一种飞行器阵风减缓自适应前馈控制系统

摘要

一种飞行器阵风减缓自适应前馈控制系统，包括扰动通道、控制通道和扰动辨识通道；采用辨识方法辨识出控制通道的离散传递函数，基于该离散传递函数构建扰动辨识通道；采用扰动辨识通道辨识出的扰动作为前馈控制器系数计算的反馈计算输入，并利用FIR模型来设计前馈控制器，从而增大了补偿作用，提高了控制效率，最大程度上满足了飞行器阵风减缓自适应前馈控制的需求。

权利要求

1.一种飞行器阵风减缓自适应前馈控制系统，其特征在于：包括扰动通道、控制通道和扰动辨识通道；

所述扰动通道接收阵风信号wg(t)，并输出扰动响应信号x(t)，控制通道接收阵风测试信号 并输出控制响应信号y(t)；

所述扰动辨识通道接收响应误差信号e(t)，输出扰动响应辨识信号 并作为反馈信号输入给控制通道，所述响应误差信号e(t)为扰动通道输出的扰动响应信号x(t)和控制通道输出的控制响应信号y(t)之和，所述扰动辨识通道由公式：

给出，其中q-1为延迟算子，q-1u(t)＝u(t-1)，u(t)为飞行器控制作动器输入信号，A(q-1)和B(q-1)由公式：给出， 为飞行器控制作动器输入与飞行器控制通道响应之间精确传递函数G的近似函数。

2.根据权利要求1所述的一种飞行器阵风减缓自适应前馈控制系统，其特征在于：所述飞行器控制作动器输入与飞行器控制通道响应之间精确传递函数G的近似函数 具体过程为：(2-1)在飞行器配平状态下，向飞行器的控制作动器输入飞行器控制作动器输入信号u(t)来操纵控制舵面，记录飞行器控制通道的响应信号y(t)；

(2-2)以u(t)为输入，y(t)为输出，辨识飞行器控制作动器输入与飞行器控制通道响应之间精确传递函数G的近似函数 具体由公式： 给出，其中

3.根据权利要求2所述的一种飞行器阵风减缓自适应前馈控制系统，其特征在于：所述辨识通过MATLAB软件里的tfest函数完成。

4.根据权利要求1或2所述的一种飞行器阵风减缓自适应前馈控制系统，其特征在于：所述输入信号u(t)采用频率随时间增加的正弦信号；具体由公式：u(t)＝u0+uA(2πft)

给出，其中u0是常值，uA为输入信号的幅值，f为t时刻的瞬间频率，由公式：f＝f0t

给出，其中f0是常值。

5.根据权利要求1或2所述的一种飞行器阵风减缓自适应前馈控制系统，其特征在于：所述控制通道包括激光探测传感器、第一滤波器、自适应滤波器、前馈控制器和控制作动器；

所述激光探测传感器接收输入的阵风测试信号 并将探测到的阵风信号wg(t)发送给前馈控制器和第一滤波器，所述第一滤波器以测得的阵风信号wg(t)为输入，输出信号ua(t)给自适应滤波器，自适应滤波器根据接收到的输出信号ua(t)和扰动响应辨识信号计算前馈控制器的系数并输出给前馈控制器，前馈控制器根据接收到的系数和阵风信号wg(t)，产生前馈控制信号作为飞行器控制作动器输入信号u(t)输出给控制作动器和扰动辨识通道，控制作动器根据接收到的飞行器控制作动器输入信号u(t)进行前馈控制。

6.根据权利要求5所述的一种飞行器阵风减缓自适应前馈控制系统，其特征在于：所述前馈控制器为基于FIR模型的前馈控制器。

7.根据权利要求6所述的一种飞行器阵风减缓自适应前馈控制系统，其特征在于：所述前馈控制器的离散传递函数Gc(z)具体由公式：给出，其中Bk(z)为基函数，Lk为系数来自于自适应滤波器，n为预先给定的前馈控制器阶数，z为离散传递函数变量；

