飞行器导航、制导与控制-12典型飞行控制规律.pptVIP

飞行器控制律设计面临的问题 飞行动力学过程严重非线性； 飞行器动力学模型失配（不确定性）； 飞行器多控制回路关联耦合严重； 飞行环境变化干扰严重； 飞行品质要求提高。 典型飞行控制规律 PID控制 —— 基本反馈控制算法 解耦控制 —— 解决多变量耦合问题 多模型控制 ——解决非线性问题 鲁棒与预测控制 ——解决模型不确定性问题 智能控制 —— 解决综合设计问题 PID控制 连续系统PID控制 标准的模拟PID控制算法 式中： Kc、Ti、Td 分别为模拟调节器的比例增益、积分时间和微分时间 u0为偏差 e=0 时的控制器输出, 又称为稳态工作点。 数字PID控制算法 采样周期T与控制周期Tc 模拟PID调节规律的离散化 在控制器的采样时刻 t=kT时 因此，PID的数字算式为 数字PID控制算法 数字PID控制算法又可写成 上面两个算式又称为PID位置算式 其中 称为积分系数 称为微分系数 数字PID控制算法 PID位置算式的问题 需每步都计算稳态工作点u0 PID增量算式 由 可得 数字PID控制算法 PID增量算式的另一种形式 增量PID算法的优点是编程简单, 数据可以递推使用, 占用内存少, 运算快。 增量PID算法得到 k 采样时刻计算机的实际输出控制量为 数字PID控制的输出分析 单位阶跃输入时数字PID控制的输出控制作用 无人机俯仰姿态PID控制 解耦控制 考虑多输入－多输出线性系统 其中u与y的维数相等，目标是设计 使得闭环系统 的传递函数矩阵 为对角形。 多模型控制 近年来非线性模型控制成为研究的热点，理论研究结果很丰富。 但是真正用在实际工业过程控制上的控制策略却不多。主要的原因是建立精确的非线性模型比较困难。 即使是已知的模型结构，也难以在实时等约束条件下估计参数及其状态。 非线性系统也往往用多个线性模型来逼近，多模型方法被认为是处理非线性系统常用的方法和技术。 多模型控制的思想早在二十世纪70年代就提出来了，经过30多年的发展，理论上各种多模型控制方法已是异彩纷呈，而且在许多应用领域预测控制成功应用的报道也层出不穷。 几种比较成熟的多模型控制算法 多模型预测控制 多模型自适应控制 交互式多模型算法 多模型方法的关键问题 多模型算法的模型切换和稳定性 多模型方法对非线性系统用多个线性模型来逼近，对每个子系统设计线性控制器，根据模型的切换条件取不同的控制器的输出。 对于基于模型切换的多模型控制来讲，从一个模型切换到另一个模型时，如何克服切换带来的扰动和瞬态响应。 模型集的选取 多模型控制算法所建的模型集相关匹配程度以及元素模型的多少将直接影响控制的精度和性能。 模型调度策略 基于加权策略的多模型控制 基于切换原则的多模型控制 目前运用较多的多模型建模方法 线性化非线性系统模型 由于成熟的线性系统控制理论而研究最多 T-S模糊模型、神经网络模型等。 由于建模的方便和极高的建模精度，成为近年来研究的主要方向 T-S模糊动态模型是由模糊IF-THEN规则描述的，它局部地表达了非线性系统的输入一输出关系。模糊模型的第i个规则如下: 鲁棒控制与预测控制 现代鲁棒控制 Zames于1981年提出控制系统的H∞设计方法，成为现代鲁棒控制的先驱。 假定干扰属于某一已知信号集， 用其相应的灵敏度函数的H∞范数作为指标，在可能发生的最坏干扰下使系统的误差在这种范数意义下达到极小，从而将抗干扰问题转化为求解使闭环系统稳定、并使相应的H∞范数指标极小化的输出反馈控制器设计问题。 H∞控制的基本提法：最优敏感性，即干扰在输出上影响最小 H∞最优控制可以解决一系列鲁棒控制问题 H∞控制基本原理 考虑如图所示系统 G — 对象传递函数矩阵 K — 镇定控制器 u — 控制器输出 y — 对象测量值 w — 外界干扰 z — 误差信号 H∞最优控制问题：设计一个镇定控制器K ，使得w 到z的闭环传递函数Tzw的H∞范数达到极小。 H∞范数定义 复变函数F(s)如果在Re(s)0的开区间有界 ： ｜F(s)｜≤b 则此界限的上确界定义为F(s)的H∞范数，即有 ║ F(s) ║ ∞ =Sup{｜F(s)｜: Re(s)} 由最大模定理，用虚轴s=jω来替换右半开平面 ║ F(s) ║ ∞ =Sup{｜F(jω)｜: ω? R} 即H∞范数表示频率特性的最大模 H∞范数给出了w 到z 的最大能量增益 鲁棒控制研究发展趋势 鲁棒性已成为衡量系统抗干扰性能的一种指标 控制系统的性能要求是多方面的