CN105138003A - 多操纵面无人机直接升力控制方法 - Google Patents

Abstract

本发明公开了一种多操纵面无人机直接升力控制方法，根据期望的纵向轨迹命令和俯仰角命令，以及测量的高度、速度、加速度、俯仰角、俯仰角加速度等飞行状态信息，计算期望升力增量与实际升力增量的误差，以及期望俯仰力矩增量与实际俯仰力矩增量的误差，采用动态控制分配方法实时地对升力增量误差和俯仰力矩增量误差进行控制分配计算，得到各个操纵面的偏转角度。本发明方法通过闭环力和力矩控制分配实现多操纵面无人机的直接升力控制，取得了较好的姿态与轨迹解耦控制效果。本发明方法可应用于具有冗余多操纵面无人机的直接升力飞行控制，实现无人机俯仰角姿态与高度轨迹的解耦控制。

Description

多操纵面无人机直接升力控制方法

技术领域

本发明属于无人机飞行控制领域，具体涉及一种多操纵面无人机直接升力控制方法。

背景技术

无人机的广泛应用，特别是无人战斗机的出现，对无人机的控制性能提出了更高要求。具有多个操纵面，增加无人机的气动余度，增强其操纵灵活性，可大大提高其控制性能。常规飞行控制方法是通过操纵面偏转产生操纵力矩以克服飞行器的转动惯量和阻尼，产生姿态角的变化，这样就改变了迎角或侧滑角从而产生改变轨迹的气动力。可见它通过改变力矩平衡，从而间接地对力产生影响，但是从操纵面偏转到改变轨迹之间不可避免地存在时间滞后，影响无人机的控制性能。

主动控制技术产生于20世纪70年代，从飞行控制角度来说，它就是在各飞行状态下，通过飞行控制***，使作用于飞行器的气动力按需变化，从而使飞行性能达到最佳的一种控制技术。它包括多项内容，其中直接力控制便是一种可实现的主动控制功能，是常规飞行控制的发展。它可以直接产生不改变飞机姿态而按期望改变航迹的气动力，即实现飞机姿态控制与轨迹控制的解耦。直接力控制通过附加操纵面(相对于常规操纵面升降舵而言，鸭翼和襟翼均为附加操纵面)的控制，在不产生力矩的条件下，直接产生升力或侧力，它不仅可以实现力与力矩的解耦，而且可以改善飞机的飞行特性。与常规飞行控制方法相比，直接力控制在航迹精确跟踪、着陆、瞄准攻击、空中加油等机动性能上具有明显的优越性。依据作用于飞行器上力的划分，直接力控制可分为直接升力、直接侧力、直接阻力和推力控制。目前的直接升力控制方法多采用经典控制理论针对各个操纵面分别进行设计，使每个操纵面达到特定的控制目的，例如使用升降舵控制高度轨迹，而使用鸭翼控制俯仰姿态。这样的方法可以实现直接升力控制，但是各个操纵面功能单一，缺乏彼此间的协调，因此，并未充分发挥无人机多个操纵面的优势。

多个操纵面在提高***控制性能的同时也带来了如何将控制指令分配到各个操纵面的问题。控制分配方法是解决此类问题的有效方法，它在满足操纵面偏转位置和速率约束的基础下，以某种最优指标将控制指令分配到各个操纵面。目前见诸文献的控制分配方法有：广义逆方法、直接分配方法、链式递增方法、线性规划法、二次规划法、闭环控制分配方法等。这些控制分配方法只能对期望的力矩指令进行分配，无法对期望的力指令进行分配，因此只能实现无人机的姿态控制，而无法实现姿态与轨迹解耦的直接升力控制。

发明内容

本发明的目的在于提出一种多操纵面无人机直接升力控制方法，针对多操纵面无人机的特点和高控制性能的要求，基于闭环力和力矩控制分配方法将期望的力和力矩指令分配到多个操纵面，从而实现多操纵面无人机姿态与轨迹解耦的直接升力控制。

