三自由度飞行器控制研究张宏亮

1、三自由度飞行器的控制研究答 辩 人：张宏亮指导教师：杨光红 教授二九年七月二日2022/8/61 三自由度飞行器模型的介绍线性二次型最优控制器的设计 该模型的模糊PID自整定控制器的设计用遗传算法优化该模糊PID 控制器Northeastern University july 2, 2009总结与展望2022/8/62 三自由度飞行器模型能够同时进行俯仰、滚转、偏航运动Northeastern University July 2, 20092022/8/63动力学方程动力学方程俯仰通道滚转通道偏航通道2022/8/64Northeastern University july 2, 2009状态

2、方程2022/8/65LQR控制Northeastern University july 2, 2009线性定常系统的状态方程二次型性能指标函数最优控制黎卡提方程2022/8/661 、通过仿真可以看到：各个通道有不同程度的超调，有的甚至出现超震荡。针对这些不足，采用模糊控制，模糊控制不依赖于数学模型，具有较好的鲁棒性。2 、模糊控制本身消除系统稳态误差的能力差，难以达到较高的控制精度。PID控制器具有控制精度高的特点但不具备在线整定参数的功能。结合两者的优点。 Northeastern University June 2, 2009模糊PID控制器的设计2022/8/67Northeaste

3、rn University july 2, 2009被控对象PID控制器模糊化模糊推理清晰化d/dtr(t)+-e (t)u(t)y (t)eceECE输出 模糊PID控制的结构图2022/8/68Northeastern University july 2, 2009本系统有三个通道，分别为俯仰，滚转，偏航。采用三个模糊PID控制器分别来控制模型系统的三个通道。三通道模糊控制器的语言变量的语言值我们都取7个值负大，负中，负小，零，正小，正中正大，相应字母 NB,NM,NS,O,PS,PM,PB三个通道的输入输出变量的模糊论域都为1.模糊论域2.模糊语言变量2022/8/69俯仰通道误差的实际

4、论域为25，25，滚转通道误差实际论域为-25，25，偏航通道误差实际论域为-180，180;Northeastern University july 2, 2009各通道误差变化的实际论域：俯仰为-40，40滚转为-40，40，偏航为-40，40俯仰和滚转通道的输出量的实际论域为 偏航通道的实际论域为3.基本论域2022/8/610模糊语言变量确定之后，须对模糊语言变量确定隶属函数，隶属度函数都选择为常见的三角形函数，对模糊论域采用均匀划分。Northeastern University july 2, 20094.隶属度函数的确定2022/8/6111.当 较大时，为使系统具有较好的跟踪性

5、能， 应取较大的与较小的 ，同时为避免系统响应出现较大的超调，应对积分作用加以限制，通常取 =0; Northeastern University july 2, 20092.当 处于中等大小时，为使系统响应具有较小的超调， 应取得小些。在这种情况下， 的取值对系统响应的影响较大, 的取值要适当。 3.当 较小时，为使系统具有较好的稳定性能， 与 均应取得大些。 值的选择根据ec来确定:当ec值较小时， 取大些;当ec值较大时， 取较小值，通常 为中等大小 5.规则的确定2022/8/612If(e is NB) and (ec is NB) then (KP isPB)(Kl is NB)(

6、KD is PS)Northeastern University july 2, 2009模糊控制器采用二维的Mamdani控制器，模糊控制决策采用Max-Min。6.反模糊化：重心法2022/8/613仿真结果Northeastern University july 2, 20092022/8/614仿真结果Northeastern University july 2, 20092022/8/615Northeastern University july 2, 2009在上一章用模糊PID做出的结果存在一定的稳态误差。原因：模糊控制器的设计过程中包含了大量的主观因素，如控制规则的获取、隶属函

7、数的选择、量化因子及比例因子的选择等等 。用遗传算法优化该模糊PID 控制器2022/8/616运算流程Northeastern University july 2, 2009实数问题参数集编码成串父代种群计算适应度函数值选择交叉优化完成优化的结果变异YN2022/8/617用遗传算法优化量化因子和比例因子1.编码： 21.6 13.5 6.6 0.3 3.3 21.6 13.5 6.6 0.3 3.3 6 13.5 1.3 0.3 10Northeastern University july 2, 2009量化因子比例因子2.适应度函数算法的实现过程2022/8/618Northeaster

8、n University july 2, 20095.变异：实数制的变异点执行变异时随机产生 一个变量范围内的值代替原来的基因 值。3.选择：赌论选择引入“精英选择”策略4.交叉：算术交叉优化后的结果：15.6 10.5 6.1 0.2 3.0 15.6 10.5 6.1 0.2 3.0 6.1 10.5 1.2 0.2 10.22022/8/619Northeastern University july 2, 2009用遗传算法同时优化隶属度函数和模糊规则以0、l、2、3、4、5、6、七个整数代表模糊语言变量的七个语言值NB、NM、NS、O、PS、PM、PB 1.控制规则的编码1.隶属度函数

9、的编码2022/8/620Northeastern University july 2, 2009ecKpe NB NM NS O PS PM PB NB PB PB PM PM PS O O NM PB PB PM PS PS O NS NS PM PM PM PS O NS NS O PM PM PS O NS NM NM PS PS PS O NS NS NM NM PM PS O NS NM NM NM NB PB O O NM NM NM NB NBecKpe 0 1 2 3 4 5 6 0 6 6 5 5 4 3 3 1 6 6 5 4 4 3 2 2 5 5 5 4 3 2 2

10、3 5 5 4 3 2 1 1 4 4 4 3 2 2 1 1 5 4 3 2 1 1 1 0 6 3 3 1 1 1 0 02022/8/621将隶属函数和模糊控制规则的编码联合起来，就形成了最终的一维的染色体编码串。 Northeastern University july 2, 2009e ec 的规则编码 的规则编码 的规则编码 2.适应度函数3.选择：赌轮选择引入“精英选择”策略2022/8/622Northeastern University july 2, 20094.交叉：分部交叉，前15位算术交叉，后147位是两点交叉隶属度函数变异5.变异：隶属度函数和规则分别变异2022/

11、8/6230.2512 0.5606 0.7666 0.2512 0.5606 0.7666 0.2512 0.5606 0.7666 0.2512 0.5606 0.7666 0.2512 0.5606 0.7666 6655433 6654332 5554321 5543311 4432221 4321100 3221100 0012234 00112334 1122344 1123456 12344566 3445666 4200114 4201133 3212223 3223333 6344456 6545446 Northeastern University july 2, 2009规则的变异运行结果2022/8/624仿真结果Northeastern University july 2, 20092022/8/625Northeastern University july 2, 20092022/8/626总