基于预测误差法小型无人直升机系统辨识

小型无人直升机是一个复杂的非线性系统.为了真正实现小型无人直升机的自主飞行,须对其进行数学建模.本文重点分析了Raptor90小型无人直升机悬停时横、纵向通道的输入输出关系,通过严格推导得到横、纵向通道通的参数化模型.通过试验采集得到输入输出数据,利用基于预测误差法的输出误差模型进行系统辨识.模型预测数据与实际飞行实验室数据的比较表明,所建模型很好的反映了小型无人直升机在悬停状态下的动力学特性,可在该状态下基于此模型进行飞行控制器的设计.     

小型无人直升机横纵向模型参数辨识方法

针对小型无人直升机具有多变量、非线性和强耦合的特点,提出一种基于参数辨识的横纵向通道动力学建模方法.该方法根据直升机小扰动运动学方程和小型无人直升机空气动力学特点,推导了小型无人直升机横纵向通道动力学模型.在悬停条件下通过对模型进行简化,得到小型无人直升机横纵向通道待辨识线性耦合模型.根据飞行实验数据,通过采用多变量最小二乘方法估计出该耦合模型的未知参数.模型预测数据和实际飞行数据的比较结果表明,所建模型能充分反映该小型无人直升机在悬停状态下的横纵向通道动力学特性,具有较高精度且结构相对简单,可作为自主飞行控制器设计的参考模型.     

基于最小二乘与自适应免疫遗传算法的小型无人直升机系统辨识

针对小型无人直升机不稳定、强耦合、非线性的特点,建立了小型无人直升机悬停状态下飞行动力学模型.设计了一种基于最小二乘与自适应免疫遗传算法(LS-AIGA)的辨识算法,根据辨识实验的需要研制了机载微小型导航、制导与控制系统(MGNC).利用飞行实验数据,根据本文的辨识算法,对所建立模型中未知参数进行了辨识.最后对得到的模型进行了验证与分析,结果表明模型辨识数据与真实飞行实验数据匹配较好,所建立模型能够反映小型无人直升机动力学特性.     

改进的频域辨识方法及其在直升机建模中的应用

本文提出了一种改进的直升机状态空间模型的频域系统辨识方法.该方法根据飞行扫频数据,得到包含直升机动力学模型耦合特性的非参数频率响应.将模式识别中的K平均理论应用到搜索状态空间模型代价函数的最小值中,根据机理建模结果拟合频率响应得到线性的六自由度直升机状态空间模型中的待辨参数.频率响应的计算中应用了一种复合窗函数方法,该方法综合不同窗口长度的频率响应得到一组优化的结果,显著增加了动力学模型频带和频率响应的精度.比较辨识得到的模型和飞行试验数据响应结果表明,辨识得到的模型较好地反映了该型无人直升机在悬停状态下的动力学特性.     

小型无人直升机模型辨识数据处理方法研究

针对小型无人直升机模型频域辨识过程中的姿态角速率测量误差,提出了一种飞行数据处理方法。该方法采用飞行试验扫频测试技术,确保激励信号能够满足不同频段下模型辨识对飞行数据的需求;设计基于有色噪声的卡尔曼滤波器以降低紊流风场对飞行测量数据的影响,同时,对飞行测量数据使用数据预处理的方法以剔除测量噪声、野值、直流成分和低频分量。在小型无人直升机系统各通道中进行验证,验证结果表明,所提出的飞行数据处理方法能够满足小型无人直升机模型辨识对姿态角速率数据精度的要求,为精确建模提供了较高质量的飞行数据。     

基于PEM的三自由度直升机模型辨识

针对三自由度(3-DOF)直升机平台的特点,提出了一种基于预测误差法(PEM)的模型频域辨识方法,建立了机理模型,运用扫频技术得到巡航飞行状态直升机3个通道的输入-输出数据;分析了偏相干函数和复合窗函数,通过PEM进行了模型的频域辨识,得到了状态空间方程的待辨识参数和直升机的参数化模型.通过时域飞行和模型预测响应的对比,验证了该模型的准确性和该辨识方法的有效性.     