为了实现上述目的，本发明采用如下技术方案：

多操纵面无人机直接升力控制方法，包括如下步骤：

a通过无人机上的轨迹传感器测得当前的无人机轨迹，根据当前的无人机轨迹和期望轨迹命令计算得到无人机的油门推力命令P_c和期望升力增量ΔL_d；

b通过无人机上的加速度传感器测得当前的无人机加速度，计算得到无人机的实际升力增量ΔL，根据期望升力增量ΔL_d和实际升力增量ΔL计算得到升力增量误差ΔL_e；

c通过无人机上的姿态角传感器测得当前的无人机姿态角，根据当前的无人机姿态角和期望姿态角命令计算得到无人机的期望角速度指令q_c和期望俯仰力矩增量ΔM_d；

d通过无人机上的姿态角加速度传感器测得当前的无人机角加速度，计算得到无人机的实际俯仰力矩增量ΔM；

根据期望俯仰力矩增量ΔM_d和实际俯仰力矩增量ΔM计算得到俯仰力矩增量误差ΔM_e；

e采用动态控制分配方法同时对升力增量误差ΔL_e和俯仰力矩增量误差ΔM_e进行分配，得到不同执行机构当前时刻的控制增量U_v(k)；

f将当前时刻每个执行机构的控制增量U_v(k)与无人机平飞状态下对应执行机构控制输入的配平值U₀相加，得到当前时刻的不同执行机构的控制输入U(k)。

进一步，步骤a中无人机的油门推力命令和期望升力增量的具体计算过程如下：

设轨迹传感器测得的无人机轨迹信息为[h,V]^T，其中，h表示飞行高度，V表示飞行速度；期望轨迹命令为[h_c,V_c]^T，其中，h_c表示飞行高度命令，V_c表示飞行速度命令；

轨迹控制包括高度控制和速度控制回路，期望高度和期望速度命令为：

$\left\{\begin{array}{c}{\stackrel{\·}{h}}_d=k_h(h_c-h)\\ {\stackrel{\·}{V}}_d=k_V(V_c-V)\end{array}\right.;$

式中，k_h和k_V分别为高度和速度回路增益；表示期望高度命令的导数，表示期望速度命令的导数；

航迹倾斜角命令为：

${\mathrm{\γ}}_c=arcsin\frac{{\stackrel{\·}{h}}_d}{V};$

期望航迹倾斜角命令的导数为：

${\stackrel{\·}{\mathrm{\γ}}}_d=k_{\mathrm{\γ}}({\mathrm{\γ}}_c-\mathrm{\γ});$

式中，k_γ为航迹回路增益，γ为航迹倾斜角，γ＝θ-α，θ表示俯仰角，α表示迎角；

在航迹坐标系下，无人机的纵向运动方程为：

$\left\{\begin{array}{c}m\stackrel{\·}{V}=P\cos \mathrm{\α}-D-mg\sin \mathrm{\γ}\\ mV\stackrel{\·}{\mathrm{\γ}}=P\sin \mathrm{\α}+L-mg\cos \mathrm{\γ}\end{array}\right.;$

式中，m表示无人机的质量，P表示推力，D表示阻力，g表示重力加速度，L表示升力；升力L的计算公式为：

L＝L₀+ΔL；

式中，ΔL表示操纵面偏转产生的升力增量，L₀表示由飞行器结构和飞行状态决定的升力，L₀的计算公式为：

$L_0=QS(C_{L0}+C_{L\mathrm{\α}}\mathrm{\α}+C_{L\stackrel{\‾}{q}}\stackrel{\‾}{q});$

式中，Q表示动压， $Q=\frac{1}{2}{\mathrm{\ρV}}^2,$ ρ表示空气密度，S表示机翼面积，C_L0、C_Lα和表示气动系数，表示无因次俯仰角速度， 表示平均气动弦长，q表示俯仰角速度；

