补偿函数观测器及其在飞行器姿态控制中的应用

doi:10.7527/S1000-6893.2022.27224

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

补偿函数观测器及其在飞行器姿态控制中的应用

赵旭¹, 齐国元¹(), 蔚昕晨², 胡建兵², 李霞²

^1.天津工业大学控制科学与工程学院，天津 300387
^2.天津工业大学机械工程学院，天津 300387

收稿日期:2022-03-31 修回日期:2022-04-14 接受日期:2022-05-30 出版日期:2022-06-13 发布日期:2022-06-08
通讯作者: 齐国元 E-mail:guoyuanqisa@qq.com
基金资助:
国家自然科学基金(61873186)

Compensation function observer and its application in flight vehicle attitude control

Xu ZHAO¹, Guoyuan QI¹(), Xinchen YU², Jianbing HU², Xia LI²

^1.School of Control Science and Engineering，Tiangong University，Tianjin 300387，China
^2.School of Mechanical Engineering，Tiangong University，Tianjin 300387，China

Received:2022-03-31 Revised:2022-04-14 Accepted:2022-05-30 Online:2022-06-13 Published:2022-06-08
Contact: Guoyuan QI E-mail:guoyuanqisa@qq.com
Supported by:
National Natural Science Foundation of China(61873186)

摘要/Abstract

摘要：

风扰、气流扰动和模型未知部分的估计精度直接影响着无人机（UAV）的稳定性和控制品质，扩张观测器（ESO）能估计这些部分，但存在型别低，收敛性差，估计精度低等问题。补偿函数观测器（CFO）采用纯积分、补偿和传递函数型别的思想，改变了ESO结构，使得CFO较ESO高2个型别，精度高，收敛性强。然而，CFO是利用线性滤波器补偿系统的未知函数或扰动，对快速变化的高次非线性函数补偿能力不足。本文用径向基（RBF）神经网络替代了线性滤波器或积分器，提出了带有RBF神经网络的CFO，进一步提高了估计精度。应用带有RBF神经网络的CFO得到的非线性未知函数和扰动以及微分信息，设计了主动模型函数补偿控制算法，应用Lyapunov稳定性理论证明了闭环系统的稳定性。将该模型补偿控制算法成功地应用于四旋翼飞行器姿态系统的控制。仿真对比了所提出的基于CFO的模型补偿控制，PID控制和自抗扰控制算法，同时在基于Pixhawk的控制测试平台实验中，对比了这3种控制策略，测试四旋翼飞行器对不同参考姿态的跟踪性能。结果表明，所提出的控制方法，在暂态性能和稳态跟踪精度方面，优于其它控制器。

关键词: 四旋翼飞行器, 姿态系统, 补偿函数观测器, 扩张状态观测器, 模型补偿控制, 自抗扰控制, 控制器

Abstract:

The estimate accuracy of wind disturbance， airflow disturbance and unknown part of the model directly affects the stability and control performance of the flight vehicle. The Extended State Observer （ESO） can estimate wind disturbance， airflow disturbance and unknown part of the model， but there are problems of low type and low estimate accuracy. Compensation Function Observer （CFO） adopts the idea of pure integral， compensation and transfer function type， and changes the structure of ESO， making CFO two types higher than ESO， with high precision and strong convergence. However， CFO uses a linear filter to compensate the unknown function or disturbance of the system， and has insufficient compensation ability for fast-changing or high-order nonlinear functions. Because the unknown model function is often a nonlinear function， in this paper， a Radial Basis Function（RBF） neural network is used to replace the linear filter， and a compensation function observer with RBF neural network is proposed， which further improves the estimation accuracy. Using the nonlinear unknown model and disturbance， and differential information obtained by the compensation function observer with RBF neural network， an active model compensation control algorithm is designed and successfully applied to the control of the quadrotor flight vehicle attitude system. The stability of the closed-loop system is proved by applying Lyapunov stability theory. Through simulations， the proposed model compensation control based on the compensation function observer is compared with the PID control and active disturbance rejection control algorithm. On the Pixhawk-based control test platform experiment， the quadrotor flight vehicle is tested using these three control strategies for different tracking performance for reference poses. The results show that the proposed control method substantially outperforms other controllers in transient performance and steady-state tracking accuracy.