基函数Bk(z)由公式：

Bk(z)＝z-k,k＝1,2,...,n

给出。

8.根据权利要求7所述的一种飞行器阵风减缓自适应前馈控制系统，其特征在于：所述Lk由自适应算法得到，求得时间步N对应的每个基函数输出的系数向量L(N)＝[L1(N),L2(N),...,Ln(N)]具体步骤为：(8-1)初始化系数向量L(0)＝[0,0,...,0]，P(0)＝δ-1I，其中δ为常数，δ大于0，I为单位矩阵；

(8-2)在时间步N时，计算每个基函数输出的系数L(N)，具体由公式：给出，其中k(N)为增益向量，由公式：

给出，π(N)由公式：

π(N)＝P(N-1)Φ(N)

给出，P(N)为反相关矩阵，由公式：

P(N)＝λ-1P(N-1)-λ-1k(N)ΦT(N)P(N-1)给出，λ是遗忘因子，0<λ≤1； 是时间步N时FIR模型中各个基函数的输出；

ε(N)由公式：

ε(N)＝e(N)-LT(N-1)Φ(N)

给出，e(N)为在时间步N时飞行器的响应。

说明书

一种飞行器阵风减缓自适应前馈控制系统

技术领域

[0001] 本发明涉及一种飞行器阵风减缓自适应前馈控制系统，特别是一种飞行器阵风减缓自适应前馈控制系统，属于飞行器控制技术领域。

背景技术

[0002] 为了降低运输机对环境的影响及提高飞行器的效率，未来的解决方案为大展弦比轻重量飞行器。对于高空长航时无人机来说，由于高空低密度以及其低翼载特性决定其必须采用大展弦比低重量构型。这两类飞行器的刚体运动频率与结构弹性振动频率接近，当遇到阵风时将严重激发其结构的振动，这将大大降低乘坐品质(对于运输机来说)和影响操纵性，甚至导致结构破坏。

[0003] 当阵风信息和系统的部分信息已知时，对于扰动补偿来说前馈控制优于一般反馈控制。理想情况下，前馈控制可完全消除可测扰动的影响。采用前馈控制时扰动响应与控制补偿之间无时间延迟。

[0004] 机载激光探测传感器(Light detection and ranging,LIDAR)的发明与使用为应用前馈控制器进行阵风载荷减缓提供了前提。还有些其它的仪器，如霍尼韦尔的IntuVue三维天气雷达，也可用于进行阵风信息的采集。

[0005] 在现有的前馈控制中，如图1所示，图中wg(t)为飞行器前方阵风， 为激光探测传感器探测到的阵风信号，是wg(t)的近似，H为阵风扰动与飞行器响应之间的传递函数，G为飞行器控制作动器与其响应之间精确的传递函数， 是-G的近似，Gc为前馈控制器，自适应滤波器为前馈控制器Gc提供系数。u(t)和ua(t)分别为中间信号，x(t)和y(t)分别为扰动通道和控制通道的输出响应，e(t)为响应误差，是x(t)与y(t)的和。在该自适应前馈控制中采用飞行器在控制器作用下的响应，即e(t)来作为前馈控制器系数的计算输入，这样前馈控制器对飞行器的补偿是基于闭环响应的，补偿作用偏小。

发明内容

[0006] 本发明的技术解决问题是：克服现有技术的不足，提供了一种飞行器阵风减缓自适应前馈控制系统，采用辨识方法辨识出控制通道的离散传递函数，基于该离散传递函数构建扰动辨识通道；采用扰动辨识通道辨识出的扰动作为前馈控制器系数的反馈计算输入，并利用FIR(有限脉冲响应)模型来设计前馈控制器，从而增大了补偿作用，提高了控制效率，最大程度上满足了飞行器阵风减缓自适应前馈控制的需求。

[0007] 本发明的技术解决方案是：一种飞行器阵风减缓自适应前馈控制系统，包括扰动通道、控制通道和扰动辨识通道；

[0008] 所述扰动通道接收阵风信号wg(t)，并输出扰动响应信号x(t)，控制通道接收阵风测试信号 并输出控制响应信号y(t)；

[0009] 所述扰动辨识通道接收响应误差信号e(t)，输出扰动响应辨识信号 并作为反馈信号输入给控制通道，所述响应误差信号e(t)为扰动通道的输出响应x(t)和控制通道的输出响应y(t)之和，所述扰动辨识通道由公式：

