李晓峰，曹 力，梁颖茜，王旭辉

(1.南京航空航天大学民航学院，南京 211106；2. 中国民航科学技术研究院，北京100028)



基于模糊PID的无人直升机悬停控制技术研究

李晓峰1，曹 力1，梁颖茜1，王旭辉2

(1.南京航空航天大学民航学院，南京 211106；2. 中国民航科学技术研究院，北京100028)

小型无人直升机凭借良好的机动特性，在军事和民用方面有着广泛的用途.为了抑制阵风对无人直升机悬停状态的干扰，以悬停状态的横向位置控制为对象，分析了典型PID悬停控制特点，设计了一种加入前馈的模糊PID控制策略.该策略通过在横滚角回路加入加速度前馈环节，抑制初始时刻的扰动；并根据直升机悬停特性制定了模糊规则，利用模糊推理在线调节PID参数，实现横滚角自适应控制. 仿真实验结果表明, 本文提出的自适应控制策略抑制阵风能力强，动静态性能均优于经典PID控制.

无人直升机；悬停控制；模糊PID；前馈

无人直升机的操作灵活，能够完成垂直起降、悬停、以任意方向飞行等独特的飞行动作, 因而在军事和民用领域都具备广阔的应用前景[1].悬停是直升机在一定高度上保持水平姿态，航向和对地位置不变的状态，是直升机区别于固定翼飞机的一种主要的飞行方式，也是衡量直升机飞行性能的重要性能指标[2].因此对无人机悬停状态控制的研究具有非常重要的意义.

无人直升机在悬停状态稳定性差、飞行环境复杂、通道间耦合严重.针对悬停状态飞行特点，设计性能优异的控制系统是实现无人直升机工程应用的前提.近些年来, 针对直升机的控制问题, 许多研究人员提出了各种不同的控制方法.文献[3]基于经典 PID控制算法,设计了小型无人直升机飞行控制系统.整个控制系统由内环姿态控制，中环速度控制和外环位置控制构成.文献[4]利用小扰动运动理论，得到无人直升机在平衡点附近小扰动的线性化模型，利用最优控制理论，设计悬停控制器.值得指出的是，上述控制器建立在直升机是线性时不变系统的基础上，均忽略了阵风干扰等外界干扰.考虑到直升机是强耦合，不稳定的非线性系统，滑模控制，智能控制等非线性控制方法也越来越多的应用于无人机控制[5-7].文献[8]参照美国军用标准，基于无人机非线性模型，利用H∞方法设计了鲁棒非线性控制系统.文献[9-10]基于自适应逆控制原理设计了悬停控制单元，并利用递归最小二乘法确定控制器参数.这些方法考虑了外界干扰，自适应能力较强，但结构复杂，参数确定困难，在实际的应用不如线性控制简便.

针对阵风扰动时的悬停状态，以横向位置控制为例，针对经典PID存在漂移距离大，恢复时间长等问题，引入自适应模糊算法，对无人直升机横滚角进行控制.同时利用加速度前馈，提高系统动态响应能力.改进后的控制策略增强了直升机的环境适应能力，提高了位置控制的精度和响应速度.经过仿真验证，本文提出的控制策略取得了很好的控制效果.

1 对象分析与控制策略

1.1 直升机半实物仿真平台

实验室基于微软模拟飞行软件构建了直升机飞行控制仿真平台.本文设计的实验均在该平台上完成.仿真平台结构图如图1所示，系统平台包括两大部分，一部分是由计算机和其上运行的微软模拟飞行软件，以及自行开发的软件接口程序构成的虚拟仿真环境；另一部分则是飞行控制单元.两大部分通过RS232和USB接口连接，共同构成了由虚拟仿真环境和飞行控制器组成的半实物仿真系统，用于直升机飞行控制算法的验证.

图1 直升机半实物仿真平台结构图

1.2 经典PID飞行系统仿真及数据分析

图2是传统的PID控制飞行系统结构图.飞行系统由高度、航向、纵向位置、横向位置这四个相对独立的通道构成.同时，由内向外依次分为三个控制回路，分别为：1)内环：姿态控制回路；2)中环：速度控制回路；3)外环：位置控制回路.其中最重要的是姿态控制回路，速度和位置都间接通过位置控制实现.

图2 经典PID飞行控制系统结构示意图

在1.1描述的实验平台上测试上述飞行控制系统，实验要求直升机从西雅图机场(坐标西经122.308 0°，北纬47.431 5°，海拔150 m)起飞，并在离地80英尺高度悬停.悬停时位置和高度保持不变，航向角为0°.在实验的过程中，施加阵风阶跃干扰(风向26°，风速16节)时，分析实验数据，发现阵风干扰对纵向位置、航向和高度的影响较小，经典PID控制能取得较好的控制效果.但横向位置受到比较严重的影响，控制效果不佳.实验结果如图3所示.

由图3可知，直升机横向位置会有较大的漂移距离，恢复到原点的时间较长.与之相对应，在初始阶段，飞机会有较大负的横向速度，然后逐渐恢复到0，并产生反向速度.这个过程耗时较长，从而导致横向位置的漂移距离远.在这个过程中，飞机产生向右的横滚角，试图增大横轴方向的分力来抑制干扰.但横滚角的波动很大，控制效果不佳.

