主要内容

增益调度三回路自动驾驶仪的调谐

这个示例使用:

打开脚本

这个示例使用Systune.为三回路自动驾驶仪生成平滑增益计划。

机身模型和三环自动驾驶仪

这个例子使用了一个机身俯仰轴动力学的三自由度模型。这些状态是地球坐标(X_e Z_e)美元，身体坐标(u, w)美元，俯仰角\θ美元和音高率q = \点\θ美元．下图总结了惯性和车身框架之间的关系，飞行路径角\伽马美元，入射角\α美元，以及俯仰角度\θ美元．

我们使用经典的三环自动驾驶仪结构来控制飞行路径角度\伽马美元．这个自动驾驶仪通过提供适当的正常加速度来调整飞行路径a_z美元（加速沿着w美元）.反过来，通过调节电梯偏转来产生正常加速度$ \ delta $以引起俯仰和改变升力的大小。自动驾驶仪使用比例积分(PI)控制在螺距率环路$ q $和比例控制a_z美元和\伽马美元循环。在Simulink中对闭环系统(机身和自动驾驶仪)进行建模。金宝app

open_system (“rct_airframeGS”）

自动增益调度

机身动力学是非线性的，气动力和力矩依赖于速度五美元和发病率\α美元．以获得适当的性能(\α,V)美元飞行信封，必须根据函数调整自动驾驶仪收益\α美元和五美元弥补植物动态的变化。此调整过程称为“增益调度”和$ \α,V $被称为调度变量。在Simuli金宝appnk模型中，增益计划实现为由测量驱动的查找表\α美元和五美元．

增益调度是一种用于控制非线性或时变对象的线性技术。其思想是计算被控对象在各种运行条件下的线性逼近，在每个运行条件下调整控制器增益，并在运行期间交换增益作为运行条件的函数。常规增益调度包括以下三个主要步骤。

  1. 修剪并在每个操作条件下线性化工厂

  2. 调整控制器增益为线性化动力学在每个操作条件

  3. 协调增益值以提供操作条件之间的平稳过渡。

在本例中，您通过将自动驾驶仪增益参数化为一阶多项式来组合步骤2和步骤3$ \α,V $直接调整整个飞行包络线的多项式系数。这种方法消除了步骤3，并保证平滑的增益变化作为函数\α美元和五美元．此外，增益调度系数可以自动调整Systune.．

修剪和线性化

假设\α美元在-20到20度之间变化，速度五美元在700和1400米/秒之间变化。当忽略重力时，机身动力学是对称的\α美元．因此，只考虑积极的值\α美元．使用线性间隔的5 × 9网格(\α,V)美元结对覆盖飞行信封。

na = 5;% alpha值的数量nV = 9;V值的百分比[alpha，v] = ndgrid（linspace（0,20，na）* pi / 180，linspace（700,1400，nv））;

对于每种飞行状态(\α,V)美元，线性化机身动力学在修剪(零法向加速度和俯仰力矩)。这就需要计算电梯的挠度$ \ delta $和球场$ q $结果是稳定的w美元和$ q $．为此，首先将机身模型隔离在单独的Simulink模型中。金宝app

mdl ='rct_airframetrim';Open_System（MDL）

用Operspec.指定修剪条件，使用查找计算修剪值$ \ delta $和$ q $，并线性化机身动力学的结果工作点。有关详细信息,请参见修剪和线性化机身（金宝appSimulink Control Design）．在45种飞行条件下重复以上步骤(\α,V)美元．

计算每个调整条件(\α,V)美元对。

为了ct=1:nA*nV alpha_ini = alpha(ct);% (rad)发生率V_INI = V（CT）;%的速度(米/秒)％指定修剪条件opspec (ct) = operspec (mdl);% Xe、Ze:已知，不稳定opspec (ct) .States(1)。知道= (1,1);opspec (ct) .States(1)。稳态= (0,0);% u,w:已知，w稳定opspec（ct）.states（3）.known = [1 1];opspec（ct）.states（3）.steadystate = [0 1];% θ:已知，不稳定OPSPEC（CT）.states（2）.known = 1;OPSPEC（CT）.states（2）.steadystate = 0;% q:未知，稳定OPSPEC（CT）.states（4）.known = 0;OPSPEC（CT）.states（4）.steadystate = 1;结尾OPSPEC = REPAPE（OPSPEC，[NA NV]）;

