APM 姿态抗风(干扰 突变) 优化处理

问题描述:

   将amp 移植到stm32 平台后,fast_loop执行频率 可以达到400hz,且可以使用卡尔曼滤波,飞行效果还可以,但gps 定点飞行时发现:有突变风的时候机体容易出现轻微摇晃,和大僵的对比,小动作明显多些,感觉没法接受。

   同样的情况,在室内飞行时,飞机容易发生加速平移,加大积分参数后加速平移现象可以得到有效抑制,但新的情况:出现不稳定气流时,机体同样出现轻微摇晃,小动作频繁。经过数据分析,发现主要是大积分参数导致,且大积分参数还有其他各种负面影响。

   经过各种实验和数据收集分析,得出以下结论:

      1.导致这种现象的原因是外界气流的变化,作用于飞机产生姿态偏移。

      2.飞机的抗风能力差,小动作频繁都是这个原因导致的。(这个抗风指的不是逆向抗风维持飞机位置,而是指突变风导致的姿态变化维持姿态稳定)
3.上述问题,最终归结于控制系统的干扰抑制问题,要解决这个问题,需要增强控制系统的干扰抑制能力。

      4.通过调整PID 参数无法圆满的解决这个问题,通过Matlab 仿真,可以证明,纯PID 无法有效抑制干扰。

问题解决:

   方案1 

      采用自抗扰PID设计,对于这种做法,关键在于观察器的误差精度,通过matlab 仿真,感觉效果不能满意,所以只作为备用方案。

方案2

      采用H∞鲁棒控制,通过matlab仿真理想的H∞状态反馈控制效果堪称完美,对干扰的抑制极强。但实际情况是:首先是不稳定系统,其次是高灵敏系统(即输入到状态的变化很快,都是豪秒级别),再就是本系统属于不确定时滞系统。这样选取适合的H∞模型方程就很关键,本次打算首先采用这种方法尝试。

   方案3

      采用最优控制+干扰抑制,这方向尚未仔细研究,也没有做matlab仿真,作为备用方案。

方案4

      自适应控制+观测器,具体待续。

方案2实施

   首先,确定状态反馈阵,本次不详叙该过程。

   采用的模型方程为: dX(t)=(A+△)X(t) + (B+△)u(t - d) + (Bw+△)w(t)

   其次,修改apm 姿态控制算法,修改原则是尽量保证不破坏原有结构,方便以后其他算法无缝替换

   以roll 定高为例先回顾一下姿态控制过程:

fast_loop()

attitude_control.rate_controller_run() (以下都在姿态控制对象中)

_motors.set_roll(rate_bf_to_motor_roll(_rate_bf_target.x))根据当前角速度计算姿态控制输出

         angle_ef_roll_pitch_rate_ef_yaw_smooth 函数,参数包含了目标姿态roll角度 (以下都在姿态控制对象中)

_angle_ef_target.x = roll_angle_ef  目标姿态roll角度

angle_ef_error.x = _angle_ef_target.x - _ahrs.roll_sensor计算角度差,这个我们用不到

frame_conversion_ef_to_bf(angle_ef_error, _angle_bf_error) 坐标转换

update_rate_bf_targets()

_rate_bf_target.x = _p_angle_roll.kP() * _angle_bf_error.x;   计算目标角速度, 这个我们用不到

H∞ 反馈控制对象

   输入:当前roll角度当前roll角速度目标角度

   输出: 控制输出

定义接口对象 AC_StateController 状态控制器,该对象虚函数 virtual float to_motor(float state1,float state2,float state3,float state4,float state5),该对象仅仅是

--实现状态反馈而已,所以非常简单。

根据以上控制流程,为了不破坏原有结构,以及兼容以后的新加控制算法,在AC_AttitudeControl中增加新的对象

AC_StateController* _rollController  (初始值 NULL)

AC_StateController*_pitchController (初始值 NULL)

修改 rate_controller_run 函数为:

if(_rollController)
_motors.set_roll(_rollController->to_motor(_angle_bf_error.x,_ahrs.get_gyro().x * AC_ATTITUDE_CONTROL_DEGX100));
    else 
_motors.set_roll(rate_bf_to_motor_roll(_rate_bf_target.x));
if(_pitchController)
_motors.set_roll(_pitchController->to_motor( _angle_bf_errory,_ahrs.get_gyro().y * AC_ATTITUDE_CONTROL_DEGX100));
    else 
_motors.set_pitch(rate_bf_to_motor_pitch(_rate_bf_target.y));

以上就完成了主要修改,完成细节部分后就可以直接测试了。

测试过程及现象,待续.

经过一段时间的调试,效果很差,具体就不描述了。

根据分析,感觉应该是模型方程不准确导致的,经过多次辨识,发现之前忽略了一些问题:系统可能是个时变系统

目前没有更好的办法,下一步打算采用 自适应控制:直接极点配置。










你可能感兴趣的:(飞行控制,APM,APM,飞控,pid,无人机)