魏婉婷，周 勇

(1.延安大學(xué) 物理與電子信息學(xué)院，陜西 延安 716000；2.河北大學(xué) 信息技術(shù)中心，河北 保定 071000)

0 引言

近年來，我國飛機(jī)飛行姿態(tài)控制技術(shù)隨著微電路控制技術(shù)、傳感控制技術(shù)、數(shù)字網(wǎng)絡(luò)控制技術(shù)等諸多相關(guān)技術(shù)的發(fā)展，取得了一系列突破性進(jìn)展[1]。飛機(jī)飛行姿態(tài)自適應(yīng)控制系統(tǒng)是保證飛機(jī)飛行姿態(tài)保持正確的重要控制系統(tǒng)，飛機(jī)飛行姿態(tài)控制系統(tǒng)的應(yīng)用，將電路控制、數(shù)據(jù)控制、指令分析、數(shù)據(jù)監(jiān)測集于一身，飛機(jī)飛行姿態(tài)控制系統(tǒng)具有控制界面簡單，控制數(shù)據(jù)覆蓋面廣，控制響應(yīng)性好等特點(diǎn)[2]。

飛機(jī)飛行姿態(tài)控制系統(tǒng)在技術(shù)層面上存在三大壁壘：姿態(tài)控制精度、姿態(tài)控制響應(yīng)與姿態(tài)控制穩(wěn)定，綜合對三大壁壘進(jìn)行分析后，可將其歸結(jié)于滑?？刂茊栴}。針對上述問題，相關(guān)領(lǐng)域?qū)W者提出了一系列改善方案。文獻(xiàn)[3]提出基于高階微分滑模面的不確定飛機(jī)控制系統(tǒng)自適應(yīng)滑?？刂?，對飛機(jī)姿態(tài)控制系統(tǒng)進(jìn)行坐標(biāo)變換，并考慮到輸入不確定性的存在，基于具有表面和神經(jīng)網(wǎng)絡(luò)逼近能力的高階微分滑模，設(shè)計(jì)了一種光滑的自適應(yīng)滑?？刂破?。該方法控制效果較好，但運(yùn)行穩(wěn)定性較差。文獻(xiàn)[4]提出基于干擾補(bǔ)償機(jī)制的智能自適應(yīng)控制策略.設(shè)計(jì)了耦合多變量干擾觀測器作為控制器補(bǔ)償閉環(huán)系統(tǒng)，結(jié)合快速超螺旋滑?？刂扑惴ê妥赃m應(yīng)動態(tài)規(guī)劃策略，提出了一種新型魯棒自適應(yīng)控制器。該方法運(yùn)行較穩(wěn)定，但控制精度較差。

針對滑?？刂频亩嘧冃?、非線性[5]與強(qiáng)耦合[6-8]的特性，提出基于AFSMC算法的飛機(jī)飛行姿態(tài)自適應(yīng)滑模控制系統(tǒng)。通過PID控制技術(shù)配合AFSMC算法，對系統(tǒng)硬件進(jìn)行自適應(yīng)變量結(jié)構(gòu)的優(yōu)化設(shè)計(jì)，以控制器的形式對飛行姿態(tài)控制信號進(jìn)行非線性處理，配合AFSMC算法驅(qū)動適配，再加以自適應(yīng)量的模糊策略，提升控制精度，穩(wěn)定控制效果，降低控制誤差，解決飛機(jī)飛行滑模控制存在的問題，獲得理想的控制效果。

1 飛機(jī)飛行姿態(tài)自適應(yīng)滑?？刂葡到y(tǒng)整體架構(gòu)

飛機(jī)飛行姿態(tài)自適應(yīng)滑?？刂葡到y(tǒng)包括硬件模塊設(shè)計(jì)及軟件流程設(shè)計(jì)兩部分?？刂葡到y(tǒng)整體架構(gòu)如圖1所示。

圖1 控制系統(tǒng)整體架構(gòu)

