李永新，陳增強，孫青林

(南開大學信息技術科學學院，天津300071)

翼傘系統(tǒng)應用方式主要分為投放和回收.應用領域包括3個方面:航空航天、軍事領域和民用領域.在航空航天領域，翼傘系統(tǒng)可用于飛行器回收、無人駕駛機降落等過程，可降低對駕駛技巧的要求，不必設計繁雜的著陸控制程序，并使飛行器在惡劣的天氣情況下同樣能完成無損著陸.在軍事領域，翼傘系統(tǒng)可以用于物資、武器裝備的精確投放，可以精確、高效、安全地將武力、物資投送到戰(zhàn)場.在民用領域，目前主要利用動力滑翔傘進行觀光、航拍和廣告等.

在自然災害發(fā)生時，陸路交通被破壞、運輸機無法著陸的情況下，翼傘系統(tǒng)用于物資投放，具有速度快、機動靈活的特性.以往使用的常規(guī)降落傘是無機動不可控的，執(zhí)行飛行器回收和物資投放任務，傘體飛行軌跡受風的影響，著陸偏差較大，實際系統(tǒng)偏差有時會達到幾公里甚至是十幾公里，使得搜救時間和回收成本大大增加［1］.可控翼傘系統(tǒng)由于具有良好的滑翔性能和可操縱性［2-3］，從而減少投放誤差，降低回收成本.美國著名的X-38計劃將翼傘用于救生飛船在飛行最后階段和著陸過程的自主歸航，降低了駕駛技術的要求［4］.經(jīng)過多次試飛，驗證了翼傘技術在航天器定點無損回收方面的重要價值［5］.歐洲航天局也進行了大型翼傘的自主歸航實驗項目，論證大型翼傘的自主、定點歸航以及雀降著陸的可行性，以期能達到未來載人空間飛行器回收的安全和可靠性的要求［6-7］.在翼傘系統(tǒng)的控制器設計中，文獻［1］針對傳統(tǒng)PID控制和模糊PID控制以及混合型PID控制進行了分析和研究，并依此進行控制器的設計.文獻［8］針對水平方向的航跡跟蹤控制，采用了廣義預測控制算法求解控制量，對翼傘系統(tǒng)進行控制.

本文對可控翼傘系統(tǒng)在歸航中的目標接近階段和能量控制階段［9］航跡跟蹤進行控制，采用模糊控制與預測控制相互切換的方法，發(fā)揮模糊控制魯棒性好、計算量小的優(yōu)勢，以期在減少實際航跡與期望航跡誤差的情況下，采用預測控制過程的計算量，并達到較好的控制效果.

1 翼傘系統(tǒng)的數(shù)學模型

1.1 翼傘的幾何參數(shù)

針對沖壓翼傘，在建立其數(shù)學模型前，先引入此類翼傘在充滿狀態(tài)下的幾何描述參數(shù)［1］.

圖1中，b為翼展，即傘衣充滿后的水平投影沿翼展方向的長度;c為弦長，即傘衣充滿后的水平投影沿弦向的長度;e為厚度，即翼傘剖面的上弦線和下弦線間最遠距離;h為名義拱高，即傘衣展向圓弧的頂點到兩端點連線的距離;AR為展弦比，AR=b/c.

圖1 傘衣的尺寸Fig.1 Sketch map of the parafoil system

圖2中，C為傘繩的虛擬交匯點，亦圓弧形傘衣對應的圓心;r為名義繩長，即匯交點到傘衣的距離;Θ為展向彎曲弧度，圓弧形傘衣所對應的圓心角的1/2;R為翼傘系統(tǒng)的滾轉中心;P為翼傘系統(tǒng)的俯仰中心.

圖2 翼傘正視圖Fig.2 A front view of the parafoil system

1.2 翼傘系統(tǒng)建模的基本假設

文獻［1，10］中，為建立翼傘系統(tǒng)的六自由度動力學方程，提出了如下假設:

1)翼傘在展向對稱，傘衣在完全張滿后具有固定的形狀;

2)回收物是旋成體(即與鉛垂軸垂直的面一定是圓)，受到的阻力遠大于升力，升力忽略不計;

3)回收物與翼傘剛性連接并視為一個整體;

4)傘衣的壓心(即翼傘所受空氣動力合力的作用點)和質心重合，位于弦向距前緣1/4處;

5)大地為理想平面.

