航空发动机自抗扰控制器简捷设计与应用

针对航空发动机的强非线性特征,进行了自抗扰控制器(ADRC)技术在航空发动机控制系统中的应用研究。首先,从工程应用的角度出发,给出1种简捷自抗扰制器设计方法,从而减少需整定参数和以增强设计参数的物理直观性,以方便设计;然后,将该方法应用于某型涡扇发动机控制器设计。仿真结果表明:ADRC比PID控制方法有效。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

基于变权重变异鸽群优化的无人机空中加油自抗扰控制器设计

针对空中加油过程中的受油机模型建模误差和强扰动以及自抗扰控制器（ADRC）人工参数整定难的问题，提出了一种基于变权重变异鸽群优化（VWMPIO）算法的无人机自抗扰控制器优化算法。首先，给出了六自由度无人机（UAV）模型，基于自抗扰控制结构设计了一种受油机的姿态控制器，在此基础上用所提出的变权重变异鸽群优化算法整定了自抗扰控制器参数。随后，将变权重变异鸽群优化与其他基本鸽群优化算法、粒子群优化算法进行了实验对比，并从控制性能和抗噪声性能的角度对自抗扰控制器和传统的比例-微分-积分（PID）控制器进行了仿真对比。实验结果表明所提算法能提高复杂态势环境下无人机空中加油的控制精度和扰动抑制性能。     

倾转双旋翼无人机风场扰动下的建模和控制器设计

针对可倾转双旋翼无人机容易受外界风场扰动和模型不确定性影响的问题,设计了基于自抗扰控制技术的飞行姿态和PID轨迹组合控制。通过分析阵风对无人机姿态的影响,利用牛顿-欧拉法推导出有风条件下的双旋翼动力学方程;然后,通过Dryden大气紊流模型建立了无人机所处的风场环境;最后,用自抗扰控制器对无人机的动力学模型作干扰补偿,并采用粒子群算法进行参数整定,解决自抗扰技术参数繁多、人工调节复杂的问题。仿真结果表明,所设计的自抗扰姿态控制和PID轨迹组合控制器能有效抑制紊流风扰动,实现稳定飞行。     

战斗机超机动飞行自抗扰控制器设计

提出了一种利用自抗扰控制器算法在大包线范围内设计超机动飞行控制系统的新方法。根据奇异摄动理论和自抗扰控制器能够动态补偿系统模型扰动和外扰的特性,在超机动飞行的快慢子回路中分别引入自抗扰控制器,实现了快变量和慢变量的动态解耦控制。控制律设计直接依据超机动飞行的强耦合、强非线性模型,在很大的包线范围内不需要改变控制器的结构和参数,大大简化了设计过程。大包线范围内的大迎角机动仿真结果表明,系统具有良好的动态和稳态性能,控制器具有很强的鲁棒性,为解决大包线范围内的超机动飞行控制问题提供了一种新的途径。     

基于自抗扰控制的共轴直升机姿态控制律设计

以某型共轴双旋翼无人直升机作为研究对象,对无人机返航进场与降落着舰阶段的抗扰动问题进行研究。针对海上着舰环境下的外界干扰与不确定性问题,选用自抗扰控制器设计共轴直升机姿态控制律,以提高共轴直升机对外部扰动的抗扰性能。针对自抗扰控制律调整参数过多问题,设计改进粒子群算法进行自动参数优化。仿真结果表明:改进粒子群算法能够显著提高参数整定速度,且精度更高;优化参数后的自抗扰控制律在强干扰环境下具备良好的动态响应与鲁棒性。     

基于模糊LADRC的倾转四旋翼无人机纵向姿态控制

针对倾转四旋翼无人机存在控制冗余和模型具有时变性及不确定性的问题,进行了纵向姿态控制系统建模和仿真研究。运用牛顿运动定律和刚体转动定律建立无人机六自由度运动模型,并采用试验测量及数值仿真的方法获取模型参数。采用设计控制分配系数的方法解决控制冗余的问题。设计了基于线性自抗扰控制(LADRC)方法的姿态控制器并采用模糊控制对其参数进行在线整定,提高了控制系统的响应速度和鲁棒性。搭建了Simulink仿真模型,通过无人机纵向飞行控制仿真试验,验证了所设计的控制分配系数的合理性以及姿态控制器的有效性。     