如圖1所示，控制系統(tǒng)硬件部分通過PID控制技術(shù)原理設(shè)計(jì)了PID自適應(yīng)滑模控制器，軟件部分通過滑?？刂撇呗蕴嵘O(shè)計(jì)系統(tǒng)對多種場景飛行姿態(tài)的精準(zhǔn)控制，應(yīng)用AFSMC算法求得最優(yōu)控制量，并傳輸至PID自適應(yīng)滑?？刂破鳎瑢?shí)現(xiàn)飛機(jī)飛行姿態(tài)自適應(yīng)滑?？刂啤?/p>

2 控制系統(tǒng)的硬件設(shè)計(jì)

2.1 PID控制技術(shù)原理

PID 控制技術(shù)是眾多控制技術(shù)中，通過對變量參數(shù)的比例關(guān)系、積分結(jié)構(gòu)與微分作用計(jì)算，完成對線性關(guān)系調(diào)節(jié)控制的一種方法。在實(shí)際的應(yīng)用場景中，普遍應(yīng)用于線性控制器與非線性控制器的設(shè)計(jì)中。通過對対作用量輸出比例的控制，采用積分控制量[9]與微分控制量[10]對控制變量中的響應(yīng)系數(shù)與調(diào)制系數(shù)進(jìn)行擬態(tài)差分控制，減小抑制數(shù)據(jù)造成的誤差，提升控制精準(zhǔn)與響應(yīng)速度。通過對控制量下的各項(xiàng)參量的測量與分析，得到較為精準(zhǔn)的修正方案，基于此原理，實(shí)現(xiàn)PID控制器的設(shè)計(jì)與調(diào)試。PID控制技術(shù)原理如圖2所示。

圖2 PID控制技術(shù)原理圖

圖2中，基于PID控制技術(shù)的控制器載入數(shù)據(jù)為飛機(jī)飛行姿態(tài)調(diào)整控制量，即飛機(jī)在飛行過程中，根據(jù)飛行高度與機(jī)身仰角狀態(tài)，作出的調(diào)整機(jī)身仰角的控制指令數(shù)據(jù)。其中，飛機(jī)飛行過程中機(jī)身仰角數(shù)據(jù)來源于分布在飛機(jī)各部分的傳感器測量結(jié)果。翻開控制量為飛機(jī)飛行姿態(tài)測量數(shù)據(jù)與當(dāng)前飛機(jī)姿態(tài)仰角數(shù)據(jù)間的誤差所對應(yīng)的角速度。上述參量對應(yīng)到硬件系統(tǒng)中，分別對應(yīng)姿態(tài)控制轉(zhuǎn)臺的X、Y、Z三軸。X軸為實(shí)際飛機(jī)飛行姿態(tài)的角速度；Y軸為飛機(jī)姿態(tài)控制滾轉(zhuǎn)誤差；Z軸為姿態(tài)偏航誤差。PID控制技術(shù)就是對X軸飛行姿態(tài)角對應(yīng)Y軸姿態(tài)控制滾轉(zhuǎn)誤差與Z軸姿態(tài)偏航誤差進(jìn)行參量一致化的控制。

2.2 PID自適應(yīng)滑?？刂破髟O(shè)計(jì)

基于PID控制技術(shù)設(shè)計(jì)控制系統(tǒng)的控制器，同時(shí)為了適應(yīng)設(shè)計(jì)系統(tǒng)軟件部分AFSMC算法，采用飛機(jī)飛行空氣動力學(xué)與飛行運(yùn)動學(xué)模型數(shù)據(jù)作為控制器設(shè)計(jì)基礎(chǔ)參量，將控制器數(shù)據(jù)采集端口設(shè)計(jì)為4項(xiàng)數(shù)據(jù)采集模式，可同時(shí)對飛行姿態(tài)傳感器4路信號進(jìn)行采集；同時(shí)為了保證控制信號及時(shí)穩(wěn)定輸出，控制器輸出端設(shè)計(jì)為六項(xiàng)輸出模式，可將控制信號分為6路同步輸出。針對傳統(tǒng)控制器在對變量、非線性驅(qū)動下的強(qiáng)耦合表現(xiàn)，控制器設(shè)計(jì)在PID控制技術(shù)的基礎(chǔ)上，對控制電路的非線性變量與耦合量進(jìn)行了模糊控制量的優(yōu)化，修正后的控制器電路能夠在滑?？刂茽顟B(tài)中，實(shí)現(xiàn)自適應(yīng)的效果，配合軟件部分的算法，能夠更好地應(yīng)對多場景下的姿態(tài)控制。設(shè)計(jì)控制器電路結(jié)構(gòu)，如圖3所示。