[0010]

[0011] 给出，其中q-1为延迟算子，q-1u(t)＝u(t-1)，u(t)为飞行器控制作动器输入信号，A(q-1)和B(q-1)由公式：

[0012]

[0013] 给出， 为飞行器控制作动器输入与飞行器控制通道响应之间精确传递函数G的近似函数。

[0014] 所述飞行器控制作动器输入与飞行器控制通道响应之间精确传递函数G的近似函数 具体过程为：

[0015] (i)在飞行器配平状态下，向飞行器的控制作动器输入测试信号u(t)来操纵控制舵面，记录飞行器控制通道的响应信号y(t)；

[0016] (ii)以u(t)为输入，y(t)为输出，辨识飞行器控制作动器输入与飞行器控制通道响应信号之间精确传递函数G的近似函数 具体由公式： 给出，其中

[0017] 所述辨识通过MATLAB软件里的tfest函数完成。

[0018] 所述测试信号u(t)采用频率随时间增加的正弦信号；具体由公式：

[0019] u(t)＝u0+uA(2πft)

[0020] 给出，其中u0是常值，uA为输入信号的幅值，f为t时刻的瞬间频率，由公式：

[0021] f＝f0t

[0022] 给出，其中f0是常值。

[0023] 所述控制通道包括激光探测传感器、滤波器 自适应滤波器、前馈控制器和控制作动器；

[0024] 所述激光探测传感器接收输入的阵风测试信号wg(t)，并将探测到的阵风信号发送给前馈控制器和滤波器 所述滤波器 以测得的阵风信号 为输入，输出信号ua(t)给自适应滤波器，自适应滤波器根据接收到的输出信号ua(t)和扰动响应辨识信号 计算前馈控制器的系数并输出给前馈控制器，前馈控制器根据接收到的系数和阵风信号 产生前馈控制信号u(t)输出给控制作动器和扰动辨识通道，控制作动器根据接收到的前馈控制信号u(t)进行前馈控制。

[0025] 所述前馈控制器为基于FIR模型的前馈控制器。

[0026] 所述前馈控制器离散传递函数Gc(z)具体由公式：

[0027]

[0028] 给出，其中Bk(z)为基函数，Lk为系数来自于自适应滤波器，n为预先给定的前馈控制器阶数，z为离散传递函数变量；

[0029] 基函数Bk(z)由公式：

[0030] Bk(z)＝z-k,k＝1,2,...,n

[0031] 给出。

[0032] 所述Lk由自适应算法得到，求得时间步N对应的每个基函数输出的系数向量L(N)＝[L1(N),L2(N),...,Ln(N)]具体步骤为：

[0033] (1)初始化系数向量L(0)＝[0,0,...,0]，P(0)＝δ-1I，其中δ为常数，δ大于0，I为单位矩阵；

[0034] (2)在时间步N时，计算每个基函数输出的系数L(N)，具体由公式：

[0035]

[0036] 给出，其中k(N)为增益向量，由公式：

[0037]

[0038] 给出，π(N)由公式：

[0039] π(N)＝P(N-1)Φ(N)

[0040] 给出，P(N)为反相关矩阵，由公式：

[0041] P(N)＝λ-1P(N-1)-λ-1k(N)ΦT(N)P(N-1)

[0042] 给出，λ是遗忘因子，0<λ≤1； 是时间步N时FIR模型中各个基函数的输出；

[0043] ε(N)由公式：

[0044] ε(N)＝e(N)-LT(N-1)Φ(N)

[0045] 给出，e(N)为在时间步N时飞行器的响应。

[0046] 本发明与现有技术相比的有益效果是：

[0047] 本发明中的系统利用控制通道的传递函数来构建扰动辨识通道，并通过扰动辨识通道辨识到的扰动值作为反馈值，用于前馈控制器系数的解算，与现有方法中利用扰动通道响应信号与控制通道响应信号之和，即飞行器的闭环响应作为反馈值相比，增大了补偿作用，提高了控制效率。