Key words: quadrotor flight vehicle, attitude system, compensation function observer, extended state observer, model compensation control, active disturbance rejection control, controller

中图分类号:

V249.12

赵旭, 齐国元, 蔚昕晨, 胡建兵, 李霞. 补偿函数观测器及其在飞行器姿态控制中的应用[J]. 航空学报, 2023, 44(9): 327224-327224.

Xu ZHAO, Guoyuan QI, Xinchen YU, Jianbing HU, Xia LI. Compensation function observer and its application in flight vehicle attitude control[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(9): 327224-327224.

图/表 18

图 1

图 2

图 3

图 4

图 5

图 6

表1

DJI F450各物理参数及取值

符号	物理意义	数值
$m / k g$	四旋翼质量	1.4
$l / m$	四旋翼半轴距	0.225
$k T / (N ⋅ r a d - 2 ⋅ s - 2)$	升力系数	$1.105 × 10 - 5$
$k M / (N ⋅ m ⋅ r a d - 2 ⋅ s - 2)$	反扭力矩系数	$1.779 × 10 - 7$
$I x / (k g ⋅ m 2)$	$x$ 轴转动惯量	0.021 1
$I y / (k g ⋅ m 2)$	$y$ 轴转动惯量	0.021 9
$I z / (k g ⋅ m 2)$	$z$ 轴转动惯量	0.036 6
$g / (m ⋅ s - 2)$	重力加速度	9.8

表1

图 7

图 8

图 9

图 10

图 11

表2

内环控制器参数

观测器和控制器参数		数值仿真	实验数据
PID	$k P$	0.1
	$k D$	0.001
	$k I$	0.02
基于ESO的ADRC	$a$	8	8
	$b$	46	46
	$k$	10	10
带有RBF神经网络的CFO的MCC	$L$	$21,112 T$	$21,112 T$
	$γ$	0.3	0.3
	$b$	46	46
	$k$	8	8

