CN109002575A - 一种复合式旋翼飞行器过渡飞行模式控制分配方法 - Google Patents
一种复合式旋翼飞行器过渡飞行模式控制分配方法 Download PDFInfo
- Publication number
- CN109002575A CN109002575A CN201810584613.2A CN201810584613A CN109002575A CN 109002575 A CN109002575 A CN 109002575A CN 201810584613 A CN201810584613 A CN 201810584613A CN 109002575 A CN109002575 A CN 109002575A
- Authority
- CN
- China
- Prior art keywords
- rotor craft
- composite rotor
- particle
- control
- weight coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002131 composite material Substances 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000007704 transition Effects 0.000 title claims abstract description 32
- 239000002245 particle Substances 0.000 claims abstract description 87
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000001052 transient effect Effects 0.000 claims abstract description 21
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000003044 adaptive effect Effects 0.000 claims description 6
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 238000005312 nonlinear dynamic Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 4
- 230000000452 restraining effect Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种复合式旋翼飞行器过渡飞行模式控制分配方法,属于复合式旋翼飞行器控制技术领域。该方法研究复合式旋翼飞行器直升机模式与固定翼模式相互转换时的舵面操纵特性,提出基于赋权混合多目标的操纵冗余分配方法和具有搜索速度快、计算精度高特点的改进的粒子群算法,降低了控制算法的设计难度,有效处理复合式旋翼飞行器操纵面控制受限、交叉强耦合及非线性特性,解决直升机模式与固定翼模式相互转换时过渡过程的操纵冗余问题,提高了控制面操纵效率和飞行稳定性。使用本发明的方法的复合式旋翼飞行器可采用同一飞行控制器实现全模式飞行,过渡模式下不需要切换控制器,降低了***控制器设计难度,提高了过渡模式切换安全性。
Description
技术领域
本发明属于飞行力学和飞行仿真技术领域,具体涉及一种复合式旋翼飞行器过渡飞行模式控制分配方法。
背景技术
复合式旋翼飞行器因同时具有推力装置、固定翼和旋翼,既能实现直升机飞行模式的垂直起降、悬停飞行,又具备固定翼飞机高速度、远航程和长航时飞行能力,而备受世界各国直升机研究机构及研究人员的关注。目前,国内外对于复合式旋翼飞行器舰载无人机的研究尚处于起步阶段。
复合式旋翼飞行器飞行过程中存在模式切换,在悬停和低速飞行时,主要采用直升机模式飞行,在中速飞行时,直升机模式和固定翼飞行器模式同时参与,在高速飞行时,主要采用固定翼飞行器模式。
复杂多变的工作模式为复合式旋翼飞行器控制***的设计带来了较大的难度,其模式切换过渡过程的控制分配方法对实现全模式飞行起着至关重要的作用,如何设计复合式旋翼飞行器过渡过程的控制分配方法,有效处理操纵面控制受限、交叉强耦合及非线性特性,解决模式切换时的操纵冗余,实现过渡阶段的稳定控制,减轻飞行控制***的设计难度,是目前复合旋翼飞行器控制亟待解决的关键问题。