图3 经典PID控制悬停横向位置、速度和姿态

1.3 悬停控制策略

由实验数据分析可以得出以下结论：1)横滚角对横向速度和位置有直接影响.这验证了在飞行控制系统中姿态是速度与位置控制的内回路，也与实际飞机操作相符.2)阵风产生的初始阶段是抑制干扰的关键，如果控制系统反应足够迅速，能很大程度减小漂移距离.3)当有阵风干扰时，经典PID方法对横滚角控制有一定的作用，但控制效果不佳.

依据以上三个结论，本文选择横滚角作为控制量，通过提升横向姿态控制效果来抑制阵风干扰对横向位置的影响.同时，因为前馈补偿比反馈控制能够更快速地消除系统的误差，所以在横滚环加入前馈控制，可以更好地抑制风的扰动.因为直升机机载传感器无法准确测量侧向风速，且机体加速度能比较好的反映风速变化，所以选择将机体横向加速度作为扰动量进行前馈，控制结构如图4所示.其中，PID反馈控制用于控制系统的输出跟随期望输入，而线性前馈控制模块用于抵消风扰动对系统的影响，在风的扰动对直升机产生作用之前就产生了相应的控制量，从而提高初始阶段系统响应速度.

图4 机体横向加速度前馈补偿

模糊控制器结构简单，不需要建立数学模型，能根据经验快速准确地描述控制规则，对非线性、时变系统有良好的控制效果.因此将模糊控制策略和传统PID控制相结合的模糊PID控制器可以在线自动调节PID参数，既有模糊控制自适应能力，又具有PID控制精度高的优势.

综上所述，本文提出一种控制策略：即引入自适应模糊PID算法控制横滚角，并加入加速度前馈补偿机制，通过提高姿态内环的控制精度，改善横向位置的控制效果.

2 模糊PID控制器设计

自适应模糊PID控制器就是在PID算法的基础上以误差e和误差变化律de作为输入.找出PID三个参数与误差e和误差变化率de之间的模糊关系.在运行中不断检测e和de，利用模糊规则进行模糊推理，查询模糊控制表进行参数调整，来满足不同时刻的e和de对PID参数自整定的要求.自适应模糊PID控制器结构如图5所示.

图5 模糊PID控制器结构图

1)确定模糊控制器的输入、输出变量

模糊控制器选择了无人机实际横滚角φc和期望横滚角φ的误差e=φc-φ及其误差变化de作为输入语言变量，把横滚角PID控制器的三个参数Kp,Ki和Kd作为输出语言变量.这样就构成了二输入三输出的模糊控制器.

2)确定各输入、输出变量的变化范围、量化等级和量化因子

输入输出语言变量的量化等级为{-5，-4，-3，-2，-1，0,1, 2, 3 ,4, 5}.根据无人机实验飞行历史数据可知，误差e的论域为[-5，5]，误差变化de的论域为[-10,10].量化因子分别为k1=5/5=1,k2=5/10=0.5.

3)在各输入和输出语言变量的量化域内定义模糊子集

根据精度和控制要求，将论域划分为5个模糊子集.对输入变量横滚角误差e和误差变化de，及输出控制量Kp,Ki,Kd的模糊集均划分为：{PB，PS，ZE，NS，NB}5个等级.各个语言变量模糊子集通过隶属度函数来定义.

4)模糊规则制定

确定模糊控制规则的原则是使控制效果达到最佳.根据控制系统的现状及工程经验不断修改，归纳总结出PID的3个参数控制规则如表1～3所示.

表1Kp模糊规则表

edeNBNSZEPSPBNBNBNSNSZEPSNSNSNSNSZEPSZENSNSZEPSPBPSNSZEPSPSPBPBZEPSPBPBPB

表2Ki模糊规则表

edeNBNSZEPSPBNBZEZEZEZEZENSNSNSZEZEZEZENBNSZEPSPSPSNSZEPSPSPBPBZEZEZEZEZE

表3Kd模糊规则表

edeNBNSZEPSPBNBPSNBNBNBPSNSZENSNSNSZEZEZENSNSNSZEPSZEZEZEZEZEPBPBPSPSPSPB

5)生成模糊控制表

模糊控制表可以通过查询将当前时刻模糊控制器的输入变量量化值所对应的模糊控制器的最终输出，从而达到快速实时控制.模糊控制表通过离线计算得到，可以克服实时计算量大的缺点，被广泛应用于实际系统.本文利用Matlab模糊控制器工具箱，按照上述设计构造模糊控制器，选择重心法进行解模糊化计算，得到输出量的精确值.

3 仿真及结果分析

为了验证上述策略的有效性并且分析改进后控制策略的效果，在前文描述的直升机实验平台上进行了仿真实验.通过分别对比经典PID方法和改进后控制策略的动态和稳态过程，验证本文设计控制算法的优越性.

