植保四轴飞行器的模糊PID控制_刘浩蓬
第31卷第1期农业工程学报V ol.31 No.1
2015年1月Transactions of the Chinese Society of Agricultural Engineering Jan. 2015 71
植保四轴飞行器的模糊PID控制
刘浩蓬，龙长江※，万 鹏，王晓谊，胡 奔
（华中农业大学工学院，武汉 430070）
摘要：针对当前植保四轴飞行器在作业过程中自身载荷发生改变后的飞行控制性能下降、抵抗环境扰动能力差的问题，该文改进了传统比例积分微分（proportion, integration, differentiation, PID）控制算法，提出了一种模糊PID控制算法。该文通过研究四轴飞行器的姿态解算和飞行原理，设计了以STM32系列的单片机为核心处理器的四轴飞行控制系统。采用AHRS模块实时解算飞行器姿态参数，结合模糊控制和PID控制算法调节电机的输出量来控制飞行姿态。试验结果表明：与传统PID相比，模糊自整定PID控制算法适应性强，参数整定简单，系统的动态响应能力和稳定性获得了提高，实现了四轴飞行器的稳定飞行。该文为植保无人机控制算法研究提供了一定的参考。
关键词：飞行器；传感器；算法；模糊自整定；飞行控制
doi：10.3969/j.issn.1002-6819.2015.01.011
中图分类号：V275 文献标志码：A 文章编号：1002-6819(2015)-01-0071-07
刘浩蓬，龙长江，万 鹏，等. 植保四轴飞行器的模糊PID控制[J]. 农业工程学报，2015，31(1)：71－77.
Liu Haopeng, Long Changjiang, Wan Peng, et al. Fuzzy self-adjusting proportion integration differentiation for eppo quadrocopter[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(1): 71－
77. (in Chinese with English abstract)
0 引 言
四轴飞行器是一种具有对称结构的多旋翼直升机，由固定在中心板上的4个安装了旋翼的悬臂组成[1]。由于四轴飞行器具有体积小、质量轻、结构简单、操纵方便及机动灵活等飞行优势，同时能实现垂直起降和空中悬停，所以在军事上和民用中得到了广泛的应用。例如四轴飞行器在敌情侦察及监视、战场破坏评估、当作反辐射和微型攻击武器、诱饵等军事上的应用比较成熟；在航拍、测绘、森林防火等信息采集方面的民事应用也相对比较成熟[2]。
目前，四轴飞行器在病虫害防御和药物喷洒等农业植保方面应用相对较少。农业植保飞机不同于其他类型飞行器，主要贴近地面飞行，地面地势变化以及区域气流改变都会严重影响四轴飞行器的飞行姿态，并且在播种或喷药过程中，飞行器自身质量会持续改变。四轴飞行器控制大多采用传统的PID控制算法，当载荷变动量接近系统空重甚至超过时，在较大外界干扰下，基于普通比例积分微分（proportion, integration，differentiation，PID）控制算法的系统容易产生振荡，导致飞行失稳。因此植保四轴飞行器研究的关键是找到合适的控制算法，使四轴飞行器能够在外界存在干扰并且自身载荷变化较大时仍能保持稳定飞行。
收稿日期：2014-10-14 修订日期：2014-12-11
基金项目：华中农业大学优博优硕项目（0900205177）;中央高校基本科研业务费专项基金资助项目（2014JC001）
作者简介：刘浩蓬，男，湖南岳阳人，主要从事无人机应用研究。武汉华中农业大学工学院，430070。Email：151********@https://www.wendangku.net/doc/fc9946459.html,
※通信作者：龙长江，男，湖北公安人，副教授，硕士生导师，主要从事无损检测、自动控制研究。武汉华中农业大学工学院，430070。
Email：lcjflow@https://www.wendangku.net/doc/fc9946459.html,
随着传感器检测技术和控制理论的不断发展,尤其是微电子和精密机械制造技术的逐步成熟，国内外很多的研究机构和专家学者开始对四轴飞行器进行动力学和运动学分析，并建立了系统的数学模型，提出了各种控制算法以实现四轴飞行器的自主飞行控制，并设计了飞行控制系统进行验证；对四轴飞行器控制算法的研究也较多，主要采用计算机仿真试验验证算法，在室内环境并且只在较小姿态角度范围进行控制[3-8]。