油门推力命令P_c的计算公式为：

$P_c=\frac{m{\stackrel{\·}{V}}_d+D+mgsin\mathrm{\γ}}{\cos \mathrm{\α}};$

期望升力增量ΔL_d的计算公式为：

${\mathrm{\ΔL}}_d=mV{\stackrel{\·}{\mathrm{\γ}}}_d-Psin\mathrm{\α}+mgcos\mathrm{\γ}-L_0.$

进一步，步骤b中升力增量误差的具体计算过程如下：

在机体坐标系下，无人机的纵向运动方程还表示为：

$\left\{\begin{array}{c}\stackrel{\·}{u}=-wq+\frac{F_x}{m}\\ \stackrel{\·}{w}=uq+\frac{F_z}{m}\end{array}\right.;$

式中，u和w表示飞行速度在机体坐标系前向和垂向的分量，F_x和F_z表示无人机所受合外力在机体坐标系前向和垂向的分量；

作用于无人机的垂向力F_z表示为：

F_z＝F_z ⁰+ΔF_z；

式中，ΔF_z表示操纵面偏转产生的力增量在机体坐标系垂向的分量，ΔF_z＝-ΔLcosα，F_z ⁰表示为：F_z ⁰＝-Dsinα+mgcosθ-L₀cosα；

实际升力增量为：

$\mathrm{\Δ}L={(-\frac{cos\mathrm{\α}}{m})}^{-1}(\stackrel{\·}{w}-(uq+\frac{F_z^0}{m}\left)\right);$

式中，通过安装在无人机上的垂向加速度传感器测量得到；

作用于无人机的升力增量误差ΔL_e为：

ΔL_e＝ΔL_d-ΔL。

进一步，步骤c中无人机的期望角速度指令和期望俯仰力矩增量的具体计算过程如下：

设无人机的姿态角传感器测得的姿态角为θ，θ表示俯仰角，期望的姿态角命令为θ_c，θ_c表示俯仰角命令，则无人机的期望俯仰角命令的导数为：

${\stackrel{\·}{\mathrm{\θ}}}_d={\mathrm{\ω}}_{\mathrm{\θ}}({\mathrm{\θ}}_c-\mathrm{\θ});$

式中，ω_θ表示俯仰角回路增益；

则期望角速度指令q_c为：

$q_c={\stackrel{\·}{\mathrm{\θ}}}_d:$

对期望角速度指令q_c求导数，得到无人机的期望俯仰角加速度为：

${\stackrel{\·}{q}}_d={\stackrel{\·}{q}}_c;$

期望俯仰力矩增量

式中，J_y为惯性项。

进一步，步骤d中俯仰力矩增量误差的具体计算过程如下：

通过姿态角加速度传感器测得当前的无人机角加速度

实际俯仰力矩增量

则俯仰力矩增量误差 $\mathrm{\Δ}{M}_e=\mathrm{\Δ}{M}_d-\mathrm{\ΔM}=J_y({\stackrel{\·}{q}}_d-\stackrel{\·}{q}).$

进一步，步骤e中不同执行机构当前时刻的控制增量的具体计算过程如下：

采用动态控制分配方法，得到不同执行机构k时刻的控制增量U_v(k)为：

式中，表示广义逆，即 n表示执行机构的数量，表示第i个执行机构k时刻的控制增量；

I表示相应维数的单位矩阵；G和R由下式表示：

$\left\{\begin{array}{c}G=(I-RB)W^{-2}{W}_2^2\\ R=W^{-1}\left({\mathrm{BW}}^{-1}\right)\left(W^T{\left({\mathrm{WW}}^T\right)}^{-1}\right)\\ W=\sqrt{W_1^2+W_2^2}\end{array}\right.;$