现阶段国内外关于飞行器飞行过程中出现的操纵冗余问题,多采用常规控制分配方法,如:伪逆法,链式法,直接分配法,线性规划法,往往针对单一优化目标或单一约束条件,面对复杂控制对象,处理复杂约束条件时,控制性能显著降低。此外,应用智能分配算法求解优化目标时仍存在搜索速度慢,计算精度低等问题,工程实现性较差。
发明内容
针对上述现有技术的不足,本发明提出一种复合式旋翼飞行器过渡飞行模式的控制分配方法,解决复合式旋翼飞行器过渡过程中存在的操纵冗余问题,实现复合式旋翼飞行器过渡过程的平稳转换。
为解决上述问题,本发明采用的技术方案为:
一种复合式旋翼飞行器过渡飞行模式控制分配方法,具体步骤如下:
步骤一、复合式旋翼飞行器控制***根据飞行控制律计算并输出直升机模式和固定翼模式相互切换时过渡过程的舵面虚拟控制指令,包括:俯仰角θc、偏航角和滚转角φc;
步骤二、根据舵面虚拟控制指令θc、φc和复合式旋翼飞行器的油门开度气动舵面δ1=[A1s,B1s,θwr,θwl,θ1,θ2]特性,采用赋权系数混合多目标优化控制分配方法计算复合式旋翼飞行器模式切换过渡过程中分配的控制信号,该控制信号包括以下操纵变量:
横向周期变距A1s、纵向周期变距B1s、总距右襟副翼偏角θwr、左襟副翼偏角θwl、推力矢量T、推力矢量与机体坐标系下XOY面夹角θ1和推力矢量在水平面投影与X轴的夹角θ2;
步骤三、将步骤二计算得到的控制信号发送给执行机构,执行机构操纵复合式旋翼飞行器的气动舵面δ1和油门开度δ2,实现复合式旋翼飞行器过渡过程的控制;
步骤四、实时检测复合式旋翼飞行器的位置X、Y、Z,速度u、v、w,姿态角θ、ψ和姿态角速度p、q、r,重复步骤一至四。
进一步地,步骤二所述的赋权系数混合多目标优化控制分配方法包括如下步骤:
步骤2.1、分析舵面操纵特性,并依据舵面操纵特性设定各舵面分配的控制信号的约束条件和权系数矩阵的取值范围;
步骤2.2、选取控制误差和权系数作为优化目标,构造带约束条件的混合多目标优化函数;
步骤2.3、利用改进的粒子群算法,处理复合旋翼飞行器舵面耦合、非线性特性,求混合多目标优化函数最优解,得到复合式旋翼飞行器各舵面的控制信号。
进一步地,步骤2.1中所述的控制信号的约束条件为:
式中,B为操纵效率矩阵;u=[δ1,δ2],包含复合式旋翼飞行器控制分配输出的各操纵变量;为各操纵变量变化速度;
步骤2.1中所述的设定权系数矩阵的取值范围为:
选取以效率最优作为目标的过渡飞行模式,因各舵面操纵变量的数值相差较大,首先将各舵面的权重系数转化为同一数量级,再设定约束条件∑wi=1,其中,wi为各操纵变量的权重系数。
进一步地,步骤2.2中所述带约束的混合多目标优化函数包括控制误差优化目标函数和权系数优化目标函数,具体为:
1)、以操纵变量偏转误差为优化目标:
minJ=||Wv(v(t)-vd(t))||2+γ||Wu(u(t)-us(t))||2 (2)
式中,Wv表示虚拟控制指令权重系数,Wu表操纵面控制权重系数,vd表示期望控制指令,us表示虚拟控制指令,γ>0为松弛因子;
同时,将步骤2.1中的等式约束条件v(t)=Bu(t)弱化为优化目标:
minJ'=||Bu(t)-v(t)|| (3)
2)、因飞行条件和任务不同,各操纵舵面所起的作用大小不同,因此各操纵舵面分配的权限不同,其权限可通过各舵面权重系数的大小反映。本发明为使复合式旋翼飞行器跟踪控制指令时耗能最小,效率最优,设定权系数优化目标:
式中,k1为虚拟控制指令,k2为控制面所对应的比例系数,m表示虚拟控制指令,n表示控制面的维数,||·||∞表示矩阵的无穷范数,||·||k表示矩阵的k范数。
进一步地,步骤2.3中所述的改进的粒子群算法包括如下步骤:
步骤2.3.1、根据复合式旋翼飞行器带约束条件的混合多目标优化函数,选取粒子p=[δ1,δ2,diag(Wv),diag(Wu)]作为优化目标,并在约束条件内选取一组数值作为粒子群算法的初始种群,其中,diag(·)表示矩阵的对角线元素;
步骤2.3.2、将每个粒子p=[δ1,δ2,diag(Wv),diag(Wu)]代入复合式旋翼飞行器过渡过程混合多目标优化函数中,计算每个粒子的适应值,并寻找粒子个体最优解和整个种群的最优解;
