四旋翼飛行器智能飛行控制系統研究與驗證

胡天琦++肖佳平

摘 要：現今，無人機的飛行控制系統主要基于PID控制系統。為了采用自適應智能控制系統來取代傳統PID控制系統，建立四旋翼無人機仿真平臺，實現無人機的自動續航航拍功能和對環境的自適應能力，給用戶帶來莫大的方便。該論文主要根據目前的人工智能水平和無人機的市場需求的設想和研究，放眼未來人們對于無人機市場的需求狀況，提出結合傳統PID控制和人工神經網絡的控制方法，滿足飛行器的任務需要和為未來人工智能在無人機的應用的進一步發展。

關鍵詞：四旋翼飛行器 飛行控制 人工神經網絡

中圖分類號：TP29 文獻標識碼：A 文章編號：1674-098X（2016）10（a）-0004-04

近年來，四旋翼飛行器逐漸成為航空學術研究中新的前沿和熱點。美國斯坦福大學的Gabe Hoffinan等人研發出了基于非線性控制律的飛行控制器，國防科學技術大學王俊生等人設計了基于FSMC的飛行控制方法，而傳統的PID雖然提高了模型的一些準確性，但還是存在許多不足與漏洞，例如PID控制對于非線性系統不可控。基于凍結時間的傳統的PID控制器設計無法滿足現在的無人機任務的多樣性，需要開發一種具備在線學習和自適應能力的飛行控制方法。

智能控制系統有較強的學習能力，因此在面對復雜任務時更具有實用性。該文在四旋翼飛行器動力學建模的基礎上設計了PID控制系統和智能控制系統。考慮飛行器的自適應能力和機載計算機的計算能力提出一種新的控制方法，首先根據仿真樣本離線訓練神經網絡結構，提高計算能力，然后通過在線計算飛行器狀態的超調量和調節時間，根據訓練的神經網絡結構反向動態調節PID控制參數實現四旋翼飛行器的自適應控制，改進飛行器在執行任務過程中的響應的動態性能和穩態性能。

1 動力學模型的建立

對飛行器做動力學建模，為了得到飛行器的數學模型，首先建立兩個坐標系：慣性坐標系和機體坐標系。如圖1所示。

為了建立飛行器的動力學模型，不失一般性，對四旋翼飛行器做出如下假設。

（1）四旋翼飛行器主均勻對稱的剛體。

（2）機體坐標系的原點與飛行器幾何中心及質心位于同一位置。

（3）四旋翼飛行器所受阻力和重力不受飛行高度等因素影響，總保持不變。

（4）四旋翼飛行器各個方向的拉力與推進器轉速的平方成正比。

在圖1中定義歐拉角如下。

滾轉角φ：表示為機體坐標系繞OX軸旋轉的角度，由飛行器尾部順縱軸前視，若OZ軸位于鉛垂面的右側（即飛行器向右傾斜），則φ為正，反之為負。

俯仰角θ：表示為機體坐標系繞OY軸旋轉的角度，旋轉后飛行器縱軸指向水平面上方，θ角為正，反之為負。

偏航角ψ：表示為機體坐標系繞OZ軸旋轉的角度，為飛行器縱軸在水平面內投影與慣性坐標系OX軸之間的夾角，迎ψ角平面觀察，若由OX轉至投影線是逆時針旋轉，則ψ角為正，反之為負。

四旋翼飛行器受力分析如圖1所示，旋翼機體所受外力和力矩為：重力（mg），機體受到（重力）沿OZ負方向；四個旋翼旋轉所產生的升力（i=1， 2， 3， 4），旋翼升力沿OZ方向；旋翼旋轉會產生扭轉力矩（i= 1， 2， 3， 4）。垂直于葉片的旋翼平面，與旋轉矢量相反。

2 PID控制研究

上文引入了4個控制量u，因而把復雜的非線性耦合模型分解成了4個獨立的控制通道，那么，整個模型可以看成由線運動和角運動兩個獨立的子系統構成，通過上文建模可知，角運動不受線運動的影響，而線運動受角運動的影響.在此基礎上使用小擾動法處理，忽略附加小擾動后，得到四旋翼飛行器的運動方程：

選取四旋翼飛行器參數如表1。

根據系統的傳遞函數及四旋翼飛行器的參數表（表1），可得各控制通道的傳遞函數（表2）。

3 智能控制系統的特性和結構設計

人工智能（簡稱AI），它是計算機科學的一個重要領域。在近20年來得到快速發展，在很多領域都得到了廣泛應用，尤其是機器學習，數據挖掘和圖像識別，由于硬件計算能力的限制和可靠性考慮，在實際飛行控制中大多還是采用傳統的飛行控制系統，例如PID控制，由于未來作戰任務的發展和其他支撐系統的發展，飛行器中采用基于人工智能的控制算法是發展趨勢所在。

