摘 要： 针对传统六旋翼飞行器目标搬移控制算法能够对目标搬移控制计算，但存在计算数据稳定性差的问题，提出六旋翼飞行器目标搬移控制算法。使用飞行动力学理论，确立稳定常量，为控制计算提供稳定数据；将飞行控制数据进行稳态自适应处理，利用数据模糊性设定数据极限，约束数据跃迁；使用模糊条件对重心参数进行稳态约束，保证控制变量的稳定性，通过多变量转化实现目标搬移控制计算。仿真实验结果表明，设计的目标搬移稳定性算法能够控制六旋翼飞行器稳定搬移飞行，无搬移晃动。
关键词： 六旋翼飞行器； 目标搬移； 动力学； 重心控制； 自适应数据处理； 稳态约束
中图分类号： TN876⁃34； TN913 文献标识码： A 文章编号： 1004⁃373X（2018）08⁃0132⁃04
Abstract： The conventional six⁃rotor aircraft target moving control algorithm can calculate the target moving control， but there exists the problem of poor stability for data computation. Therefore， the six⁃rotor aircraft target moving control algorithm is proposed. The stability constant is determined by using the flight dynamics theory to provide stable data for control calculation. Steady⁃state adaptive processing is performed for flight control data， and data fuzziness is used to set data limit and constrain data transition. The fuzzy conditions are used to perform steady?state constraints of gravity center parameters and guarantee the stability of control variables. Multivariate conversion is employed to realize target moving control calculation. The simulation experiment results show that the designed target moving stability algorithm can control the six⁃rotor aircraft for stable moving and flying， and there exists no moving shake.
Keywords： six⁃rotor aircraft； target moving； dynamics； gravity center control； adaptive data processing； steady⁃state constraint
0 引 言
六旋翼飞行器具有机动性能强、体积小的优点，可以执行不同种类的目标搬移任务，故得到广泛的应用。传统六旋翼飞行器控制算法能够对搬移目标进行控制计算，但存在计算稳定性差的问题。本文提出六旋翼飞行器目标搬移控制算法，对飞行器进行力学分析，通过飞行动力学确立稳定常量，稳定数据能够为控制计算提供基本参数[1]。对飞行控制数据进行稳态自适应处理，调整飞行数据的控制能力，使用数据模糊性设定数据极限，防止数据发生跃迁。利用模糊条件对重心参数进行稳态约束，保证控制变量的稳定性，通过多变量转化实现目标搬移控制计算。为了保证设计的有效性，通过仿真实结果表明，本文提出的目标搬移控制算法，在起降阶段、控制飞行阶段都具有良好的稳定性，说明本文设计的控制方法计算稳定。
1 确立稳定常量
假设飞行器将搬移目标从A点搬移至B点，有两种搬移控制路线，即按照ACB搬移路径和按照ADEB搬移路径[2]，如图1所示。传统采用ADEB搬移路径，但由于D点和E点是直角转变，数据突变较大，会造成搬移控制计算的数据震颤。本文飞行器采用ACB搬移路径，避免出现搬移路径直角[3]，减少搬移算法中的数据突变。根据ACB搬移方式，确立稳定常量流程如下。
确立稳定常量首先确定飞行动力参数，即向上飞行动力参数。设飞行器起降角度为θ，飞行速度为v，飞行最高点为h，飞行器与搬移目标质量为m，向上加速度为a，空气阻力为v0，空中直线飞行距离为s。则飞行器飞行至高度为h时，根据受力分析向上飞行动力参数为：
将六旋翼飞行器看作一个质点，其搬移过程主要包括：克服重力斜抛物线上升阶段、空中直线运行阶段和快速下降阶段[4]。分析搬移各个阶段，飞行动力参数与稳定常量成比例关系，将计算的飞行动力参数乘以飞行矢量便可以得到稳定常量，稳定常量是目标搬移控制计算中的计算数据。
2 目标搬移控制算法的构建