式中，W₁和W₂为加权矩阵；B为无人机在平飞状态下线性化得到的控制效率矩阵。

进一步，步骤f中当前时刻的不同执行机构的控制输入U(k)的具体计算过程如下：

U(k)＝U₀+U_v(k),k＝1,2,3,…

式中，U(k)＝[u₁(k),…,u_n(k)]^T，n表示执行机构的数量，u_i(k)i＝1,…,n表示第i个执行机构k时刻的控制输入；U₀为无人机在平飞状态下，各个执行机构控制输入的配平值。

本发明具有如下优点：

本发明方法根据期望的纵向轨迹命令(包括高度和速度命令)和俯仰角命令，以及测量到的高度、速度、加速度、俯仰角、俯仰角加速度等飞行状态信息，计算期望升力增量与实际升力增量的误差，以及期望俯仰力矩增量与实际俯仰力矩增量的误差，采用动态控制分配方法实时地对升力增量误差和俯仰力矩增量误差进行控制分配计算，得到各个操纵面的偏转角度。本发明方法通过闭环力和力矩控制分配实现多操纵面无人机的直接升力控制，取得了较好的姿态与轨迹解耦控制效果，并且计算简单、实现方便。本发明方法可应用于具有冗余多操纵面无人机的直接升力飞行控制，实现无人机俯仰角姿态与高度轨迹的解耦控制。

附图说明

图1为本发明中多操纵面无人机直接升力控制方法的原理框图；

图2为本发明中多操纵面无人机直接升力控制方法的流程框图；

图3为采用本发明得到的无人机姿态轨迹解耦控制的俯仰角和飞行高度仿真曲线图；

图4为采用本发明得到的无人机姿态轨迹解耦控制的鸭翼和升降舵偏转角仿真曲线图。

具体实施方式

本发明的基本思想为：

首先根据期望轨迹命令与无人机当前的轨迹、加速度信息得到升力增量误差，同时根据期望姿态角命令与无人机当前的姿态角和姿态角加速度信息得到俯仰力矩增量误差，然后通过动态控制分配方法同时对升力增量误差和俯仰力矩增量误差进行分配，从而得到各个操纵面的偏转角度，进而实现多操纵面无人机直接升力控制。

下面结合附图以及具体实施方式对本发明作进一步详细说明：

结合图1和图2所示，多操纵面无人机直接升力控制方法，包括如下步骤：

a通过无人机上的轨迹传感器测得当前的无人机轨迹，根据当前的无人机轨迹和期望轨迹命令计算得到无人机的油门推力命令P_c和期望升力增量ΔL_d；

具体计算过程如下：

设图1中轨迹传感器测得的无人机轨迹信息为[h,V]^T，其中，h表示飞行高度，V表示飞行速度；期望轨迹命令为[h_c,V_c]^T，其中，h_c表示飞行高度命令，V_c表示飞行速度命令；

轨迹控制包括高度控制和速度控制回路，期望高度和期望速度命令为：

$\left\{\begin{array}{c}{\stackrel{\·}{h}}_d=k_h(h_c-h)\\ {\stackrel{\·}{V}}_d=k_V(V_c-V)\end{array}\right.;$

式中，k_h和k_V分别为高度和速度回路增益，这些增益可根据性能要求选取；表示期望高度命令的导数，表示期望速度命令的导数；

航迹倾斜角命令为：

${\mathrm{\γ}}_c=arcsin\frac{{\stackrel{\·}{h}}_d}{V};$

期望航迹倾斜角命令的导数为：

${\stackrel{\·}{\mathrm{\γ}}}_d=k_{\mathrm{\γ}}({\mathrm{\γ}}_c-\mathrm{\γ});$

式中，k_γ为航迹回路增益，可根据性能要求选取，γ为航迹倾斜角，γ＝θ-α，θ表示俯仰角，可由俯仰角传感器测得，α表示迎角，可由迎角传感器测得；

在航迹坐标系下，无人机的纵向运动方程为：

$\left\{\begin{array}{c}m\stackrel{\·}{V}=P\cos \mathrm{\α}-D-mg\sin \mathrm{\γ}\\ mV\stackrel{\·}{\mathrm{\γ}}=P\sin \mathrm{\α}+L-mg\cos \mathrm{\γ}\end{array}\right.;$

