的被调参量是飞行器的姿态角速度，伺服机构的输出量与姿态角速度的偏差成比例。加速度式自动驾驶仪的被调参量是飞行器的法向加速度，伺服机构的输出量与法向加速度的偏差成比例。现代自动驾驶仪的趋势是向数字化和智能化方向发展。80年代以前，战术导弹由于工作时间短、工作环境条件恶劣（如很大的过载）等较少采用数字式自动驾驶仪。微型计算机出现后，战术导弹开始采用数字式自动驾驶仪。近代空战中，自动驾驶仪能以最佳方式操纵战斗机，例如以最短的时间飞到最有利的位置。在导弹攻击目标时，自动驾驶仪与制导系统配合使导弹能识别敌友、分析敌情变化并作出最优决策。这就要求自动驾驶仪具有智能的功能。2.4、控制方法

12、图2.3：多旋翼飞行器控制系统图 自动驾驶仪控制系统作为多旋翼飞行器控制系统的一部分（见图2.3），需要与地面站通讯，接受相关地面指令，并将飞行器姿态、位置、速度等信息上发回地面站。同时需要完成对执行器的指令输入，从而使飞行器按照预定的飞行姿态和航向飞行，保证飞行器的稳定。多旋翼飞行器 的自主飞行控制主要包含自主起降、姿态稳定、高度保持、位置保持、航迹点跟踪、多机协同等方面。其中姿态稳定是实现其它各种控制的前提，因此在早期也吸引了多数的无人机领域研究人员的注意力，随着姿态稳定控制策略的发展完善，自主视觉导航、多机协同控制的研究逐渐取代了单一的姿态稳定控制。多旋翼飞行器的自主飞行方法主要有以下几

13、种：(1) 线性控制线性控制方法由于思路简单、易于物理实现，在飞行控制系统中使用最广泛。由于其抗干扰能力比较弱，目前大多将线性控制同模糊控制、最优控制等结合构成复合控制系统，实现控制增稳。文献7通过对系统模型做适当的简化处理，采用经典的PID和线性二次最优LQR控制方法，达到了系统镇定控制目标，仿真和实验验证了设计方案的有效性。文献8通过巧妙的系统分解，将四旋翼无人机这样一个拥有6个自由度的复杂系统，分解成为了全驱动和欠驱动两个子系统，降低了控制律设计难度。针对两个子系统，分别设计了一个速率有界的PID控制器和滑模控制器，保证对虚拟控制输入的快速跟踪。Amoozgar M H9考虑执行机构失效

14、的情况，设计了模糊自整定PID控制器，实现了容错控制目标。Efe M Ö10将神经网络和PID控制结合，增强了无人机的抗干扰能力，并且计算负载增加不大。文献11设计了参数最优PID控制器，设计一个关于控制误差和超调量的目标函数，采用梯度下降方法寻找最优PID参数。(2) 滑模控制 滑模控制在本质上是一类特殊的非线性控制方法，其非线性表现为控制输入的不连续。由于滑动模态可以进行设计且与对象参数及扰动无关，这就使得滑模控制具有快速响应、对参数变化及扰动不灵敏等优点。它在运动控制系统中得到了广泛应用，但是需要抑制输入抖颤的现象。文献12对比分析了反馈线性化和自适应滑模控制两种方法在四旋翼无

15、人机镇定控制上的效果。前一种方法需要状态的高阶导数项，因此对建模误差和传感器噪声敏感。文献13提出了一种动态滑模控制方法，通过对垂直阵风参数的实时估计，来消除非性干扰。但是这种方法不具备对水平气流干扰的抑制能力。文献14采用了块控制技术和二阶滑模算法，设计了针对受到匹配和非匹配干扰的四旋翼无人机鲁棒控制器。通过滑模观测器估计非匹配性干扰，实现了高精度的轨迹跟踪。文献15对比分析了滑模控制和反演控制的仿真效果，并且实际应用在了一个室内微小四旋翼无人机上。但是由于没有处理滑模的抖颤问题，控制输入中出现了抖颤和微小的高频漂移现象。Guisser M16等人将高增益观测器应用到滑模控制上，实现了无姿态

16、角速度反馈轨迹跟踪。Besnard L17设计滑模观测器估计外界干扰，减小滑模控制的输入抖颤。(3) 反演控制反演控制在设计上具有很大的灵活性，可以避免消除系统中有用的非线性项。它以系统跟踪为目标，而不是线性化。由于设计思路简单明了，涌现了很多关于四旋翼无人机反演控制的成果18,19。文献20设计了基于PID调节思想的反演控制器，使得姿态角达到期望值，克服了PID抗干扰能力弱的缺点。在文献21中，作者在原有的反演控制方法基础上，加入了两个滑模微分器，用来估计前一步的虚拟控制输入，这样就避免了对系统动态方程的微分，简化了控制律设过程计。文献22引入两个卡尔曼滤波器实现对状态的估计，之后采用反演控