MIT的Winston教授指出“人工智能就是研究如何使用計算機去做到過去只有人才能做到的智能工作。”事實上，從廣義上講，一般認為用計算機模擬人的智能行為就屬于人工智能的范疇。而我們的設計的自適應智能控制系統就應該具備此種特性，它可以感知外界環境的變化而改變自己的某些參數（例如PID參數），這是傳統PID控制系統做不到的。

目前，專家系統控制是專用且最權威的控制系統，它是應用于某一專門領域，擁有該領域相當數量的專家級知識，能模擬專家的思維，能達到專家級水平，能像專家一樣解決困難和復雜的實際問題的計算機（軟件）系統。對于高級的自適應智能控制系統也能適應此種框架。考慮專家控制系統中對于外部數據的學習能力和自適應能力，其核心學習機制采用人工神經網絡，在四旋翼無人機控制系統中，也同樣利用離線仿真數據訓練建立的人工神經網絡結構。人工神經網絡的結構示意圖，如圖2所示。

人工神經網絡的特點和優越性，主要表現在3個方面。

第一，具有自學習功能。例如實現圖像識別時，只需先把許多不同的圖像樣板和對應的應識別的結果輸入人工神經網絡，網絡就會通過自學習功能，慢慢學會識別類似的圖像。自學習功能對于預測有特別重要的意義。預期未來的人工神經網絡計算機將為人類提供經濟預測、市場預測、效益預測，其應用前途是很遠大的。

第二，具有聯想存儲功能。用人工神經網絡的反饋網絡就可以實現這種聯想。

第三，具有高速尋找優化解的能力。尋找一個復雜問題的優化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型人工神經網絡，發揮計算機的高速運算能力，能很快找到優化解。

訓練法則：要從學習單個感知器的權值開始，準確地說這里學習的是一個權向量，它可以使感知器對于給定的訓練樣本例輸出正確的1或-1。

為了得到可接受的權向量，一種方法就是從隨機的權值開始，然后反復地應用這個感知器到每個訓練樣例，只要它分類錯誤樣例就修改感知器的權值。重復這個過程，直到感知器正確分類所有的訓練樣例。每一部根據感知訓練法則來修改權值，也就是改寫與輸入xi對應的權值wi法則如下：

該文采用新型的基于人工智能學習的控制系統結構，在傳統PID控制的基礎上進行改進。利用離線仿真的數據對建立的人工神經網絡進行訓練，控制框架如所圖3所示。

首先利用仿真的方式得到100組四旋翼飛行器的PID參數與狀態響應的超調量和調節時間數據集，利用采集得到的數據集對建立的3Input-2Output人工神經網絡進行訓練，然后在飛行器實際飛行過程中對輸出量進行超調量和調節時間的采樣計算，通過與期望的超調量和調節時間進行對比，通過逆向計算控制器PID參數的調節方向從而使得飛行器具備期望的動態響應和穩態響應。采取這樣的控制系統可以更好地適應各種復雜的環境，并且通過離線的學習在線調節控制時間與超調量，從而達到自適應控制的目的。

4 結語

該文提出針對目前無人機面臨的任務復雜性增加和多樣功能的需求，提出一種四旋翼飛行器的自適應智能控制方法，結合傳統PID控制和人工神經網絡的結構，使無人機具備在線學習和自適應調節的能力，并且對比了傳統的PID控制與先進的自適應控制系統，而且對于各種參數的模擬做了一個系統的分析，采用飛行器的動力學模型研究簡化了計算步驟。分析結果表明，這種自適應控制系統在適應復雜任務能力上優于傳統的PID控制，能在實際生活與工業生產中起更大的作用。

參考文獻

[1] Salih AL，Moghavvemi M，Mohamed HAF，et al.Modelling and PID controller design for 8 quad-rotor unmanned air vehicle[C]//Automation Quality and Testing Robotics（AQTR）.2010.

[2] 夏洪生，甘家梁.交流電機的智能PID控制應用研究[J].變頻器世界，2014（1）：67-72.

[3] 張垚，鮮斌，殷強，等.基于ARM處理器的四旋翼無人機自主控制系統研究[J].中國科學技術大學學報，2012，42（9）：753-760.