连 亮，卢欣欣，纪鹏飞

（江苏工程职业技术学院航空与交通工程学院 江苏 南通 226007）

0 引言

随着市场需求的推动及传感器技术领域的发展，无人机行业已进入快速发展阶段。无人机凭借良好的灵活性和高超的机动性在多行业得到了应用与推广。无人机在进行实际工作时，其飞行系统需进行准确定位，不仅要保证飞行高度平稳，也要确保飞行轨迹精确，这都离不开无人机飞行控制系统[1-5]。因此，无人机飞行控制系统是无人机的核心，对无人机推广应用起到了至关重要的作用。

1 无人机飞行控制系统结构

无人机系统控制常采用串级控制，串级控制是改善控制过程品质极为有效的方法，在控制领域应用十分广泛[6-7]。串级控制与传统单回路控制相比，在结构上有两个闭环，其特点如下[8-9]：（1）串联控制的副回路对进入的扰动有很强的克服作用；（2）串级控制的副回路，提升了控制对象控制反馈效率，缩短了控制周期，因此提高了控制系统响应速度；（3）系统工作时串级控制提高了系统工作频率，因此提升了系统控制质量；（4）串级系统有一定自适应能力。

这里以水平面控制为例，其控制系统的串级控制结构搭建见图1。根据图1可知，无人机在飞行时，借助调控电机转速的方式实现对无人机飞行角度、速度等相关参数的实时、精准化控制，以保证无人机按照要求平稳飞行。在无人机控制系统中，如果需要无人机进行定点作业，应确保所有控制器不仅要稳定运行，还要满足一定的控制精度。因此，下层控制器就需有较高的控制精度和灵敏度，以避免因为控制响应延迟导致控制出现误差。

2 多传感器融合系统设计

传感器融合控制是无人机控制系统最重要的组成部分。无人机飞行过程中位置、速度、姿态角等信息都需要传感器进行检测传递，多传感器融合系统是将传感器检测到的信息进行处理，以实现协调控制无人机飞行的目的[10-11]。下文将阐述本文设计的无人机控制系统中多传感器融合系统的设计。

2.1 融合系统结构设计

多传感器融合系统的融合架构采用如图2所示结构，该架构是利用集中式和分布式相结合的形式实现，控制系统硬件部分是利用ST（意法半导体）开发的STM32F4实现。系统融合架构采用集中式和分布式相结合的形式，可以有效降低数据运算量，以实现用小运算能力的芯片来计算系统融合算法的目的。

多传感器融合系统中，一级融合的节点1是用来获取无人机位置信息的，该节点的位置信息获取由GNSS接收机、双目视觉相机和2D激光雷达完成。一级融合的节点2是为了获取无人机飞行时速度信息，该节点的速度信息获取由GNSS接收机、光流模块和IMU完成。因此，GNSS接收机在一级融合的节点中起了重要作用，既要获取无人机飞行中的位置信息，也要获得无人机飞行过程中的速度信息，但GNSS接收机应用中有个关键问题，其信息的准确性取决于无人机飞行环境，如果卫星网络信号强获取的信息就很准确，如果周围卫星网络信息弱将会产生数据值的延迟误差，如果遇到极端无卫星网络地区就没办法获取信息以致无人机无法使用。

针对卫星定位信号差的环境，本文设计采用光流模块实现速度信息的采集。光流模块是一种视觉传感器，工作过程中是利用分析地面纹理信息来获取速度信息。但该模块应用也有缺陷，当地面纹理流畅（地面光滑场合）或无人机行驶速度过快时，模块将无法获取无人机速度信息。因此为确保无人机系统能获取准确的速度信息，本文设计选用IMU模块与GNSS和光流模块相互融合的方式。

传感器融合系统，一级融合在理论状态下可以获取无人机较为准确的位置信息和速度信息，但实际情况下获取的结果信息与真实状态相比仍存在一定误差。而二级融合很好地解决了上述问题，二级融合是将一级融合的位置信息及速度信息同IMU数据进行再次融合，二次融合可以有效提高系统获取信息的准确性，使得数据的连续性更好。

2.2 传感器数据处理及检验

传感器数据处理对于多传感器融合系统十分重要，数据的准确性将直接影响到系统的融合结果。各传感器数据准确性判断都有其各自准则，文中GNSS是根据信息接收的卫星数量及各自卫星的精度因子决定；而视觉相机及激光雷达由于没有判断位置精度的数据判断准则，采用各自SLAM过程中帧间匹配的误差来衡量其输出数据精度。

3 控制器控制系统设计

3.1 位置控制器设计

位置控制器在运行过程中需要对多个对象进行控制，如速度、姿态角等，在控制参数和结构改变条件下，对应的控制模型也需要针对性地调节。

在进行位置控制时，目前，通常采用PID控制结构设计。在位置控制器中，受误差积分等因素的影响，无人机在抵达目标点位后难以马上停止，一般会在目标点位周围晃动，也就是说，积分值不能瞬间归零。因此，在设计过程中应该选择比例控制模式。