步骤2.3.3、对粒子的速度和位置进行进化;
为保证复合式旋翼飞行器过渡飞行模式的实时性和粒子群算法求解精度,改进粒子群算法速度进化公式,使得粒子群算法求解最优值过程中前期进化速度小,保证全局搜索能力,后期进化速度快,避免陷入局部最优解,并根据改进的粒子群速度更新公式计算更新速度和位置,具体实现过程为:
粒子的速度进化公式为:
vi(t+1)=wl×vi(t)+c1×r1×(pib(t)-xid(t))+c2×r2×(pig(t)-xid(t)) (5)
粒子的位置进化公式为:
xid(t+1)=xid(t)+vi(t+1) (6)
式(5)和式(6)中,vi表示粒子速度,wl表示惯性权重系数,xid为当前粒子的位置,pib表示第i个粒子的最优位置,pig表示第i个粒子的全局最优位置,c1和c2为学习因子,r1和r2为区间在[0,1]之间的随机数;
根据粒子群的迭代次数T、全局最优解Pb和全局最差解Pw,利用反正切函数的非线性动态改变惯性权重wl,使惯性权重随迭代次数的增加而减小,由此改变粒子群算法的速度进化公式;
惯性权重系数wl的改进公式为:
wl=(wmax-wmin)×arctan(1.56×(1-vd(i)))+wmin (7)
式中,wmax表示最大的惯性权重系数,wmin表示最小的惯性权重系数,arctan(·)为表示反正切函数;vd(i)为第i个粒子的收敛速度,vd(i)越小,表示第i个粒子距全局最优值的位置越靠近,其表达式为:
式中,pi(T)表示迭代次数T下的适应值,pb(T)表示迭代次数T的全局最优值,pw(T)表示迭代次数T的全局最差值;
步骤2.3.4、判断连续两次迭代对应的全局最优粒子差值是否满足设定的结束条件,若两组最优粒子差值满足结束条件时,将任一最优粒子p=[δ1,δ2,diag(Wv),diag(Wu)]中的δ1和δ2作为复合式旋翼飞行器各舵面的操纵变量,不满足结束条件则重复步骤2.3.1至2.3.4。
进一步地,步骤2.3.4中所述设定结束条件为:连续两次迭代对应的全局最优粒子差值小于10-20。
本发明的有益效果在于:
本发明通过基于赋权混合多目标优化的控制分配方法和改进的粒子群算法,有效处理复合式旋翼飞行器操纵面控制受限、交叉强耦合及非线性特性,解决了直升机模式与固定翼模式相互转换时过渡过程的操纵冗余问题,使复合式旋翼飞行器在过渡过程中操纵效率高,飞行稳定,同时,降低了控制算法的设计难度;
复合式旋翼飞行器通过控制分配方法优化后,可采用同一飞行控制器实现全模式飞行,过渡模式下不需要切换控制器,降低了***控制器设计难度,提高了过渡模式切换安全性;
此外,改进的粒子群算法能够同时满足搜索速度快、计算精度高的要求,不仅适用于本发明提出的带约束的多目标优化函数,还可以推广到其他利用粒子群寻优的算法中;本发明的控制分配方法有效地较低了驾驶人员的操作难度,可行性高,具有非常重要的军事意义和实用价值。
附图说明
图1为本发明的复合式旋翼飞行器过渡过程控制分配方法流程图;
图2为本发明的粒子群算法流程图;
图3为本发明的赋权系数混合多目标优化控制分配方法流程图;
图4为本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器8个操纵变量与时间的关系图;
图5为本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器姿态角和姿态角速度与时间的关系图;
图6为本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器位置和速度变量与时间的关系图;
图7中,(a)本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器分别在粒子群算法改进前和粒子群算法改进后俯仰角与时间的变化曲线;(b)本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器分别在粒子群算法改进前和粒子群算法改进后偏航角与时间的变化曲线;(c)本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器分别在粒子群算法改进前和粒子群算法改进后滚转角与时间的变化曲线;
