植保無人機噴藥姿態自適應平衡控制研究

陳磊 張紅欣 朱超

摘要：無人機作為現代化農業植物保護的有力助手，在進行藥物噴灑過程中具有適用性好、噴灑效率高的特點。而植保無人機在進行農藥噴灑時，極容易受到外界因素的影響而改變飛行姿態。為保證飛行器的姿態能實現自適應平衡，研究飛行器時在變動力學模型的基礎上，研究了一種徑向基函數（radial basis function，簡稱RBF）-比例-積分-微分（proportion-integral-differential，簡稱PID）控制方法，該控制方法將神經網絡、模糊控制、PID控制技術進行有效耦合，使得飛行器在進行植物保護時能快速針對姿態做出實時有效的調整，確保在藥物噴灑時保持穩定性和魯棒性。

關鍵詞：植保無人機;農藥噴灑;姿態自適應;RBF-PID;魯棒性

中圖分類號：S252+.3 ? 文獻標志碼： A ?文章編號：1002-1302（2019）14-0269-04

我國作為農業大國，具有1.2億hm2基本農田，需要大量的人員從事農業植物保護作業，同時我國《“十三五”農業科技發展規劃》指出，我國農業要面向農業信息化、精準化[1]。植保無人機具有霧化效果好、向下風場大、穿透力強、省水省藥的特點，因此在農作物植物保護方面扮演著重要的角色，預計到2020年，我國植保無人機需求量達10萬架[2]。

植保無人機進行藥物噴灑時，姿態位置的調整是無人機控制的重要環節[3]，目前針對無人機姿態控制是基于模型控制，主要采用單回路比例-積分-微分（proportion-integral-differential，簡稱PID）控制、串級PID控制、反步法、線性二次型調節器（linear quadratic regulator，簡稱LQR）控制、內環控制、模糊遺傳控制、魯棒H∞控制、反饋線性控制等控制方法[4]。然而無人機在進行藥物噴灑過程中，噴槍后座力、自適質量變化等自適因素及外界因素如空氣風速、大氣壓強等會造成植保無人機自身狀態的改變。無人機在藥物噴灑過程中由于飛行高度及飛行速度的不同對施藥作物的生長狀況具有不同程度的影響。為確保施藥過程均勻有效地進行，本研究將徑向基函數（radial basis function，簡稱RBF）與PID控制方法進行有機結合，研究一種RBF-PID控制算法，該算法融合了神經網絡、模糊控制系統、自適應學習、PID控制技術、智能檢測技術等，具有靈敏度高、動態響應快、超調量小、魯棒性強等優點。

1 無人機飛行器動力學模型

1.1 飛行器飛行原理

本研究的植保無人機采用四旋翼飛行器，植保無人機結構模型如圖1所示，該四旋翼飛行器為“十”字交叉型，在十字結構的末端分別為4個直流電機。其中以OE為圓心的定義為世界坐標系E（OXYZ），以Ob為圓心的定義為飛行坐標系B（OXYZ）。在進行上升、前進、旋轉等姿態改變時主要依據定義的Euler角對電機轉速的改變進行調整，根據“十”字形結構，Euler角定義為：偏航角ψ：以OZ為軸心，OXY為平面進行旋轉;俯仰角θ：以OY為軸心，OXZ為平面進行旋轉;翻轉角φ：以OX為軸心，OYZ為平面進行旋轉;F1、F2、F3、F4分別為4個旋翼上所受的拉力;EE為相對于飛行坐標系而言的旋轉坐標系。

“十”字交叉型結構的尾部各有一個直流電機，可通過控制各個電機電流大小來控制轉速，電機轉速不同所產生的升、阻力就不同，這樣通過控制電機轉速就可以改變飛行器的飛行姿態，較為典型的姿態調整原理如圖2所示。

3 RBF-PID控制原理研究

3.1 RBF-PID控制方法

植保無人機在完成施藥任務時，因不同的植株具有不同的施藥高度，若植株較低而植保無人機飛行高度較高則單位葉面上藥物噴灑量較少，形成施藥不成功的現象，反之會造成植株葉面上端和中端噴灑不均勻，對作物的施藥過程造成不同程度的影響，從而直接影響植株生長質量。因此植保無人機在施藥過程中姿態一定要具有自適應能力強、對外界環境因素（風速、藥液質量）變化響應快的特點。

傳統的PID控制具有可靠性高、結構簡單、穩定性好等優點，但局限性是只能適用于一些簡單的控制對象。單回路模糊PID控制、串級模糊PID控制在控制過程中雖然也能具有較好的控制效果，但在實際操作過程中很難實現對飛行中和懸停狀態下遇到的影響因素做出很快的響應[10-11]。

