风扇翼无人飞行器飞控系统设计与仿真杜思亮.doc

风扇翼无人飞行器飞控系统设计与仿真-杜思亮———————————————————————————————— 作者：———————————————————————————————— 日期： 第二十八届〔2021〕全国直升机年会论文风扇翼无人飞行器飞控系统设计与仿真杜思亮 唐正飞(南京航空航天大学直升机旋翼动力学重点实验室，南京，210016)摘 要: 本文介绍了基于Atmega2560硬件的风扇翼无人飞行器自主飞行控制系统的设计及仿真飞控计算机采集各传感器数据得到飞行器当前飞行姿态、空间位置以及相应的监控信息,控制模块依此监控信息按照给定策略计算并发出控制信号,实现该无人飞行器的自主飞行控制本文首先说明了飞控系统的硬件实现和软件架构；其次，给出了该飞控的控制算法和航路点导航方式；最后基于该飞控系统进展了半实物仿真试验，以验证该飞控系统能否有效地控制该无人飞行器自主导航飞行关键词: 风扇翼；飞行控制；PID；半实物仿真1 引言风扇翼飞行器[1]具有低噪声、高稳定性、不失速、良好的低速特性、升力特性、短距起降和大载荷等能力，将对我国开展短距起降和大载荷舰载飞行器等提供新的思路那么，具有自主飞行能力的风扇翼无人飞行器，将对风扇翼飞行器的实用化提供大量的参考数据。

由于风扇翼飞行器固有的飞行特性，即其既有固定翼飞机各舵面的动作方式，又具有直升机加油门前飞增升增仰角等特点其风扇翼旋转的转速控制与飞行器升力的大小和方向存在着耦合〔油门的控制与其迎角之间的耦合〕因此，普通的固定翼飞控或直升机飞控不能够直接应用于风扇翼飞行器，那么建立一套适用于该类飞行器的飞行控制系统是必须的固定翼无人机飞控[2,3]其俯仰、偏航、滚转通道的控制大多设计独立的控制舵面，各舵面之间没有耦合或很小，飞控的设计相对而言比拟容易无人直升机[4,5]的操纵性来自于旋翼的旋转，其俯仰、偏航、滚转、总距的控制之间彼此存在着耦合，飞控的设计就比拟的复杂而风扇翼无人飞行器除了油门的控制与升力之间的耦合关系外，其它的舵面控制与固定翼无人机差不多，这就为设计该无人机的飞控提供了很好的借鉴平台通过参照固定翼无人机飞控的设计方法，同时加上无人直升机的相关解耦控制算法，再按照风扇翼飞行器固有的飞行特性，重点进展纵向通道的配平控制，设计能控制风扇翼无人机的飞控是可实现的本文所设计的飞控正是基于上述原理，通过构建一套较低本钱、硬件易搭建的实验性飞控平台来验证飞控算法和导航算法的可行性，并进展半实物仿真，为实用、可靠、完整功能飞行控制器的应用进展探索。

2 系统构架简介该无人飞行器的主控芯片采用Atmega2560，通过配备协处理器Mega328单片机等构建一套飞行控制计算机，与外围传感器模块、伺服模块等构成了一套低功耗、体积小的自主无人飞行器硬件系统如图1、2所示 图1 飞控硬件组成示意图 图2 无人机系统组成示意图飞行控制计算机的主要功能是[6-9]：(1) 读取传感器的姿态信息、GPS位置信息和速度信息； (2) 处理传感器提供的姿态信息，进展数据融合滤波，得到准确的姿态角估计值；(3) 与地面站通信，下传飞行状态，并接收地面飞行指令；(4) 按照飞行规划执行控制策略，输出控制信息传感器系统由惯性测量元件(IMU)、电子罗盘(COMPASS)、GPS、超声波高度计〔SONAR〕和气压计组成伺服控制系统由遥控器、接收机和滚转、俯仰、航向、油门4 个控制舵机组成地面监控系统包括无线数传、地面监控平台两局部，地面监控平台是运行着地面监控程序的电脑，它一方面监测飞行状态，包括姿态角、航向、飞行速度、飞行器坐标以及飞行策略执行状况，另一方面可发送控制指令和规划目标点给飞行器，是人与飞行器交互的平台。

将各姿态传感器，包括IMU的三轴加速度、三轴角速度、电子罗盘的航向角度以及GPS的位置坐标，速度等信息通过Kalman滤波[10-13]计算并修正各姿态角，再通过级联的PID算法计算出参考角以及参考位置，指导舵机动作，完成指定的控制目的3 PID控制原理与导航该飞控系统是基于级联的PID控制器，与常采用的PI控制器不同采用比例(P)+积分(I)+微分(D)控制率的原因是：在系统参数出现偏差后，微分项首先输出一个与偏差变化速度成正比的控制量来抑制偏差的变化偏差的变化速度大，微分项输出的控制量就大；偏差的变化速度为零时，微分项的控制量输出也为零由此可以看出，微分项的控制作用是针对偏差的变化速度，而不是针对偏差的大小微分项的控制作用能够在偏差值变的过大之前，提前进展早期的有效控制，也就是阻尼作用PID控制律[7]可用下式表示：式中：u(t)、MV(t)：输出量Kp：比例增益 Ki：积分增益Kd：微分增益e：设定值与反应值得偏差t:：系统响应时间下面是用伪代码表示的在飞控软件编程时其PID控制回路设计的思路：previous_error = setpoint - actual_positionintegral = 0start:error = setpoint - actual_positionintegral = integral + (error*dt)derivative = (error - previous_error)/dtoutput = (Kp*error) + (Ki*integral) + (Kd*derivative)previous_error = errorwait(dt)goto start级联PID控制系统[14,15]是由2个串联起来的PID调节器构成，其中主调节器的输出作为副调节的给定值，因此它能改善过程的动态特性，提高了系统的控制质量，对于进入副回路的扰动能迅速克制，其控制框图如图3所示。