1.3 翼傘系統(tǒng)建模用到的坐標系及轉化

翼傘系統(tǒng)建模過程用到2個滿足右手法則的坐標系:

1)大地坐標系OeXeYeZe，原點Oe通常取傘衣完全展開后系統(tǒng)質心所在的位置.OeZe鉛垂向下，OeXeYe與水平面平行，OeXe指向翼傘系統(tǒng)的初始運動方向，如圖3所示.

圖3 大地坐標系Fig.3 Earth coordinate system

2)翼傘系統(tǒng)體坐標系OtXtYtZt，原點Ot位于翼傘系統(tǒng)質心，OtZt軸經(jīng)過回收物質心，指向回收物.OtXtZt為翼傘幾何對稱面，OtXt指向傘衣前緣，OtYt軸與其他兩坐標軸構成右手系，如圖4所示.

定義翼傘系統(tǒng)的3個姿態(tài)角:偏航角ψ、俯仰角?、滾轉角γ，分別指翼傘系統(tǒng)繞其體坐標系Zt軸、Yt軸、Xt軸轉動所成的角度［1］.

大地坐標系到體坐標系的轉換矩陣可以表示為

式中:

1.4 翼傘系統(tǒng)的運動方程

在文獻［8］中，針對建立的翼傘系統(tǒng)運動方程，有如下計算過程，當x、y、z為翼傘系統(tǒng)在大地坐標系下的位置，vx、vy、vz為翼傘系統(tǒng)在體坐標系下的速度，有

并且

式中:ωx、ωy、ωz為翼傘系統(tǒng)在體坐標系下的角速度.

式中:F為翼傘系統(tǒng)所受力的總和，M為作用在翼傘系統(tǒng)所有力矩總和，A11為真實質量和附加質量，A22為真實的轉動慣量和附加轉動慣量，A12=－為耦合項.可表示為

式中:It為翼傘系統(tǒng)的真實轉動慣量，Ia為翼傘系統(tǒng)的附加轉動慣量，mt為翼傘系統(tǒng)的總質量(包括傘衣、傘繩、吊帶和空投物等)，ma為翼傘的附加質量，I3×3為單位矩陣，L×O－P為旋轉矩陣.

聯(lián)立方程(1)～(4)求解，可得到翼傘系統(tǒng)的運動狀態(tài)方程.

2 翼傘系統(tǒng)航跡跟蹤制導器

2.1 航跡跟蹤制導器的作用

翼傘系統(tǒng)的航跡跟蹤可分為航向制導器和航向控制器2部分.

根據(jù)微網(wǎng)的控制方式,當微網(wǎng)和主網(wǎng)并聯(lián)運轉時,超導磁場儲能技術通過PQ控制方法,將有功與無功功率設定為零;若微網(wǎng)處在孤島運轉狀態(tài)時,超導磁場儲能技術可轉變現(xiàn)有控制策略,轉換為恒壓恒頻控制方法,進而保障微網(wǎng)孤島運轉過程中的電位與頻率的穩(wěn)定性,從而保障超導磁場儲能技術下的實時調控和微網(wǎng)孤島運轉下的供電質量。超導磁場儲能技術下的電磁儲能架構如圖3所示。

航向制導器將翼傘系統(tǒng)的當前位置與期望的航跡之間進行比較運算，計算出偏差，以調整翼傘系統(tǒng)的航向，從而消除航跡的偏差，使得翼傘系統(tǒng)的實際航向不斷逼近期望航向.

2.2 橫向軌跡誤差法

橫向軌跡誤差法，可根據(jù)自身位置誤差不斷調整，使受控對象達到期望的目標位置［11］.可做如下描述:

定義(xr(i)，yr(i))與(xr(i－1)，yr(i－1))分別為當前路徑點和前一個路徑點，(x(t)，y(t))為翼傘系統(tǒng)當前位置.如圖5所示.

令

定義航跡線長度為第i－1到第i個路徑點之間的距離，表達式如下:

圖5 翼傘系統(tǒng)實際軌跡與期望軌跡Fig.5 The actual and desired traces of the parafoil

3 翼傘系統(tǒng)航跡跟蹤控制器

航向控制器用于控制翼傘系統(tǒng)的航向，使得翼傘系統(tǒng)在給定的航向指令下運動.

3.1 廣義預測控制

廣義預測控制(generalized predictive control，GPC)是Clark等在1987年提出，采用了長時段的優(yōu)化性能指標，并結合辨識和自校正機制，表現(xiàn)出良好的魯棒性［12］.

由于CARIMA模型比較接近實際對象特性，且具有積分作用，因此它不僅能為自校正魯棒控制器的設計奠定良好的基礎，而且能有效地消除系統(tǒng)的靜態(tài)偏差.