圖3 PID控制器電路結(jié)構(gòu)設(shè)計(jì)圖

圖3中，設(shè)計(jì)為了保證電路對控制信號的穩(wěn)定，將電路設(shè)計(jì)為內(nèi)外兩個(gè)閉環(huán)形態(tài)，通過對兩個(gè)閉環(huán)電路[11]的串級控制[12]，實(shí)現(xiàn)內(nèi)環(huán)姿態(tài)控制信號與外環(huán)控制信號間的耦合，消除電路欠驅(qū)動狀態(tài)給控制量削弱。

3 控制系統(tǒng)的軟件設(shè)計(jì)

3.1 自適應(yīng)滑?？刂撇呗?/h3>

對控制系統(tǒng)的軟件控制策略進(jìn)行定義，定義利用自適應(yīng)控制算法的特性，對設(shè)計(jì)硬件進(jìn)行軟件驅(qū)動策略的適配，通過適配自適應(yīng)策略，提升設(shè)計(jì)系統(tǒng)對多種場景飛行姿態(tài)的精準(zhǔn)控制。具體策略定義步驟如下：

1)將控制器輸出的滑模控制函數(shù)與控制信號跟蹤量進(jìn)行誤差測量，得到準(zhǔn)確的控制器數(shù)據(jù)參量；

2)將控制器數(shù)據(jù)參量定義為S，其對應(yīng)值設(shè)定為0；

3)控制器測量到外界擾動信號時(shí)，且擾動量對控制量的影響已超出設(shè)定量時(shí)，控制器將控制信號對應(yīng)數(shù)值拉回初始值，使其與正常控制信號層面平行；

4)將此狀態(tài)下的控制仰角設(shè)定為0；

5)引入非線性函數(shù)運(yùn)算機(jī)制，對控制信號、控制角度、跟蹤誤差三組參量進(jìn)行積分計(jì)算；

6)根據(jù)積分計(jì)算結(jié)果，創(chuàng)建理想控制環(huán)境；

7)在理想環(huán)境下對控制量的特征進(jìn)行規(guī)律性分析提??；

8)根據(jù)提取的控制量特征規(guī)律，創(chuàng)建控制規(guī)律數(shù)據(jù)庫；

9)通過模糊控制機(jī)制，對控制信號進(jìn)行迭代計(jì)算，使其計(jì)算結(jié)果無限趨近于最佳值；

當(dāng)?shù)?jì)算結(jié)果窮盡時(shí)，對計(jì)算結(jié)果進(jìn)行定義誤差的補(bǔ)償，得到總控制規(guī)律，計(jì)算終止。

3.2 AFSMC算法下系統(tǒng)控制量最優(yōu)計(jì)算

為了進(jìn)一步提升飛機(jī)飛行過程中姿態(tài)控制量的穩(wěn)定性，結(jié)合自適應(yīng)滑?？刂撇呗?，設(shè)計(jì)系統(tǒng)在軟件算法應(yīng)用上選擇AFSMC算法。利用AFSMC算法對飛行姿態(tài)參量的非線性結(jié)構(gòu)計(jì)算，將其與運(yùn)動結(jié)構(gòu)動量方程進(jìn)行融合，增強(qiáng)計(jì)算量的約束面，使其更加穩(wěn)定。