针对传统PID控制算法在植保飞行器模型变化时的控制，本文采用一种单片机能够处理的模糊参数自整定PID控制算法，以期在模型参数变化的情况下实时调节PID参数，综合传统PID控制和模糊控制的优点，有效提高四轴飞行器系统的控制性能。
1 四轴飞行器控制系统设计
四轴飞行器是通过改变对角上的4个无刷电机转速，使施加在机架上的6个自由度上的力矩发生改变来调节飞行姿态，这种欠驱动系统存在不稳定和强耦合等特点，在飞行过程中姿态除了受外界的干扰，自身机械结构、载荷的变化以及旋翼空气动力学的影响也不容忽视[9]。
四轴飞行器的机械结构如图1所示，4个无刷电机安装在机架的4个顶点，旋翼可以分为俯仰方向和横滚方向2组（俯仰方向：1、2号与3、4号旋翼共同控制；横滚方向：2、3号与1、4号旋翼共同控制），相邻旋翼安装时螺距反向并且使电机的转向相反，在转速相同的情况下可以抵消旋翼之间产生的反扭力，并同时产生向上的升力；相邻旋翼转速不同时，旋翼产生的反扭力可以改变四轴飞行器的航向角；当改变俯仰方向和横滚方向两组旋翼转速时就会产生偏转力矩，从而改变飞行器的
农业工程学报 2015年
72
姿态角。本文根据四轴飞行器的这种飞行原理，设计了实时控制飞行器姿态的控制系统。
a. 四轴飞行器示意图
a. Schematic diagram of quadrocopter
b. 试验装置实物图 b. Graph of experiment
注：F i 为四轴飞行器的升力，N 。
Note: F i is the lift force of the quadrocopter.
图1 四轴飞行器的机械结构
Fig.1 Mechanical structure of quadrocopter
本控制系统由AHRS 姿态采集系统、姿态控制主控单元和执行单元等组成。四轴飞行器控制系统的结构框图如图2所示，AHRS 姿态采集系统通过驱动模块中的各传感器得到相应原始数据，将数据通过滤波和融合解算出飞行器的姿态数据，并通过串行通信传给主控单元；主控单元结合RC 无线控制数据和当前姿态数据，经过控制算法自动得出控制输出量，通过输出相应的PWM 控制信号来驱动执行单元；执行单元通过电子调速器控制电机转速，进而改变飞行器各轴力矩来调节飞行器的姿态[11-13]。
图2 四轴飞行器控制系统的结构框图
Fig.2 Block diagram of quadrocopter structural control system
2 传统PID 控制在四轴飞行器控制系统中的应用
2.1 四轴飞行器的力学模型
四轴飞行器的每个旋翼在飞行过程中电机的转动方向保持不变，所以产生的升力F i 总是可以表示为：
21
()2
i T i i i F C A R ρω=
????? （1） 式中：F i 为升力，N ；ρ表示空气的密度，kg/m3；C T 表示阻力系数；A i 表示第i 个旋转翼的桨盘面积，m 2；ωi 表示第i 个电机的转速，r/s ；R i 表示第i 个桨叶的半径[12]，m 。四轴飞行器的每个轴的设计一般采用相同参数的机架、桨叶和电机，因此可以将A i 、ρ、R i 近似为常量k i ，升力F i 可以表示为式（2）：
2i i i F k ω=? （2）
式中：k i 为常量。
将四轴飞行器控制方式设计为X 形，在俯仰方向上旋翼1和2控制量同时增加或减小，同样旋翼3和4控制量同时减少和增加；在横滚方向上，俯仰方向控制量在横滚方向产生的作用量刚好相互抵消，所以俯仰和横滚方向控制量互不干扰。例如横滚方向，横滚方向的控制取决于旋翼（2和3）与旋翼（1和4）产生的力矩差。横滚方向上同一组旋翼的控制量相同。横滚力矩为T θ：
2314()2
T F F F F l θ=
?+??? （3） 式中：l 表示为电机轴到飞行器重心轴的距离，m 。
飞行状态的控制是在电机设定的转速的基础上对转速进行实时微调，所以每个电机的转速可以表示为设定转速ω0和微调转速Δω，控制飞行器姿态角度实际是在某一时刻控制飞行器的角加速度，绕Y 轴转动的角加速度可以表示为 ：
/y yy a T I θ= （4）
式中：a y 表示绕Y 轴转动的角加速度，rad/s 2；I yy 表示绕
Y 轴转动的转动惯量，kg·m 2。在某一初始条件下，四轴所有机械结构和自身载荷恒定的情况下，可以将自身机构参数的乘积用K 表示，当四轴飞行器自身结构和载荷发生改变时，K 值跟随变化。由式（2）－式（4）可以对飞行器的角加速度进一步简化为：