式中，m表示无人机的质量，P表示推力，D表示阻力，g表示重力加速度，L表示升力；升力L的计算公式为：

L＝L₀+ΔL；

式中，ΔL表示操纵面偏转产生的升力增量，L₀表示由飞行器结构和飞行状态决定的升力，L₀的计算公式为：

$L_0=QS(C_{L0}+C_{L\mathrm{\α}}\mathrm{\α}+C_{L\stackrel{\‾}{q}}\stackrel{\‾}{q});$

式中，Q表示动压，ρ表示空气密度，S表示机翼面积，C_L0、C_Lα和表示气动系数，表示无因次俯仰角速度， 表示平均气动弦长，q表示俯仰角速度，可由俯仰角速度传感器测得；

因此，油门推力命令P_c的计算公式为：

$P_c=\frac{m{\stackrel{\·}{V}}_d+D+mgsin\mathrm{\γ}}{\cos \mathrm{\α}};$

期望升力增量ΔL_d的计算公式为：

${\mathrm{\ΔL}}_d=mv{\stackrel{\·}{\mathrm{\γ}}}_d-Psin\mathrm{\α}+mgcos\mathrm{\γ}-L_0.$

b通过无人机上的加速度传感器测得当前的无人机加速度，计算得到无人机的实际升力增量ΔL，根据期望升力增量ΔL_d和实际升力增量ΔL计算得到升力增量误差ΔL_e；

具体计算过程如下：

在机体坐标系下，无人机的纵向运动方程还表示为：

$\left\{\begin{array}{c}\stackrel{\·}{u}=-wq+\frac{F_x}{m}\\ \stackrel{\·}{w}=uq+\frac{F_z}{m}\end{array}\right.;$

式中，u和w表示飞行速度在机体坐标系前向和垂向的分量，F_x和F_z表示无人机所受合外力在机体坐标系前向和垂向的分量；

作用于无人机的垂向力F_z表示为：

F_z＝F_z ⁰+ΔF_z；

式中，ΔF_z表示操纵面偏转产生的力增量在机体坐标系垂向的分量，ΔF_z＝-ΔLcosα，F_z ⁰表示为： $F_z^0=-Dsin\mathrm{\α}+mgcos\mathrm{\θ}-L_{0}cos\mathrm{\α};$

因此，实际升力增量为：

$\mathrm{\Δ}L={(-\frac{cos\mathrm{\α}}{m})}^{-1}(\stackrel{\·}{w}-(uq+\frac{F_z^0}{m}\left)\right);$

式中，通过安装在无人机上的垂向加速度传感器测量得到；

作用于无人机的升力增量误差ΔL_e为：

ΔL_e＝ΔL_d-ΔL。

c通过无人机上的姿态角传感器测得当前的无人机姿态角，根据当前的无人机姿态角和期望姿态角命令计算得到无人机的期望角速度指令q_c和期望俯仰力矩增量ΔM_d；

具体计算过程如下：

设无人机的姿态角传感器测得的姿态角为θ，θ表示俯仰角，期望的姿态角命令为θ_c，θ_c表示俯仰角命令，则无人机的期望俯仰角命令的导数为：

${\stackrel{\·}{\mathrm{\θ}}}_d={\mathrm{\ω}}_{\mathrm{\θ}}({\mathrm{\θ}}_c-\mathrm{\θ});$