根据给定的规格修剪模型。

选项= findopoptions（'displayReport'那“关闭”）;op = condop（mdl，opspec，选项）;

在配平条件下线性化模型。

G =线性化(mdl, op);G.u ='三角洲';g.y = {“α”那'v'那'Q'那“阿兹”那'伽玛'那“h”};G.SamplingGrid =结构(“α”α,'v'，v）;

这个过程产生了一个5乘9的线性化植物模型阵列在45个飞行条件下(\α,V)美元．整个飞行包络线上的植物动态变化很大。

Sigma（g）标题（'机身动态的变化'）

可调增益表面

自动驾驶仪由四个增益组成$K_p, K_i, K_a, K_g作为…的函数被“安排”(调整)\α美元和五美元．实际上，这意味着在每个相应的4个查找表中调优88个值。与其单独调优每个表项，不如将增益参数化为一个二维增益曲面，例如，具有简单多线性依赖关系的曲面\α美元和五美元：

$ $ K(\α,V) = K_0 + K_1 \α+ K_2 V + K_3 \αV $ $．

这将每个查询表的变量数量从88个减少到4个。使用Tunablyurface.对象以参数化每个增益表面。注意：

  • TuningGrid指定“调优网格”(设计点)。这个网格应该与用于线性化的网格相匹配，但不需要与循环表断点相匹配

  • ShapeFcn指定表面参数化的基本函数(\α美元那五美元,$ \ alpha v $）

使用的调优结果将每个曲面初始化为常数增益\α美元= 10度五美元= 1050米/秒(中档设计)。

TuningGrid =结构(“α”α,'v'，v）;shapefcn = @（alpha，v）α[alpha，v，alpha * v];kp = tunballulface（“金伯利进程”，0.1，tuninggrid，shapefcn）;ki = tunballureface（'ki'2 TuningGrid ShapeFcn);Ka = tunableSurface (“咔”0.001、TuningGrid ShapeFcn);公斤= tunableSurface ('公斤'，-1000，tuninggrid，shapefcn）;

接下来创建一个SLTUNER.用于调整增益曲面的界面。使用块替换通过在调谐网格上通过线性化模型更换非线性工厂模型。用setBlockParam关联可调谐增益面Kp那ki.那K a那公斤使用同名的插值块。

blocksubs = struct（'姓名'那“rct_airframeGS /机身模型”那'价值'G);ST0 = slTuner (“rct_airframeGS”, {“金伯利进程”那'ki'那“咔”那'公斤'}, BlockSubs);%登记兴趣点ST0.addPoint ({'az_ref'那“阿兹”那'gamma_ref'那'伽玛'那'三角洲'}）％参数化查找表块ST0.setBlockParam (“金伯利进程”Kp,'ki'吻,“咔”卡,'公斤'公斤);

自动调优

Systune.可以自动调整增益表面系数为整个飞行包络线。用TuningGoal指定性能目标的对象：

  • \伽马美元循环：跟踪具有1秒响应时间的设定值，稳态误差小于2％，峰值误差小于30％。

Req1 = TuningGoal。跟踪('gamma_ref'那'伽玛'，1,0.02,1.3）;ViewGoal（req1）

  • a_z美元环路:确保在低频(跟踪加速度需求)和超过10 rad/s(对测量噪声不敏感)的干扰抑制良好。扰动被注入az_ref的位置。

RejectionProfile = frd([0.02 0.02 1.2 1.2 0.1]，[0 0.02 2 15 150]);Req2 = TuningGoal。获得('az_ref'那“阿兹”, RejectionProfile);viewGoal (Req2)

  • $ q $回路:确保良好的干扰抑制高达10 rad/s。扰动被注入到植物的输入端δ．

Req3 = TuningGoal。获得('三角洲'那“阿兹”, 600 *特遣部队(0.25 [0],[0.25 - 1]));viewGoal (Req3)

  • 瞬态:确保无振荡瞬态的最小阻尼比为0.35

MinDamping = 0.35;Req4 = TuningGoal.Poles (0, MinDamping);