图8中,(a)为本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器分别在粒子群算法改进前和粒子群算法改进后前飞速度u与时间的变化曲线;(b)为本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器分别在粒子群算法改进前和粒子群算法改进后偏航速度v与时间的变化曲线;(c)为本发明的实施例中,仿真过渡飞行模式下的复合式旋翼飞行器分别在粒子群算法改进前和粒子群算法改进后升降速度w与时间的变化曲线;
图中标识:deg-度(角度单位),t-时间,N-牛顿(力单位),s-秒(时间单位),m-米(长度单位)。
具体实施方式
为了便于本领域技术人员的理解,下面结合附图对本发明作进一步说明。
如图1所示的复合式旋翼飞行器过渡过程控制分配方法流程图,包括如下步骤:
步骤一、复合式旋翼飞行器控制***根据飞行控制律计算并输出直升机模式和固定翼模式相互切换时过渡过程的舵面虚拟控制指令,包括:俯仰角θc、偏航角和滚转角φc;
步骤二、根据舵面虚拟控制指令俯仰角θc、偏航角滚转角φc和油门开度气动舵面δ1=[A1s,B1s,θwr,θwl,θ1,θ2]特性,采用赋权系数混合多目标优化控制分配方法计算复合式旋翼飞行器过渡过程中分配的控制信号,其包括8个操纵变量:横向周期变距A1s、纵向周期变距B1s、总距右襟副翼偏角θwr、左襟副翼偏角θwl、推力矢量T、推力矢量T与机体坐标系下XOY面夹角θ1和推力矢量T在水平面投影与X轴的夹角θ2;
其中,赋权系数混合多目标优化控制分配方法的实现方式如图3所示,包括如下步骤:
步骤2.1、分析舵面操纵特性,由此设定各舵面分配的控制信号的约束条件及权系数矩阵的取值范围;
控制信号的约束条件为:
式中,B为操纵效率矩阵,u=[δ1,δ2]为复合式旋翼飞行器控制分配输出的8个操纵变量,具体地,δ1为复合式旋翼飞行器的气动舵面[A1s,B1s,θwr,θwl,θ1,θ2],δ2为复合式旋翼飞行器的油门开度 为8个操纵变量的变化速度,
因飞行条件和任务不同,各操纵舵面所起的作用大小不同,因此各操纵舵面分配的权限不同,其权限可通过各舵面权重系数的大小反映;本发明选取以效率最优作为目标的过渡飞行模式,设定权系数矩阵的取值范围;因各舵面操纵变量的数值相差较大,首先将各舵面的权重系数转化为同一数量级,再设定约束条件∑wi=1,其中,wi为各操纵变量的权重系数。
步骤2.2、根据复合式旋翼飞行器过渡过程控制要求构造带约束条件的混合多目标优化函数,选取控制误差和权系数作为优化目标,具体为:
1)、为使复合式旋翼飞行器快速跟踪控制指令,以操纵变量偏转误差为优化目标:
minJ=||Wv(v(t)-vd(t))||2+γ||Wu(u(t)-us(t))||2 (2)
式中,Wv表示虚拟控制指令权重系数,Wu表操纵面控制权重系数,vd表示期望控制指令,us表示虚拟控制指令,γ>0为松弛因子;
同时,将步骤2.1中的等式约束条件v(t)=Bu(t)弱化为优化目标:
minJ'=||Bu(t)-v(t)|| (3)
2)、为使复合式旋翼飞行器跟踪控制指令时耗能最小,设定权系数优化目标:
式中,k1为虚拟控制指令,k2为控制面所对应的比例系数,m表示虚拟控制指令,n表示控制面的维数,||·||∞表示矩阵的无穷范数,||·||k表示矩阵的k范数;
步骤2.3、利用改进的粒子群算法,处理复合旋翼飞行器舵面耦合、非线性特性,求混合多目标优化函数最优解,得到复合式旋翼飞行器各舵面的控制信号;
其中,改进的粒子群算法的实现方式如图2所示,包括如下步骤:
步骤2.3.1、根据复合式旋翼飞行器带约束的混合多目标优化函数,选取粒子p=[δ1,δ2,diag(Wv),diag(Wu)]作为优化目标,并在约束条件内选取一组数值作为粒子群算法的初始种群,其中,diag(·)表示矩阵的对角线元素;
步骤2.3.2、将每个粒子p=[δ1,δ2,diag(Wv),diag(Wu)]代入复合式旋翼飞行器过渡过程混合多目标优化函数中,计算每个粒子的适应值,并寻找粒子个体最优解和整个种群的最优解;
步骤2.3.3、为保证复合式旋翼飞行器过渡飞行模式实时性和粒子群算法求解精度,改进粒子群算法速度进化公式,使得粒子群算法求解最优值过程中前期进化速度小,保证全局搜索能力,后期进化速度快,避免陷入局部最优解,并根据改进的粒子群速度更新公式计算更新速度和位置,具体通过如下过程实现:
粒子的速度进化公式为:
vi(t+1)=wl×vi(t)+c1×r1×(pib(t)-xid(t))+c2×r2×(pig(t)-xid(t)) (5)
粒子的位置进化公式为:
xid(t+1)=xid(t)+vi(t+1) (6)
式(5)和式(6)中,vi表示粒子速度,wl表示惯性权重系数,xid为当前粒子的位置,pib表示第i个粒子的最优位置,pig表示第i个粒子的全局最优位置,c1和c2为学习因子,r1和r2为区间在[0,1]之间的随机数;
根据粒子群的迭代次数T,全局最优解Pb,全局最差解Pw,利用反正切函数的非线性动态改变惯性权重wl,使得惯性权重随迭代次数的增加而减小,由此改变粒子群算法的速度进化公式;
惯性权重系数wl的改进公式为:
wl=(wmax-wmin)×arctan(1.56×(1-vd(i)))+wmin (7)
式中,wmax表示最大的惯性权重系数,wmin表示最小的惯性权重系数,arctan(·)为表示反正切函数;vd(i)为第i个粒子的收敛速度,vd(i)越小,表示第i个粒子距全局最优值的位置越靠近,其具体表达式为:
式中,pi(T)表示迭代次数T下的适应值,pb(T)表示迭代次数T的全局最优值,pw(T)表示迭代次数T的全局最差值;
步骤2.3.4、判断连续两次迭代对应的全局最优粒子差值是否满足结束条件,设定结束条件为连续两次迭代对应的全局最优粒子差值小于10-20;若两组最优粒子差值满足结束条件时,将任一最优粒子p=[δ1,δ2,diag(Wv),diag(Wu)]中的δ1和δ2作为复合式旋翼飞行器各舵面的操纵变量,不满足结束条件则重复步骤2.3.1至2.3.4。步骤三、将步骤二计算得到的舵面控制信号发送给执行机构,执行机构操纵复合式旋翼飞行器的气动舵面δ1=[A1s,B1s,θwr,θwl,θ1,θ2、]油门开度实现复合式旋翼飞行器过渡过程的控制。
步骤四、实时检测复合式旋翼飞行器的位置X、Y、Z,速度u、v、w,姿态角θ、ψ和姿态角速度p、q、r,重复步骤一至四。
本发明分别利用基于经典粒子群算法的赋权系数混合多目标优化控制分配策略和基于改进粒子群算法的赋权系数混合多目标优化控制分配策略,对复合式旋翼飞行器过渡模式进行了速度指令跟踪仿真,选取初始速度为40m/s,跟踪速度为70m/s前飞指令,仿真结果如图4和图5所示。
其中,图4表示复合式旋翼飞行器8个操纵变量的变化曲线,图中反映了当复合式旋翼飞行器完成速度指令跟踪后,各个操纵变量稳定于某一常值,由此可知,当复合式旋翼飞行器完成指令跟踪后作定常直线飞行时,各个操纵变量保持不变,复合式旋翼飞行器操纵简单,降低了驾驶员的工作负担。
图5表示复合式旋翼飞行器在指令跟踪过程中姿态角和姿态角速度的变化曲线,由图可知,当复合式旋翼飞行器完成指令后,三个姿态角速度趋近于零,三个姿态角为常值,复合式旋翼飞行器稳定飞行。
图6表示复合式旋翼飞行器在指令跟踪过程中位置和速度的变化曲线,由图可知,复合式旋翼飞行器在15s内可完成速度指令跟踪,且完成指令跟踪后,前飞速度保持70m/s匀速飞行,偏航速度和升降速度保持不变,复合式旋翼飞行器稳定飞行。
图7和图8表示复合式旋翼飞行器分别在基于经典粒子群算法的控制分配策略和基于改进粒子群算法的控制分配策略下,姿态角和速度随时间的变化曲线表示复合式旋翼飞行器三个姿态角随时间的变化曲线,图7中(c)图反映了基于经典粒子群算法的赋权系数混合多目标优化控制分配策略完成指令跟踪后,滚转角稳定性较差;且由图5中(a)图可知,基于改进粒子群算法的赋权系数混合多目标优化控制分配策略完成速度指令的跟踪时间较短。综合图4和图5可知,本发明设计的基于改进粒子群算法的复合式旋翼混合多目标优化控制分配策略可实现复合式旋翼飞行器过渡模式的平稳切换,且切换过程耗时较短,最终可实现复合式旋翼飞行器稳定飞行。
Claims (6)
1.一种复合式旋翼飞行器过渡飞行模式控制分配方法,其特征在于,包括如下步骤:
步骤一、复合式旋翼飞行器控制***根据飞行控制律计算并输出直升机模式和固定翼模式相互切换时过渡过程的舵面虚拟控制指令,包括:俯仰角θc、偏航角和滚转角φc;
步骤二、根据舵面虚拟控制指令θc、φc和复合式旋翼飞行器的油门开度气动舵面δ1=[A1s,B1s,θwr,θwl,θ1,θ2]特性,采用赋权系数混合多目标优化控制分配方法计算复合式旋翼飞行器模式切换过渡过程中分配的控制信号,该控制信号包括以下操纵变量:
横向周期变距A1s、纵向周期变距B1s、总距右襟副翼偏角θwr、左襟副翼偏角θwl、推力矢量T、推力矢量与机体坐标系下XOY面夹角θ1和推力矢量在水平面投影与X轴的夹角θ2;
步骤三、将步骤二计算得到的控制信号发送给执行机构,执行机构操纵复合式旋翼飞行器的气动舵面δ1和油门开度δ2,实现复合式旋翼飞行器过渡过程的控制;
步骤四、实时检测复合式旋翼飞行器的位置X、Y、Z,速度u、v、w,姿态角θ、ψ和姿态角速度p、q、r,重复步骤一至四。
2.根据权利要求1所述的复合式旋翼飞行器过渡飞行模式控制分配方法,其特征在于,
步骤二所述的赋权系数混合多目标优化控制分配方法包括如下步骤:
步骤2.1、分析舵面操纵特性,并依据舵面操纵特性设定各舵面分配的控制信号的约束条件和权系数矩阵的取值范围;
步骤2.2、选取控制误差和权系数作为优化目标,构造带约束条件的混合多目标优化函数;
步骤2.3、利用改进的粒子群算法,处理复合旋翼飞行器舵面耦合、非线性特性,求混合多目标优化函数最优解,得到复合式旋翼飞行器各舵面的控制信号。
3.根据权利要求2所述的复合式旋翼飞行器过渡飞行模式控制分配方法,其特征在于,
步骤2.1中所述的控制信号的约束条件为:
式中,B为操纵效率矩阵;u=[δ1,δ2],包含复合式旋翼飞行器控制分配输出的各操纵变量;为各操纵变量变化速度;
步骤2.1中所述的设定权系数矩阵的取值范围为:
选取以效率最优作为目标的过渡飞行模式,将各舵面的权重系数转化为同一数量级,设定约束条件∑wi=1,其中,wi为各操纵变量的权重系数。
4.根据权利要求3所述的复合式旋翼飞行器过渡飞行模式控制分配方法,其特征在于,
步骤2.2具体为:
1)、以操纵变量偏转误差为优化目标:
minJ=||Wv(v(t)-vd(t))||2+γ||Wu(u(t)-us(t))||2 (2)
式中,Wv表示虚拟控制指令权重系数,Wu表操纵面控制权重系数,vd表示期望控制指令,us表示虚拟控制指令,γ>0为松弛因子;
同时,将步骤2.1中所述的等式约束条件v(t)=Bu(t)弱化为优化目标:
minJ'=||Bu(t)-v(t)|| (3)
2)、设定权系数优化目标:
式中,k1为虚拟控制指令,k2为控制面所对应的比例系数,m表示虚拟控制指令,n表示控制面的维数,||·||∞表示矩阵的无穷范数,||·||k表示矩阵的k范数。
5.根据权利要求2至4中任一项所述的复合式旋翼飞行器过渡飞行模式控制分配方法,其特征在于,
步骤2.3中所述的改进的粒子群算法包括如下步骤:
步骤2.3.1、根据复合式旋翼飞行器带约束条件的混合多目标优化函数,选取粒子p=[δ1,δ2,diag(Wv),diag(Wu)]作为优化目标,并在约束条件内选取一组数值作为粒子群算法的初始种群,其中,diag(·)表示矩阵的对角线元素;
步骤2.3.2、将每个粒子p=[δ1,δ2,diag(Wv),diag(Wu)]代入复合式旋翼飞行器过渡过程混合多目标优化函数中,计算每个粒子的适应值,并寻找粒子个体最优解和整个种群的最优解;
步骤2.3.3、对粒子的速度和位置进行进化;
粒子的速度进化公式为:
vi(t+1)=wl×vi(t)+c1×r1×(pib(t)-xid(t))+c2×r2×(pig(t)-xid(t)) (5)
粒子的位置进化公式为:
xid(t+1)=xid(t)+vi(t+1) (6)
式(5)和式(6)中,vi表示粒子速度,wl表示惯性权重系数,xid为当前粒子的位置,pib表示第i个粒子的最优位置,pig表示第i个粒子的全局最优位置,c1和c2为学习因子,r1和r2为区间在[0,1]之间的随机数;
根据粒子群的迭代次数T、全局最优解Pb和全局最差解Pw,利用反正切函数的非线性动态改变惯性权重wl,使惯性权重随迭代次数的增加而减小,由此改变粒子群算法的速度进化公式;
惯性权重系数wl的改进公式为:
wl=(wmax-wmin)×arctan(1.56×(1-vd(i)))+wmin (7)
式中,wmax表示最大的惯性权重系数,wmin表示最小的惯性权重系数,arctan(·)为表示反正切函数;vd(i)为第i个粒子的收敛速度,vd(i)越小,表示第i个粒子距全局最优值的位置越靠近,其表达式为:
式中,pi(T)表示迭代次数T下的适应值,pb(T)表示迭代次数T的全局最优值,pw(T)表示迭代次数T的全局最差值;