实验选择小型直升机罗宾逊R22 Beta II，其最大速度为52.43 m/s，最大盘旋高度为2 880 m.实验要求与1.2相同，实验结果如图6.

图6 直升机悬停横向位置比较

由图6可知，在动态调整阶段，经典PID控制方法飞机漂移的距离最大，约为0.000 15°，回到原位的所需的时间最长为87 s.在加入横向加速度前馈补偿后，漂移的距离减小为0.000 11°，恢复时间缩短到46 s.在此基础上引入自适应模糊PID控制算法，漂移距离进一步缩短为0.000 1°，恢复时间仅需38 s.当直升机处于稳定状态，与经典PID控制方法相比，改进后的控制策略的位置波动减小，稳定性增加. 由图7可知，动态过程中，直升机在加速度前馈和模糊PID控制下，能在扰动的初始阶段快速抑制阵风影响，将漂移速度迅速减小到0，并产生持续的反向速度.与图6位置曲线对应，即飞机能更快的回到指定位置.当处于稳态时，改进后的控制策略使飞机横向速度稳定在0附近，波动范围较小，在允许的控制精度范围内.而经典PID控制会使飞机在悬停点附近频繁振荡.因此无论是动态还是稳态过程，改进后的控制策略都优于经典PID控制.

由图8可知，在动态调节过程，相较于经典PID控制，本文设计的控制策略能更快，更稳定的调节飞机横滚角，使飞机产生较大的相反方向的横向力.因此，在扰动的初始阶段对抑制阵风干扰抑制效果明显.当飞机回到悬停点后，在该控制策略下，飞机的横滚角基本稳定在-12°，波动相比于经典PID控制小.

综上所述，本文设计的控制策略可以有效改善横滚角控制效果，抑制阵风干扰，最终实现无人直升机悬停状态横向位置控制.

图8 直升机悬停横滚角比较

4 结 语

本文在构建的半实物仿真平台上对经典PID控制算法进行验证.分析实验基础，得到悬停横向位置控制的三个结论.在此基础上，提出了横滚角模糊PID控制算法和横向加速度前馈补偿的控制策略.经过仿真实验可知，与经典PID相比，该控制策略能够快速地抑制阵风干扰，明显提高横向位置的控制效果.

[1] 方勇纯, 申 辉, 孙秀云. 无人直升机航向自抗扰控制[J].控制理论与应用, 2014, 31(2): 238-243.

[2] 李劲松, 宋立博, 吕恬生, 等. 基于RLS算法的小型无人直升机悬停自适应逆控制[J]. 实验室研究与探索, 2011, 30(8): 57-60.

[3] 张治炀. 小型无人直升机飞行控制系统研究与实现[D]. 上海: 上海交通大学, 2010.

[4] 关 昕.小型无人直升机悬停控制算法研究[D]. 哈尔滨: 哈尔滨工业大学, 2010.

[5] 杨一栋. 直升机飞行控制[M]. 北京: 国防工业出版社, 2015.

[6] BIN X, GUO J, ZHANG Y,etal. Sliding mode tracking control for miniature unmanned helicopters [J]. Chinese Society of Aeronautics, 2015, 28(1): 277-284.

[7] SANCHEZ E N, BECERRA H M, VELEZ C M. Combining fuzzy, PID and regulation control for an autonomous mini-helicopter [J]. Information Sciences, 2007, 177: 1999-2022.

[8] CAI G, CHEN B M, DONG X,etal. Design and implementation of a robust and nonlinear flight control system for an unmanned helicopter [J]. Mechatronics, 2011, 21: 803-820.

[9] LI J S, CAO X, YAN G Z,etal. Hovering control of unmanned small size helicopter based on adaptive inverse control theory[C]//2010 International Conference on Digital Manufacturing & Automation, 2010.

[10] 薛 鹏, 曾国贵, 严 峰, 等.小型无人直升机悬停小速度段位置控制技术[J]. 计算机测量与控制, 2012, 20(4): 966-969.

Study on hover control technology of unmanned helicopter based on fuzzy PID algorithm

LI Xiao-feng1, CAO Li1, LIANG Ying-xi1, WANG Xu-hui2

(1. School of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China;2. China Academy of Civil Aviation Science and Technology, Beijing 100028, China)

Small-scale unmanned helicopters are widely used in military and civil fields with good maneuvering performance.Study on hover control technology of helicopter with gust wind was done in this paper. And lateral position control was selected as research object, because of its high coupling and unstablility. This paper proposed a control strategy based on feedforward and fuzzy PID method after analysing characters of classical PID control method.Acceleration feedforward module was added to roll angle loop to minimize disturbance at the initial moment. In addition,fuzzy control regulations were made according to characters of helicopter.And PID parameters were changed online with fuzzy inference.The effectiveness of this strategy was verified.

unmanned helicopter; lateral positon control; fuzzy PID; acceleration feedforward

2015-09-29.

国家自然科学基金(61179066)；江苏省产学研联合创新资金-前瞻性联合研究项目(BY2013003-12)

李晓峰(1990-)，男，硕士，研究方向：交通信息工程及控制.

V275

A

1672-0946(2016)06-0740-05