y a K ω=?Δ （5） 式中：K 为自身机构参数的乘积。
在离散控制系统中，特定初始条件下的某一时刻四轴飞行器的姿态角变化量取决于a y 在时间t 上的二次积分。 2.2 四轴飞行器传统PID 控制
PID 控制器是一种线性控制系统，通过对偏差进行比
例-积分-微分控制实现对系统的控制[14]
。在四轴飞行系统中，PID 控制器根据设定的姿态角与当前传感器输入的姿态角之间的偏差，参考过去状态、针对飞行器现状、同时预测飞行器未来状态，输出合适的电机转速，实现在系统控制参数不变条件下对四轴飞行器的控制。
比例环节能够减小系统的响应时间，快速减小偏差，但是容易引起超调；积分环节主要用于消除静差，提高系统控制精度，但是会影响系统的响应速度；微分环节能在偏差变得太大之前引入一个早期的修正，从而加快系统的响应速度，减小调节时间。根据四轴飞行器力学模型的推导，根据式（5）建立四轴飞行器横滚方向的PID 控制，其Matlab Simulink 仿真图如为图3所示。
第1期 刘浩蓬等：植保四轴飞行器的模糊PID 控制
73
图3 传统PID 控制Matlab Simulink 仿真 Fig.3 Conventional PID simulation diagram using Matlab
Simulink
图3中PID 控制器根据输入的角度偏差输出相应的转速ωΔ，增益K 主要取决于系统的机械结构和电机的速度设定值ω0。为了保证系统超调量不超过响应信号的1/2，系统上升时间不超过1 s 。通过改变PID 的控制参数可知，在K =1时，PID 比例系数应在如下范围内：4≤kp ≤7，1≤kd ≤3，ki ≤0.1。选取PID 参数为kp =5，ki =0.03，kd =1及3，而无人机作业过程中如果自身载荷发生改变，K 值也会相应发生改变，假定K 值为1及3，运用不同参数组合仿真示例，得出系统仿真结果如图4所示。
a. kd =1，K =1时的响应曲线 a. Response curve with kd =1, K =1.
b. kd =1，K =3时的响应曲线 b. Response curve with kd =1, K
=3.
c. kd =3，K =1时的响应曲线 c. Response curve with kd =3, K =1.
注：kp 、ki 、kd 为PID 的控制参数，分别为比例系数、积分系数和微分系数。kp 为5，ki 为0.03。
Note: kp 、ki and kd are controls parameters of the PID. They are proportion coefficient, integration coefficient and differentiation coefficient. kp is 5, and ki is 0.03.
图4 传统PID 控制器系统响应图
Fig.4 System response curve of conventional PID controller
由图4可知，当四轴飞行器机构差异和载荷变化引起油门初始值的变化都会改变K 值。图4 a 中，超调量为4.19°，上升时间为0.78 s ；图4b 中，超调量为2.58°，上升时间为0.53 s ；图4c 中，超调量为0.26°，上升时间为1.43 s 。通过对比图4 a 和图4b 可知，系统自身结构和载荷等导致参数K 的变化，对四轴飞行器的姿态控制产生了不可忽视的影响。通过比图4a 和图4b ，以及图4b 和图4c 可知，通过调节PID 的控制参数可以达到比较满意的控制效果。
调试结果表明，针对某种机械结构恒定的四轴飞行器，在负载不改变的情况下，通过试凑法反复调整传统的PID 控制器的参数，可以达到良好的控制效果[4,9-11]。但是在喷雾、播种等载荷变动接近系统空载质量甚至超过空载质量时，尤其在低空飞行，地形和外界气流干扰较大的情况下传统的PID 可能产生振荡，导致飞行不稳定，无法实现有效的控制。因此需要采取在线调节PID 参数来适应系统的变化，达到稳定控制的效果。
3 模糊参数自整定PID 控制算法的仿真与试验
四轴飞行器自适应模糊PID 控制器通过不断的检测姿态角误差e 和误差的变化率e c ，利用模糊控制规则在线对PID 参数进行修改，以满足系统运行过程中不同e 和e c 对控制参数的不同要求，使四轴飞行器具有良好的动静态性能。
3.1 模糊PID 控制器的仿真与结果分析
