姜辰等：无人直升机自抗扰自适应轨迹跟踪混合控制 ·1745· 数直接影响直升机的稳定性。T的值越大，直升机的 速率反馈控制的结构如图2所示. 飞行稳定性越强.C和D是纵横向操纵输入到稳定 保持器 杆挥舞角运动的操纵比，该参数反映出纵横向操纵对 稳定杆挥舞运动影响的程度.对于非跷跷板式旋翼， 难以在机械结构中使用贝尔一希拉稳定杆改善直升机 角速率1 积分器 的操纵响应，但是通过使用飞行控制器模拟贝尔一希 纵横向操纵输入 拉稳定杆的挥舞运动并同时给出使用贝尔一希拉稳定 dndk 杆情况下桨叶的等效周期变距操纵，可以改善桨叶的 挥舞运动.式(6)给出了加入模拟稳定杆的控制器后 直升机桨叶的纵向周期变距6和横向周期变距6.： [Oie Ain.cuSin +Kc' (6) l9.=Buδim+Kd. 式中，A.eBa.e是控制器纵横向操纵对桨叶周期变 控制输出 距的影响系数，其大小与纵横向操纵到周期变距比例 归一化 d0iwr 系数相等：K,为操纵符号传递系数，K=1.通过加入 图2角速率反馈控制器结构框图 该控制器后，直升机桨叶的挥舞运动方程如下： Fig.2 Block diagram of the angular-tate feedback controller 位=-7m+K 1 g-- 一a。+ Tm Tsh Tu Tsh 其中控制器的操纵输入为直升机的纵横向操纵输 Av +KaC TAw b.+ 入6nw和δs,将横纵向角速率p和g作为控制器的 Tut +Tsh Tmt +Tsb 反馈输入.控制器的输出即为纵横向操纵量6和δm Tmt K a.T ab i.=- 、B。a.- (7) 角速率反馈控制中T、Cm和D的大小直接影响控制 Tut +Tsb Tur+Ta 器的性能，需要进行优化.由于使用数字控制器，控制 1b,+ ButKaD 单元用于描述稳定杆挥舞运动的时间常数T可以是 Tat +Td Tmr +Td 负值.由于很难得到准确的动力学模型，因此上述参 此时直升机俯仰滚转运动动力学方程的状态转移矩阵 数需要在直升机飞行过程中实时调节. 和输入矩阵如下： 1.2MOBP神经网络参数优化 F= 为降低神经网络的计算量，采用隐含层为一层的 0 0 0 神经网络用于对控制器的控制参数进行实时整定.通 0 0 M 0 过使用被控直升机角速率值和参考模型的角速率值计 算得到模型跟随自适应控制器的目标函数E(k).所 0 Te+KbT电 1 提出的自适应控制器可以分解为两个独立通道的控制 Tur +Ta Tar +Tab Tar +Tsb 器，自适应控制器的纵向通道和横向通道均可以独立 Tmt +KaTd 0 B。 1 进行优化.被优化通道的神经网络的输入层包括被优 Tat +Tsh Tm+T」 化通道的被控直升机角速率值、参考模型的角速率值 (8) 以及对应通道的控制量.神经网络的输出量是控制器 0 0 对应通道待优化的控制参数.式(10)给出了在k时 0 0 刻，神经网络的输入层的表达式： Ain+K Cin G1= 0 (9) x(k)=,(k),x(),δ()，1]T=o0(k).(10) Tmr+Tab 式中，x,(k)为参考模型的状态量、x(k)为被控对象状 0 Bu Ka Die 态量、δ(k)为输入的控制信号（即直升机的操纵输 Ta +Td 入)，00是输入层的输出，由o”组成.用于直升机模 通过加入模拟稳定杆挥舞运动的控制器，可以改 型跟随自适应控制的MOBP神经网络的隐含层数量为 善直升机旋翼桨叶的挥舞运动，同时可以改变描述直 1,包含5个结点.隐含层的输入与输出的关系为： 升机俯仰滚转运动的状态矩阵中的各个元素值.根据 式(8)和式(9)，该控制器可改变旋翼桨叶挥舞运动时 n2(k)= g90"(因，il,4j=l…5. 间常数以及操纵输入的比例系数，进而达到改善直升 (11) 机飞行动力学特性的目的.模型跟随自适应控制中角 o2(k)=fn2(k)],j=1,2,…,5. (12)姜 辰等: 无人直升机自抗扰自适应轨迹跟踪混合控制 数直接影响直升机的稳定性． τsb的值越大，直升机的 飞行稳定性越强． Clon和 Dlat是纵横向操纵输入到稳定 杆挥舞角运动的操纵比，该参数反映出纵横向操纵对 稳定杆挥舞运动影响的程度． 对于非跷跷板式旋翼， 难以在机械结构中使用贝尔--希拉稳定杆改善直升机 的操纵响应，但是通过使用飞行控制器模拟贝尔--希 拉稳定杆的挥舞运动并同时给出使用贝尔--希拉稳定 杆情况下桨叶的等效周期变距操纵，可以改善桨叶的 挥舞运动． 