无人机在运行过程中获取目标坐标信息后，可根据获取到的信息，实时精准地进行位置控制，由此高效地推导出控制的目标值。关于位置控制的计算步骤可见图3。

3.2 速度控制器设计

速度控制过程中主要是基于误差参数进行分析，确定出姿态角目标值。在实际控制领域，对姿态角、姿态角速率控制器而言都需要不断地进行状态更新，它们两个控制的反馈量一般源于IMU模块。此数据源有两个显著特点：一是不会产生较大误差，二是适用于各种环境，即无论处于何种环境都可以便捷高效地获取。因此，姿态角以及姿态角速率控制器表型一般较为稳定，因此速度控制器的性能将直接关系到无人机运行过程的控制效果。

3.2.1 速度控制器算法选择

无人机在飞行过程中，由于外部环境不同卫星信号发生变化时，无人机上各速度传感器将表现出不同特性。根据实际应用结果表明，采集的传感器数据噪声较高条件下，受到卫星信号不稳定等各方面因素的影响，融合系统所得结果的精度不同，为避免这方面问题的影响，就需要提高数据更新频率。

数据反馈噪音不一致条件下，基于PID方法进行控制时，所得结果也各有不同，但是在飞行时调整参数容易造成控制量跳变。所以，关于飞行中模型变化这一问题，建议通过鲁棒性较强的基于参考模型的滑模控制设计速度控制系统。

3.2.2 滑模控制相关理论

滑模控制过程主要分为两部分：（1）状态量向滑模面的滑向过程；（2）状态量在滑模面保持的过程。针对上述滑模控制过程，滑模控制设计也分两步进行：（1）选取切换函数；（2）设计滑模控制器。图4是滑模控制系统的结构和原理组成。

由图4可知，这种方法控制过程中，将目标速度录入后，参考模型可基于采集的信息分析确定出目标状态轨迹，由此说明状态很容易受到模型自身特性的影响。因而在进行建模时，需要对这些因素进行全面分析及优化。无人机在飞行控制时，位置因素也会不同程度影响到参考模型确定出的状态信息，因而很有必要滤波处理输入的相关状态参数，以提高无人机的控制精度。

3.2.3 参考模型设计

在无人机控制系统中姿态角控制器设计完成后，无人机操作者可利用手动操作无人机，搜集无人机飞行过程的姿态角及实时的速度信息，此时利用MATLAB软件中进行系统分析辨识，结果表明：拟合模型与实际模型的相似度接近80%，符合相关要求。参照实际模型，可构建参考模型，其阶跃响应见图5。由图5可知，参考模型的阶跃响应时间大约是2 s。

3.2.4 基于MRSMC的速度控制器设计

参考模型的构建可以把目标姿态角以各状态目标值的形式呈现。无人机控制系统为实现控制目标，在控制过程中需不断调整实际值与状态值间的误差，以达到无人机理想的目标姿态角。因此，需要进行控制器的设计。本文设计的速度控制器，为验证其性能，利用Matlab进行仿真模拟。将阶跃函数设定为速度目标值，仿真结果见图6。由图6可知：（a）为通过这种模型进行控制后给出的姿态角目标值；（b）为阶跃响应相关信息；（c）为对应于这种响应条件下切换函数改变情况；（d）反映了一定条件下的速度追踪所得结果。

3.2.5 速度控制器验证

本文在对速度控制器性能进行验证时，应用了仿真分析法，选择速度模型进行控制，据此验证了滑模控制器的性能相关情况，并做了对比研究。

在检验时首先根据要求调整了速度模型的特定参数，以此对无人机飞行时质量相关不确定性予以仿真分析，在和PID控制相比较的过程中检验滑模控制的鲁棒性，关于模型变化后的阶跃响应可见图7。

从图7可知，当系统模型发生较大变化后，速度阶跃响应的上升时间为1 s，出现了1%的超调，但该超调并不会对系统产生较大的影响。图8为正常模型下的速度阶跃响应，从图中可以看出，在正常模型下速度控制器的阶跃响应不存在超调，上升时间为1 s。

对正常的速度模型进行分析时，对比研究了PID控制与本文建立的模型阶跃响应值，结果见图9。

图10表明，合理修改PID控制器的参数有助于获得比较理想的控制效果，上升时间明显缩短，时间控制周期明显小于滑模控制，在目标速度为1 m/s条件下，分析可知对应的姿态角目标值分别为0.37 rad、0.34 rad，符合相关要求。

速度模型改变条件下，二者的阶跃响应信息对比所得结果见图11、图12。由图中分析可知，模型中质量相关参数发生变化后，PID控制的上升时间有所延长，在之前1 s的基础上延长了1.3 s，由此可知，常规PID控制存在着控制强不足的问题。

4 结语

随着智能控制技术的发展，无人机飞行控制技术也取得了迅猛发展。在无人机运行过程中，其飞行控制系统已成为不可或缺的关键部分，将直接影响无人机飞行过程的安全稳定性。因此，对无人机飞行控制系统研究，具有一定现实意义。