附图说明

[0048] 图1为现有的前馈控制框图；

[0049] 图2为本发明阵风减缓控制框图；

[0050] 图3为本发明采用的FIR控制器模型示意图；

[0051] 图4为本发明实施例中的二维翼型模型图；

[0052] 图5为本发明实施例中正弦信号示意图；

[0053] 图6为本发明实施例中翼型的响应示意图；

[0054] 图7为本发明实施例中“1-cos”阵风示意图；

[0055] 图8为“1-cos”阵风下的控制器响应示意图；

[0056] 图9为“1-cos”阵风下控制舵面的偏转示意图；

[0057] 图10为本发明实施例中Von Kármán阵风示意图；

[0058] 图11为Von Kármán阵风下翼型俯仰开环响应和采用FIR_e模型设计的控制器控制下的响应示意图；

[0059] 图12为Von Kármán阵风下采用FIR_e模型设计的控制器和FIR_x模型设计的控制器翼型响应对比示意图；

[0060] 图13为Von Kármán阵风下，基于FIR_e模型设计的控制器和FIR_x模型设计的控制器的控制舵面偏转示意图。

具体实施方式

[0061] 下面结合附图对本发明的具体实施方式进行进一步的详细描述。

[0062] 本发明采用的阵风减缓控制框图如图2所示，从图2可知，本发明中的系统包括扰动通道、控制通道和扰动辨识通道；

[0063] 所述扰动通道接收阵风信号wg(t)，并输出扰动响应信号x(t)，控制通道接收阵风测试信号 并输出控制响应信号y(t)；

[0064] 所述扰动辨识通道接收响应误差信号e(t)，输出扰动响应辨识信号 并作为反馈信号输入给控制通道，所述响应误差信号e(t)为扰动通道的输出响应x(t)和控制通道的输出响应y(t)之和，所述扰动辨识通道由公式：

[0065]

[0066] 给出，其中q-1为延迟算子，q-1u(t)＝u(t-1)，u(t)为飞行器控制作动器输入信号，A(q-1)和B(q-1)由公式：

[0067]

[0068] 给出， 为飞行器控制作动器输入与飞行器控制通道响应之间精确传递函数G的近似函数。

[0069] 所述控制通道包括激光探测传感器、滤波器 自适应滤波器、前馈控制器和控制作动器；

[0070] 所述激光探测传感器接收输入的阵风测试信号wg(t)，并将探测到的阵风信号发送给前馈控制器和滤波器 所述滤波器 以测得的阵风信号 为输入，输出信号ua(t)给自适应滤波器，自适应滤波器根据接收到的输出信号ua(t)和扰动响应辨识信号 产生前馈控制器的系数并输出给前馈控制器，前馈控制器根据接收到的系数和阵风测试信号 产生前馈控制信号u(t)输出给控制作动器和扰动辨识通道，控制作动器根据接收到的前馈控制信号u(t)进行前馈控制。采用前馈控制，可在飞行器遭遇阵风时提前进行响应修正。

[0071] 常见前馈控制方法是将e(t)作为自适应滤波器的输入，这将降低前馈补偿的效果。本文上述自适应前馈控制方法基础上增加了扰动辨识通道，将辨识出来的近似扰动作为自适应滤波器的输入。

[0072] 对于理想的前馈控制器

[0073]

[0074] 然而在工程实际中一般很难获得被控对象的精确传递函数，一般采取下面的方法。

[0075] 1、算法推导

[0076] 首先，在控制作动器输入测试信号u(t)，得到相应的飞行器响应y(t)，根据输入信号与输出响应采用商业软件MATLAB中的线性参数辨识模型tfest函数辨识出传递函数G的近似函数 其中

[0077]

[0078] q-1是延迟算子，其中算法是x(t)＝q-1x(t-1)，x(t)为t样本点时刻的响应，x(t-1)为t-1时刻，即下一样本点时刻的响应。

[0079] 根据控制框图中的关系可得

[0080]

[0081] 和

[0082] x(t)＝H(q-1)wg(t)  (4)

[0083] 由式(2)、(3)、(4)联立可得出

[0084]

