风场环境下主动建模无人直升机改进LQG控制

2012-03-03 06:17:54李一波刘婉竹宋崎赵树
飞行力学 2012年4期
关键词:卡尔曼滤波大气模型

李一波,刘婉竹,宋崎,2,赵树

(1.沈阳航空航天大学自动化学院,辽宁沈阳 110136;2.沈阳自动化研究所第一研究室,辽宁沈阳 110016;3.中航工业西安飞机工业(集团)有限责任公司 第31厂,陕西 西安 710089)

引言

无论是高大建筑物的屋顶平台,还是高山峡谷的狭小平地,小型无人直升机均能起降自如,实施多种作业。这样一来就使得执行任务的环境信息常常是不完全透明的,文献[1]把这种信息不完全透明的环境称作不确定环境。目前国内外对于无人直升机飞行控制系统的研究,尤其是对于不确定环境下的研究还不是很充分,主要有以下几种[2]:(1)用特征结构配置法;(2)定量反馈理论(QFT);(3)H∞控制;(4)线性二次型高斯/传递回路恢复(LQG/LTR)方法。LQG方法是用来处理有随机噪声干扰或模型状态无法直接测量情况下的状态反馈最优化设计方法[3],其本质是附带卡尔曼滤波器的最优二次型控制器。由于传统的LQG控制方法只能对模型中的状态进行估计,而主动建模技术可以对模型中的参数和状态进行在线估计[4],因此本文将主动建模技术与传统的LQG控制相结合,为系统实时地建立相对准确的模型。

本文所考虑的不确定环境主要指风场环境。在飞行控制系统设计中,大气扰动的各种参数(如风速、风向等)是变化的,当风速非常大,与飞行器的飞行速度接近一个数量级时,大气扰动不能再被看作小扰动事件,为了对飞行器进行有效控制,需要获知大气扰动的模型。大气扰动表现为变化风,其对飞行器的影响主要有风切变和大气紊流[5]。……

登录APP查看全文

猜你喜欢
卡尔曼滤波大气模型
一半模型
大气的呵护
军事文摘(2023年10期)2023-06-09 09:15:06
重尾非线性自回归模型自加权M-估计的渐近分布
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
3D打印中的模型分割与打包
大气古朴挥洒自如
大气、水之后,土十条来了
新农业(2016年18期)2016-08-16 03:28:27
基于模糊卡尔曼滤波算法的动力电池SOC估计
电源技术(2016年9期)2016-02-27 09:05:39
基于扩展卡尔曼滤波的PMSM无位置传感器控制
电源技术(2015年1期)2015-08-22 11:16:28
基于自适应卡尔曼滤波的新船舶试航系统