通过模糊自适应机制，对飞行器数据稳定性状态进行实时调整，随着目标的变化改变旋翼飞行控制参数[5]，实现飞行器的数据稳定性调整控制。使用模糊控制模块对搬移目标控制过程进行数据自推导[6]，避免控制计算过程的数据发生动荡，提高搬移控制计算的稳定性。设计的目标搬移控制算法总体计算流程如图2所示。
目标搬移控制计算在自适应控制模块中进行的，利用动力学参数作为控制计算的基础数据，通过预知飞行过程的运行参数，将飞行参数与动力学参数相结合，自适应控制模块中存在跃迁数据。因此，会产生一定的计算差值，为了避免数据跃迁的发生[7]，将转换的控制数据进行标准化的自适应处理，自适应处理过程实际是对上述数据施加一个极限属性，在极限的约束下，控制数据无法进行数据跃迁，保证控制数据在计算过程中的稳定性。
飞行阶段目标搬移计算，将六旋翼飞行器看作质点，以质点重心为原点，建立数据代换公式，通过角度偏航数据进行模糊控制数据的确认，使用控制规则作为控制计算的约束。将上述的微差数据以代换的形式进行约简，把控制计算数据约简到表达形式以内，方式数据随着飞行器的力学改变产生的数据更替，进一步防止数据动荡的发生。数据替换过程中由原始模糊数据NM替换成新数据PM时，需要一定的转化相变，模糊转化相变如表1所示。
与飞行阶段不同，飞行器起降阶段对搬移目标进行搬移时，飞行器会经历超重失重阶段，因此飞行器的重心会发生一定数据偏移[9]。为了避免数据偏移，本文采用模糊决策原则进行综合处理。六旋翼飞行器的横截面示意图如图3所示，图中将飞行器看作是圆形。
重心参数发生数据偏移后，按照飞行阶段数据稳定性控制，会导致飞行器失衡。因此，对重心数据进行模糊化处理，将超重阶段数据进行下极限处理，失重阶段进行上极限处理。判定极限过程中，使用降阶的方式对数据进行标准化[10]。
确定飞行阶段与起飞阶段的基本数据后，将数据导入控制算法中，模糊数据的表达形式是相同的，使用条件约简能够做到细化处理，并增加计算方法的准确性。模糊性能够克服搬移目标承重数据的变化，将多变量转化为单一变量的计算，极大地节约计算的步骤，降低计算过程的数据波动程度。本文设计的目标搬移控制计算，控制参量公式如下：
3 仿真实验
3.1 实验准备
选择一块倾斜度为15°的空地作为实验场地，选择A，B，C，D，E五个位置点作为传统六旋翼飞行器与本文设计的六旋翼飞行器，并提供起降、目标搬移测试。A至B距离为0.25 km，为上坡直线测试；B至C距离为0.25 km，为斜波障碍物测试；C至D距离为1 km，为下坡快速起降测试；D至E距离为2 km，为上坡S弯飞行快速起降测试。六旋翼飞行器搬移不同质量的目标，进行位置A，B，C，D，E点起落搬移。实验搬移目标质量采用0.25 kg，2 kg，5 kg，10 kg，20 kg五种。利用传统飞行器目标搬移控制算法与本文设计目标搬移控制算法进行目标搬移测试。
3.2 水平稳定性测试
使用传统六目标搬移控制算法控制的六旋翼飞行器与本文设计的目标搬移控制算法控制的六旋翼飞行器，沿A，B，C，D，E固定路径进行不同质量的搬移，进行水平稳定性测试。每组飞行器抓取同质量搬移目标飞行20次，通过水平稳定性偏差计算，除以飞行试验次数20，水平稳定性用SPW表示。其中：SPW高于90，代表飞行器水平稳定性高，能够达到精准飞行；SPW高于80，代表飞行器水平稳定性较高，能够达到准确飞行；SPW高于60，代表飞行器水平稳定性良好，但存在一定偏差飞行；SPW低于60，代表飞行器水平稳定性较差，飞行存在大量偏移；SPW低于40，代表飞行器水平稳定性差，搬移此目標不适合飞行。得到相应飞行器的SPW曲线，如图4所示。
分析飞行SPW曲线，传统控制算法控制的六旋翼飞行器对搬移目标质量敏感，随搬移目标质量的提升，SPW整体下降。在搬移0.25 kg目标时，直线测试阶段具有精准的SPW，但随质量的提高，SPW不断降低，稳定性较差。斜波障碍物测试中，搬移目标质量相同，SPW呈小趋势降低，对目标对象0.25 kg进行搬移时，SPW从97降低到92，2 kg搬移目标从85降低到75，不同搬移目标质量，平均下降10。快速起降测试阶段，在搬移0.25 kg目标时，SPW较直线测试降低10，2 kg搬移目标SPW达到警戒水平50，大于2 kg的搬移目标飞行存在大量偏移不适合飞行。S弯飞行快速起降测试中，只有0.25 kg搬移目标时能够进行有效搬移。
本文设计控制算法控制的飞行器，通过对不同质量、不同飞行方式的测试，证明了其具有良好的水平稳定性，搬移目标质量对SPW影响较弱，相同飞行环境下，0.25 kg与20 kg目标质量，控制力最大差为10，2 km S弯飞行快速起降测试中，搬移20 kg，其操控可达82。说明本文设计控制算法具有较高的水平稳定性。
4 结 语
本文设计的六旋翼飞行器目标搬移控制算法，使用飞行动力学数据作为基础数据，通过模糊性对数据进行约束，利用变量转化实现控制计算。通过实验数据分析表明，设计的六旋翼飞行器目标搬移控制算法能够对飞行器进行稳定控制。
参考文献
[1] 田合雷，丁胜，于长伟，等.监控视频中的移动目标侦测算法研究[J].合肥工业大学学报（自然科学版），2015，38（12）：1639⁃1642.