表2

表3

图 12

图 13

表4

图 14

参考文献 28

1	L'AFFLITTO A， ANDERSON R B， MOHAMMADI K. An introduction to nonlinear robust control for unmanned quadrotor aircraft： How to design control algorithms for quadrotors using sliding mode control and adaptive control techniques focus on education［J］. IEEE Control Systems Magazine， 2018， 38（3）： 102-121.
2	ZHANG Y， CHEN Z Q， ZHANG X H， et al. A novel control scheme for quadrotor UAV based upon active disturbance rejection control［J］. Aerospace Science and Technology， 2018， 79： 601-609.
3	ZHAO B， XIAN B， ZHANG Y， et al. Nonlinear robust adaptive tracking control of a quadrotor UAV via immersion and invariance methodology［J］. IEEE Transactions on Industrial Electronics， 2015， 62（5）： 2891-2902.
4	BI H Y， QI G Y， HU J B. Modeling and analysis of chaos and bifurcations for the attitude system of a quadrotor unmanned aerial vehicle［J］. Complexity， 2019，2019（3）：1-16.
5	BI H Y， QI G Y， HU J B， et al. Hidden and transient chaotic attractors in the attitude system of quadrotor unmanned aerial vehicle［J］. Chaos， Solitons & Fractals， 2020， 138： 109815.
6	BOUZID Y， SIGUERDIDJANE H， BESTAOUI Y. Energy based 3D trajectory tracking control of quadrotors with model-free based on-line disturbance compensation［J］. Chinese Journal of Aeronautics， 2018， 31（7）： 1568-1578.
7	QI G Y， CHEN Z Q， YUAN Z Z. Model-free control of affine chaotic systems［J］. Physics Letters A， 2005， 344（2-4）： 189-202.
8	SALIH A L， MOGHAVVEMI M， MOHAMED H A F， et al. Flight PID controller design for a UAV quadrotor［J］. Scientific Research and Essays， 2010， 5（23）： 3660-3667.
9	高应杰，陈鼎新，李荣明. 小型四旋翼无人飞行器控制算法研究［J］. 计算机与现代化， 2011（10）： 4-7.
	GAO Y J， CHEN D X， LI R M. Research on control algorithm of microquadrotor aircraft［J］. Computer and Modernization， 2011（10）： 4-7 （in Chinese）.
10	SANGYAM T， LAOHAPIENGSAK P， CHONGCHAROEN W， et al. Path tracking of UAV using self-tuning PID controller based on fuzzy logic［C］∥Proceedings of SICE Annual Conference. Piscataway： IEEE Press， 2010： 1265-1269.
11	EFE M Ö. Neural network assisted computationally simple P I λ D μ control of a quadrotor UAV［J］. IEEE Transactions on Industrial Informatics， 2011， 7（2）： 354-361.
12	陈增强，程赟，孙明玮，等. 线性自抗扰控制理论及工程应用的若干进展［J］. 信息与控制， 2017， 46（3）： 257-266.
	CHEN Z Q， CHENG Y， SUN M W， et al. Surveys on theory and engineering applications for linear active disturbance rejection control［J］. Information and Control， 2017， 46（3）： 257-266 （in Chinese）.
13	HAN J Q. From PID to active disturbance rejection control［J］. IEEE Transactions on Industrial Electronics， 2009， 56（3）： 900-906.
14	DONG W， GU G Y， ZHU X Y， et al. High-performance trajectory tracking control of a quadrotor with disturbance observer［J］. Sensors and Actuators A： Physical， 2014， 211： 67-77.
15	LOTUFO M A， COLANGELO L， PEREZ-MONTENEGRO C， et al. UAV quadrotor attitude control： An ADRC-EMC combined approach［J］. Control Engineering Practice， 2019， 84： 13-22.
16	李霞，陈奕梅. 四旋翼飞行器降阶自抗扰控制［J］. 电光与控制， 2019， 26（10）： 43-48， 72.
	LI X， CHEN Y M. Reduced-order active disturbance rejection control for quad-rotor aircraft［J］. Electronics Optics & Control， 2019， 26（10）： 43-48， 72 （in Chinese）.
17	ZHAO Z L， GUO B Z. On convergence of nonlinear active disturbance rejection control for SISO nonlinear systems［J］. Journal of Dynamical and Control Systems， 2016， 22（2）： 385-412.
18	GAO Z Q. Scaling and bandwidth-parameterization based controller tuning［C］∥ Proceedings of the 2003 American Control Conference. Piscataway： IEEE Press， 2003： 4989-4996.
19	高志强. 自抗扰控制思想探究［J］. 控制理论与应用， 2013， 30（12）： 1498-1510.
	GAO Z Q. On the foundation of active disturbance rejection control［J］. Control Theory & Applications， 2013， 30（12）： 1498-1510 （in Chinese）.
20	YANG H J， CHENG L， XIA Y Q， et al. Active disturbance rejection attitude control for a dual closed-loop quadrotor under gust wind［J］. IEEE Transactions on Control Systems Technology， 2018， 26（4）： 1400-1405.
21	QI G， LI X， CHEN Z Q. Problems of extended state observer and proposal of compensation function observer for unknown model and application in UAV［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2021， 52： 2899-2910.
22	齐国元，陈增强，袁著祉. 非线性系统高阶微分反馈控制［J］. 中国工程科学， 2003， 5（8）： 35-44， 63.
	QI G Y， CHEN Z Q， YUAN Z Z. High order differential feedback control for nonlinear systems［J］. Engineering Science， 2003， 5（8）： 35-44， 63 （in Chinese）.
23	ZHU Y K， GUO L， QIAO J Z， et al. An enhanced anti-disturbance attitude control law for flexible spacecrafts subject to multiple disturbances［J］. Control Engineering Practice， 2019， 84： 274-283.
24	GUO B Z， ZHAO Z L. On the convergence of an extended state observer for nonlinear systems with uncertainty［J］. Systems & Control Letters， 2011， 60（6）： 420-430.
25	BAI W Y， CHEN S， HUANG Y， et al. Observers and observability for uncertain nonlinear systems： A necessary and sufficient condition［J］. International Journal of Robust and Nonlinear Control， 2019， 29： 2960-2977.
26	刘金琨. RBF神经网络自适应控制及MATLAB仿真［M］. 2版. 北京：清华大学出版社， 2018：112-113.
	LIU J K. RBF neural network control for mechanical systems： Design， analysis and MATLAB simulation［M］. 2nd ed. Beijing： Tsinghua University Press， 2018：112-113. （in Chinese）.
27	全权. 多旋翼飞行器设计与控制［M］. 杜光勋，赵峙尧，戴训华，等译. 北京：电子工业出版社， 2018：205-230.
	QUAN Q. Design and control of multi-rotor aircraft［M］. DU G X， ZHAO Z R， DAI X H， et al. translated. Beijing： Publishing House of Electronics Industry， 2018：205-230 （in Chinese）.
28	赵国荣，何云风，韩旭，等. 采用混合线性设计的四旋翼块对角姿态控制器［J］. 飞行力学， 2021， 39（3）： 34-40.
	ZHAO G R， HE Y F， HAN X， et al. Quad-rotor UAV block diagonal attitude controller with mixed linear design［J］. Flight Dynamics， 2021， 39（3）： 34-40 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

