● 摘要
无人机(UAV)通过机载传感器和自动控制系统，可以自主完成所给定的飞行任务。按照飞行方式，无人机可以分为无人旋翼机和无人固定翼飞机。相对于无人固定翼飞机，无人旋翼机具备更强的地理环境适应能力，它可以在更小的空间里，灵活实现垂直升降、悬停、低速巡航与盘旋等特殊任务，因此它在军事和民用领域都具备广泛的应用前景。目前国内对于无人旋翼机的研究，基本都以直升机为原型。无人直升机（以下简称无人机）控制系统是不稳定系统，它的各个通道之间的耦合非常严重，而且在不同的飞行模态下动态特性有较大的差异，这使得无人机控制系统的设计异常困难。为了设计无人机的控制系统，就必须研究它的建模与模型跟踪。本文提出了一种渐消记忆的最小二乘逐状态辨识算法，相对已往利用最小二乘进行无人直升机矩阵辨识的方法，该算法能极大地减小计算量，降低计算的复杂程度以提高计算过程的稳定性。本文采用该方法建立了小型无人直升机系统的ARMAX模型和MIMO模型，并通过仿真对两种模型做了对比，结果显示MIMO模型能更精确地描述小型无人直升机系统。本文的基本结构如下：首先，介绍了无人机的发展背景以及无人直升机相对无人固定翼飞机的优势。然后，建立了无人机飞行的坐标系，它是控制系统和建模设计的基础。接着，对无人机控制系统的一些常用算法进行了研究，并确定了模型参考自适应算法，以此为依据来进行无人机的系统建模的研究。随后，本文对多种可行的系统辨识的算法进行了试验和分析对比，并基于这些算法设计出了最小二乘和卡尔曼滤波结合的方法来进行系统的辨识。最终，通过将建模得到的模型进行系统仿真，再与实际飞行效果的输出对比，验证了本方案的可行性。