一种小型无人直升机自主起飞控制方法

针对小型无人直升机(Small-scale unmanned helicopter, SUH) 起飞过程中过度依赖于地面飞行手的问题, 提出了一种基于经验知识与系统辨识的自主起飞控制方法. 首先, 通过研究专业飞行手手动操纵小型无人直升机起飞过程中高度与油门、总距舵量等信息的对应关系, 分析了利用学习飞行手的操纵行为实现小型无人直升机自主起飞的可行性, 并设计了小型无人直升机自主起飞控制流程. 引入了安全高度及变增益控制以提高自主起飞过程中的飞行安全性能, 利用不完全微分控制方法抑制了微分高频噪声. 其次, 为了获取自主起飞过程中控制参数, 采用自适应遗传算法对小型无人直升机动力学模型进行了辨识, 在动力学模型的基础上进一步辨识得到了飞行控制参数. 最后, 通过在小型无人直升机平台进行的实际飞行实验, 验证了本文方法的有效性.     

小型无人直升机的数学建模与仿真

小型无人直升机是一个复杂的非线性系统.为了真正实现小型无人直升机的自主飞行,须对其进行精确的数学建模.本文以Raptor90小型无人直升机为研究平台,综合考虑了直升机在不同飞行模态下的飞行特性,利用基于叶素理论的积分算法,对直升机进行非线性建模,并对所建模型进行数值仿真.仿真结果表明,所建模型能够较好的反应直升机的动态响应特性,所建模型具有较高精度,可基于此模型进行飞行控制器的设计.     

面向工业过程的建模辨识平台的设计与实现

提出了一种面向工业过程的可视化建模辨识平台的设计和实现方法.该平台加载了多种辨识算法,并使用OPC技术和各类工控系统进行数据交互,以实现对复杂工业系统的动态特性测试.基于输入输出数据,获得系统的参数模型或非参数模型.对实际工业对象建模辨识的结果,表明该平台大大提高了建模的效率和精度.     

小型无人直升机姿态非线性鲁棒控制设计

本文针对小型无人直升机的姿态控制问题,通过系统参数辨识,获得了较为准确的无人直升机姿态动力学模型.并根据无人直升机的动态特性,设计了基于神经网络前馈与滑模控制的非线性鲁棒姿态控制律,该控制律对直升机模型的先验知识要求较低.利用基于Lyapunov的分析方法证明,设计的控制律能够实现对无人直升机姿态角的半全局指数收敛镇定控制,并能确保闭环系统的稳定性.基于姿态飞行控制实验平台的实时飞行控制实验结果表明,提出的控制设计取得了很好的姿态控制效果,并对系统不确定性和外界风扰动具有较好的鲁棒性.     

小型无人驾驶直升机动力学模型辨识仿真研究

获得足够精确的动力学模型．对于小型无人驾驶直升机这种MIMO控制系统研究具有重要的意义。文中研究了直升机模型辨识方法,将子空间辨识算法运用于直升机动力学模型的辨识,并对模型直升机的垂直——偏航耦舍运动方程进行了辨识,得到了较为精确的结果,通过和PEM算法进行比较,显示该算法适合模型直升机系统辨识。     

基于自适应遗传算法的小型无人旋翼机系统辨识方法

提出一种基于自适应遗传算法的小型无人旋翼飞行器系统辨识方法.通过机载传感器设备,系统采集小型无人旋翼机的输入信号(舵机的控制信号)和输出信号(飞行器的姿态及速度等信息);经过数据预处理后,利用自适应遗传算法构建小型无人旋翼飞行器高精度动力学模型,并通过仿真和实验对模型的自效性进行验证.实验表明,基于本文提出的动态模型,...     

Nonlinear system identification of a small-scale unmanned helicopter

This paper presents a comprehensive method for identifying the nonlinear model of a small-scale unmanned helicopter. The model structure is obtained by first principles derivation, and the model parameters are determined by direct measurement and system identification. A new adaptive genetic algorithm is proposed to identify the parameters that cannot be directly measured. To simplify the identification process, the overall system is divided into two subsystems for identification: the heave–yaw dynamics and the lateral–longitudinal dynamics. On the basis of the input–output data collected from actual flight experiments, these two subsystems are identified using the proposed algorithm. The effectiveness of the identified model is verified by comparing the response of the simulation model with the actual response during the flight experiments. Results show that the identified model can accurately predict the response of the small-scale helicopter. Furthermore, the identified model is used for the design of an attitude controller. The experiment results show that the identified model is suitable for controller design.     