用CARIMA模型將系統(tǒng)表示為如下形式:

A(z－1)y(k)=B(z－1)u(k － 1)+C(z－1)ξ(k)/Δ.式中:y(k)、u(k)、ξ(k)分別為系統(tǒng)輸出、輸入及干擾信號，A(z－1)、B(z－1)、C(z－1)分別是 n、m 和 n 階的 z－1的多項式，Δ =1 － z－1.

如果系統(tǒng)時滯大于零，則B(z－1)多項式開頭的一項或幾項的系數(shù)等于零，為了簡單起見，令C(z－1)=1.z－1是z變換的逆算子，稱為后移時間算子.有:

式中:na和nb為翼傘系統(tǒng)需要辨識的階數(shù).

為得到y(tǒng)(k)的j步向前預測值y(k+j)，引入式(6)的丟番圖方程:

式中:Ej和Fj為待求多項式，并且有:

將式(5)兩邊同乘 EjΔzj可得

將式(7)代入式(6)得

得到未來輸出y(k+j)的預測值:

為將EjBΔu(k+j－1)中已知信息和未知信息分離開來，引入式(9)丟番圖方程:

式中:Gj和Hj為待求多項式.用遞推算法可以解得Ej、Fj、Gj、Hj，N 為預測步長.

目標函數(shù)為

式中:Nu為控制步長，且Nu≤N.λ≥0為控制加權因子.yd(k+j)是柔化后的設定值序列，滿足:

式中:0＜α≤1為柔化因子，yr是當前設定值.

將預測方程(8)代入式(10)，并優(yōu)化求解得Δu(k)，由此可得到當前k時刻的控制量:

依據(jù)廣義預測控制的求解過程［12，14-15］，可以得到預測控制量u(k)，u(k)即為翼傘的單側下偏量，u(k)的改變，可以使得式(4)中的力F和力矩M發(fā)生變化，進而使得式(4)中的變量改變，即翼傘的航向產(chǎn)生偏轉，從而實現(xiàn)對翼傘的航向進行控制.

3.2 模糊控制

模糊邏輯在人類的思維和語言交流中普遍存在，經(jīng)過幾十年的發(fā)展和研究發(fā)現(xiàn)將模糊邏輯應用于自動控制領域，能夠體現(xiàn)良好的魯棒性和控制性能［13］.

對系統(tǒng)做如圖6的劃分，橫坐標為翼傘的偏航角 ψ、偏航角誤差 ψe、偏航角誤差的變換率 Δψe以及u(k)，為直觀起見單位為度(°).每個變量均劃分為5個模糊等級.如圖 6所示，NB為負大(negative big)，NS為負小(negative small)，ZE 為零(zero)，PS為正小(positive small)，PB 為正大(positive big).

圖6 各變量的隸屬度函數(shù)Fig.6 Membership function of variables

建立如表1所示的期望的翼傘動力學規(guī)則表，其中，ψ(k－1)為前一時刻航向角值，ψe(k－1)為前一時刻航向角跟蹤軌跡誤差值為期望的偏航角誤差變化率.

表1 期望的翼傘系統(tǒng)動力學規(guī)則Table 1 Desired dynamic rules of the parafoil system

建立如表2所示的翼傘動力學規(guī)則表，其中，ψe(k－1)為前一時刻航向角跟蹤軌跡誤差值，Δψe為航向角跟蹤軌跡誤差的變化率.

表2 翼傘系統(tǒng)動力學規(guī)則Table 2 Dynamic rules of the parafoil system

根據(jù)翼傘系統(tǒng)的動力學模型以及期望的動力學規(guī)則表，計算控制量的模糊規(guī)則，即

每個變量被劃分為5個模糊等級，則需要求取25條控制規(guī)則.具體步驟為:

1)根據(jù)(ψ(k－1)，ψe(k－1))，在表1中查找相應的.2)令 Δψe=Δψ*e，在表 2中根據(jù)(ψ(k－1)，ψe(k－1))查得相應的u(k).此時，有3種情況需要考慮:

①根據(jù)(ψ(k－1)，ψe(k－1))可以得到惟一相對應u(k)，此時，即為控制量;

②根據(jù)(ψ(k－1)，ψe(k－1))可以得到多個相對應的u(k)，即u(k)不惟一，此時需選取最小的u(k)值作為控制量，以減少電機等控制部件的能量損耗;

③根據(jù)(ψ(k－1)，ψe(k－1))無法找到相對應的u(k)，此時需取u(k)的最接近解，如果有多個解與之接近，則按情況②中所述，選取最小值為控制量;

依據(jù)上述規(guī)則，對控制量u(k)建立如表3中的模糊規(guī)則.