17、制算法进行了路径跟踪控制，实物验证了算法的有效性。(4) 自适应控制由于在复杂的气流环境中运动，四旋翼无人机的动力学特性具有很强的不确定性，因此自适应的思想被引入到四旋翼无人机的运动控制中42,43。文献23将反演控制和自适应算法结合，在线估计变化的质量，克服质量不确定性。但是对于由于质量变化引起的转动惯量变化对系统的影响，并没有涉及。文献24在牛顿-欧拉模型的基础上，对转动惯量进行了自适应估计。采用双曲正割函数代替符号函数，减小姿态子系统的抖动。文献25针对未知的质心位置和外界干扰力，基于Lyapunov函数方法，设计了自适应更新算法，保证跟踪误差收敛到0，参数估计误差有界。(5) 模糊与神

18、经网络控制两种控制策略都是属于智能学习的方法，在四旋翼运动控制中被用来对状态、未建模动态或外界干扰进行逼近26,27。为了克服参数估计的大范围漂移，Coza C28改进了学习规则，引入了模糊系统中心点集合的概念，实现四旋翼无人机镇定控制。(6) 鲁棒控制由于外界气动干扰复杂，而且具有时变的特点，因此鲁棒控制被用来克服外界干扰的影响，提升控制效果29。文献30首先利用欧拉-拉格朗日方法，得到了系统的动力学模型，然后在这个模型的基础上，分别针对位置子系统和姿态系统设计了反演控制器和非线性的控制器，在非线性的控制器设计过程中，需要求解两个HJBI偏微分方程。仿真结果表明当转动惯量具有20%的不确定度

19、的时候，仍然具有很高的跟踪精度。文献31将非线性的和模型预测控制技术(MPC)分别用在四旋翼无人机姿态子系统和位置子系统上，而且两个控制器中均包含了位置的积分项，这样可以保证跟踪静差为0。类似地，在文献32中作者采用同样的思路，将反演控制和控制进行结合，增强了系统抵御外界阵风干扰的能力。为增加系统鲁棒性，文献33基于Lyapunov方法，补偿参数不确定性，闭环系统全局一致有界。文献34基于分段线性模型，设计了四旋翼无人机姿态模型预测控制器，可以消除转动惯量参数不确定性。除了上面的成果，还有很多其他的控制方法用来解决工程应用中存在的导航数据有干扰、传感器失效、传感器信号延迟等问题。针对非线性无人

20、机飞行器控制系统，考虑系统时滞的影响，对于设计输出跟踪控制器是非常有必要的，因为时滞不仅会导致跟踪性能的下降，而且往往会导致系统失去稳定性。文献35关注了四旋翼无人机导航系统中GPS信号和视觉信号的传输延迟，在假设位置信号和线性速度延迟时间一定的情况下，设计了基于泰勒级数展开的预估器来处理延迟。这里只关注了延迟时间为确定值的情况，但是对于延迟时间变动的情况没有涉及36。2.5、多旋翼自驾仪未来目前比较成熟的自驾仪控制系统多基于PID的控制方法，虽然具有已于理解和设计、对硬件的要求比较低等优点，但是有着一些无法克服的缺点，比如鲁棒性抗、干扰性能较差等。未来的研究方向主要解决一下问题：(1) 鲁棒

21、性分析。因为多数的飞行器模型很难得到精确到模型方程，尤其是在外界未知干扰的情况下，对自驾仪控制系统的设计带来很大困难。(2) 更加友好的人机交互界面。(3) 动态数据驱动的自动驾驶仪控制器设计。目前的自驾仪主要关注航线的设计，如何利用大量的传感器信息是研究的难点。虽然一些学者在这方面做出一定的研究，但是在实际应用方面还需要做出更多努力。(4) 多旋翼飞行器的组队控制给自驾仪控制系统的研究带来一定挑战。结论本文介绍了多旋翼飞行器及自驾仪的发展，以及自驾仪的原理、种类/组成等。最后提出来多旋翼飞行器自驾仪的未来研究重点。参考文献1 Stipanovi D A M, Inalhan G K, Teo

22、 R, et al. Decentralized overlapping control of a formation of unmanned aerial vehiclesJ. Automatica, 2004, 40(8): 1285-1296.2 Shim D H, Kim H J, Sastry S. Hierarchical control system synthesis for rotorcraft-based unmanned aerial vehiclesC/AIAA Guidance, Navigation and Control Conference. 2000.3 郭晓

23、鸿. 微型四旋翼无人机控制系统设计与实现D. 南京航空航天大学, 2012.4 李少斌. 微型多旋翼飞行器控制技术研究J. 南京航空航天大学, 2013.5 Chao H Y, Cao Y C, Chen Y Q. Autopilots for small unmanned aerial vehicles: a surveyJ. International Journal of Control, Automation and Systems, 2010, 8(1): 36-44.6 Williams D E, Friedland B, Madiwale A N. Modern control