根据四轴飞行器的姿态控制原理，同时考虑到在不同时刻PID 控制算法3个参数的作用以及相互之间的互联关系，通过计算当前系统误差e 和误差变化率e c ，利用模糊规则推理，制定PID 控制器参数的模糊控制表。同时将系统的误差e 和误差变化率e c 的变化范围定义为模糊集上的论域e ，e c ={?1,0,1}。模糊子集简单的定义为：e ，e c ={N,Z,P},子集中的元素分别表示为负，零，正，从而得出各模糊子集的隶属度。系统在线运行中，控制系统通过对模糊逻辑规则的结果处理，得出对应的修正参数，进一步运算就可以完成对PID 参数的在线自整定[14-19]。模糊PID 的控制原理图如图5所示。
图5 模糊PID 的控制原理图
Fig.5 Fuzzy PID control principle diagram
在MATLAB 环境下对模糊控制系统输入相应的指令，在确定的模糊规则下，可以得到模糊控制器，并得到模糊推理系统动态仿真环境，改变输入的误差e 和误差变化率e c 的值就能通过模糊控制器得出PID 控制器的修正参数。
农业工程学报 2015年
74
根据建立的模糊系统与传统的PID 控制器相结合，将建立的四轴飞行器系统模型加入到Matlab Simulink 中，同时加入模糊控制器，对设计的模糊PID 控制器进行仿真。得到系统的仿真模型如图6所示。
图6 模糊PID 系统模型Matlab Simulink 仿真
Fig.6 Fuzzy PID simulation diagram using Matlab Simulink
在给定的初始参数下，输入方波信号（初值为10），根据普通PID 调节控制参数的选择，通过改变初始PID 控制参数和受飞行器机械结构、电机转速值影响的增益K ，通过不同参数组合，得到模糊PID 的响应曲线如图7所示。
由图7可知：a 图中超调量为2.86o，上升时间为0.69 s ，b 图中超调量为0.38o，上升时间为1.01 s ，c 图中调量趋于0，上升时间和稳定时间均为为1.67 s ，稳定时间相对传统PID 控制算法短。通过对图4和图7的系统响应曲线的整体对比可知，基于模糊PID 控制器的系统超调量得到了很好的改善，而在K 值较大时，系统本身阻尼比较大，2种可知算法都能使系统稳定。所以当飞行器作业过程中载荷减少时，传统PID 控制性能下降，模糊PID 控制器在稳定性和快速响应等方面性能更好一些。
a. kd =1, K =1时的响应曲线
a. Response curve with kd =1, K =1.
b. kd =1, K =3时的响应曲线 b. Response curve with kd =1, K
=3.
c. kd =3, K =1时的响应曲线 c. Response curve with kd =3, K =1.
图7 模糊PID 控制器系统响应图
Fig.7 System response curve of fuzzy PID controller
3.2 四轴飞行器实际测试
本设计采用大疆450机架和朗宇kv1250无刷直流电机搭建四轴飞行器试验平台，通过“天地飞六通道”RC 遥控器输入控制信号用来给定飞行器的姿态角度。具体实物图如图1所示。
试验过程中对飞行器的任意自由度方向都进行了控制的稳定性试验，而俯仰方向和横滚方向姿态的扰动对飞行器的安全影响最突出，对横滚方向进行试验（由于飞行器是对称结构，对俯仰方向的测试方式相同，且结果相似，并且将飞行器旋转任意角度，测试结果同样如此），通过串行接口将AHRS 姿态仪的数据直接输入到计算机。通过上位机对STM32导入基于传统PID 和模糊PID 控制算法的控制程序，并将传统PID 参数调试稳定，然后对四轴飞行器加载一个阶跃扰动，RC 遥控器设定同一初始转速，将系统姿态偏转50o后释放，记录四轴飞行器的控制系统的响应曲线，四轴飞行器横滚方向的姿态数据变化曲线如图8所示。
图8为2种控制器响应曲线图。通过对比图8a 和图8b 响应曲线，可以得知图8a 中角度响应曲线最大超调量为9.38°，上升时间为0.36 s ；图8b 中角度响应曲线最大超调量为7.53°，上升时间为0.32 s ，由此可知基于模糊参数自
第1期刘浩蓬等：植保四轴飞行器的模糊PID控制75
整定的PID控制器的四轴飞行器系统响应快、超调量小、波动较小、稳定性高，能更好的实现对四轴飞行器的控制。
a. 传统PID
a. Traditional PID
b. 模糊PID
b. Fuzzy PID
图8 2种控制器响应曲线图
