四旋翼无人机执行器故障的鲁棒控制与Simulink实现

1. 项目概述

四旋翼无人机作为当前最受欢迎的飞行平台之一，其控制系统的可靠性直接决定了飞行安全与任务完成质量。在实际飞行中，电机、电调等执行器可能因过热、机械磨损或电子元件老化等原因出现性能下降甚至完全失效。这种故障若不及时处理，轻则导致飞行轨迹偏离，重则引发坠机事故。

传统PID控制虽然结构简单，但在面对执行器故障时往往表现不佳。而基于模型预测控制（MPC）的方法又对计算资源要求较高，难以在低成本飞控上实时运行。本文提出的自适应鲁棒观测器结合有限时间控制的方法，能够在保证计算效率的同时，快速补偿执行器故障带来的影响。

关键创新点：将故障参数估计与有限时间收敛控制相结合，既解决了传统方法依赖精确故障模型的问题，又避免了自适应控制收敛速度慢的缺陷。

2. 系统建模与问题分析

2.1 四旋翼动力学模型

四旋翼的六自由度动力学可以用以下方程描述：

位置动力学：
m x¨ = (cosϕ sinθ cosψ + sinϕ sinψ) u₁
m y¨ = (cosϕ sinθ sinψ - sinϕ cosψ) u₁
m z¨ = (cosϕ cosθ) u₁ - mg

姿态动力学：
J ω˙ + ω × Jω = τ

其中u₁为总升力，τ=[τϕ, τθ, τψ]^T为三轴力矩，J为转动惯量矩阵。

2.2 执行器故障建模

考虑四种典型故障模式：

1. 效率下降：电机输出推力仅为指令的λ倍（0<λ<1）
2. 完全失效：λ=0
3. 卡死故障：输出固定推力
4. 时变故障：λ随时间变化

本文主要研究第一种情况，即执行器效率下降。实际控制输入与指令输入的关系为：
u_actual = Λu + d
其中Λ=diag(λ₁,λ₂,λ₃,λ₄)，d为有界扰动。

3. 控制策略设计

3.1 自适应鲁棒观测器设计

观测器结构采用如下形式：
˙x̂ = Ax̂ + B(Λ̂u + d̂) + L(y - Cx̂)
Λ̂˙ = Γ₁Φ(y - Cx̂)u^T
d̂˙ = Γ₂Ψ(y - Cx̂)

其中L为观测器增益矩阵，Γ₁、Γ₂为正定自适应增益矩阵，Φ、Ψ为设计函数。

设计要点：观测器增益L需要满足特定条件，使得估计误差动态具有有限时间收敛特性。通常可以通过求解线性矩阵不等式（LMI）来确定。

3.2 有限时间容错控制器

控制器由三部分组成：

1. 标称控制器：基于反步法设计的轨迹跟踪控制器
2. 故障补偿项：利用观测器估计值进行前馈补偿
3. 有限时间修正项：确保闭环系统有限时间稳定

具体控制律为：
u = Λ̂⁻¹(u_nominal - d̂) + K|e|^α sign(e)
其中e为跟踪误差，0<α<1，K为增益矩阵。

4. Simulink实现细节

4.1 模型架构

仿真模型包含以下关键子系统：

1. 四旋翼动力学模块
2. 故障注入模块
3. 观测器模块
4. 控制器模块
5. 可视化模块

4.2 关键参数设置

4.3 实现技巧

1. 使用MATLAB Function模块实现非线性观测器更新律
2. 通过S-Function Builder封装动力学方程
3. 利用Bus Signal组织多路信号
4. 配置Triggered Subsystem实现故障注入

5. 仿真结果分析

5.1 单执行器故障场景

设置λ₂=0.6（2号电机效率下降40%），同时加入幅值0.2的随机扰动：

5.2 多执行器故障场景

更严苛的测试条件：λ₁=0.7, λ₃=0.5

结果表明：

• 姿态角在6.2s内恢复稳定
• 观测器在10s内准确估计出两个故障参数
• 位置跟踪误差保持在0.5m以内

6. 工程实践建议

1. 参数整定顺序：先调观测器增益确保估计收敛，再调控制器参数
2. 实际部署时，需考虑计算延迟问题，建议：
   • 在STM32H7平台上测试表明，算法耗时<1ms
   • 可使用RTOS确保控制周期稳定
3. 故障检测阈值设置：
   • 当|λ̂_i - 1| > 0.2时触发报警
   • 结合电机电流信号进行交叉验证

7. 常见问题排查

8. 扩展应用

本方法经适当修改后可应用于：

1. 机械臂关节故障容错
2. 无人车驱动系统故障处理
3. 卫星姿态控制系统

在实际无人机项目中，我们曾用类似方法成功处理了如下故障案例：

• 农业无人机在喷洒作业时右前电机进水导致推力下降30%
• 物流无人机在运输途中遭遇强风导致执行器饱和
• 巡检无人机在高温环境下电机过热性能衰减