● 摘要
近年来，随着神经网络，模糊控制和其它先进控制技术的发展和成熟，人们对具有抗干扰功能的鲁棒控制系统越来越感兴趣。但是在实际的飞行控制系统中，人们还是习惯性的使用一些现有的常用的方法，将鲁棒控制系统应用至现代飞行控制系统中成为了众多研究者迫切的期望。本文的研究对象为新一代无人飞机。目前大部分的无人机都很轻巧，其控制系统都是基于简单的气动数据设计的。但是在执行任务过程中的无人机的动态特性也是随着其过载的变化而剧烈变化的，这无疑增加了系统的不确定。而为了抵消这些不确定性对系统的影响，人们不得不设计更加鲁棒的控制器。在一般的鲁棒控制系统的设计中，有两个最重要的指标需要考虑，一是系统的性能；二是系统在干扰或不确定存在的情况下的鲁棒性。但是一般情况下，在鲁棒控制系统的设计中，这两者总是矛盾的，为了使系统具有对干扰和不确定的强鲁棒性，人们不得不牺牲系统的性能。换句话说鲁棒控制系统的鲁棒性只能在牺牲系统性能的情况下达到，鲁棒控制方法实际上是在系统性能和鲁棒性之间的折中，因此传统的鲁棒控制系统无法兼顾系统鲁棒性和性能。本论文研究的主要目的是能找到一个能同时兼顾系统性能和鲁棒性的鲁棒控制器。本文提出了一种新型鲁棒控制器结构。该鲁棒控制器的实现可分两步进行。第一步是设计一个主控制器，主控制器主要考虑闭环系统的性能，可采用增益调节，非线性动态逆等方法设计。第二步是设计一个补偿控制器以增强系统的鲁棒性。两个控制器的设计可以分开进行。补偿控制回路独立于主控制器回路，且补偿控制器仅在外界干扰或不确定性存在时才启用。本文提出的两步法鲁棒控制器设计可适用于任何飞行控制系统。本文仅以新一代无人机为研究对象以证明本文所提方法的正确性和有效性。考虑到整个无人机控制系统的设计和实现，本文的主要研究内容如下：1. 建立了无人机的数学模型。包括非线性数学模型和基于小扰动线性化原理的线性数学模型。在建立了无人机数学模型的基础上，进一步研究了无人机的飞行品质和操纵性能。2. 定义了无人机的控制系统组成和闭环系统的性能指标。提出无人机执行机构的最大偏转角度应随着系统的过载，最大转弯速度等指标变化，不应该固定不变。3. 提出了一种新的鲁棒控制器。该控制器包括主控制器和补偿控制器两部分，主控制器可以用任何已有的理论设计。论文的研究重点放在补偿控制器的设计上。主要研究了基于BP神经网络辨识模型的神经网络自适应补偿补偿控制器设计，实现了新型鲁棒控制器设计。另外提出了一种基于非线性扩张状态观测器的补偿控制器设计方法，同时分析了加入补偿控制器后整个闭环系统的稳定性。4. 动态逆控制是一种常用的非线性系统控制方法。本文首先研究了基于时标分离的飞控系统的动态逆控制，继而设计了基于扩张状态观测器的补偿控制器以增强系统的鲁棒性。针对文中的主要研究方法以无人机为研究对象进行了仿真验证，仿真结果表明本文提出的两步法鲁棒控制器设计方法是一种有效的鲁棒控制器。