教与学优化算法在风力机变桨自抗扰控制中的应用

随着风力机的发展越来越智能化,除了要求风力机的运行可靠性,还要求其有稳定的输出功率。为了使风力机变桨控制器在运行过程中具有优良的动态品质,提出了一种自抗扰控制(ADRC)的变桨距控制方案,但ADRC也存在参数多、整定难度大这一明显缺点。为此,将教与学算法应用到ADRC的整定过程中,实现了参数的自动整定。仿真结果验证了通过教与学算法自动整定ADRC参数的可行性,与传统PID控制器相比,整定后的ADRC能较好地满足风力机变桨距控制要求,有效维持了风力机输出功率的稳定性。     

改进ADRC及其在飞行增稳控制中的应用

非线性自抗扰控制器(ADRC)具有极强的鲁棒性和优异的控制性能,但控制器参数设计较为繁琐。引入了新的非线性函数,简化了控制器的参数设计,且非线性扩张状态观测器(ESO)在原点处具有渐进稳定性。设计了基于模型跟踪的一阶ADRC飞机纵向增稳控制器。仿真结果表明,在大飞行包线内飞机的动态特性发生了很大变化,不改变ADRC参数而只进行跟踪模型动压调参,飞行控制系统均满足一级品质要求,表现了极强的鲁棒性能。     

基于BPNN参数整定的四旋翼吊挂自抗扰飞行控制

针对四旋翼无人机吊挂系统状态耦合和载荷抗摆问题,开展了四旋翼无人机吊挂系统抗摆飞行控制研究。首先,利用牛顿-欧拉法和拉格朗日方程建立吊挂系统的动态特性方程。然后,采用反向传播神经网络(BPNN)在线调节自抗扰控制(ADRC)中的扩张状态观测器(ESO)参数,以提高ESO的估计精度和控制器的抗干扰能力。最后,通过仿真对比分析了反向传播神经网络-自抗扰控制(BPNN-ADRC)和传统ADRC的控制系统性能。仿真结果表明,基于BPNN-ADRC的飞行控制系统不仅具有稳定的轨迹跟踪能力,参数调节容易,而且响应速度快,超调量小,抗干扰能力强。     

基于改进自抗扰控制的非对称六相双永磁同步电机串联系统控制

针对PI控制器存在的超调及跟踪速度慢的问题,以非对称六相永磁同步电机(PMSM)双电机串联系统为研究对象,采用自抗扰控制(ADRC)替代传统PI控制进行速度补偿,提高系统的抗干扰能力。基于传统自抗扰模块多参数整定的复杂性,引入遗传算法对其参数寻优,以最小超调量为优化判据通过交叉迭代的方式改进ADRC调节器。搭建基于改进ADRC的非对称六相双PMSM串联系统,并进行仿真。结果表明:与传统PI控制相比较,所用方法具备快速调节性能和精确的跟踪效果,同时可以削弱谐波电流的影响和转矩脉动,验证了所提控制策略的实用性。     

A multi-strategy pigeon-inspired optimization approach to active disturbance rejection control parameters tuning for vertical take-off and landing fixed-wing UAV

In this paper, Active Disturbance Rejection Control(ADRC) is utilized in the pitch control of a vertical take-off and landing fixed-wing Unmanned Aerial Vehicle(UAV) to address the problem of height fluctuation during the transition from hover to level flight. Considering the difficulty of parameter tuning of ADRC as well as the requirement of accuracy and rapidity of the controller, a Multi-Strategy Pigeon-Inspired Optimization(MSPIO) algorithm is employed. Particle Swarm Optimization(PSO), Gen...     

自抗扰控制技术在某型导弹上的应用

将自抗扰控制技术用于某型导弹控制系统设计,从工程应用的角度出发,提出了一种内外双闭环自抗扰姿态控制器设计方法,具体论述了设计的方法原理和过程。仿真结果表明,该方法有较强的鲁棒性和适应性,有较好的动态和稳定性能。     

Neural adaptive control for a ground experiment of the space proximity operation in a six-degree-of-freedom micro-gravity simulation system

In this study, a neural adaptive controller is developed for a ground experiment with a spacecraft proximity operation. As the water resistance in the experiment is highly nonlinear and can significantly affect the fidelity of the ground experiment, the water resistance must be estimated accurately and compensated using an active force online. For this problem, a novel control algorithm combined with Chebyshev Neural Networks (CNN) and an Active Disturbance Rejection Control (ADRC) is proposed. Specifically, the CNN algorithm is used to estimate the water resistance. The advantage of the CNN estimation is that the coefficients of the approximation can be adaptively changed to minimize the estimation error. Combined with the ADRC algorithm, the total disturbance is compensated in the experiment to improve the fidelity. The dynamic model of the spacecraft proximity maneuver in the experiment is established. The ground experiment of the proximity maneuver that considers an obstacle is provided to verify the efficiency of the proposed controller. The results demonstrate that the proposed method outperforms the pure ADRC method and can achieve close-to-real-time performance for the spacecraft proximity maneuver.     