[0085] 因此用于系统前馈控制的系数可通过以ua(t)为输入，x(t)为输出采用自适应算法计算出来。

[0086] 在实际应用中，由于响应误差e(t)很容易通过传感器测得，常采用e(t)作为自适应滤波器的输入，即采用如下公式

[0087]

[0088] 来计算控制器的系数，其中 在本发明中采用FIR模型近似。由于e(t)通常与扰动响应x(t)相差较大，这将影响控制效率。本方法通过增加扰动辨识通道，来获得近似扰动 其推导如下

[0089] e(t)＝x(t)+y(t)  (7)

[0090]

[0091] z(t)＝A(q-1)e(t)-q-dB(q-1)u(t)≈A(q-1)x(t)  (9)

[0092] 由式(7)、(8)、(9)联立可得出

[0093]

[0094]

[0095] 2、控制器

[0096] 本方法中认为控制器Gc为线性时不变系统，基于FIR模型构建，其离散传递函数Gc(z)可写成

[0097]

[0098] 其中Bk(z)为基函数，Lk为系数来自于控制框图中的自适应滤波器，n为预先给定的控制器的阶数，z为离散传递函数变量。

[0099] 本方法中基函数Bk(z)采用下式：

[0100] Bk(z)＝z-k,k＝1,2,...,n，  (12)

[0101] 该基函数为FIR模型。采用FIR模型的控制器模型Gc如下图3所示，

[0102] 3、自适应算法

[0103] 自适应算法可根据飞行遭遇阵风时响应大小相应实时调整控制舵面幅度，来减缓阵风响应，自适应算法采用指数权重回归最小二乘算法，采用该方法来计算式(11)和图3中的系数Lk(k＝1,2,...,n)。首先定义一个成本函数

[0104]

[0105] 其中N是时间步的数量，λ是遗忘因子， 是飞行器的响应 与FIR模型的输出r(i)在时间步i时的误差，即

[0106]

[0107] 其中向量 是i时间步FIR模型中各个基函数的输出，L(N)＝[L1(N),L2(N),...,Ln(N)]是N时间步对应的每个基函数的系数，或称为抽头权重向量。自适应算法包括以下步骤：

[0108] (1)初始化，初始化系数向量L(0)＝[0,0,...,0]，P(0)＝δ-1I，其中δ为常数，δ大于0，I为单位矩阵；

[0109] (2)迭代，在时间步N时，计算每个基函数输出的系数L(N)，具体由公式：

[0110]

[0111] 给出，其中k(N)为增益向量，由公式：

[0112]

[0113] 给出，π(N)由公式：

[0114] π(N)＝P(N-1)Φ(N)

[0115] 给出，P(N)为反相关矩阵，由公式：

[0116] P(N)＝λ-1P(N-1)-λ-1k(N)ΦT(N)P(N-1)

[0117] 给出，λ是遗忘因子，0<λ≤1；Φ(N)＝[ua1(N),ua2(N),...,uan(N)]是时间步N时FIR模型中各个基函数的输出；

[0118] ε(N)由公式：

[0119] ε(N)＝e(N)-LT(N-1)Φ(N)

[0120] 给出，e(N)为在时间步N时飞行器的响应。

[0121] 具体实施例

[0122] 以二维翼型的阵风减缓为例，来描述应用该方法进行飞行器阵风减缓控制的步骤和效果。

[0123] 二维翼型的模型如下图4所示，图4中b半弦长，cb为弦长中点到舵面转轴的距离，e.a.为翼型弹性轴位置，c.g.为翼型重心位置，ah为弦长中点到翼型弹性轴距离与b的比值，xα翼型弹性轴到翼型重心的距离与b的比值，α为翼型俯仰角度，h为翼型沉浮距离，δ为翼型舵面偏转角度，Kα和Kξ分别为翼型沉浮刚度和相对弹性轴的扭转刚度。该翼型具有沉浮和俯仰两个自由度。

