类型a：学术研究报告

本研究由Huiying Liu、Yongming Yao、Jie Wang、Yutong Qin和Tianyu Li共同完成，作者团队来自吉林大学机械与航空航天工程学院。研究成果发表于《International Journal of Hydrogen Energy》期刊的第47卷（2022年），具体发表于2022年3月29日在线发布，文章编号为15236-15253页。

在学术背景方面，本研究属于新能源飞行器控制领域。随着无人机（UAV）在军民领域的广泛应用，传统电池动力无人机续航时间短的缺点日益凸显。燃料电池/蓄电池混合储能系统（HESS）因其高能量密度和长续航特性成为解决方案。然而，燃料电池动态响应慢的特性使其难以单独应对无人机剧烈变化的功率需求。同时，无人机轨迹跟踪控制面临着非线性、强耦合、外部干扰等问题。研究旨在开发一种协调能量管理与轨迹跟踪控制的架构，提升燃料电池/蓄电池混合动力无人机的整体性能。

在研究流程方面，研究包含七个主要环节：

首先，在系统建模阶段建立了四旋翼无人机动力学模型，采用牛顿-欧拉方程构建了六自由度非线性动力学方程。模型考虑空气阻力、陀螺力矩等影响因素，并进行了小角度假设简化。在推进系统建模方面，建立了包含螺旋桨、电机、电调、燃料电池、蓄电池及DC/DC转换器的完整数学模型。燃料电池采用改进的Randell等效电路模型，蓄电池采用PNGV（Partnership for a New Generation of Vehicles）模型。

其次，在控制架构设计环节提出了双层次结构：上层为基于扩展状态观测器（ESO）的模型预测控制（MPC）位置跟踪控制；下层为基于自抗扰控制（ADRC）的姿态跟踪控制。位置控制采用MPC框架，引入状态积分项减小稳态误差，通过ESO实时估计并补偿干扰。姿态控制采用非线性ADRC，通过跟踪微分器安排过渡过程，采用非线性状态误差反馈控制律。

第三，在能量管理策略开发环节提出两种创新方法：在线动态规划和分层MPC策略。动态规划算法利用轨迹跟踪控制器提供的未来控制序列信息进行在线优化。分层MPC上层进行航时优化生成最优蓄电池SOC参考轨迹，下层采用模型算法控制（MAC）进行动态跟踪。

研究对象包括理论模型和硬件在环测试平台。理论模型基于Matlab/Simulink环境构建，硬件平台采用30W质子交换膜燃料电池（PEMFC）和7.4V/350mAh锂聚合物电池组成的缩比系统，使用NI PXIe嵌入式控制器实现实时控制。

在创新方法方面，研究开发了多项关键技术：1）融合ESO的鲁棒MPC控制器，通过扰动观测提升传统MPC的抗干扰能力；2）基于路径跟踪控制信息的前向功率需求预测方法；3）面向实时应用的在线动态规划求解算法，计算周期缩短至32.5ms；4）分层优化MPC框架，将长期航时优化与短期动态跟踪解耦。

数据分析采用数值仿真与实验验证相结合的方法。仿真分析了阶跃响应、随机干扰等情况下的轨迹跟踪性能；通过硬件实验比较了四种能量管理策略的氢耗和续航时间。数据处理采用最小二乘拟合和统计分析方法。

主要研究结果显示：在轨迹跟踪方面，八字形轨迹跟踪的最大位置误差为X轴[-0.057,0.078]m，Y轴[-0.063,0.057]m，Z轴[-0.58,0.572]m。ESO能有效估计系统状态和扰动，在随机干扰下仍保持稳定跟踪。能量管理实验表明，相比于常规策略，动态规划算法提升续航2.69%，分层MPC提升1.27%。硬件测试测得动态规划的氢耗为0.02379g，对应理论续航219分钟。MPC算法的计算时间为85.5-88.5ms，满足实时性要求。

结论部分指出，本研究确立了能量管理与运动控制的协同框架，通过三个关键创新实现了性能突破：1）控制信息的双向利用机制；2）抗干扰的预测控制结构；3）在线全局优化算法。科学价值体现在提出了混合系统协同控制的理论框架，应用价值在于解决了燃料电池无人机动态响应与续航平衡的难题。研究为未来长航时自主无人机的发展提供了技术路线。

本研究的亮点包括：1）首次将轨迹跟踪控制信息深度集成到能量管理系统中；2）开发了适用于无人机实时控制的在线动态规划算法；3）建立了完整的燃料电池混合动力无人机建模与控制体系；4）硬件验证了控制架构在实际系统中的有效性。

补充价值体现在：研究提出的方法可扩展到其他混合动力飞行器；开发的ESO-MPC控制器对存在模型不确定性的系统具有普适性；分层优化框架为多时间尺度控制问题提供了解决思路。此外，研究结果为燃料电池与自动驾驶技术的结合提供了范例。