[论文解读] Modeling and Optimal Control of Hybrid UAVs with Wind Disturbance

Sunsoo Kim, Niladri Das+1 more|arXiv (Cornell University)|Jun 19, 2020

Adaptive Control of Nonlinear Systems参考文献 26被引用 4

一句话总结

本文提出了一种结合固定翼与旋翼优势的混合型垂直起降无人机，采用非线性六自由度模型，集成刚体动力学、基于涡格法（VLM）的机翼气动力学以及基于实验查表的电机-螺旋桨推力模型。设计了一种$θ_{2}$最优控制器，在抗风扰动方面优于PID与LQR控制器，实现了更低的均方根（RMS）误差与更快的响应速度，适用于悬停与平飞两种飞行状态。

ABSTRACT

This paper addresses modeling and control of a six-degree-of-freedom unmanned aerial vehicle capable of vertical take-off and landing in the presence of wind disturbances. We design a hybrid vehicle that combines the benefits of both the fixed-wing and the rotary-wing UAVs. A non-linear model for the hybrid vehicle is rapidly built, combining rigid body dynamics, aerodynamics of wing, and dynamics of the motor and propeller. Further, we design an H2 optimal controller to make the UAV robust to wind disturbances. We compare its results against that of PID and LQR-based control. Our proposed controller results in better performance in terms of root mean squared errors and time responses during two scenarios: hover and level-flight.

研究动机与目标

• 开发一种混合型无人机设计，通过结合旋翼垂直起降能力与固定翼高效巡航性能，实现垂直起降与长航时飞行。
• 构建高保真度的非线性六自由度动力学模型，集成刚体力学、基于涡格法（VLM）的机翼气动力学，以及基于实验测量的推进系统动力学（通过推力/扭矩查表实现）。
• 设计一种鲁棒控制系统，能够有效抑制风扰动，这是真实世界无人机操作中的关键挑战。
• 在悬停与平飞两种飞行状态下，对比$θ_{2}$最优控制与传统PID及LQR控制器在风 gust 干扰下的性能表现。
• 证明$θ_{2}$控制在降低RMS误差与改善瞬态响应方面优于PID与LQR，具备更优的扰动抑制能力与稳定性。

提出的方法

• 采用飞翼构型的混合型无人机，配备四个旋翼用于垂直升力，固定翼用于平飞，通过CAD建模与物理参数验证其设计。
• 应用涡格法（VLM）计算机翼气动力与力矩，实现对不同飞行状态下升力与阻力的精确建模。
• 通过实验测量电机-螺旋桨组合，生成以转速与迎角为变量的推力与扭矩查表数据。
• 基于牛顿-欧拉动力学方法，建立完整的非线性六自由度运动方程，整合质量、惯性矩阵以及气动力等参数。
• 在悬停与平飞的平衡工作点附近对非线性模型进行线性化，以支持线性控制器（LQR、PID、$θ_{2}$）的设计。
• 通过CVX与MATLAB求解线性矩阵不等式（LMI）优化问题，实现$θ_{2}$最优控制，最小化包含扰动能量与状态/控制惩罚项的代价函数。

实验结果

研究问题

• RQ1 如何建立足够精确的混合型垂直起降无人机模型，以同时捕捉垂直起降与平飞阶段的动力学特性？
• RQ2 在悬停与平飞状态下，$θ_{2}$最优控制在抗风扰动方面相较于PID与LQR的性能提升程度如何？
• RQ3 与PID和LQR相比，采用$θ_{2}$控制在RMS误差与瞬态响应方面带来了哪些定量改进？
• RQ4 在$θ_{2}$控制器设计中引入风扰动因素，如何提升其鲁棒性，相较于标准LQR与PID方法？
• RQ5 在基于Dryden风扰动模型的模拟中，$θ_{2}$控制器是否能在真实大气湍流条件下保持系统稳定与性能？

主要发现

• 在平飞状态下，$θ_{2}$最优控制器在角速度跟踪中实现了最低的RMS误差，为0.0457 rad/sec，优于LQR（0.0573）与PID（0.0859）。
• 在悬停状态下，$θ_{2}$控制器将偏航角RMS误差降低至0.4370°，显著低于LQR（3.0217°）与PID（5.7745°），表明其在旋转控制中具有更优的扰动抑制能力。
• 在悬停与平飞两种场景下，$θ_{2}$控制器均表现出更快的响应速度与更低的超调量，优于PID与LQR。
• 控制器设计中明确将风扰动作为设计参数纳入考量，因此其内在鲁棒性优于PID与LQR，后者未针对扰动进行优化。
• 基于Dryden风扰动模型的仿真结果表明，$θ_{2}$控制可在真实大气扰动条件下保持系统稳定与性能。
• 所提出的建模框架，结合VLM、实验查表与SimScape仿真，可实现对混合型无人机的快速且高保真的动力学建模。