【某四旋翼无人飞行器软件系统的复合控制算法分析案例3600字】

某四旋翼无人飞行器软件系统的复合控制算法分析案例在无人飞行器制动过程中，控制信号无法直接对电机进行驱动，因为直接驱动电机会造成信号响应不到位，控制衰减等问题，造成的直接影响是飞行器控制产生的升力缺失，无法正常控制飞行。所以需要在控制信号端和飞行升力端建立控制关系，通过映射关系调节控制变量，使得螺旋桨升力和姿态变化一一对应，达到无人飞行器控制操作的目的，经典的PID控制算法可建立映射关系，无人飞行器姿态和操作控制关系如图4-7所示。图4-7无人飞行器姿态和操作控制关系图Fig.4-7AttitudeandoperationcontroldiagramforUAV随着无人飞行器控制精度要求的逐渐提高，传统的PID控制算法已不能满足无人飞行器的控制需求，由于其自身存在的直联特性，无法适应较大的突变问题，所以目前在工程中常采用自适应算法、模糊算法和神经算法等进行无人飞行器控制，本文集合各控制算法的优势，在不增加大量控制计算条件的基础上，提出了一种复合控制算法，可较好的适用于四旋翼无人飞行器的姿态解算流程中，提高无人飞行器的控制响应速度和控制精度。（1）传统PID算法传统PID控制算法其本质是直接对比例、积分、微分数值计算进行调控，其优势在于反应速度快，映射关系明确，结构简单，易于操作，是控制系统的核心计算方式。（2）自适应控制算法自适应控制算法其本质是对不断模式化和规律化的控制关系进行学习，以期望值的方式通过决策信息对下一时刻控制关系进行适应性推断，完成一致性规律控制的自适应状态。其核心控制内容是决策机构、辨识策略和期望值，当实际值在控制关系中进行修正时，即可根据先验信息指导控制器在作用对象中进行控制量输出，完成控制信息校验，其控制流程如图4-8所示。图4-SEQ图\*ARABIC\s18自适应控制算法流程示意图Fig.4-8Flowchartofadaptivecontrolalgorithm由上图可知，前一时刻的自适应控制反馈值会和下一时刻的控制输入量进行叠加，按照期望值和实际值的决策信息自适应修正控制冗余数值，并将映射关系带入控制器中，对存在的作用对象进行数据处理，得到自适应判决后的输出控制量，同时将本次控制结果通过设定好的自适应辨识策略反馈给实际值进行决策量循环，依次判定自适应控制状态。（3）模糊控制算法模糊控制算法其本质是对计算模式的一种推理过程，其依据的判定准则是模糊化信息知识库，通过模糊定义和隶属关系对控制量的数值进行转换，转换结果即为映射修正关系。模糊控制和自适应控制的流程类似，都是将控制输入量通过一定解析原则的控制器对作用对象进行数据处理，结果即为规则定义的控制输出量。模糊控制算法的核心是模糊推理关系的建立，其学习内容为模糊化知识库，其前后端操作即为模糊化和解模糊化，一般对模糊判决规律采用先验信息规律学习的方式进行知识库建立，其数据流程如图4-9所示。图4-SEQ图\*ARABIC\s19模糊控制算法流程示意图Fig.4-9Flowchartoffuzzycontrolalgorithm如上图所示，模糊控制算法流程可分为反馈数值累加、模糊化控制、先验知识库模糊推理、数据解模糊化控制、控制输出五部分，其中反馈数值累加和控制输出属于控制通用流程，与其他控制算法类似。模糊化是模糊控制的数值转换前端，需要将输入量按比例关系进行模糊集合处理，将其控制范围映射到集合范围中。在转换过程中，将输入量进行比例缩小后统一偏离位移距离，将位移距离进行数值积分可以得到偏移比例，将偏移比例、缩小比例和输入量进行模糊化融合，即为模糊推理。根据知识库的数据整合规则，将模糊集合进行等级划分，采用模糊辨识策略可得到模糊子集元素序列，即为负高，负中，负低，零值，正低，正中，正高7个标准阶层，标识分别为NB，NM，NS，Z，PS，PM，PB。在模糊化流程中，选择标志因数对控制范围进行规定，采用非均匀归类标准对模糊推理进行分解，可在解模糊化时进行量化转换，得到推理规则集合的数值变换比例，当采用的模糊数据集以[-15,15]范围为规范控制范围时，可直接通过解模糊化得到输入量的融合系数，所以处于模糊数据集内嵌的标准覆盖范围时，可得到各标准阶层的分割数据曲线，按照误差隶属函数、积分误差率隶属函数和输出隶属函数标准进行归类可得范围曲线如图4-10所示。图4-SEQ图\*ARABIC\s110标准阶层模糊数据集分隔变量曲线示意图Fig.4-10Variableseparationcurvediagramofstandardhierarchicalfuzzydataset设模糊化前的输入量集合为，非线性量化转换参数为，模糊化处理后的转换输入量集合为，则三者的关系可通过集合内的范围数值进行计算，得： （4-18）模糊控制的隶属函数按照标准阶层进行输入量位移偏移量、输入量积分偏移率和模糊输出量的对应关系集合数据集确定，按照模糊推理规则，可得到先验信息的模糊流程规范化曲面，则融合数据规范量化视图如图4-11所示。