式中，ω_θ表示俯仰角回路增益，可根据性能要求选取；

则期望角速度指令q_c为：

$q_c={\stackrel{\·}{\mathrm{\θ}}}_d;$

对期望角速度指令q_c求导数，得到无人机的期望俯仰角加速度为：

${\stackrel{\·}{q}}_d={\stackrel{\·}{q}}_c;$

期望俯仰力矩增量

式中，J_y为惯性项。

d通过无人机上的姿态角加速度传感器测得当前的无人机角加速度，计算得到无人机的实际俯仰力矩增量ΔM；

根据期望俯仰力矩增量ΔM_d和实际俯仰力矩增量ΔM计算得到俯仰力矩增量误差ΔM_e；

具体计算过程如下：

通过姿态角加速度传感器测得当前的无人机角加速度表示当前的俯仰角加速度；

实际俯仰力矩增量

则俯仰力矩增量误差 ${\mathrm{\ΔM}}_e={\mathrm{\ΔM}}_d-\mathrm{\Δ}M=J_y({\stackrel{\·}{q}}_d-\stackrel{\·}{q}).$

e采用动态控制分配方法同时对升力增量误差ΔL_e和俯仰力矩增量误差ΔM_e进行分配，得到不同执行机构当前时刻的控制增量U_v(k)；

具体计算过程如下：

采用动态控制分配方法，得到不同执行机构k时刻的控制增量U_v(k)为：

式中，表示广义逆，即 n表示执行机构的数量，表示第i个执行机构k时刻的控制增量；

I表示相应维数的单位矩阵；G和R由下式表示：

$\left\{\begin{array}{c}G=(I-RB)W^{-2}{W}_2^2\\ R=W^{-1}\left({\mathrm{BW}}^{-1}\right)\left(W^T{\left({\mathrm{WW}}^T\right)}^{-1}\right)\\ W=\sqrt{W_1^2+W_2^2}\end{array}\right.;$

式中，W₁和W₂为加权矩阵；B为无人机在平飞状态下线性化得到的控制效率矩阵。

f将当前时刻每个执行机构的控制增量U_v(k)与无人机平飞状态下对应执行机构控制输入的配平值U₀相加，得到当前时刻的不同执行机构的控制输入U(k)；

具体计算过程如下：

U(k)＝U₀+U_v(k),k＝1,2,3,…

式中，U(k)＝[u₁(k),…,u_n(k)]^T，n表示执行机构的数量，u_i(k)i＝1,…,n表示第i个执行机构k时刻的控制输入；U₀为无人机在平飞状态下，各个执行机构控制输入的配平值。

本发明只要同时给出期望轨迹命令和期望姿态角命令，通过上述步骤，便可实现无人机姿态控制与轨迹控制的解耦，即实现了多操纵面无人机直接升力控制。

下面以某无人机为例具体说明本发明实现俯仰角与高度解耦的直接升力控制过程：

该无人机的纵向操纵面为鸭翼和升降舵，初始飞行高度为3000m，初始飞行速度为110m/s，初始俯仰角为0°。该无人机的轨迹命令为期望飞行高度3050m，且10s后跟踪该期望高度开始爬升，期望飞行速度110m/s，姿态角命令为期望俯仰角5°。

图3和图4分别给出了该无人机完成俯仰角与高度解耦的直接力飞行控制过程中的俯仰角和飞行高度、鸭翼和升降舵偏转角。由图3可以看到，该无人机爬升过程中，俯仰角只在开始阶段有较为明显变化，但变化量很小，之后便回到5°的给定值，实现了俯仰姿态与高度轨迹的解耦控制。由图4可以看到，该无人机爬升的开始阶段，鸭翼和升降舵均产生较大的正向偏转，以产生足够的升力使无人机的高度轨迹发生变化。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (7)