[0124] 该实施案例采用本发明中控制器主要控制其俯仰自由度。本实施案例中相关参数如表1所示：

[0125] 表1

[0126]变量 数值
b(米) 0.175
ah -0.3333
xα 0.09

[0127] 为测试本发明中控制器的控制效果，阵风模型考虑“1-cos”和Von Kármán两种。首先测试多周期“1-cos”阵风，自由来流速度为8米/秒。

[0128] (1)采用正弦信号u(t)作为翼型控制舵面的输入δ，辨识G，

[0129] 所述测试信号u(t)采用频率随时间增加的正弦信号；具体由公式：

[0130] u(t)＝u0+uA(2πft)

[0131] 给出，其中u0是常值，uA为输入信号的幅值，f为t时刻的瞬间频率，由公式：

[0132] f＝f0t

[0133] 给出，其中f0是常值，f需要覆盖感兴趣的频率范围。

[0134] u0取0，uA取1，f的范围为0-8Hz。正弦信号的示意图如图5所示，在上述阵风的作用下，翼型的响应如图6所示，从图6可以看出，俯仰模态已经充分被激励。

[0135] 以u(t)为输入，以u(t)为输入、y(t)为输出采用MATLAB软件里的tfest函数辨识G，极点数量取为7，零点数量取为6。从而可以获得 为

[0136] (2)扰动辨识通道的构建

[0137] 上一步已经辨识出控制通道的近似离散传递函数，可得到：

[0138] A(z-1)＝1-6.7760z-1+19.6600z-2-31.6800z-3+30.6100z-4-17.7300z-5+5.7000z-6-0.7849z-7

[0139] B(z-1)＝0.0040z-1-0.0231z-2+0.0560z-3-0.0725z-4+0.0528z-5-0.0205z-6+0.0033z-7

[0140] d＝0

[0141] 采用A(z-1)、B(z-1)和d来构建扰动辨识通道。

[0142] (3)构造基函数Bk(z)和设计控制器，采用公式(12)中的方法来构造基函数Bk(z)，根据图3来设计控制器。

[0143] 阵风减缓效果

[0144] (1)“1-cos”阵风

[0145] 首先来测试“1-cos”阵风的减缓效果，阵风示意图如图7所示，其中阵风强度为1m/s，阵风长度为1.75m。在下文中，以FIR_e表示采用以翼型的闭环响应为自适应滤波器计算输入的20阶FIR模型设计的控制器，以FIR_x表示本发明控制器，即以辨识通道辨识出来的扰动为自适应滤波器计算输入的20阶FIR模型设计的控制器。在上述阵风作用下，翼型俯仰开环响应和在两种控制器控制下的俯仰响应如图8所示，实线open loop为翼型开环俯仰响应。由图8中可以看出，采用两种控制器后，翼型俯仰响应幅值都减小了，采用本发明FIR_x控制器比采用FIR_e控制器的阵风减缓效果更为明显，阵风响应幅值明显小于采用FIR_e控制器的阵风响应幅值。对应的控制舵面的偏转如图9所示。

[0146] (2)Von Kármán阵风

[0147] 测试Von Kármán阵风的减缓效果，阵风示意图如图10所示，最大阵风速度为0.7m/s。在该阵风作用下，翼型俯仰开环响应和FIR_e和FIR_x控制器控制下的俯仰响应如图11所示，实线open loop为翼型开环俯仰响应。由图11中可以看出，采用FIR_e控制器后，翼型俯仰响应幅值减小了。采用FIR_e控制器和本发明FIR_x控制器的阵风俯仰响应对比如图12所示，由图12中可以看出，从整体效果来看，本发明FIR_x自适应前馈控制器比FIR_e控制器的阵风减缓效果要好。开环与控制器作用下翼型响应的标准差如表3所示，从下表3的标准差中也可以得出该结论，采用FIR_e控制器使阵风响应幅值标准差降低29.2％，使用本发明控制器使阵风响应幅值标准差降低34.3％。

[0148] 表3

[0149]开环或控制器类型 标准差[deg]

[0150]开环 0.2165
FIR_e控制器 0.1533
FIR_x控制器 0.1357

[0151] 对应的控制器舵面偏转如图13所示，该图中实线为FIR_x控制器的舵面偏转，短划线为本发明FIR_e控制器的舵面偏转。

[0152] 本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。