24、theory for design of autopilots for bank-to-turn missilesJ. Journal of Guidance, Control, and Dynamics, 1987, 10(4): 378-386.7 Bouabdallah S, Noth A, Siegwart R. PID vs LQ control techniques applied to an indoor micro quadrotorC. Intelligent Robots and Systems, 2004.(IROS 2004). Proceedings. 2004 IE

25、EE/RSJ International Conference on. IEEE, 2004, 3: 2451-2456.8 Xu R., Ü. Özgüner. Sliding mode control of a class of underactuated systemsJ. Automatica, 2008, 44(1): 233-241.9 Amoozgar M H, Chamseddine A, Zhang Y M. Fault-tolerant fuzzy gain scheduled PID for a quadrotor helicopter te

26、stbed in the presence of actuator faultsC. IFAC Conference on Advances in PID Control, Brescia, Italy (March 2012). 2012.10 Efe M Ö. Neural network assisted computationally simple pi d control of a quadrotor UAVJ. Industrial Informatics, IEEE Transactions on, 2011, 7(2): 354-361.11 Bolandi H, R

27、ezaei M, Mohsenipour R, et al. Attitude Control of a Quadrotor with Optimized PID ControllerJ. Intelligent Control and Automation, 2013, 4: 335.12 Lee D, Kim H J, Sastry S. Feedback linearization vs. adaptive sliding mode control for a quadrotor helicopterJ. International Journal of Control, Automat

28、ion and Systems, 2009, 7(3): 419-428.13 Bouadi H, Tadjine M. Nonlinear observer design and sliding mode control of four rotors helicopterJ. Vorld Academy of Science, Engineering and Technology, 2007, 25: 225-229.14 L. Luque-Vega, B. Castillo-Toledo, A . G. Loukianov. Robust block second order slidin

29、g mode control for a quadrotorJ. Journal of the Franklin Institute, 2012, 349(2): 719-739.15 S. Bouabdallah, R. Siegwart. Backstepping and sliding-mode techniques applied to an indoor micro quadrotorC. Robotics and Automation, 2005. ICRA 2005. Proceedings of the 2005 IEEE International Conference on

30、. IEEE, 2005: 2247-2252.16 Guisser M, Medromi H. A high gain observer and sliding mode controller for an autonomous quadrotor helicopterJ. International Journal of Intelligent Control and Systems, 2009, 14(3): 204-212.17 Besnard L, Shtessel Y B, Landrum B. Quadrotor vehicle control via sliding mode

31、controller driven by sliding mode disturbance observerJ. Journal of the Franklin Institute, 2012, 349(2): 658-684.18 Madani T, Benallegue A. Control of a quadrotor mini-helicopter via full state backstepping techniqueC. Decision and Control, 2006 45th IEEE Conference on. IEEE, 2006: 1515-1520.19 Hon

32、glei A, Jie L, Jian W, et al. Backstepping-Based Inverse Optimal Attitude Control of QuadrotorJ. International Journal of Advanced Robotic Systems, 2013, 10(223).20 Mian A A, Daobo W. Modeling and backstepping-based nonlinear control strategy for a 6 DOF quadrotor helicopterJ. Chinese Jour

33、nal of Aeronautics, 2008, 21(3): 261-268.21 Madani T, Benallegue A. Sliding mode observer and backstepping control for a quadrotor unmanned aerial vehiclesC. American Control Conference, 2007. ACC'07. IEEE, 2007: 5887-5892.22 Regula G, Lantos B. Backstepping based control design with state estim

34、ation and path tracking to an indoor quadrotor helicopterJ. Electrical Engineering, 2011, 53(3-4): 151-161.23 Whitehead B T, Bieniawski S R. Model reference adaptive control of a quadrotor UAVC。AIAA Guidance, Navigation, and Control Conference. 2010: 2-5.24 Nicol C, Macnab C J B, Ramirez-Serrano A.

35、Robust adaptive control of a quadrotor helicopterJ. Mechatronics, 2011, 21(6): 927-938.25 Huang M, Xian B, Diao C, et al. Adaptive tracking control of underactuated quadrotor unmanned aerial vehicles via backsteppingC. American Control Conference (ACC), 2010. IEEE, 2010: 2076-2081.26 Zuo Z. Adaptive

36、 trajectory tracking control design with command filtered compensation for a quadrotorJ. Journal of Vibration and Control, 2013, 19(1): 94-108.27 Antonelli G, Arrichiello F, Chiaverini S, et al. Adaptive trajectory tracking for quadrotor MAVs in presence of parameter uncertainties and external distu

37、rbancesC. Advanced Intelligent Mechatronics (AIM), 2013 IEEE/ASME International Conference on. IEEE, 2013: 1337-1342.28 Coza C, Macnab C J B. A new robust adaptive-fuzzy control method applied to quadrotor helicopter stabilizationC. Fuzzy Information Processing Society, 2006. NAFIPS 2006. Annual meeting of the North American. IEEE, 2006: 454-458.29 Mokhtari A, Benallegue A, Daachi B. Rob