多旋翼無人機(jī)遠(yuǎn)程控制實踐 課件ch04

系統(tǒng)辨識實驗多旋翼無人機(jī)遠(yuǎn)程控制實踐第4章01實驗原理系統(tǒng)模型帶有半自主自駕儀的多旋翼控制結(jié)構(gòu)如圖4.1所示。遙控指令能直接控制多旋翼的以下狀態(tài)變量：垂直速度、姿態(tài)角速度、多旋翼的姿態(tài)角（或者多旋翼機(jī)體坐標(biāo)系下的速度）。進(jìn)一步，可以通過這些變量控制多旋翼的位置以及偏航角山。真實情況下的多旋翼模型為非線性模型，為了便于理解和控制器設(shè)計，可以利用線性化的方法對多旋翼的非線性模型進(jìn)行簡化處理。如圖4.1所示的系統(tǒng)可以分成三個通道：從油門搖桿量，到垂直位置的高度通道、從遙控器輸入到偏航角的偏航通道，以及從uh到ph的水平位置通道。系統(tǒng)模型系統(tǒng)辨識系統(tǒng)辨識步驟系統(tǒng)辨識步驟如圖4.2所示，主要包含以下六部分:先驗知識、實驗設(shè)計、數(shù)據(jù)采模型選擇、模型計算和模型檢驗。先驗知識：包括系統(tǒng)特性、數(shù)據(jù)采集方法以及待辨識系統(tǒng)其他方面的已有知識。系統(tǒng)辨識系統(tǒng)辨識步驟2、實驗設(shè)計：目的是在已知條件下，獲得能反映系統(tǒng)性能的輸入/輸出數(shù)據(jù)。在輸入/輸出數(shù)據(jù)的采集過程中，有時需要針對辨識過程進(jìn)行特殊的實驗設(shè)計。在實驗中，可能需要用戶確定測量哪些信號以及什么時候測量這些信號。如圖4.3所示，目前有兩類實驗設(shè)計方案：開環(huán)實驗和閉環(huán)實驗。系統(tǒng)辨識系統(tǒng)辨識步驟(3)數(shù)據(jù)采集：通過合理的實驗來獲得輸入/輸出數(shù)據(jù)。(4)模型選擇：選擇一系列的備選模型，通過后續(xù)驗證，從中確定最合適的模型。(5)模型計算：采用合適的優(yōu)化方法來計算備選模型的未知參數(shù)。(6)模型檢驗：建立一個標(biāo)準(zhǔn)來檢驗備選模型與計算出的參數(shù)是否滿足設(shè)計要求。(1)MATLAB系統(tǒng)辨識工具箱：該工具箱包括了MATLAB函數(shù)、Simulink函數(shù)塊以及一個可利用測得的輸入/輸出數(shù)據(jù)構(gòu)造動態(tài)系統(tǒng)的應(yīng)用程序。利用該工具箱，用戶可以用系統(tǒng)的時域或頻域輸入/輸出數(shù)據(jù)來辨識其連續(xù)或離散的傳遞函數(shù)、過程模型、狀態(tài)空間模型等，得到利用物理規(guī)律很難進(jìn)行建模的系統(tǒng)動態(tài)模型。該工具箱還提供了很多辨識方法，如極大似然法、預(yù)測誤差最小化方法以及子空間辨識方法等。系統(tǒng)辨識工具箱系統(tǒng)辨識(1)MATLAB系統(tǒng)辨識工具箱：該工具箱還提供了很多辨識方法，如極大似然法、預(yù)測誤差最小化方法以及子空間辨識方法等。如果考慮非線性系統(tǒng)辨識，還可以使用Hammerstein-Wiener模型、帶有小波網(wǎng)絡(luò)的非線性ARX模型以及其他非線性模型。該工具箱同時提供“灰箱”系統(tǒng)辨識，即使用自定義的模型進(jìn)行參數(shù)估計。辨識出來的模型可用于建模及系統(tǒng)響應(yīng)預(yù)測。