通過對飛機(jī)飛行狀態(tài)下，姿態(tài)調(diào)整操作的阻尼系數(shù)，結(jié)合非線性結(jié)構(gòu)，可得到姿態(tài)控制器當(dāng)前時(shí)間點(diǎn)下的運(yùn)動控制方程為：

(1)

并對其求解，可得：

(2)

(3)

(4)

至此，飛行姿態(tài)自適應(yīng)滑?？刂频淖顑?yōu)量計(jì)算結(jié)束。在計(jì)算過程中，算法用到了部分模糊計(jì)算理念[13]，通過對姿態(tài)運(yùn)動變量的模糊定義使其具體化，在控制變量坐標(biāo)空間中，完成最優(yōu)量的計(jì)算[14-15]?；谏鲜鎏匦裕O(shè)計(jì)系統(tǒng)軟件部分設(shè)計(jì)引入的算法，具有一定的魯棒性，觸發(fā)控制量優(yōu)化的先決條件出發(fā)點(diǎn)非理想飛行姿態(tài)，因此軟件部分算法能夠適應(yīng)各種場景下各種飛行姿態(tài)控制量的最優(yōu)計(jì)算[16-17]。

軟件流程如圖4所示。

圖4 軟件流程圖

如圖4所示，通過c++實(shí)現(xiàn)軟件編程，按照上述流程實(shí)現(xiàn)軟件設(shè)計(jì)，將飛行姿態(tài)最優(yōu)控制量傳輸至PID控制器，實(shí)現(xiàn)飛機(jī)飛行姿態(tài)自適應(yīng)滑模控制。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 系統(tǒng)調(diào)試數(shù)據(jù)場景配置

基于AFSMC算法的飛機(jī)飛行姿態(tài)自適應(yīng)滑?？刂葡到y(tǒng)的控制數(shù)據(jù)調(diào)試場景配置，采用仿真場景搭建+實(shí)例數(shù)據(jù)導(dǎo)入+測試結(jié)果對比分析的模式。通過計(jì)算機(jī)組與數(shù)據(jù)計(jì)算服務(wù)器搭建仿真調(diào)試場景硬件平臺。硬件平臺及軟件平臺配置如表1所示。

表1 仿真調(diào)試場景硬件平臺及軟件平臺配置

4.2 仿真調(diào)試工具配置

仿真調(diào)試工具采用Automod仿真測試工具來完成調(diào)試場景的創(chuàng)建及調(diào)試數(shù)據(jù)的配置。在Automod仿真測試工具中創(chuàng)建新工程，并在工程設(shè)置項(xiàng)中創(chuàng)建DHU.SYS系統(tǒng)配置項(xiàng)，在配置項(xiàng)中創(chuàng)建調(diào)試飛機(jī)數(shù)據(jù)，生成仿真飛機(jī)模型；

定義飛機(jī)初始姿態(tài)與坐標(biāo)信息；對調(diào)試場景的工程發(fā)展邏輯進(jìn)行定義，并將定義的邏輯文件保存為*.BAT格式的批處理文件。至此完成仿真測試工具的配置。

4.3 仿真調(diào)試數(shù)據(jù)項(xiàng)目

在仿真測試工具創(chuàng)建場景中對表2項(xiàng)目進(jìn)行數(shù)據(jù)調(diào)試結(jié)果采集。

表2 仿真調(diào)試項(xiàng)目

根據(jù)表2調(diào)試項(xiàng)目，在調(diào)試場景中導(dǎo)入設(shè)計(jì)系統(tǒng)，并開始仿真調(diào)試。對應(yīng)表2項(xiàng)目采集項(xiàng)目調(diào)試值，得到表3。

4.4 調(diào)試數(shù)據(jù)結(jié)果分析

將表3數(shù)據(jù)導(dǎo)入滑?？刂凭仍u估模型，生成各項(xiàng)目控制精度圖譜與系統(tǒng)整體控制精度圖譜，如圖5、圖6所示。根據(jù)圖譜對應(yīng)數(shù)值，對調(diào)試結(jié)果進(jìn)行分析。