使用Systune.，调整16个增益表面系数，以最好地满足所有45个飞行条件的这些性能要求。

ST = systune(ST0，[Req1 Req2 Req3 Req4]);
Final:软= 1.13，硬= -Inf，迭代= 57

组合目标的最终值接近1，表明所有要求几乎满足。可视化产生的增益曲面。

%得到调整的增益面。TGS = getBlockParam (ST);%绘制增益面。CLF子图（2,2,1）ViewsURF（TGS.KP）标题（“金伯利进程”) subplot(2,2,2) viewSurf(TGS.Ki) title('ki') subplot(2,2,3) viewSurf(TGS.Ka) title(“咔”）子图（2,2,4）ViewsURF（TGS.KG）标题（'公斤'）

验证

首先验证调整后的自动驾驶仪在45飞行条件考虑以上。绘制对飞行路径角阶跃变化的响应和对电梯偏转阶跃扰动的响应。

CLF子图（2,1,1）步骤（Getiotransfer（St，'gamma_ref'那'伽玛'），5）网格标题（'跟踪飞行路径角度的步骤变化'次要情节(2,1,2)步骤(getIOTransfer(圣,'三角洲'那“阿兹”), 3)网格标题(“对植物输入阶跃扰动的抑制”）

在所有飞行条件下，响应均令人满意。接下来验证自动驾驶仪对非线性机身模型。第一次使用writeblockvalue.将调优结果应用到Simulink模型中。金宝app这将在两个Prelookup块中指定的断点处计算每个增益面公式，并将结果写入相应的插值块。

writeBlockValue (ST)

模拟自动驾驶性能的机动，使机身通过其飞行包络线的很大一部分。下面的代码相当于在Simulink模型中按下Play按钮并检查Scope块中的响应。金宝app

％指定初始条件。h_ini = 1000;alpha_ini = 0;v_ini = 700;%模拟模型。SimOut = sim卡(“rct_airframeGS”那“ReturnWorkspaceOutputs”那'在'）;%提取仿真数据。SimData =得到(SimOut,“sigsOut”）;Sim_gamma = getElement (SimData,'伽玛'）;sim_alpha = getErement（Simdata，“α”）;Sim_V = getElement (SimData,'v'）;Sim_delta = getElement (SimData,'三角洲'）;Sim_h = getElement (SimData,“h”）;sim_az = getErement（simdata，“阿兹”）;t = sim_gamma.values.time;%绘制主要飞行变量。clf次要情节(2,1,1)情节(t, Sim_gamma.Values.Data (: 1),“r——”t Sim_gamma.Values.Data (:, 2),“b”)网格传奇(“吩咐”那“实际”那'地点'那“东南”)标题(“飞行路径角”) subplot(2,1,2) plot(t,Sim_delta.Values.Data) grid title('电梯偏转\ delta以学位'）

subplot(2,1,1) plot(t,Sim_alpha.Values.Data) grid title('度的入射\ alpha') subplot(2,1,2) plot(t,Sim_V.Values.Data) grid title('速度V (m/s) '）

subplot(2,1,1) plot(t,Sim_h.Values.Data) grid title(“高度h，单位米”）子图（2,1,2）绘图（t，sim_az.values.data）网格标题（'正常加速a_z in g''s'）

在整个机动过程中对飞行路径角廓线的跟踪保持良好。注意发生率的变化\α美元和速度五美元涵盖这里考虑的大部分飞行信封（[-20,20]\α美元[700,1400]的五美元）.当自动驾驶仪调整到3000米的标称高度时，它在1000米到10000米的高度变化中表现良好。

非线性仿真结果证实，增益预定的自动驾驶仪在整个飞行信封中提供始终如一的高性能。“增益曲面调谐”程序为增益依赖性提供了简单的显式公式，用于对调度变量。您可以使用这些公式直接使用这些公式以获得更多内存高效的硬件实现。

也可以看看

（金宝appSimulink Control Design）||（金宝appSimulink Control Design）

相关例子

更多关于

控制系统工具箱文档

金宝app

了解如何自动调谐PID控制器增益

了解如何自动调谐PID控制器增益

下载代码示例