系統(tǒng)辨識工具箱系統(tǒng)辨識系統(tǒng)辨識(2)CIFER工具箱：該工具箱基于綜合頻域響應(yīng)方法進(jìn)行系統(tǒng)辨識，適用于解決復(fù)雜的系統(tǒng)辨識問題，可以用于辨識不穩(wěn)定模態(tài)，尤其是與飛機(jī)建模和控制器設(shè)計相關(guān)的系統(tǒng)辨識問題。CIFER的基本原理是通過提取一組高質(zhì)量完備的非參數(shù)多輸入多輸出頻域響應(yīng)數(shù)據(jù)，在不需要先驗假設(shè)的前提下，直接由這些響應(yīng)數(shù)據(jù)提取得到系統(tǒng)的耦合特性。系統(tǒng)辨識工具箱系統(tǒng)辨識(2)CIFER工具箱：CIFER以先進(jìn)的線性調(diào)頻Z變換以及組合優(yōu)化窗技術(shù)作為理論基礎(chǔ)，相比于標(biāo)準(zhǔn)的快速傅里葉變換而言，其頻域響應(yīng)質(zhì)量有顯著的提高。在完整頻域響應(yīng)數(shù)據(jù)集已知的前提下，可以用多種復(fù)雜的非線性搜索算法來提取狀態(tài)空間模型。因此，該工具箱在多種真實飛機(jī)的系統(tǒng)辨識中得到廣泛應(yīng)用。系統(tǒng)辨識工具箱系統(tǒng)辨識中用到的模型概要本節(jié)先介紹高度通道的辨識，然后介紹偏航通道。只有在這兩個通道穩(wěn)定后，水平位置通道的實驗才能獲得較好的輸入/輸出數(shù)據(jù)。因此，水平位置通道將在最后介紹。注意，如果想得到效果較好的系統(tǒng)辨識結(jié)果，待辨識的通道需要盡可能穩(wěn)定。因此，在實驗設(shè)計階段，分析待辨識的通道是否穩(wěn)定顯得尤為重要。系統(tǒng)辨識中用到的模型如果待辨識的通道是穩(wěn)定的，可以直接辨識:如果不穩(wěn)定，可以先引入一個P或PD控制器來確保該通道穩(wěn)定，然后參考圖4.4為該通道設(shè)計實驗。系統(tǒng)辨識中用到的模型高度通道半自主自駕儀的高度通道一般以控制高度方向的速度為主。當(dāng)記錄該模型的數(shù)據(jù)時，高度數(shù)據(jù)(即該通道的輸出)是由高度傳感器測量得到的，如氣壓計或超聲波測距儀。同時，新的輸入(即該通道的輸入)也要記錄下來。這時，具體的模型參數(shù)就可以通過系統(tǒng)辨識工具箱得到了。系統(tǒng)辨識中用到的模型偏航通道辨識過程中需要同時記錄偏航角以及新輸入u。磁力計和運動捕捉系統(tǒng)可以用來測量偏航角。同時，模型參數(shù)可以通過系統(tǒng)辨識工具獲得。從u到w的通道是穩(wěn)定的，所以如果能直接測量到w，對此通道可以直接辨識，不需要額外設(shè)計控制器。系統(tǒng)辨識中用到的模型水平位置通道水平位置通道的辨識是在對高度通道和偏航通道實現(xiàn)控制后進(jìn)行的。為了得到更好的辨識結(jié)果，通常將偏航角控制到合理的期望偏航角上。如果半自主自駕儀考慮了速度反饋，并且K設(shè)置合理，那么傳遞函數(shù)是穩(wěn)定的，可以直接進(jìn)行系統(tǒng)辨識。水平位置可以由全球定位系統(tǒng)(GlobalPositioningSystem，GPS)接收機(jī)或室內(nèi)定位系統(tǒng)(如室內(nèi)運動捕捉系統(tǒng))進(jìn)行測量。