TIAN Helei， DING Sheng， YU Changwei， et al. Moving target detection in surveillance video [J]. Journal of Hefei University of Technology （Natural science）， 2015， 38（12）： 1639?1642.
[2] 蒋鹏，宋华华，王兴民.基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究[J].仪器仪表学报，2015，36（2）：415⁃421.
JIANG Peng， SONG Huahua， WANG Xingmin. Target tracking algorithm for sensor networks based on dynamic spanning tree and improved unscented Kalman filter [J]. Chinese journal of scientific instrument， 2015， 36（2）： 415⁃421.
[3] 巨刚，袁亮，刘小月，等.基于改进SURF算法的移动目标实时图像配准方法研究[J].通信学报，2017，38（1）：177⁃186.
JU Gang， YUAN Liang， LIU Xiaoyue， et al. Study on mobile target real⁃time image registration based on improved SURF algorithm [J]. Journal on communications， 2017， 38（1）： 177⁃186.
[4] 左现刚，张志霞，贾蒙.基于分布式聚类的有向传感器网络移动目标跟踪算法研究[J].传感技术学报，2016，29（7）：1096⁃1101.
ZUO Xiangang， ZHANG Zhixia， JIA Meng. Moving target tracking algorithm based on distributed clustering in directional sensor networks [J]. Chinese journal of sensors and actuators， 2016， 29（7）： 1096⁃1101.
[5] 刘振，杨俊安，刘辉，等.基于域相关性与流形约束的多源域迁移学习分类算法[J].计算机应用研究，2017，34（2）：351⁃356.
LIU Zhen， YANG Jun’an， LIU Hui， et al. Multi⁃source transfer classification learning based on combination of domain relevance and manifold constraint [J]. Application research of computers， 2017， 34（2）： 351⁃356.
[6] 戴永彬.一种多目标优化的非线性预测控制算法的研究[J].电气传动，2015，45（11）：62⁃67.
DAI Yongbin. Research on nonlinear predictive control algorithm based on multi⁃objective optimization [J]. Electric drive， 2015， 45（11）： 62⁃67.
[7] 谭钏章，李宏伟，樊昌周，等.基于LE和IIN算法的正弦信号频率估计算法[J].探测与控制学报，2017，39（4）：119⁃123.
TAN Chuanzhang， LI Hongwei， FAN Changzhou， et al. Frequency estimator of sinusoid signal based on LE and IIN algorithm [J]. Journal of detection &； control， 2017， 39（4）： 119⁃123.
[8] 涂丽芳，张姿，黄廷磊.基于平滑移动模型的k连通网络拓扑控制算法研究[J].计算机应用研究，2015，32（8）：2465⁃2468.
TU Lifang， ZHANG Zi， HUANG Tinglei. Research on k⁃connected network topology control algorithm based on smooth mobility model [J]. Application research of computers， 2015， 32（8）： 2465⁃2468.
[9] 刘士明，田宏亮，陈景昊.临近空间动能拦截器制导控制算法研究[J].飞行力学，2015，33（1）：66⁃69.
LIU Shiming， TIAN Hongliang， CHEN Jinghao. Guidance and control algorithms for near space kinetic kill vehicle [J]. Flight dynamics， 2015， 33（1）： 66⁃69.
[10] ZHU Y， ZOU C X， ZHAO J C. Stability control for six⁃rotor aircraft based on fuzzy self⁃adaptive PID algorithm [J]. Machine tool &； hydraulics， 2016， 4（3）： 66⁃87.