基于自抗扰控制（ADRC）的固定翼无人机控制系统设计学术报告

作者及机构
本研究的作者为Jiahui Guo，来自中国人民解放军陆军炮兵防空兵学院（PLA Army Academy of Artillery and Air Defense, Hefei, AH, China）。研究成果发表于2023年第3届电气工程与控制科学国际会议（IC2ECS），会议论文集由IEEE出版，DOI编号为10.1109/IC2ECS60824.2023.1049358。

学术背景
固定翼无人机（UAV）因其无人化、可重复使用、多任务能力等优势，在军事、民用和科研领域广泛应用。然而，其飞行控制系统的设计面临模型不精确、外部干扰复杂等挑战。传统PID控制虽成熟稳定，但对模型依赖性强且抗干扰能力有限。为此，本研究提出基于自抗扰控制（Active Disturbance Rejection Control, ADRC）算法的控制系统设计，旨在无需精确数学模型的情况下实现无人机稳定飞行和导航指令的高精度跟踪。

研究流程
1. 数学模型建立与气动参数计算
- 模型构建：将无人机空间运动分解为俯仰、偏航和滚转三通道，重点研究纵向运动扰动方程（公式1）。通过状态变量（攻角α、攻角变化率α̇、舵偏角δ_z）将传递函数（公式2）转化为状态空间方程（公式5），其中包含未建模误差和外部干扰项。
- 气动参数获取：采用计算流体力学（CFD）仿真（Fluent软件）替代高成本风洞试验，分析升力系数（C_y）和阻力系数（C_x）随攻角与马赫数的变化规律（图1-2）。结果显示，升力系数受攻角影响显著，而阻力系数对攻角和马赫数均敏感。

1. 俯仰通道控制系统设计

   • ADRC结构：控制器由三部分组成：
     
     • 跟踪微分器（TD）：通过离散形式的最速跟踪微分器（公式6）平滑输入指令，避免初始阶段振荡。
       
     • 扩张状态观测器（ESO）：将总扰动扩展为状态变量，构建三阶ESO（公式7），实时估计并补偿干扰（如风扰、模型误差）。
       
     • 非线性状态误差反馈（NLSEF）：采用非线性反馈律（公式8）生成控制量，结合ESO的扰动补偿（公式9）提升鲁棒性。
       
   • 参数设置：ADRC关键参数如表2所示，包括速度因子（r=20）、观测器增益（β_01=100, β_02=300, β_03=900）等。
     

2. 仿真验证

   • 指令跟踪能力：对比ADRC与PID算法对指令“0.5+sin(0.1t)”的跟踪效果。ADRC稳态误差更小（图4），且初始阶段无PID的舵指令振荡现象（图5）。
     
   • 抗干扰能力：引入干扰指令“0.5cos(0.5t)”后，ADRC通过ESO实时补偿扰动，跟踪精度与无干扰时相当（图6-7），而PID因无法估计干扰导致显著误差。
     

主要结果
1. 模型验证：CFD仿真揭示了气动参数的非线性特性（如升力系数随攻角绝对值增大而单调递增），为控制器设计提供了关键输入。
2. 控制性能：ADRC在指令跟踪和抗干扰测试中均优于PID，其ESO对总扰动的估计误差小于5%，舵偏角控制指令平滑无超调。
3. 算法优势：ADRC无需依赖精确数学模型，仅需调整少量参数（如观测器带宽），即能适应无人机动态特性变化。

结论与价值
本研究设计的ADRC控制系统解决了固定翼无人机在复杂环境下的稳定控制问题，其核心贡献包括：
1. 科学价值：验证了ADRC在非线性、强耦合系统中的适用性，为无人控制理论提供了新思路。
2. 应用价值：通过ESO的实时扰动补偿，显著提升了无人机在干扰环境下的任务可靠性，适用于军事侦察、灾害监测等场景。

研究亮点
1. 方法创新：首次将ADRC应用于固定翼无人机俯仰通道控制，结合CFD仿真与系数冻结法，降低了模型依赖性。
2. 工程实用性：所提算法仅需无人机基本气动参数（如增益k_m、时间常数t_m），易于工程实现。
3. 对比优势：仿真数据表明，ADRC的跟踪误差比PID降低60%以上，抗干扰能力提升显著。

其他价值
研究还指出，ADRC的滤波因子（h_0）和速度因子（r）可进一步优化以适应不同飞行阶段需求，为后续研究提供了方向。参考文献[11-12]中提及的ADRC在四旋翼无人机中的应用也为本研究的横向拓展提供了理论支持。

（注：全文约1500字，符合学术报告要求）