02基礎(chǔ)實驗實驗?zāi)繕?biāo)1、準(zhǔn)備(1)軟件：MATLABR2017b及以上版本；基于Simulink的控制器設(shè)計與仿真平臺和實驗指導(dǎo)包“e1.1”；CIFER軟件及使用文檔。2、目標(biāo)將已給出的傳遞函數(shù)模型與非線性模型進(jìn)行對比；在外加控制器的情況下，用相同掃頻信號對兩種模型進(jìn)行激勵，對比仿真結(jié)果。步驟一：首先閱讀本書第2章的內(nèi)容，對于Simulink模型有一個初步的了解。步驟二：打開“el\el.1\startSimulation.m”文件，單擊MATLAB中的“運行”按鈕，運行該文件。步驟三：打開“el/el.1\e11ModelUnderstanding.slx”文件后，可以看到一個整體模型，如圖4.5所示，共有四個組成部分。仿真1.0實驗步驟實驗步驟實驗步驟在對各個通道進(jìn)行掃頻信號激勵之后，這里以水平通道為例，其結(jié)果如圖4.8所示其通道掃頻響應(yīng)的峰值均為1，激勵時間長度為100s。由此可以看出，利用傳遞函數(shù)獲得的輸出與多旋翼非線性模型獲得的輸出幾乎是一致的。當(dāng)給定的掃頻信號的掃頻頻率范圍在0.1~1Hz，即低頻時，兩者的輸出近似程度更高；而在高頻時，掃頻輸出的幅值出現(xiàn)了差異，但是仍然可以吻合。因此，該傳遞函數(shù)模型可以較為完整地反映系統(tǒng)的真實性能。仿真2.0實驗步驟實驗步驟03分析實驗實驗?zāi)繕?biāo)1、準(zhǔn)備(1)軟件：MATLABR2017b及以上版本；基于Simulink的控制器設(shè)計與仿真平臺和實驗指導(dǎo)包“e1.2”；CIFER軟件及使用文檔。2、目標(biāo)對給定的多旋翼非線性模型進(jìn)行辨識，在假設(shè)存在延時的情況下獲得四個通道的傳遞函數(shù)模型。實驗?zāi)繕?biāo)2、目標(biāo)（1）了解利用CIFER軟件進(jìn)行系統(tǒng)辨識對系統(tǒng)進(jìn)行建模的大致流程。（2）要求各通道辨識結(jié)果的代價函數(shù)J<50。（3）對于通過系統(tǒng)辨識獲得的速度模型傳遞函數(shù)，加入積分環(huán)節(jié)，使之成為完整的多旋翼機(jī)體模型傳遞函數(shù)，即輸入到機(jī)體位置的傳遞函數(shù)模型。實驗步驟仿真1.0了解辨識相關(guān)流程掃頻相關(guān)文檔介紹初始化參數(shù)進(jìn)行掃頻實驗修改相應(yīng)掃頻通道各個通道分別掃頻保存數(shù)據(jù)進(jìn)行系統(tǒng)辨識，獲得相應(yīng)結(jié)果進(jìn)行非線性模型對比驗證實驗步驟(1)水平前向通道模型：(2)水平側(cè)向通道模型：仿真2.0實驗步驟實驗步驟04設(shè)計實驗實驗?zāi)繕?biāo)1、準(zhǔn)備：軟件：MATLABR2017b及以上版本基于Simulik的控制器設(shè)計與仿真平臺和實驗指導(dǎo)包“e1.3”；CIFER軟件及使用文檔；CopterSim和RflySim3D。硬件：計算機(jī)；自駕儀。實驗?zāi)繕?biāo)2、目標(biāo)對于給定的多旋翼非線性模型，通過對模型外加控制器的方式對其進(jìn)行辨識，在假設(shè)存在延時的情況下獲得四個通道的模型傳遞函數(shù)。注意四個通道建立的均是輸入到地球坐標(biāo)系下位置/角度的傳遞函數(shù)，這里將水平通道可以分為水平前向通道和水平側(cè)向通道，因此是四通道。