摘要
在智能化水平迅猛发展的近二十年，高新技术如机械臂、无人车、无人机等智能设备也逐渐成熟并应用于日常生产生活。本文以四旋翼无人机为研究对象，分析其在飞行控制过程中受到外界风扰作用时的控制情况。风扰作用会增加其维持稳定飞行的难度，同时在风扰条件下无人机飞行会消耗更多的能量。因此，本文从两个角度入手考虑其控制方法，一方面，对风扰下的四旋翼无人机制定抗风扰控制方案，在感知到持续风扰作用条件下快速飞行躲避风场区域，从而有效降低风扰对无人机的能量消耗和稳定性影响，另一方面，从控制算法考虑改进四旋翼无人机的控制方法，使其对风扰作用的抵抗能力更强，进而提高其鲁棒性能。 对于风扰作用下四旋翼无人机风扰估计和避风策略研究，利用其自身传感器信息感知风扰的离散化风速和风向信息，设计了处理时序信息的卷积网络(CNN)和长短时记忆网络(LSTM)结合的神经网络模型算法。基于训练好的模型对悬停状态下无人机所处的风扰环境实时估计，按照识别的风向结果和制定的飞行躲避的控制决策，实现对局部风场的实时躲避，从而达到稳定控制效果。 从四旋翼无人机底层控制结构和方法角度进行研究，采用串联结构实现无人机位置和姿态六个自由度状态的控制设计。本文改进其原有的PID控制方法，采用以扩张状态观测器为核心思路的自抗扰控制方法，不仅能够估计扰动量还能够将系统中非线性以及不确定部分进行估计消除，将四旋翼无人机模型简化为线性二阶系统，从而提高其抗风扰能力。 针对自抗扰控制算法中控制参数调整困难的问题，本文提出使用粒子群优化算法对观测器参数和反馈控制参数进行优化，从而有效降低控制算法手动调参的难度。同时，针对已知风扰模型部分的外界扰动，提出自适应估计前馈控制与自抗扰控制结合的方法，能够在有限时间内辨识出风扰参。通过李雅普诺夫函数推导了其稳定性证明，并在simulink仿真环境中进行了验证。最后，基于开源飞控的无人机实物实验，对比了自抗扰控制算法与PID在风扰作用下的姿态稳定控制，验证了控制算法对抗风扰的有效性。
NETL