式( 6) 给出了加入模拟稳定杆的控制器后 直升机桨叶的纵向周期变距 θ1c和横向周期变距 θ1s: θ1c = Alon，ctrlδlon + Ksb cs， θ1s = Blat，ctrlδlat + Ksb ds { ． ( 6) 式中，Alon，ctrl、Blat，ctrl是控制器纵横向操纵对桨叶周期变 距的影响系数，其大小与纵横向操纵到周期变距比例 系数相等; Ksb为操纵符号传递系数，Ksb = 1． 通过加入 该控制器后，直升机桨叶的挥舞运动方程如下: a · s = － τmr + Ksb τsb τmr + τsb q － 1 τmr + τsb as + τmrAbs τmr + τsb bs + Alon + KsbClon τmr + τsb δlon， b · s = － τmr + Ksb τsb τmr + τsb p － τmrBas τmr + τsb as － 1 τmr + τsb bs + Blat + KsbDlat τmr + τsb δlat            ． ( 7) 此时直升机俯仰滚转运动动力学方程的状态转移矩阵 和输入矩阵如下: FI = 0 0 0 Lbs 0 0 Mas 0 0 － τmr + Ksb τsb τmr + τsb 1 τmr + τsb Abs τmr + τsb － τmr + Ksb τsb τmr + τsb 0 Bas τmr + τsb － 1 τmr + τ                  sb  ， ( 8) GI = 0 0 0 0 Alon + KsbClon τmr + τsb 0 0 Blat + KsbDlon τmr + τ                 sb ． ( 9) 通过加入模拟稳定杆挥舞运动的控制器，可以改 善直升机旋翼桨叶的挥舞运动，同时可以改变描述直 升机俯仰滚转运动的状态矩阵中的各个元素值． 根据 式( 8) 和式( 9) ，该控制器可改变旋翼桨叶挥舞运动时 间常数以及操纵输入的比例系数，进而达到改善直升 机飞行动力学特性的目的． 模型跟随自适应控制中角 速率反馈控制的结构如图 2 所示． 图 2 角速率反馈控制器结构框图 Fig． 2 Block diagram of the angular-rate feedback controller 其中控制器的操纵输入为直升机的纵横向操纵输 入 δlon_IN和 δlat_IN，将横纵向角速率 p 和 q 作为控制器的 反馈输入． 控制器的输出即为纵横向操纵量 δlon和 δlat ． 角速率反馈控制中 τsb、Clon和 Dlat的大小直接影响控制 器的性能，需要进行优化． 由于使用数字控制器，控制 单元用于描述稳定杆挥舞运动的时间常数 τsb可以是 负值． 由于很难得到准确的动力学模型，因此上述参 数需要在直升机飞行过程中实时调节． 1. 2 MOBP 神经网络参数优化 为降低神经网络的计算量，采用隐含层为一层的 神经网络用于对控制器的控制参数进行实时整定． 通 过使用被控直升机角速率值和参考模型的角速率值计 算得到模型跟随自适应控制器的目标函数 E( k) ． 所 提出的自适应控制器可以分解为两个独立通道的控制 器，自适应控制器的纵向通道和横向通道均可以独立 进行优化． 被优化通道的神经网络的输入层包括被优 化通道的被控直升机角速率值、参考模型的角速率值 以及对应通道的控制量． 神经网络的输出量是控制器 对应通道待优化的控制参数． 式( 10) 给出了在 k 时 刻，神经网络的输入层的表达式: xIN ( k) =［xr ( k) ，x( k) ，δ( k) ，1］T = o( 1) ( k) ． ( 10) 式中，xr ( k) 为参考模型的状态量、x( k) 为被控对象状 态量、δ ( k) 为输入的 控 制 信 号( 即 直 升 机 的 操 纵 输 入) ，o( 1) 是输入层的输出，由 o( 1) i 组成． 用于直升机模 型跟随自适应控制的 MOBP 神经网络的隐含层数量为 1，包含 5 个结点． 隐含层的输入与输出的关系为: n( 2) j ( k) = ∑ 4 i = 1 w( 2) ji o( 1) i ( k) ，i = 1，…，4，j = 1，…，5． ( 11) o( 2) j ( k) = f［n( 2) j ( k) ］，j = 1，2，…，5． ( 12) · 5471 ·