Fig.8 Response curve of two kinds of controller
四轴飞行器作用在每个轴上的电机转速调节量不会改变四轴飞行器的整体升力，例如在横滚方向上，调节量使一对旋翼（2、3旋翼）的转速增加就会等量的减少相对的一对旋翼（1、4旋翼）的转速。四轴飞行器载荷变化时，要保持飞行姿态，需同时等量的改变4个旋翼的转速来抵消载荷向下的作用力，所以载荷变化直接决定了四个旋翼飞行过程中的初始转速。试验中，先将油门值高电平脉宽设为1 500 u s，将系统在传统PID控制算法下调试稳定，再通过设定不同的初始油门量进行试验。在不同的电机初始转速下，测试传统PID和模糊PID算法作用下系统的稳定性。测试结果如表1所示。
由表1可知，当油门值设置为1 197 u s时，参数固定的传统PID控制算法适应性较差，在干扰下无法达到稳定，此时系统存在较大的超调，当油门值设置为1 292 u s 时，模糊PID控制系统超调量存在比传统PID控制系统超调量稍大，但是后期振荡幅值迅速衰减，能比传统PID 控制更快的达到稳定状态。而在系统自身载荷较大，油门值超过1 500 u s时，模糊PID系统上升时间和调节时间的值基本趋于稳定，同时相对传统PID控制系统，超调量有了更大的改善。因此，在作业环境改变和载荷变化时需要重新调整系统参数。而模糊PID控制算法能在线调节参数，对载荷变化和外界干扰有更好的适应性。
表1 不同初始油门下的系统稳定性比较
Table 1 Comparison of stability of system under different initial throttle
传统PID Traditional PID 模糊PID Fuzzy PID
油门设置
Throttle setting/μs 上升时间
Rise-time/s 最大超调量
Maximum
overshoot/%
调节时间
Settling time/s
稳定性
Stability
上升时间
Rise-time/s
最大超调量
Maximum
overshoot/%
调节时间
Settling
time/s
稳定性
Stability
1 197 0.51 94.9 振荡0.49 85.7 4.85
稳定
1 29
2 0.40 73.8 2.58 稳定0.29 78.6 2.29
稳定
1 500 0.33 61.3 2.17 稳定0.36 40.0 1.75
稳定
1 707 0.6
2 37.5 1.8
3 稳定0.565 22.5 1.8
4 稳定
注：油门值>1 180 u s时才能支撑机架自身质量，在无干扰下保持平衡。将系统偏移稳态值40°后释放，采集相关试验数据。设定系统响应曲线的允许偏差为±5%。Note: In order to support its own mass and keep balance without interference, the throttle RC should be large than 1180. Releasing the system after offsetting 40 degrees compared with the system steady-state value, relevant experimental data had been acquired. The allowable deviation of the system response curve is ± 5%.
4 结论与讨论
本文通过对四轴飞行器控制原理的分析，设计了四轴飞行器控制系统，搭建了系统试验平台；同时对四轴飞行器力学模型进行分析，通过MATLAB进行仿真试验，对传统PID控制器和模糊参数自整定PID控制器进行设计和仿真。试验表明，传统的PID控制器只能针对机械结构固定的飞行器控制，通过反复试验的方法找到较为合适的控制参数最终实现控制功能；而模糊参数自整定PID控制器无需复杂的主控单元，就能够根据输入的偏差和偏差变化率来实时地调节控制参数。在不改变原有的硬件系统基础上加入模糊控制算法，既没有增加系统的成本，又改善了控制品质。这个过程中，需要建立模糊规则系统，本文设计了简洁的模糊规则便于单片机快速处理。如果采用运算速率更高的控制单元，结合进一步细化的模糊规则系统，有望更大程度的提高四轴飞行器的控制品质，以更好的满足农业作业飞行器控制的要求，具有很好的应用前景。
[参 考 文 献]
[1] 刘焕晔. 小型四旋翼飞行器飞行控制系统研究与设计[D].
