1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100039
针对无人机的自主高精度定点着陆, 应用自适应内模控制(AIMC)原理设计了自主着陆纵向飞行控制律。以轮式无人机为平台, 将纵向非线性模型解耦并线性化。然后, 以地速和下沉率为控制目标, 应用AIMC理论设计了纵向飞行控制律。通过对AIMC滤波参数进行自调整改善了系统的动态特性, 基于对模型的辨识增强了系统的鲁棒性。在顺逆风6 m/s的条件下对AIMC系统进行了数字仿真, 结果显示其落点精度达到前后向30 m范围内。与传统内模控制(IMC)系统相比, 提出的自适应内模控制(AIMC)系统在动态性能和落点精度等方面均有明显提高。最后, 搭建了半物理测试平台, 通过半物理仿真测试复现了系统数字仿真结果, 验证了系统功能的完整性和协调性。
无人机 自主着陆 自适应内模控制 纵向飞行控制律 数字仿真 半物理测试 Unmanned Aerial Vehicle(UAV) auto landing Adaptive Internal Model Control(AIMC) longitudinal control law digital simulation Hardware in Loop Simulation(HILS)
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100039
由于无人机的三轮滑跑阶段是整个飞行过程最容易出问题的环节, 本文对前三点式无人机地面滑跑进行建模并研究了前轮转向纠偏控制方法。首先, 分析了无人机三轮滑跑阶段的受力情况; 考虑发动机扭矩、推力偏心及停机角对模型的影响, 建立了无人机地面三轮滑跑非线性数学模型; 然后, 利用小扰动原理在合理简化的前提下将非线性模型线性化, 分别推导了前轮转角为输入, 偏航角速度、偏航角、侧偏距为输出的传递函数, 设计了三回路增益调节前轮转向纠偏控制律; 最后, 通过滑跑试验进行了验证。试验结果表明: 在初始航向偏差为3°, 初始侧向位置偏差为0.2 m的情况下, 无人机由静止滑行至速度为32 m/s过程中的最大侧偏距为0.3 m, 最大偏航角为4.5°, 并且对不大于4.6 m/s的侧风干扰有较好的抑制作用, 对跑道路况、轮胎侧偏刚度及轮胎弹性等不确定因素的影响有较好的鲁棒性。该设计已成功应用于某无人机。
无人机 滑跑建模 模型线性化 前轮转向纠偏 增益调节控制 滑跑试验 Unmanned Aerial Vehicle(UAV) taxiing modeling model linearization nose wheel steering turning gain scheduling control field taxiing test