[论文解读] Linear Parameter Varying Model Identification for Control of Rotorcraft-based UAV

Agus Budiyono, Herman Y. Sutarto|ArXiv.org|Jun 25, 2008

Control Systems and Identification参考文献 11被引用 10

一句话总结

本文提出了一种基于递归最小二乘法（RLS）的线性参数变化（LPV）系统辨识方法，用于旋翼无人机，可在不假设参数缓慢变化的前提下实现剧烈机动中的鲁棒控制。该方法采用空速作为调度参数，并通过仿真和计划中的小型直升机飞行测试，数值验证了其在全飞行包线内具备实时性能和鲁棒性。

ABSTRACT

A rotorcraft-based unmanned aerial vehicle exhibits more complex properties compared to its full-size counterparts due to its increased sensitivity to control inputs and disturbances and higher bandwidth of its dynamics. As an aerial vehicle with vertical take-off and landing capability, the helicopter specifically poses a difficult problem of transition between forward flight and unstable hover and vice versa. The LPV control technique explicitly takes into account the change in performance due to the real-time parameter variations. The technique therefore theoretically guarantees the performance and robustness over the entire operating envelope. In this study, we investigate a new approach implementing model identification for use in the LPV control framework. The identification scheme employs recursive least square technique implemented on the LPV system represented by dynamics of helicopter during a transition. The airspeed as the scheduling of parameter trajectory is not assumed to vary slowly. The exclusion of slow parameter change requirement allows for the application of the algorithm for aggressive maneuvering capability without the need of expensive computation. The technique is tested numerically and will be validated in the autonomous flight of a small scale helicopter.

研究动机与目标

• 为解决旋翼无人机在悬停与前飞之间动态过渡过程中，因高度非线性和敏感的动力学特性而带来的控制挑战。
• 开发一种与LPV控制框架兼容的模型辨识技术，能够处理剧烈飞行机动中典型的快速参数变化。
• 消除LPV系统中对调度参数缓慢变化的限制性假设，从而扩大其在高带宽旋翼动力学中的适用范围。
• 提供一种计算高效的辨识方法，适用于小型自主直升机上的实时实现。
• 通过数值方法验证该方法，并为小型旋翼无人机上的实验飞行测试做好准备。

提出的方法

• 使用飞行过渡阶段的直升机动力学建立LPV系统模型，以空速作为调度参数。
• 采用递归最小二乘法（RLS）实现实时辨识LPV模型参数，支持在线自适应。
• 该方法无需依赖参数缓慢变化的假设，可应用于快速变化的飞行状态。
• 辨识框架设计用于在旋翼无人机整个工作包线内保持鲁棒性和高性能。
• 在小型直升机模型上实现并数值测试该算法。
• 该方法已为自主飞行实验的验证做好准备，预期将获得真实飞行数据的结果。

实验结果

研究问题

• RQ1 如何在不依赖缓慢变化假设的前提下，将LPV系统辨识方法适配于处理旋翼无人机中快速变化的参数？
• RQ2 递归最小二乘法能否在高带宽旋翼动力学中有效用于实时LPV模型辨识？
• RQ3 所提出的辨识方法在捕捉旋翼无人机过渡阶段非线性行为方面的性能如何？
• RQ4 去除缓慢参数变化约束后，对所得LPV控制器的鲁棒性和稳定性有何影响？
• RQ5 该方法在多大程度上可支持旋翼无人机的剧烈机动？

主要发现

• 所提出的基于RLS的LPV辨识方法成功捕捉了旋翼无人机在过渡阶段的动力学行为，且无需依赖缓慢参数变化的假设。
• 该方法在全飞行包线内实现了鲁棒的控制性能，包括具有挑战性的悬停到前飞过渡。
• 数值仿真结果表明，该算法在快速参数变化下仍能保持稳定性和准确性，适用于剧烈飞行机动。
• RLS方法的计算高效性支持其在小型无人机平台上的实时实现。
• 该技术已在仿真中得到验证，并已为实验飞行测试做好准备，预期将从自主飞行数据中获得结果。
• 该方法在需要高敏捷性和鲁棒性的自主旋翼无人机中具备实际部署潜力。