上海：上海交通大学，2011.
Liu Huanye. Study and Design of Flight Control Systems for
a Small Scale Quadrotors[D]. Shanghai : Shanghai Jiao Tong
University, 2011. (in Chinese with English abstract)
[2] 田卫军，李郁，何扣芳，等. 四轴旋翼飞行器结构设计与
模态分析[J]. 制造业自动化，2014,36(02):37－41.
Tian Weijun, Li Yu, He Koufang, et al. Structural design and
modal analysis of the quadrotor helicopter flight[J].
Manufacturing Automation, 2014, 36(02):37－41. (in Chinese with English abstract)
[3] Samir B. Design and Control of Quadrotors with Application
to Autonomous Flying[D]. Switzerland: Lausanne EPFL, 2007.
农业工程学报 2015年76
[4] 刘峰，吕强，王国胜，等. 四轴飞行器姿态控制系统设计[J].
计算机测量与控制, 2011，19(3):583－585,616.
Liu Feng, Lü Qiang, Wang Guosheng, et al. Design of attitude
control system for quadrotor[J]. Computer Measurement &
Control, 2011，19(3):583－585, 616. (in Chinese with
English abstract)
[5] 杨明志，王敏. 四旋翼微型飞行器控制系统设计[J]. 计算
机测量与控制，2008，16(4)：1671－4598.
Yang Mingzhi, Wang Min. Design of flight control system
for a four-rotor miniRotorcraft[J]. Computer Measurement
and Control, 2008, 16(4): 1671－4598. (in Chinese with
English abstract)
[6] 樊鹏辉，王新华，蔡开元. 可垂直起降、高速前飞的飞行
器设计与控制[J]. 控制理论与应用，2010，27(9):1171－
1177.
Fan Penghui, Wang Xinhua, Cai Kaiyuan. Design and control
of aircraft of vertical take-off-and-landing and high-speed
forward flight[J]. Control Theory and Applications, 2010，
27(9):1171－1177. (in Chinese with English abstract)
[7] 宿敬亚，樊鹏辉，蔡开元. 四旋翼飞行器的非线性PID姿
态控制[J].北京航空航天大学学报，2011，37(9):1054－
1058.
Su Jingya, Fan Penghui, Cai Kaiyuan. Attitude control of
quadrotor aircraft via nonlinear PID[J]. Journal of Beijing
University of Aeronautics and Astronautics, 2011, 37(9) :1054－1058. (in Chinese with English abstract)
[8] Menno W B S. Design Implementation and Flight Test of
Indoor Navigation and Control System for a Quadrotor
UAV[D]. Netherlands: Delft University of Technology, 2008.
[9] 刘乾，孙志锋. 基于ARM的四旋翼无人飞行器控制系统[J].
机电工程，2011，28(10)：1237－1240.
Liu Qian, Sun Zhifeng. Four-rotor unmanned aerial vehicles
control based on ARM[J]. Mechanical & Electrical Engineering Magazine, 2011, 28(10): 1237－1240. (in Chinese with English abstract)
[10] 符冰，方宗德，侯宇. 一种新型微旋翼飞行器的设计与控
制[J]. 航空制造技术，2006(5)：91－94.
Fu Bing, Fang Zongde, Hou Yu. Design and control of a new
style rotor-wing micro air vehicles[J].Aeronautical Manufacturing Technology，2006(5)：91－94.
[11] Prouty R W. 2003. Helicopter Performance, Stability and
Control[M]. Krieger Publishing Company, Reprint with
Addition, 2003.
[12] 张明廉. 飞行控制系统[M]. 北京：航空工业出版社，1994.
[13] 王坤宇. 直升机飞行控制系统[M]. 天津：航空工业出版
社，1997.
[14] 仇成群；刘成林；沈法华，等.基于Matlab和模糊PID的
汽车巡航控制系统设计[J]. 农业工程学报，2012，28(6)：
197－202.
Qiu Chengqun, Liu Chenglin, Shen Fahua,et al. Design of
automobile cruise control system based on Matlab and Fuzzy
PID[J]. Transactions of the Chinese Society of Agricultural
Engineering (Transactions of the CSAE), 2012, 28(6): 197－
202. (in Chinese with English abstract)
[15] 吕安涛，毛恩荣，宋正河，等. 一种拖拉机自动驾驶复合
模糊控制方法[J]. 农业机械学报，2006，37(4)：17－20.