图4-SEQ图\*ARABIC\s111模糊推理数据集控制规则曲面视图Fig.4-11Fuzzyinferencedatasetcontrolsregularsurfaceview解模糊化其本质是一个逆向解析模糊推理的去量化范围集合数据还原，通过数据变换和量化计算，将推理后的模糊数据集进行解析，将每个标准阶层的控制变量按照非线性量化加权法进行计算，得到的数据集合即为输出量值的数据集合，计算公式如下所示： （4-19）由上式可知，为解算的输出控制变量集合。按照模糊控制流程可对模糊控制器进行simulink数值仿真，将模糊控制和PID控制进行结合，以达到改进控制模式的目的，其控制模型如图4-12所示。图4-12模糊控制仿真流程示意图Fig.4-12Schematicdiagramoffuzzycontrolsimulationprocess由上图可知，模糊控制仿真模型中最重要的控制环节即为模糊推理流程，将解模糊化的精确量作用于PID控制变量中，可得到模糊控制的终端输出量值，本文选择PID的参数值分别为2，5和0.5，并根据数据集[-15,15]配置了标准的模糊先验量化值，将模糊控制算法用于PID控制器的上层控制策略，以无人飞行器姿态信息中的俯仰角为输出终端值进行实验测试，将平稳的无人飞行器在时间轴零位进行1°的正向偏移，观察2内俯仰角的数据变化情况，则仿真结果如图4-13所示：图4-13模糊控制与真实情况对比数据仿真图Fig.4-13Fuzzycontrolandrealsituationcomparisondatasimulationdiagram由上图可知，模糊控制算法对PID控制起到正向校正作用，可以更快速的反映真实数值的变化状态，同时缩减了姿态稳定时间，但由于输入量在标准阶层的模糊推理过程中进行了降噪处理，所以会损耗控制变量，造成修正量值的减小，无法和真实姿态变化保持一致，且在校正初期变化浮动较大。（4）复合控制算法基于上述三种控制算法的原理优势，本文对其进行了数据融合和控制方法整合，采用自适应辅助修正模糊量化参数的方式进行信号控制，将自适应期望值和决策信息判定标准融入模糊推理的隶属函数标准阶层中，对量化信息采用辨识修正的方法，不仅对信号进行降噪处理，同时对信号进行自适应补偿处理，不仅缩小模糊控制数据集合范围，同时也增加自适应辨识标准信息，将解模糊化后的精确值代入传统PID控制器中，得到最终的控制输出值，可有效提高控制精度，并缩短稳定时间。复合控制算法的流程：首先对信号控制输入量进行模糊化数据转换，按照位移偏移量、位移偏移比例和隶属函数集合数据范围进行数据修正，标准阶层不变，但模糊数据集范围不固定，可随自适应期望值在决策机构中进行变化；其次在模糊推理中进行的隶属函数量化因子计算方式，可根据自适应辨识策略中的实际值输出方式进行调整，具体方法即为去噪补偿和误差降解；再次在解模糊化流程中，当不符合区域范围的模糊信息可进行归零话处理，超阈值信息反馈给模糊推理模型；最后将精控制量通过限制区域的方式作用于PID控制器中，修正原输入量的误差偏移，得到信号控制输出量，控制流程可根据PID的增减公式进行表述，如下所示。 （4-20）由上式可知，PID控制输出量由PID控制输入量，自适应模糊控制校正数值和去噪补偿、误差降解的模糊调整数值三部分组成，其中补偿值和校正值可通过原隶属函数设定范围阶层的期望值进行解算，量化值跟随校正值进行控制变量修正，自适应模糊控制隶属函数规范量化视图如图4-14所示。图4-14自适应模糊控制规则PID修正曲面示意图Fig.4-14PIDcorrectionsurfacediagramofadaptivefuzzycontrolrules根据上述复合控制算法的PID控制原理，对PID控制模型进行实际的应用测试。在系统运行1s后，对稳定的PID控制系统加入过量姿态修正变量并迅速消除，持续时间100ms，并在8s后加入固定的偏移变量后迅速消除，持续时间200ms，观察复合控制算法PID响应状态，曲线示意图如图4-15所示。图4-15复合控制PID变化曲线示意图Fig.4-15CompositecontrolPIDchangecurvediagram如上图所示，复合控制算法PID的控制量在1s时迅速反应，PID参数随状态的改变而引起幅值变化，并在300ms内趋于平稳，保持原系统的稳定状态，在8s后，积分参数由于受固定偏移量的影响产生响应波动，并在700ms内恢复系统稳定状态，说明复合控制算法的PID控制可迅速响应姿态变化量值，并在响应结束后可迅速保持稳定状态，可在环境变化较为复杂的场合保持较强的抗干扰能力，并具备较强的适应力和稳定性。将复合控制算法用于PID控制器的上层控制策略，以无人飞行器姿态信息中的俯仰角为输出终端值进行实验测试，将平稳的无人飞行器在时间轴零位进行1°的正向偏移，观察2内俯仰角的数据变化情况，将真实值和复合控制算法解算数值进行对比，则仿真结果如图4-16所示。图4-16复合控制与真实情况对比数