圖5(a)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)左引擎的滑?？刂凭鹊母訁^(qū)間為87%～95%，最佳控制精度為95%；

表3 仿真調(diào)試項(xiàng)目數(shù)值

圖5 各項(xiàng)目控制精度圖譜

圖5(b)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)右引擎的滑模控制精度的浮動區(qū)間為84%～93%，最佳控制精度為93%；

圖5(c)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)左后翼的滑?？刂凭鹊母訁^(qū)間為81%～98%，最佳控制精度為98%；

圖5(d)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)右后翼的滑?？刂凭鹊母訁^(qū)間為80%～97%，最佳控制精度為97%；

圖5(e)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)機(jī)頭傳感器的滑?？刂凭鹊母訁^(qū)間為80%～99%，最佳控制精度為99%；

圖5(f)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)機(jī)尾傳感器的滑?？刂凭鹊母訁^(qū)間為87%～95%，最佳控制精度為95%；

圖5(g)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)機(jī)頭拉伸的滑?？刂凭鹊母訁^(qū)間為74%～97%，最佳控制精度為97%；

圖5(h)中，設(shè)計(jì)系統(tǒng)在仿真調(diào)試場景中，對飛機(jī)機(jī)頭下壓的滑?？刂凭鹊母訁^(qū)間為89%～99%，最佳控制精度為99%；

將圖5中的曲線數(shù)據(jù)作為對比指標(biāo)，指標(biāo)數(shù)據(jù)經(jīng)過誤差與擾動兩組變量計(jì)算，分別以滑?？刂普`差分布曲線與滑模控制擾動曲線體現(xiàn)在圖6中，通過對圖6中系統(tǒng)整體滑模控制精度曲線分布區(qū)域與走勢，可以判定：

1)基于AFSMC算法的飛機(jī)飛行姿態(tài)自適應(yīng)滑?？刂葡到y(tǒng)，控制誤差值處于滑模控制誤差分布線以上，證明系統(tǒng)控制誤差較小；

2)基于AFSMC算法的飛機(jī)飛行姿態(tài)自適應(yīng)滑模控制系統(tǒng)，控制曲線處于擾動曲線以上，證明設(shè)計(jì)系統(tǒng)具有良好的抗擾動特性；

3)基于AFSMC算法的飛機(jī)飛行姿態(tài)自適應(yīng)滑?？刂葡到y(tǒng)，整體控制曲線走勢基本保持平穩(wěn)；

經(jīng)過對特殊因素的排除，得到設(shè)計(jì)系統(tǒng)的整體控制精度范圍為90%～97.4%，根據(jù)實(shí)際飛機(jī)飛行姿態(tài)自適應(yīng)滑?？刂茦?biāo)準(zhǔn)，設(shè)計(jì)系統(tǒng)符合設(shè)計(jì)標(biāo)準(zhǔn)，在標(biāo)準(zhǔn)數(shù)值下有效解決控制精度低，穩(wěn)定性差的問題。

圖6 系統(tǒng)整體控制精度圖譜

5 結(jié)束語

針對飛機(jī)飛行姿態(tài)自適應(yīng)控制系統(tǒng)存在的問題，基于AFSMC算法對控制系統(tǒng)進(jìn)行設(shè)計(jì)。通過對PID控制器與軟件算法的設(shè)計(jì)，解決傳統(tǒng)控制系統(tǒng)存在的穩(wěn)定性差、控制精度低的滑模控制問題。為飛機(jī)飛行姿態(tài)研究與控制系統(tǒng)研發(fā)，提供了數(shù)據(jù)支持。但是，在調(diào)試過程中發(fā)現(xiàn)，設(shè)計(jì)系統(tǒng)仍存在一些技術(shù)缺陷，如系統(tǒng)的維護(hù)問題、智能數(shù)據(jù)對接問題，有待后續(xù)新技術(shù)對其完善。