表3 控制量u(k)的模糊規(guī)則Table 3 Fuzzy rules of u(k)

3.3 翼傘系統(tǒng)航跡跟蹤控制策略

預測控制能夠有效地克服系統(tǒng)滯后、可應用于開環(huán)不穩(wěn)定非最小相位系統(tǒng).但預測控制在運算過程中需要解Diophantine方程、矩陣求逆以及最小二乘法的遞推求解，從而使得計算量較大［16］.

在翼傘航跡追蹤控制的過程中，設計控制器采用模糊控制與預測控制控制兩者相互切換.在偏航角誤差較大時使用模糊控制，利用模糊控制運算速度快、魯棒性好的特點，將航跡誤差迅速調整至較小的范圍.以此減少單純使用預測作為控制器在跟蹤過程中的計算量.

圖7為控制模式切換流程.在翼傘充滿后，系統(tǒng)完成初始化，對翼傘航跡開始定位跟蹤.判斷偏航角誤差大于設定值后，控制器切換至運算速度較快的模糊控制器.在偏航角誤差相對較小的時候，控制器切換至預測控制，對翼傘航跡進行精確控制.在翼傘偏航角誤差較大的階段，不必再進行繁雜的計算，從而節(jié)省運算器的運算時間，提高控制效率.

圖7 翼傘系統(tǒng)切換模式控制流程Fig.7 Flow chart of the switching mode control of the parafoil system

4 仿真分析

仿真模型選取的翼傘系統(tǒng)基本參數(shù)為展弦比AR=1.73，傘衣面積 SP=22 m2，傘繩長度 Ll=3.7 m，安裝角 φ =7°，吊帶長度 Lw=0.5 m，空投質量mW=80 kg，空投物阻力特征面積SW=0.5 m2.

翼傘系統(tǒng)的 CARIMA模型參數(shù)取:na=3，nb=5，N=5，Nu=1，控制加權系數(shù) λ =1，柔化系數(shù)α =0.3.翼傘初始航向 ψ(0)=0.

期望航跡為(0，0)到(500，500)的一條直線以及以(500，500)、(800，500)、(800，800)、(500，800)為頂點的矩形，如圖8中斜線和矩形組成的圖形所示.

圖8 慣性坐標系下無擾動時翼傘系統(tǒng)軌跡跟蹤Fig.8 Path tracking of the parafoil system without disturbance

采用單純預測控制的翼傘航跡跟蹤路徑為圖8中虛線所示.采用切換控制模式的翼傘航跡跟蹤路徑為圖8中實線所示.可以看到采用切換模式控制的翼傘系統(tǒng)在偏航角誤差較大時，能使航跡更快趨向于期望航跡.

圖9為翼傘系統(tǒng)航跡跟蹤過程中的電機控制量，可以看到，采用切換模式電機控制量要小于預測控制模式.

圖9 無擾動時翼傘系統(tǒng)電機控制量Fig.9 Motor control quantity of the Parafoil system without disturbance

圖10中期望軌跡與圖8相同.圖10、11為在y軸方向加入幅值為4 m/s的隨機擾動下，翼傘系統(tǒng)的軌跡跟蹤情況和電機控制情況.可以看到在有擾動的情況下控制方案仍然有效，且切換模式的控制效果優(yōu)于單純使用預測控制模式.

圖10 慣性坐標系下有擾動時翼傘系統(tǒng)軌跡跟蹤Fig.10 Path tracking of the parafoil system with disturbance

圖11 有擾動時翼傘系統(tǒng)電機控制量Fig.11 Motor control quantity of the parafoil system with disturbance

5 結束語

對切換控制模式下翼傘系統(tǒng)航跡跟蹤控制進行建模和仿真之后，分別比較了無擾動和有擾動情況下，切換模式和單一預測控制方式下翼傘跟蹤給定航跡的情況.

可以看到，在無擾動的情況下，翼傘系統(tǒng)能較好地跟蹤給定的軌跡，并且電機的控制量相對于單一使用預測控制時要小.在增加了隨機干擾之后，采用切換模式的翼傘系統(tǒng)仍能對軌跡進行較好地跟蹤，電機控制量也相對要小一些，提高了系統(tǒng)的快速響應，也縮短了調節(jié)時間，顯示出較好的穩(wěn)定性和魯棒性.

