基于扩张状态观测器的无人机云台系统控制算法

doi:10.11772/j.issn.1001-9081.2023020241

《计算机应用》唯一官方网站 ›› 2024, Vol. 44 ›› Issue (2): 604-610.DOI: 10.11772/j.issn.1001-9081.2023020241

• 前沿与综合应用 • 上一篇

基于扩张状态观测器的无人机云台系统控制算法

高胡震, 杜昌平(), 郑耀

浙江大学航空航天学院，杭州 310027

收稿日期:2023-03-13 修回日期:2023-04-20 接受日期:2023-05-05 发布日期:2024-02-22 出版日期:2024-02-10
通讯作者: 杜昌平
作者简介:高胡震（1999—），男，浙江杭州人，硕士研究生，主要研究方向：导航制导与控制、编队控制
郑耀（1963—），男，浙江玉环人，教授，博士，主要研究方向：飞行器设计、航空宇航推进理论与工程。

Gimbal system control algorithm of unmanned aerial vehicle based on extended state observer

Huzhen GAO, Changping DU(), Yao ZHENG

School of Aeronautics and Astronautics，Zhejiang University，Hangzhou Zhejiang 310027，China

Received:2023-03-13 Revised:2023-04-20 Accepted:2023-05-05 Online:2024-02-22 Published:2024-02-10
Contact: Changping DU
About author:GAO Huzhen， born in 1999， M. S. candidate. His research interests include navigation guidance and control， formation control.
ZHENG Yao， born in 1963， Ph. D.， professor. His research interests include aircraft design， aerospace propulsion theory and engineering.

摘要/Abstract

摘要：

针对无人机（UAV）三轴云台增稳控制中变量耦合的问题，提出一种基于扩张状态观测器（ESO）的无人机云台系统控制算法。首先，建立了无人机机载云台期望角的姿态解算算法模型；其次，构建了无人机机载云台位置环和速度环的串级比例-积分-微分（PID）控制回路；最后，引入ESO对机载云台角速度项在线实时估计，解决角速度项由于高耦合、多外扰导致的难以直接测量的问题，并对各通道的控制输入进行补偿。实验结果表明，所提算法在无指令、有指令和综合任务场景下的角度均方根误差分别为0.235 7°、0.631 7°和0.946 3°，与传统PID算法相比，所提算法的角度误差分别降低了69.43%、53.29%和50.43%。可见，所提算法对外界扰动的抗干扰能力更强，控制精度更高。

关键词: 无人机, 三轴云台系统, 串级PID控制, 扩张状态观测器, 自抗扰控制

Abstract:

To handle the problem of variable coupling in Unmanned Aerial Vehicle （UAV） three-axis gimbal stabilization control， an UAV gimbal system control algorithm based on Extended State Observer （ESO） was proposed. Firstly， an attitude solution algorithm model for the desired angle of the UAV gimbal was developed. Secondly， serial PID （Proportional-Integral-Derivative） control loops of position and velocity were constructed. Finally， an ESO was introduced to estimate the angular velocity term online in real-time， which solves the problem that the angular velocity term is difficult to measure directly due to high coupling and multiple external disturbances， and the control input of each channel was compensated. The experimental results show that in scenarios including without command， with command， and composite tasks， the root mean square errors of the proposed algorithm for angle measurement are 0.235 7°， 0.631 7°， and 0.946 3°， respectively. Compared to the traditional PID algorithm， the proposed algorithm achieves angle error reduction rates of 69.43%， 53.29%， and 50.43%， respectively. The proposed algorithm exhibits greater resistance to disturbances and higher control accuracy.

Key words: Unmanned Aerial Vehicle (UAV), three-axis gimbal system, serial Proportional-Integral-Derivative (PID) control, Extended State Observer (ESO), Active Disturbance Rejection Control (ARDC)

中图分类号:

TP273.3

高胡震, 杜昌平, 郑耀. 基于扩张状态观测器的无人机云台系统控制算法[J]. 计算机应用, 2024, 44(2): 604-610.

Huzhen GAO, Changping DU, Yao ZHENG. Gimbal system control algorithm of unmanned aerial vehicle based on extended state observer[J]. Journal of Computer Applications, 2024, 44(2): 604-610.