Lü Antao, MaoEnrong, SongZhenghe, et al. The composite
fuzzy control technique of Tractor Automatic Steering[J].
Journal of Agricultural Machinery, Automatic Driving
Atractor, 2006, 37(4): 17－20.(in Chinese with English abstract) [16] Kaizu Y, Yokoyama S, Imou K, et al. Vision-based
navigation of a rice transplanter[C]//2004 CIGR International
Conference. Beijing: IEEE, 2004: 144－147.
[17] 周俊，姬长英. 视觉导航轮式移动机器人横向预测模糊控
制[J]. 农业机械学报，2002，33(6)：76－79.
Zhou Jun, Ji Changying. Lateral predictive fuzzy logic
control for wheeled mobile robot navigated by machine
vision[J]. Journal of Agricultural Machinery, 2002, 33(6): 76－
79. (in Chinese with English abstract)
[18] Noguchi N, Will J, Reid J, et al. Development of a
master-slave robot system for farm operations[J]. Computer
and Electronics in Agriculture, 2004, 44(1): 1－19.
[19] 刘金琨. 先进PID控制MATLAB仿真[M]. 北京：电子工
业出版社，2011.
Fuzzy self-adjusting proportion integration differentiation for eppo
quadrocopter
Liu Haopeng, Long Changjiang※, Wan Peng, Wang Xiaoyi, Hu Ben
(College of Engineering, Huazhong Agricultural University, Wuhan 430070, China)
Abstract: As quadrocopters can fly stably and be controlled flexibly so that they could fulfill the requirements for seeding, farmland information acquisition and ultra-low-volume spraying. Conventional PID control algorithm could hardly resist the environmental perturbation as structural parameters changed. In this study, a fuzzy proportion, integration and differentiation (PID) control algorithm was proposed to improve the robustness of a plant protection quadrocopter when the load changed during the operation. In the fuzzy PID control algorithm, the errors of the attitude angle and the angular speed were detected
第1期刘浩蓬等：植保四轴飞行器的模糊PID控制77
and imported into the fuzzy rule table, where correction amount was then calculated and used to correct the initial PID parameters. The updated attitude angle and the angular speed could meet the requirements of the system with a better static and dynamic performance during flight. A quadrocopter control system using STM32 Micro Control Unit (MCU)as the core processor was designed based on the study of the flight theory of aircrafts and the methods of attitude determination. The attitude heading reference system (AHRS) module was adapted as a real-time solver to determine the aircraft attitude parameters so that the flight attitude could be controlled by fuzzy PID algorithm. The matlab-simulink software was used in this study to simulate the conventional PID and fuzzy PID control algorithms and the simulation results were analyzed and compared. For the conventional PID algorithm, the overshoot of the system was 41.9% with the rising time of 0.78 s. With the fuzzy PID control algorithm, the overshoot of the system was 28.6% and the rising time was 0.69 s. With fuzzy PID control algorithm, the overshoot of the system decreased 13.3% and the rising time reduced 0.09 s compared with the conventional PID algorithm with the scaling factor as 5, integral coefficient as 0.03, differential coefficient as one and system gain as one. Using other parameters have also led to similar results, which indicated that fuzzy PID control algorithm had a better control performance. Moreover, experiments were conducted to verify the simulation results. The results showed that, the system performed in a stable way under a small load with the control of the fuzzy PID algorithm; however, this cannot be achieved by using the conventional PID algorithm under same condition. With the conventional PID algorithm, the overshoot of the system was 37.5% and the rising time was 0.62 s with a heavy load. While, the overshoot of the system was 22.5% and the rising time was 0.57s when the fuzzy PID control algorithm was adopted. The overshoot of the system decreased 15.0% and the rising time reduced 0.05 s, which agreed well with the simulation results. The results showed that the fuzzy PID algorithm had a stronger adaptability with easier adjustment of working parameters and can lead to quicker dynamic response capability and more stability of the system when compared with the conventional PID algorithm. The performance and disturbance rejection ability of the plant protection quadrocopter were significantly improved by using the proposed fuzzy PID algorithm. This study can provide a reference for the research of plant protection aircraft control algorithm.
Key words: aircraft; sensors; algorithms; fuzzy self-adjusting;flight control