在偏航角誤差較大時，運用模糊控制比使用預測控制更快地趨向于期望軌跡.同時，采用模糊控制階段，無需進行Diophantine方程計算、矩陣求逆以及最小二乘法的遞推求解，在一定程度上減少了運算器的計算量.

［1］熊菁.翼傘系統(tǒng)動力學與歸航方案研究［D］.長沙:國防科技大學，2005:1-7.XIONG Jing.Research on the dynamics and homing project of parafoil system［D］.Changsha:National University of Defense Technology，2005:1-7.

［2］秦子增，葛玉君.可控翼傘飛行轉彎控制性能仿真初步研究［J］.宇航學報，1993(1):89-96.QIN Zizeng，GE Yujun.Preliminary simulation of flight turn performance of controllable parafoil systems［J］.Journal of Astronautics，1993(1):89-96.

［3］史獻林，余莉.翼傘空中回收系統(tǒng)的研究及其進展［J］.航天返回與遙感，2008，29(1):1-5.SHI Xianlin，YU Li.The study and development of the parafoil mid-air retrieval system［J］.Spacecraft Recovery ＆ Remote Sensing，2008，29(1):1-5.

［4］吳兆元.美國X-38計劃于翼傘返回系統(tǒng)［J］.航天返回與遙感，2000，21(4):7-13.WU Zhaoyuan.X-38 CRV and parachute recovery system［J］.Spacecraft Recovery ＆ Remote Sensing，2000，21(4):7-13.

［5］STEIN J M，MADSEN C M，STRAHAN A L.An overview of the guided parafoil system derived from X-38 experience［C］//18th AIAA Aerodynamic Decelerator Systems Technology Conference and Seminar Arlington.Munich，Germany，2005:516-529.

［6］PETRY G，BEHR R.The parafoil technology demonstration project:lessons learned and future visions［C］//14th AIAA Aerodynamic Decelerator Systems Technology Conference.Munich，Germany，1999:AIAA-99-1755.

［7］SOPPA U，STRAUCH H.GNC concept for automated landing of a large parafoil［C］//14th Aerodynamic Decelerator Systems Technology Conference and Seminar.San Francisco，USA，1997:AIAA-97-1464.

［8］焦亮.基于翼傘空投機器人系統(tǒng)的自主歸航研究［D］.天津:南開大學，2011:34-40.JIAO Liang.Research on autonomous homing based on parafoil and air-dropped robot system［D］.Tianjin:Nankai University，2011:34-40.

［9］蒲志剛，李良春，唐波.翼傘系統(tǒng)分段歸航方向控制方法［J］.四川兵工學報，2009，30(10):117-119.PU Zhigang，LI Liangchun，TANG Bo.The direction control of the parafoil system＇s multiphase trajectory［J］.Journal of Sichuan Ordnance，2009，30(10):117-119.

［10］郭叔偉，董楊彪，秦子增.物傘系統(tǒng)動力學模型和討論［J］.航天返回與遙感，2008，29(3):38-44.GUO Shuwei，DONG Yangbiao，QIN Zizeng.Dynamic model and discussion of the parachute and payload system［J］.Spacecraft Recovery ＆ Remote Sensing，2008，29(3):38-44.

［11］KANG Y，HEDRICK J K.Linear tracking for a fixed-wing UAV using nonlinear model predictive control［J］.IEEE Transactions on Control Systems Technology，2009，17(5):1202-1210.

［12］CLARKE D W，MOHTADI C，TUFFS P S.Generalized predictive control－part I:the basic algorithm［J］.Automatica，1987，23(2):137-148.

［13］李國勇.智能控制及其Matlab實現(xiàn)［M］.2版.北京:電子工業(yè)出版社，2010:163-165，216-219.

［14］王偉.廣義預測控制理論及其應用［M］.北京:科學出版社，1998:205-233.

［15］李少遠.工業(yè)過程系統(tǒng)的預測控制［J］.控制工程，2010，17(4):407-415.LI Shaoyuan.Model-based predictive control for industrial process-a survey［J］.Control Engineering，2010，17(4):407-415.

［16］李桂秋，陳志旺.基于跟蹤誤差調節(jié)的模糊直接廣義預測控制［J］.計算機應用研究，2012，27(3):1009-1011，1014.LI Guiqiu，CHEN Zhiwang.Fuzzy direct generalized predictive control based on tracking error adjustment［J］.Application Research of Computers，2012，27(3):1009-1011，1014.