对本无人机控制系统，滚转和俯仰通道的输入量影响4个自由度的输出，包括滚转和俯仰的姿态和位置，所以把响应速度较快的姿态控制放在内环，响应速度较慢的位置控制放在外环而构成无人机的级联PID控制构造图3 级联PID控制框图导航控制循环根据飞机当前方向和目标点计算预期的倾斜角度导航增益会影响这个角度的计算例如，如果我们偏离航线 10 度，那么某个侧倾导航 P 增益将产生一个 5 度的侧倾角，而如果将该增益翻倍，那么将产生 10 度侧倾角第二个控制循环控制舵机减小预期的侧倾角和实际的侧倾角之间的误差偏航矩修正试图以最优路径导航飞机，而不是简单地朝向下一个航点，在有风的情况下这是十分必要的图4所示为航路点导航原理，下一航路点所在方位角为205，经导航算法修正飞机航向增加11，飞机将朝着216的航向飞行，而不是直奔航路点而去图5是在半实物仿真平台下，无人机自动驾驶航线飞行时，地面站记录的飞行轨迹，如图可见PID参数与导航增益的调整显著改善了无人机压航线飞行的准确度和振荡收敛的快速性图4 航路点导航飞控计算原理图5 PID参数与导航增益调整前后飞行轨迹比照图由于级联控制循环的性质，增益和最终结果之间存在一个数学关系。

但是使用这个级联控制的目的是让飞行参数的调整更加直观和易于理解先调整正确的舵机增益，使系统能够得到期望的侧倾角和俯仰角，然后再调整导航增益，使系统的导航性能最优化以这个顺序调整更简单也更有效 4 半实物仿真〔HIL〕半实物仿真又叫硬件回路(hardware-in-the-loop，HIL)仿真[16-18]，被证明是研制和设计无人机飞控系统的最优手段，是对无人机全系统进展综合测试的有效解决方法该技术能确保在开发周期早期就完成嵌入式软件的测试到系统整合阶段开场时，嵌入式软件测试就要比传统方法做得更彻底更全面这样可以及早地发现问题，因此降低了解决问题的本钱用该飞控系统建立一个强大的“硬件仿真〞模拟器是很容易的飞行模拟器使用传感器和GPS 数据“欺骗〞飞行控制电路，让它认为所控制的飞机正在飞行，然后飞控就会根据所计算的导航数据来控制飞机各舵面该仿真平台包括：飞控计算机，运行Xplane9飞行模拟软件和地面站软件的计算机，通讯线等图6所示为该飞控系统的半实物仿真过程原理图6 HIL仿真系统搭建示意图5 总结与展望这套基于Atmega2560的飞控系统经过屡次的半实物仿真实验，其系统稳定性和控制性能得到了很好的验证。

经仿真实验，该飞控能够控制风扇翼无人飞行器很好完成远距离、多目标点的自主飞行任务，这将加快将该套飞控应用于风扇翼无人飞行器进展实际飞行的进程通过仿真飞行实验所得出的大量飞行控制参数，将进一步减少实际飞行坠机的风险由于该飞控系统是基于AVR系列的单片机上，其单片机处理速率较低，使其主要的CPU资源消耗在控制算法的处理上，而削弱了其在导航算法等方面的性能下一步就将其移植到ARM 系统上，使其具有惯性导航的性能，并且使用性能更好卡尔曼滤波算法，进一步消除无关的系统干扰和资源浪费，使其更加有效地控制风扇翼无人飞行器参 考 文 献[1] Thong Q. Dang, and Peter R. Bushnell, Aerodynamics of Cross-flow Fans and their Application to Aircraft Propulsion and Flow Control, Progress in Aerospace Sciences, 2021,45: 1–29[2] 雷仲魁,仲筱艳,钱默抒. 无人驾驶飞机飞行控制新技术[J].南京航空航天大学学报,2021, 41(z2):12-14[3] 吴森堂,费玉华. 飞行控制系统[M]. 北京:北京航空航天大学出版社 2005[4] 李一波,李振,张晓东. 无人机飞行控制方法研究现状与开展[J].飞行力学,2021,29(2):1-9[5] 杨一栋. 直升机飞行控制[M].北京:国防工业出版社,2021[6] 陈远炫,裴海龙,陈勇.小型无人机飞行控制系统的硬件设计与实现[J].计算机工程与设计,2021,31(10):2159-2190[7] 常锐. 小型自主无人直升飞机软件系统设计与实现[D].华南理工大学自动化科学与工程学院,2007[8] 胡一凡. 飞行机器人的建模与控制[D].华南理工大学自动化科学与工程学院,2007,5:27-32[9] 罗沛,裴海龙.基于AVR 单片机的空中机器人伺服系统[J].计算机工程与应用,2006,22:210-213[10] Xiaogu Zheng. An Adaptive Estimation of Forecast Error Covariance Parameters for Kalman Filtering Data Assimilation[J].ADVANCES IN ATMOSPHERIC SCIENCES，26(1)，2021，154-160[11] GAO Weiguang,YANG Yuanxi,CUI Xianqiang,ZHANG Shuangcheng. Application of Adaptive Kalman Filtering Algorithm in IMU_GPS Integrated Navigation System[J]．Geo-spatial Information Science, 2007,10(1):22-26[12] Yang Yanjuan,Jin Zhihua. M。