步骤2.3.4、判断连续两次迭代对应的全局最优粒子差值是否满足设定结束条件,若两组最优粒子差值满足结束条件时,将任一最优粒子p=[δ1,δ2,diag(Wv),diag(Wu)]中的δ1和δ2作为复合式旋翼飞行器各舵面的操纵变量,不满足结束条件则重复步骤2.3.1至2.3.4。
6.根据权利要求5所述的复合式旋翼飞行器过渡飞行模式控制分配方法,其特征在于,
步骤2.3.4中所述设定结束条件为:连续两次迭代对应的全局最优粒子差值小于10-20。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810584613.2A CN109002575A (zh) | 2018-06-08 | 2018-06-08 | 一种复合式旋翼飞行器过渡飞行模式控制分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810584613.2A CN109002575A (zh) | 2018-06-08 | 2018-06-08 | 一种复合式旋翼飞行器过渡飞行模式控制分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109002575A true CN109002575A (zh) | 2018-12-14 |
Family
ID=64600964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810584613.2A Pending CN109002575A (zh) | 2018-06-08 | 2018-06-08 | 一种复合式旋翼飞行器过渡飞行模式控制分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002575A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674216A (zh) * | 2019-09-18 | 2020-01-10 | 安徽华明航空电子***有限公司 | 一种飞行路线的数据建模和信息提取方法 |
CN110703787A (zh) * | 2019-10-09 | 2020-01-17 | 南京航空航天大学 | 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866692A (zh) * | 2015-06-18 | 2015-08-26 | 北京理工大学 | 一种基于自适应代理模型的飞行器多目标优化方法 |
CN108052008A (zh) * | 2018-01-10 | 2018-05-18 | 大连理工大学 | 一种倾转旋翼飞行器过渡态切换过程的几何最优控制器设计方法 |
-
2018
- 2018-06-08 CN CN201810584613.2A patent/CN109002575A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866692A (zh) * | 2015-06-18 | 2015-08-26 | 北京理工大学 | 一种基于自适应代理模型的飞行器多目标优化方法 |
CN108052008A (zh) * | 2018-01-10 | 2018-05-18 | 大连理工大学 | 一种倾转旋翼飞行器过渡态切换过程的几何最优控制器设计方法 |
Non-Patent Citations (2)
Title |
---|
王晓霞: "基于粒子群优化的多操纵面飞行器的多目标控制分配", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
陈勇 等: "赋权控制分配策略的权系数多目标优化设计", 《控制与决策》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674216A (zh) * | 2019-09-18 | 2020-01-10 | 安徽华明航空电子***有限公司 | 一种飞行路线的数据建模和信息提取方法 |
CN110674216B (zh) * | 2019-09-18 | 2022-03-22 | 安徽华明航空电子***有限公司 | 一种飞行路线的数据建模和信息提取方法 |