1.多操纵面无人机直接升力控制方法，其特征在于，包括如下步骤：

a通过无人机上的轨迹传感器测得当前的无人机轨迹，根据当前的无人机轨迹和期望轨迹命令计算得到无人机的油门推力命令P_c和期望升力增量ΔL_d；

b通过无人机上的加速度传感器测得当前的无人机加速度，计算得到无人机的实际升力增量ΔL，根据期望升力增量ΔL_d和实际升力增量ΔL计算得到升力增量误差ΔL_e；

c通过无人机上的姿态角传感器测得当前的无人机姿态角，根据当前的无人机姿态角和期望姿态角命令计算得到无人机的期望角速度指令q_c和期望俯仰力矩增量ΔM_d；

d通过无人机上的姿态角加速度传感器测得当前的无人机角加速度，计算得到无人机的实际俯仰力矩增量ΔM；

根据期望俯仰力矩增量ΔM_d和实际俯仰力矩增量ΔM计算得到俯仰力矩增量误差ΔM_e；

e采用动态控制分配方法同时对升力增量误差ΔL_e和俯仰力矩增量误差ΔM_e进行分配，得到不同执行机构当前时刻的控制增量U_v(k)；

f将当前时刻每个执行机构的控制增量U_v(k)与无人机平飞状态下对应执行机构控制输入的配平值U₀相加，得到当前时刻的不同执行机构的控制输入U(k)。

2.根据权利要求1所述的多操纵面无人机直接升力控制方法，其特征在于，步骤a中无人机的油门推力命令和期望升力增量的具体计算过程如下：

设轨迹传感器测得的无人机轨迹信息为[h,V]^T，其中，h表示飞行高度，V表示飞行速度；期望轨迹命令为[h_c,V_c]^T，其中，h_c表示飞行高度命令，V_c表示飞行速度命令；

轨迹控制包括高度控制和速度控制回路，期望高度和期望速度命令为：

$\left\{\begin{array}{c}{\stackrel{\·}{h}}_d=k_h(h_c-h)\\ {\stackrel{\·}{V}}_d=k_V(V_c-V)\end{array}\right.;$

式中，k_h和k_V分别为高度和速度回路增益；表示期望高度命令的导数，表示期望速度命令的导数；

航迹倾斜角命令为：

${\mathrm{\γ}}_c=arcsin\frac{{\stackrel{\·}{h}}_d}{V};$

期望航迹倾斜角命令的导数为：

${\stackrel{\·}{\mathrm{\γ}}}_d=k_{\mathrm{\γ}}({\mathrm{\γ}}_c-\mathrm{\γ});$

式中，k_γ为航迹回路增益，γ为航迹倾斜角，γ＝θ-α，θ表示俯仰角，α表示迎角；

在航迹坐标系下，无人机的纵向运动方程为：

$\left\{\begin{array}{c}m\stackrel{\·}{V}=Pcos\mathrm{\α}-D-mgsin\mathrm{\γ}\\ mV\stackrel{\·}{\mathrm{\γ}}=Psin\mathrm{\α}+L-mgcos\mathrm{\γ}\end{array}\right.;$

式中，m表示无人机的质量，P表示推力，D表示阻力，g表示重力加速度，L表示升力；升力L的计算公式为：

L＝L₀+ΔL；

式中，ΔL表示操纵面偏转产生的升力增量，L₀表示由飞行器结构和飞行状态决定的升力，L₀的计算公式为：

$L_0=QS(C_{L0}+C_{L\mathrm{\α}}\mathrm{\α}+C_{L\stackrel{\‾}{q}}\stackrel{\‾}{q});$

式中，Q表示动压，ρ表示空气密度，S表示机翼面积，C_L0、C_Lα和表示气动系数，表示无因次俯仰角速度， 表示平均气动弦长，q表示俯仰角速度；

油门推力命令P_c的计算公式为：

$P_c=\frac{m{\stackrel{\·}{V}}_d+D+mgsin\mathrm{\γ}}{\cos \mathrm{\α}};$

期望升力增量ΔL_d的计算公式为：

${\mathrm{\ΔL}}_d=mV{\stackrel{\·}{\mathrm{\γ}}}_d-P\sin \mathrm{\α}+mgcos\mathrm{\γ}-L_0.$

3.根据权利要求2所述的多操纵面无人机直接升力控制方法，其特征在于，步骤b中升力增量误差的具体计算过程如下：

在机体坐标系下，无人机的纵向运动方程还表示为：

$\left\{\begin{array}{c}\stackrel{\·}{u}=-wq+\frac{F_x}{m}\\ \stackrel{\·}{w}=uq+\frac{F_z}{m}\end{array}\right.;$