A New Hybrid Control Scheme for an Integrated Helicopter and Engine System

A new hybrid control scheme is presented with a robust multiple model fusion control(RMMFC) law for a UH-60 helicopter and an active disturbance rejection control(ADRC) controller for its engines.This scheme is a control design method with every subsystem designed separately but fully considering the couplings between them.With three subspaces with respect to forward flight velocity,a RMMFC is proposed to devise a four-loop reference signal tracing control for the helicopter,which escapes the closed-loop system from unstable state due to the extreme complexity of this integrated nonlinear system.The engines are controlled by the proposed ADRC decoupling controller,which fully takes advantage of a good compensation ability for unmodeled dynamics and extra disturbances,so as to compensate torque disturbance in power turbine speed loop.By simulating a forward acceleration flight task,the RMMFC for the helicopter is validated.It is apparent that the integrated helicopter and engine system(IHES) has much better dynamic performance under the new control scheme.Especially in the switching process,the large transient is significantly weakened,and smooth transition among candidate controllers is achieved.Over the entire simulation task,the droop of power turbine speed with the proposed ADRC controller is significantly slighter than with the conventional PID controller,and the response time of the former is much faster than the latter.By simulating a rapid climb and descent flight task,the results also show the feasibility for the application of the proposed multiple model fusion control.Although there is aggressive power demand in this maneuver,the droop of power turbine speed with an ADRC controller is smaller than using a PID controller.The control performance for helicopter and engine is enhanced by adopting this hybrid control scheme,and simulation results in other envelope state give proofs of robustness for this new scheme.     

一种航空发动机多变量自抗扰解耦控制律设计

研究了航空发动机多变量解耦控制律设计问题。提出了一种用于航空发动机多回路控制的多变量自抗扰解耦控制算法:首先通过静态解耦算法实现多变量耦合系统的静态解耦,而后通过ADRC非线性扩张观测器的补偿控制实现各回路的动态解耦,最终实现复杂多变量耦合系统的解耦控制。以某涡扇发动机非线性部件级实时数学模型为被控对象,基于上述多变量自抗扰解耦控制算法设计了发动机中间状态以上多变量控制律。在全包线内,与基于增广LQR控制方法设计发动机闭环系统,进行了对比研究。数字仿真结果表明,前者使得发动机闭环系统具有更好的指令跟踪和多回路解耦能力。     

基于ADRC迭代学习控制的四旋翼无人机姿态控制

针对农用无人机超低空表型遥感和喷药精准悬停易受地效扰动问题，提出了一种自适应ADRC姿态控制器。首先设计了基于ADRC的姿态控制器，结合四旋翼无人机平台在0.9~1.1、1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9、3.3~3.6 m/s侧向水平风、0.9~1.1 m/s （11°）、1.1~1.3 m/s （13°）、1.4~1.6 m/s （18°）、1.8~2.0 m/s （18°）、2.1~2.5 m/s （18°）前俯向风和侧俯向风下进行干扰的预测和控制量的补偿实验。实验结果显示使用ADRC姿态控制器后无人机抗风性能有较大提升。然而在存在初始误差时，ADRC固定带宽无法满足要求，进一步设计了自适应ADRC姿态控制器（ILC-ADRC）。通过迭代学习控制在线优化自抗扰控制器带宽，实现了不同增益观测器的自适应整定。实验结合四旋翼无人机平台分别进行了机头实际方向与期望方向偏离55°、90°、180°，水平风速1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9 m/s下使用ADRC和ILC-ADRC的对比。实验结果显示采用ILC-ADRC姿态控制器，在150次控制周期内，偏航角误差均在-15°~15°之间，满足四旋翼无人机偏航角控制精度要求，同时调节时间分别缩短了40%，16.67%，12.5%，53.33%，10.34%，13.95%，27.27%，58.66%，11.86%。