图/表 11

图1 云台系统的控制结构

Fig. 1 Control structure of gimbal system

图2 云台PID串级控制结构

Fig. 2 PID serial control structure for gimbal system

图3 Simulink模型中的ESO模块

Fig. 3 ESO module in Simulink

图4 偏航通道ESO_PID复合控制算法

Fig. 4 ESO_PID composite algorithm in yaw channel

表1 仿真参数设置

Tab. 1 Simulation parameter setting

参数	数值	参数	数值
仿真步长 $h$	0.01s	$α 2$	0.25
求解器	四阶龙格库塔（ode4）	$δ$	0.01
$β 1$	100	位置环 $K p$	2.27
$β 2$	3 000	速度环 $K p$	1.47
$β 3$	10 000	速度环 $K i$	5.15
$α 1$	0.5	位置环 $K i$	3.61

表1 仿真参数设置

Tab. 1 Simulation parameter setting

参数	数值	参数	数值
仿真步长 $h$	0.01s	$α 2$	0.25
求解器	四阶龙格库塔（ode4）	$δ$	0.01
$β 1$	100	位置环 $K p$	2.27
$β 2$	3 000	速度环 $K p$	1.47
$β 3$	10 000	速度环 $K i$	5.15
$α 1$	0.5	位置环 $K i$	3.61

图5 偏航通道在随机外扰下的角误差

Fig. 5 Angle error of yaw channel under random disturbance

图6 俯仰通道下对给定期望角的跟踪效果

Fig. 6 Tracking effect of pitch channel under expected angle

图7 无人机飞行路径及对应俯视图

Fig. 7 UAV flight paths and corresponding top views

图8 姿态解算模块

Fig. 8 Attitude calculation module

图9 控制方法在场景1中的性能

Fig. 9 Control performance in scenario 1

表2 PID与ESO_PID控制结果对比 (°)

Tab. 2 Comparison of control results among PID and ESO_PID

场景	误差
场景	PID	ESO_PID
平均	1.909 0	0.946 3
场景1	1.665 6	0.807 0
场景2	2.195 1	1.114 7
场景3	1.864 4	0.894 5
场景4	1.910 7	0.968 9

参考文献 16

1	HASSANALIAN M， ABDELKEFI A. Classifications， applications， and design challenges of drones： a review［J］. Progress in Aerospace Sciences， 2017， 91： 99-131. 10.1016/j.paerosci.2017.04.003
2	TOMIC T， SCHMID K， LUTZ P， et al. Toward a fully autonomous UAV： research platform for indoor and outdoor urban search and rescue［J］. IEEE Robotics & Automation Magazine， 2012， 19（3）： 46-56. 10.1109/mra.2012.2206473
3	QUINTERO S A P， HESPANHA J P. Vision-based target tracking with a small UAV： optimization-based control strategies［J］. Control Engineering Practice， 2014， 32： 28-42. 10.1016/j.conengprac.2014.07.007
4	李树胜，钟麦英.基于PID的航空遥感三轴惯性稳定平台控制系统设计［J］.吉林大学学报（工学版），2011，41（S1）：275-279.
	LI S S， ZHONG M Y. Design of control system based on PID of three-axis inertially stabilized platform for airborne remote sensing ［J］. Journal of Jilin University （Engineering and Technology Edition）， 2011， 41（S1）： 275-279.
5	ABDO M M， VALI A R， TOLOEI A R， et al. Stabilization loop of a two axes gimbal system using self-tuning PID type fuzzy controller［J］. ISA Transactions， 2014， 53（2）： 591-602. 10.1016/j.isatra.2013.12.008
6	ALTAN A， HACIOĞLU R. Model predictive control of three-axis gimbal system mounted on UAV for real-time target tracking under external disturbances［J］. Mechanical Systems and Signal Processing， 2020， 138： 106548. 10.1016/j.ymssp.2019.106548
7	QADIR A， SEMKE W， NEUBERT J. Vision based neuro-fuzzy controller for a two axes gimbal system with small UAV［J］. Journal of Intelligent & Robotic Systems， 2013， 74： 1029-1047. 10.1007/s10846-013-9865-z
8	高志强.自抗扰控制思想探究［J］. 控制理论与应用， 2013， 30（12）：1498-1510. 10.7641/CTA.2013.31087
	GAO Z Q. On the foundation of active disturbance rejection control ［J］. Control Theory & Applications， 2013， 30（12）： 1498-1510. 10.7641/CTA.2013.31087
9	韩京清.自抗扰控制技术［J］.前沿科学，2007（1）： 24-31. 10.3969/j.issn.1673-8128.2007.01.004
	HAN J Q. Auto disturbances rejection control technique ［J］. Frontier Science， 2007（1）： 24-31. 10.3969/j.issn.1673-8128.2007.01.004
10	陈志旺，张子振，曹玉洁.自抗扰fal函数改进及在四旋翼姿态控制中的应用［J］.控制与决策， 2018， 33（10）： 1901-1907. 10.13195/j.kzyjc.2017.0606
	CHEN Z W， ZHANG Z Z， CAO Y J. Fal function improvement of ADRC and its application in quadrotor aircraft attitude control ［J］. Control and Decision， 2018， 33（10）： 1901-1907. 10.13195/j.kzyjc.2017.0606
11	韩京清.自抗扰控制技术：估计补偿不确定因素的控制技术［M］. 北京：国防工业出版社， 2008： 197-207.
	HAN J Q. Active Disturbance Rejection Control Technique — The Technique for Estimating and Compensating the Uncertainties ［M］. Beijing： National Defense Industry Press， 2008： 197-207.
12	NAGHDI M， SADRNIA M A. A novel fuzzy extended state observer［J］. ISA Transactions， 2020， 102： 1-11. 10.1016/j.isatra.2019.07.018
13	LI P， ZHU G. IMC-based PID control of servo motors with extended state observer［J］. Mechatronics， 2019， 62： 102252. 10.1016/j.mechatronics.2019.102252
14	YAO J， JIAO Z， MA D. Adaptive robust control of DC motors with extended state observer［J］. IEEE Transactions on Industrial Electronics， 2013， 61（7）： 3630-3637. 10.1109/tie.2013.2281165
15	马翰廷. 多旋翼无人机三轴增稳云台控制方法研究［D］.沈阳：沈阳航空航天大学， 2020.
	MA H T. Research on control method of multi-rotor UAV three-axis stabilized platform ［D］. Shenyang： Shenyang Aerospace University， 2020.
16	韩京清.扩张状态观测器参数与菲波纳奇数列［J］.控制工程，2008， 15（S2）：1-3.
	HAN J Q. Parameters of the extended state observer and Fibonacci sequence ［J］. Control Engineering of China， 2008， 15（S2）： 1-3.