CN110703787A (zh) * | 2019-10-09 | 2020-01-17 | 南京航空航天大学 | 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11034441B2 (en) | Online optimization-based flight control system | |
CN109597303B (zh) | 一种复合式旋翼飞行器全模式飞行控制方法 | |
CN109946971B (zh) | 一种倾转旋翼无人机过渡段的光滑切换控制方法 | |
Fowler et al. | A formation flight experiment | |
CN104493826A (zh) | 结合神经网络控制的重载机器人位置控制器 | |
CN101339404B (zh) | 飞行器姿态动力学简化模型增益切换比例-微分控制的设计方法 | |
CN109885077B (zh) | 一种四旋翼飞行器姿态控制方法及控制器 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制*** | |
CN109002575A (zh) | 一种复合式旋翼飞行器过渡飞行模式控制分配方法 | |
Li et al. | Research on longitudinal control algorithm for flying wing UAV based on LQR technology | |
CN114942649B (zh) | 一种基于反步法的飞机俯仰姿态与航迹角解耦控制方法 | |
CN114637312B (zh) | 一种基于智能变形决策的无人机节能飞行控制方法及*** | |
CN108255193A (zh) | 一种垂直/短距起降飞机飞行控制方法 | |
Abdulla et al. | Roll control system design using auto tuning LQR technique | |
Quan et al. | Lifting-wing quadcopter modeling and unified control | |
CN109062044B (zh) | 一种终端迭代学习对接控制方法 | |
Kuitche et al. | Stabilisation, tracking and disturbance rejection control design for the UAS-S45 Bálaam | |
CN106354021A (zh) | 基于pso的飞机纵向运动俯仰角控制***pid优化方法 | |
CN115685764A (zh) | 变翼展飞行器任务自适应的抗干扰跟踪控制方法及*** | |
CN114706416A (zh) | 一种倾转四旋翼飞机的过渡飞行控制方法 | |
CN112464557B (zh) | 基于改进型混合多目标pso的飞翼无人机冗余舵面控制方法 | |
Yuxing et al. | LQR controller for longitudinal control augmentation system of aircraft based on hybrid genetic algorithm | |
Jang et al. | Robust attitude control for pavs using dnn with exponentially stabilizing control lyapunov functions | |
Dickeson et al. | H∞ hover-to-cruise conversion for a tilt-wing rotorcraft | |
Lu et al. | Switching LPV control for a high performance tactical aircraft |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181214 |
|
RJ01 | Rejection of invention patent application after publication |