(1)了解利用CIFER軟件進(jìn)行系統(tǒng)辨識的大致流程。實驗?zāi)繕?biāo)(2)在各通道辨識后，獲得的傳遞函數(shù)判定標(biāo)準(zhǔn)是代價函數(shù)滿足J<50。(3)這里需要。注意的是，為了獲得位置通道的傳遞函數(shù)，需要設(shè)計控制器，獲得的四通道非線性化傳遞函數(shù)模型。(4)在獲得辨識的傳遞函數(shù)模型之后，將分析實驗中獲得的速度模型加入與設(shè)計實驗中相同的位置控制器，對比設(shè)計實驗和分析實驗所得模型的Bode圖。實驗步驟1、水平前向通道：2、水平側(cè)向通道：仿真1.0實驗步驟實驗步驟實驗步驟此處使用了MATLAB中的“Bode”函數(shù)對傳遞函數(shù)的幅頻以及相頻曲線進(jìn)行可視化顯示，進(jìn)行比較后的結(jié)果如圖4.18和圖4.19所示。從圖中可以看出，對于水平通道，本實驗中所獲得的多旋翼模型與分析實驗中的傳遞函數(shù)模型在穩(wěn)定閉環(huán)中的幅頻和相頻曲線幾乎一致，表明模型的準(zhǔn)確性比較高。其他通道的頻率響應(yīng)讀者可以自行對比。仿真2.0實驗步驟實驗步驟硬件在環(huán)仿真硬件在環(huán)仿真內(nèi)容和目的與設(shè)計實驗相同，只是從軟件仿真變?yōu)榱擞布诃h(huán)仿真，其所需設(shè)備如圖4.20所示。首先對硬件在環(huán)仿真Simulink模型進(jìn)行簡單介紹，打開文件“e13SystemIdentificationVelHITL.slx”文件，如圖4.21所示。實驗步驟實驗步驟圖4.22為高度通道的辨識結(jié)果，可以觀察到高度通道的信號在開始階段誤差有些大。這是因為在硬件在環(huán)仿真當(dāng)中，需要先給四旋翼一個向上飛的速度指令，使得多旋翼起飛；在起飛之后，才能正常進(jìn)行高度通道的掃頻。實驗步驟05實飛實驗實驗步驟閱讀相關(guān)硬件使用說明文檔了解相關(guān)程序代碼初始化參數(shù)打開Simulink模型系統(tǒng)啟動流程保存數(shù)據(jù)實驗步驟步驟三：初始化參數(shù)打開“ele1.4starttellom”初始化文件，可以找到表4.4的代碼。實驗步驟步驟四：打開Simulink模型實驗步驟如圖4.25所示，同時參數(shù)設(shè)置也應(yīng)該盡量簡單，達(dá)到系統(tǒng)穩(wěn)定的目的便可以開始辨識。實驗步驟步驟五：系統(tǒng)啟動流程(1)啟動OptiTrack。(2)啟動tellodriver。(3)起飛Tello。(4)運行MATLAB控制程序。(5)降落Tello。步驟六：保存數(shù)據(jù)(1)水平向前通道：(2)水平側(cè)向通道：實驗步驟實驗步驟實驗步驟實驗步驟步驟六：保存數(shù)據(jù)(3)模型驗證：水平前向通道。水平前向通道對比結(jié)果如圖4.30所示，從圖中可以看出，在水平前向通道中，給定多旋翼和獲得的傳遞函數(shù)模型的輸出基本上一致，特別在低頻階段效果更好，高頻階段誤差有些大。實驗步驟步驟六：保存數(shù)據(jù)(3)模型驗證：水平側(cè)向通道。水平側(cè)向通道對比結(jié)果如圖4.31所示。從圖中可以看出:在水平側(cè)向通道中給定多旋翼和獲得的傳遞函數(shù)模型的輸出基本一致，特別在低頻階段效