式中，u和w表示飞行速度在机体坐标系前向和垂向的分量，F_x和F_z表示无人机所受合外力在机体坐标系前向和垂向的分量；

作用于无人机的垂向力F_z表示为：

$F_z=F_z^0+{\mathrm{\ΔF}}_z;$

式中，ΔF_z表示操纵面偏转产生的力增量在机体坐标系垂向的分量，表示为： $F_z^0=-Dsin\mathrm{\α}+mgcos\mathrm{\θ}-L_{0}cos\mathrm{\α};$

实际升力增量为：

$\mathrm{\Δ}L={(-\frac{cos\mathrm{\α}}{m})}^{-1}(\stackrel{\·}{w}-(uq+\frac{F_z^0}{m}));$

式中，通过安装在无人机上的垂向加速度传感器测量得到；

作用于无人机的升力增量误差ΔL_e为：

ΔL_e＝ΔL_d-ΔL。

4.根据权利要求1所述的多操纵面无人机直接升力控制方法，其特征在于，步骤c中无人机的期望角速度指令和期望俯仰力矩增量的具体计算过程如下：

设无人机的姿态角传感器测得的姿态角为θ，θ表示俯仰角，期望的姿态角命令为θ_c，θ_c表示俯仰角命令，则无人机的期望俯仰角命令的导数为：

${\stackrel{\·}{\mathrm{\θ}}}_d={\mathrm{\ω}}_{\mathrm{\θ}}({\mathrm{\θ}}_c-\mathrm{\θ});$

式中，ω_θ表示俯仰角回路增益；

则期望角速度指令q_c为：

$q_c={\stackrel{\·}{\mathrm{\θ}}}_d;$

对期望角速度指令q_c求导数，得到无人机的期望俯仰角加速度为：

${\stackrel{\·}{q}}_d={\stackrel{\·}{q}}_c;$

期望俯仰力矩增量

式中，J_y为惯性项。

5.根据权利要求4所述的多操纵面无人机直接升力控制方法，其特征在于，步骤d中俯仰力矩增量误差的具体计算过程如下：

通过姿态角加速度传感器测得当前的无人机角加速度

实际俯仰力矩增量

则俯仰力矩增量误差 ${\mathrm{\ΔM}}_e={\mathrm{\ΔM}}_d-\mathrm{\Δ}M=J_y({\stackrel{\·}{q}}_d-\stackrel{\·}{q}).$

6.根据权利要求1所述的多操纵面无人机直接升力控制方法，其特征在于，步骤e中不同执行机构当前时刻的控制增量的具体计算过程如下：

采用动态控制分配方法，得到不同执行机构k时刻的控制增量U_v(k)为：

式中，表示广义逆，即n表示执行机构的数量，表示第i个执行机构k时刻的控制增量；

I表示相应维数的单位矩阵；G和R由下式表示：

$\left\{\begin{array}{c}G=(I-RB)W^{-2}{W_2}^2\\ R=W^{-1}\left({\mathrm{BW}}^{-1}\right)\left(W^T{\left({\mathrm{WW}}^T\right)}^{-1}\right)\\ W=\sqrt{{W_1}^2+{W_2}^2}\end{array}\right.;$

式中，W₁和W₂为加权矩阵；B为无人机在平飞状态下线性化得到的控制效率矩阵。

7.根据权利要求6所述的多操纵面无人机直接升力控制方法，其特征在于，当前时刻的不同执行机构的控制输入U(k)的具体计算过程如下：

U(k)＝U₀+U_v(k),k＝1,2,3,…

式中，U(k)＝[u₁(k),…,u_n(k)]^T，n表示执行机构的数量，u_i(k)i＝1,…,n表示第i个执行机构k时刻的控制输入；U₀为无人机在平飞状态下，各个执行机构控制输入的配平值。