控制器	调节时间/s	超调量	平均绝对误差/rad
MCC	0.4		0.004 1
ADRC	1.5	0.58	0.014 4

[1]	殷泽阳, 邢友朋, 韩飞, 魏才盛, 廖宇新. 编队航天器协同绕飞非合作目标的全驱预设性能控制[J]. 航空学报, 2024, 45(1): 628904-628904.
[2]	侯新宇, 张帆, 黄攀峰, 马小飞, 朱佳龙, 李洋. 空间大型桁架天线姿态与振动一体化控制[J]. 航空学报, 2023, 44(S1): 727552-727552.
[3]	李政, 于剑桥, 赵新运. 空空导弹敏捷转弯固定时间收敛滑模控制[J]. 航空学报, 2023, 44(8): 327262-327262.
[4]	徐世昊, 关英姿, 浦甲伦, 韦常柱. VTHL运载器再入返回预设时间滑模控制[J]. 航空学报, 2023, 44(7): 326857-326857.
[5]	张亮, 李丹钰, 崔乃刚, 李源. 垂直起降可重复使用运载火箭全剖面飞行预设性能控制[J]. 航空学报, 2023, 44(23): 628103-628103.
[6]	邵嘉琪, 张晓辉, 席涵宇, 刘子荣. 太阳能无人机线性自抗扰多环路能源控制[J]. 航空学报, 2023, 44(10): 327812-327812.
[7]	李宁, 刘志勇, 王娜, 杨垒. 基于DUEA的天线伺服控制系统仿真[J]. 航空学报, 2022, 43(2): 324986-324986.
[8]	李霞, 齐国元, 郭曦彤, 赵旭. 高阶微分反馈控制及在四旋翼飞行器中的应用[J]. 航空学报, 2022, 43(12): 326047-326047.
[9]	吴正平, 邓聪, 文海. 模糊线性/非线性自抗扰切换控制及其应用[J]. 航空学报, 2021, 42(9): 324710-324710.
[10]	罗世彬, 吴瑕, 魏才盛. 可重复使用飞行器的保性能姿态跟踪控制方法[J]. 航空学报, 2021, 42(11): 524660-524660.
[11]	王晶, 顾维博, 窦立亚. 基于Leader-Follower的多无人机编队轨迹跟踪设计[J]. 航空学报, 2020, 41(S1): 723758-723758.
[12]	董晓飞, 任章, 池庆玺, 李清东. 有向拓扑条件下针对机动目标的分布式协同制导律设计[J]. 航空学报, 2020, 41(S1): 723762-723762.
[13]	刘佳琪, 王伟, 林德福, 林时尧. 考虑驾驶仪动态性能的指令滤波反演制导律[J]. 航空学报, 2020, 41(12): 324123-324123.
[14]	朴敏楠, 陈志刚, 孙明玮, 陈增强. 高超声速飞行器气动伺服弹性的自适应抑制[J]. 航空学报, 2020, 41(11): 623698-623698.
[15]	费伦, 段海滨, 徐小斌, 鲍瑞, 孙永斌. 基于变权重变异鸽群优化的无人机空中加油自抗扰控制器设计[J]. 航空学报, 2020, 41(1): 323490-323490.

补偿函数观测器及其在飞行器姿态控制中的应用

Compensation function observer and its application in flight vehicle attitude control

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 18

参考文献 28

相关文章 15

编辑推荐

Metrics

本文评价