超小型旋翼机系统悬停状态的辨识仿真研究

建立了超小型旋翼机系统的非线性参数化模型. 通过把非线性模型在悬停点线性化,得到用物理参数描述的系统姿态运动的线性模型;基于其离散状态空间模型,采用子空间方法进行线性系统识别．仿真结果表明：子空间方法可以较准确地辨识所推导的超小型旋翼机系统悬停状态的线性物理参数模型,从而能获得系统的一些难以准确计算或测量的主要物理参数．     

用多项式预测滤波消噪的传感器动态特性辨识

在利用传感器进行动态测量时,为了得到精确的测量结果,需要建立传感器动态特性的数学模型,传感器动态特性可以通过系统辨识得到.但是,测量噪声的存在,使得辨识得到的传感器动态特性与实际动态特性存在一定误差,影响到测量系统的精度.为了解决该问题,本文讨论了多项式预测滤波和中值滤波相结合的方法对传感器输出信号进行滤波消噪.然后,利用消噪后的信号,通过系统辨识方法建立传感器动态特性的数学模型.研究表明,采用本文研究的方法可以克服测量噪声对传感器动态特性辨识的影响,并将该方法用于薄膜热电偶的动态特性辨识.     

四旋翼无人机的系统模型与辨识

研究无人机系统优化控制问题,为实现四旋翼微型飞行器的自动控制飞行,需要得到正确的系统模型参数,实现精确控制。子空间辨识法可以直接地反应出多输出多输出系统模型,算法比较容易实现。首先从四旋翼的力学模型出发,建立了在小角度假设下的线性系统模型,并首次将子空间辨识方法运用到四旋翼飞行器的辨识中。用仿真实例实验,假设飞行器在缓慢上升过程,采用由子空间辨识方法获得的系统模型输出与原系统在同样输入条件下的输出进行了比较。结果表明在假设条件下的辨识具有可行性,为中旋翼无人机优化控制提供了依据。     

Robust attitude tracking control of small-scale unmanned helicopter

Robust attitude control problem for small-scale unmanned helicopters is investigated to improve attitude control performances of roll and pitch channels under both small and large amplitude manoeuvre flight conditions. The model of the roll or pitch angular dynamics is regarded as a nominal single-input single-output linear system with equivalent disturbances which contain nonlinear uncertainties, coupling-effects, parameter perturbations, and external disturbances. Based on the signal compensation method, a robust controller is designed with two parts: a proportional-derivative controller and a robust compensator. The designed controller is linear and time-invariant, so it can be easily realised. The robust properties of the closed-loop system are proven. According to the ADS-33E-PRF military rotorcraft standard, the controller can achieve top control performances. Experimental results demonstrate the effectiveness of the proposed control strategy.     

Dynamic Compensation for Control of a Rotary wing UAV Using Positive Position Feedback

This paper presents a novel compensation method for the coupled fuselage-rotor mode of a Rotary wing Unmanned Aerial Vehicle (RUAV). The presence of stabilizer bar limits the performance of attitude control of an RUAV. In this paper, a Positive Position Feedback (PPF) is introduced to increase the stability margins and allow higher control bandwidth. The identified model is used to design a PPF controller to mitigate the presence of stabilizer bar. Parameters for the linear RUAV model are obtained by performing linear system identification about a few selected points. This identification process gives complete RUAV dynamics and is suitable for designing a Stability Augmentation System (SAS) of an RUAV. The identified parameters of an RUAV model are verified using experimental flight data and can be used to obtain the nonlinear model of an RUAV. The performance of the proposed algorithm is tested using a high-fidelity RUAV simulation model, which is validated through experimental flight data. The closed-loop response of the rotorcraft indicates that the desired attitude performance is achieved while ensuring that the coupled fuselage-rotor mode is effectively compensated without penalizing the phase response.     

Multi-output process identification

In model based control of multivariate processes, it has been common practice to identify a multi-input single-output (MISO) model for each output separately and then combine the individual models into a final MIMO model. If models for all outputs are independently parameterized then this approach is optimal. However, if there are common or correlated parameters among models for different output variables and/or correlated noise, then performing identification on all outputs simultaneously can lead to better and more robust models. In this paper, theoretical justifications for using multi-output identification for a multivariate process are presented and the potential benefits from using them are investigated via simulations on two process examples: a quality control example and an extractive distillation column. The identification of both the parsimonious transfer function models using multivariate prediction error methods, and of non-parsimonious finite impulse response (FIR) models using multivariate statistical regression methods such as partial least squares (PLS2), canonical correlation regression (CCR) and reduced rank regression (RRR) are considered. The multi-output identification results are compared to traditional single-output identification from several points of view: best predictions, closeness of the model to the true process, the precision of the identified models in frequency domain, stability robustness of the resulting model based control system, and multivariate control performance. The multi-output identification methods are shown to be superior to the single-output methods on the basis of almost all the criteria. Improvements in the prediction of individual outputs and in the closeness of the model to the true process are only marginal. The major benefits are in the stability and performance robustness of controllers based on the identified models. In this sense the multi-output identification methods are more ‘control relevant’.