[1]	张钟元, 戴炜, 李光昱, 陈小庆, 邓启波. 基于改进人工势场和一致性协议的协同避障算法[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2644-2650.
[2]	王昱, 任田君, 范子琳. 基于引导Minimax-DDQN的无人机空战机动决策[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2636-2643.
[3]	李校林, 江雨桑. 无人机辅助移动边缘计算中的任务卸载算法[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1893-1899.
[4]	祁超帅, 何文思, 焦毅, 马英红, 蔡伟, 任素萍. 无人机飞行数据异常检测算法综述[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1833-1841.
[5]	孙亚男, 吴杰宏, 石峻岭, 高利军. 改进自组织映射的多无人机协同任务分配方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1551-1556.
[6]	王先兰, 周金坤, 穆楠, 王晨. 基于多任务联合学习的跨视角地理定位方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1625-1635.
[7]	王龙宝, 栾茵琪, 徐亮, 曾昕, 张帅, 徐淑芳. 基于动态簇粒子群优化的无人机集群路径规划方法[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3816-3823.
[8]	赵琳, 吕科, 郭靖, 宏晨, 向贤财, 薛健, 王泳. 基于深度强化学习的无人机集群协同作战决策方法[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3641-3646.
[9]	马峻, 姚震, 徐翠锋, 陈寿宏. 基于改进PP-YOLO和Deep-SORT的多无人机实时跟踪算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2885-2892.
[10]	李敬虎, 邢前国, 郑向阳, 李琳, 王丽丽. 基于深度学习的无人机影像夜光藻赤潮提取方法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2969-2974.
[11]	赵川, 李璐瑶, 杨浩雄, 左敏. 基于自抗扰控制的随机扰动库存系统优化模型[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2943-2951.
[12]	陈宝, 周祖鹏, 卫欢, 吕延钊, 睢志成. 基于专家PID的带臂四旋翼无人机控制方法[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2637-2642.
[13]	薛远亮, 金国栋, 谭力宁, 许剑锟. 基于像素分类的多尺度无人机航拍目标旋转跟踪算法[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2239-2247.
[14]	郭可贵, 曹瑞, 万能, 汪晓, 尹悦, 唐旭明, 熊军林. 基于输电杆塔区域提取的图像匹配算法[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1591-1597.
[15]	凌欣, 李民政. 无人机巡检系统中高频效的混合波束赋形方法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 980-984.

基于扩张状态观测器的无人机云台系统控制算法

Gimbal system control algorithm of unmanned aerial vehicle based on extended state observer

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 16

相关文章 15

编辑推荐

Metrics