本研究的RBF-PID控制方法在傳統PID控制和神經網絡控制的基礎上，將神經網絡和串級PID控制器進行有機結合，從而實現對復雜系統具有較高的動態響應特性、控制精度、運行速度及較強的適應性。在串級PID控制過程中，內環用角速度PID控制器采用陀螺儀進行角速度的測量;外環用角度PID控制器采用陀螺儀、磁力計、加速度計完成對偏轉角度的測量。RBF-PID控制器結構如圖4所示。主回路將采集到的角速度值與設定值得出的角速度偏差e和角速度偏差變化率ecdedt作用到模糊推理機中，輸出的結果經過最小二乘法和神經網絡模塊計算得出最優ΔKP、ΔKI、ΔKD數值，從而改變主PID控制器的比例系數、積分時間、微分時間。為提高PID控制器的控制精度，采用串級PID控制器。主控制器的輸出作為副控制器的輸入，進行誤差的再處理和控制器的再輸出，最終結合控制器的輸出作用于四旋翼飛行器的動力裝置，從而完成一次姿態的動態自適應更新與控制。

3.2 RBF-PID控制策略

在Matlab模糊規則編輯過程中，結合5個參數變量之間的影響關系，編輯了49條控制規則。從生成的控制參數結構曲面可觀察到ΔKP、ΔKI、ΔKD 3個參數的控制曲線均無明顯尖點。

4 仿真及試驗分析

通過在Matlab/Simulik仿真環境中對模糊控制器、RBF程序編寫、PID各項控制模塊的編輯，結合Simulik中特有的分裝功能設計了如圖5所示的RBF-PID控制器仿真圖。

表2列舉了植保無人機的各項性能參數描述。

4.1 仿真及噴灑試驗

通過如圖5所示建立的RBF-PID控制器的控制結構及各控制通道的傳遞函數進行俯仰角、翻轉角、偏航角的仿真，仿真結果如圖6、圖7、圖8所示，并將RBF-PID控制方法進行程序化編程嵌入到ARM芯片中，圖9為現場用無人機進行藥物噴灑時的懸停工作圖。

5 結論

通過在Matlab/Simulik仿真環境中對傳統PID控制器、常規串聯PID控制器、RBF-PID控制器俯仰角、翻滾角、偏航角進行仿真，結果發現常規PID控制器雖然最后能接近控制目標但是該控制器超調量較大，與設定值有一定的余差，且達到理想控制效果所用時間最長，常規串聯PID控制器能在較短的時間內達到理想的控制效果并且不存在余差的情況，但是響應時間較慢，最后達到理想控制狀態所需的時間較長，超調量并不大，過沖現象不是非常明顯。本研究的RBF-PID控制方法具有較小的系統超調量，在控制過程中達到穩定時間只需要0.31 s，系統的動態響應快、精度高，且穩態后的誤差非常小。通過大量試驗表明，本研究無人機噴藥姿態自適應平衡控制在針對植保無人機懸停和正常飛行過程中受外部不確定因素影響后能夠得到很好的穩態控制，同時該方法能對姿態進行較為快速靈敏的自動化與自適應調節。

參考文獻：

[1]婁尚易，薛新宇，顧 偉，等. 農用植保無人機的研究現狀及趨勢[J]. 農機化研究，2017，39（12）：1-6，31.

[2]Yu Y S，Ding X L. A quadrotor test bench for six degree of freedom flight[J]. Journal of Intelligent & Robotic Systems，2012，68（3/4）：323-338.

[3]Bouabdallah S. Full control of a quadrotor[J]. International Conference on Intelligent Robots and Systems，2017（10）：153-158.

[4]Huo X，Huo M Y. Hamid reza karimi attitude stabilization control of a quadrotor UAV by using backstepping approach[J]. Mathematical Problems in Engineering，2014（10）：1-9.

[5]刁 琛. 四旋翼無人飛行器非線性控制研究[D]. 天津：天津大學，2013.

[6]Dierks T，Jagannathan S. Neural network output feedback control of a quadrotor UAV[J]. IEEE Conference on Decision & Control，2009，21（1）：3633-3639.

[7]穆魯肯. 無人機控制器的建模與比較研究[D]. 大連：大連理工大學，2016.

[8]王旭東，邵惠鶴. RBF神經網絡理論及其在控制中的應用[J]. 信息與控制，1997，26（4）：272-284.

[9]管 萍，和志偉，戈新生. 高超聲速飛行器的神經網絡PID控制[J]. 航天控制，2018，36（1）：8-13.

[10]廖芳芳，肖 建. 基于BP神經網絡PID參數自整定的研究[J]. 系統仿真學報，2015，17（7）：1711-1713.

[11]陳增強，李 毅，袁著祉，等. 串級自抗擾控制器在縱列式雙旋翼直升機飛行姿態控制中的應用[J]. 控制理論與應用，2015，32（9）：1219-1225.

[12]汪 沛，羅錫文，周志艷，等. 基于微小型無人機的遙感信息獲取關鍵技術綜述[J]. 農業工程學報，2014，30（18）：1-12.

[13]Kada B，Ghazzawi Y . Robust PID controller design for an UAV flight control system[J]. Lecture Notes in Engineering & Computer Science，2011，2194（1）：19-21.

[14]Berni J，Zarco-Tejada P J，Suarez L，et al. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle[J]. IEEE Transactions on Geoscience and Remote Sensing，2009，47（3）：722-738.