1.2.1 自动着陆控制律设计研究现状

自动着陆控制律是自动着陆系统的基础，该控制律设计的好坏直接关系到自动着陆系统的稳定性与鲁棒性。满足CAT III要求的自动着陆控制律设计的难点体现在以下三个方面。

（1）飞机跑道视程短、决断高很低或无决断高。

（2）要求飞机精确跟踪下滑航迹，对接地点散布要求很高，即对航迹跟踪的精度很高。

（3）飞机进近着陆段的外界环境比较复杂，大气紊流、阵风、侧风、风切变及导航设备的测量误差等都会对飞行造成很大影响，地面效应、模型参数摄动等也会影响飞机的稳定性。

就目前而言，PID控制法依旧是自动着陆控制律的主流设计方法，已经在飞行控制领域成熟应用了数十年。设计人员根据着陆控制模态选择合适的反馈信号，然后整定比例（P）、积分（I）、微分（D）组合的参数，从而确定控制律。2017年，海军航空大学的朱飞翔等人采用PID控制法设计俯仰角控制回路和高度控制回路，在无扰动的情况下可以精确跟踪下滑航迹。随着航空业的发展，民航客机对自动着陆系统提出了更高的要求。为满足CAT III着陆的需求，波音公司对着陆段纵向、侧向及平飞段的控制方案进行改进，但是控制律依然采用PID控制法进行设计。PID控制法工程实用性好，但也存在很多缺点，如鲁棒性不够强、对外界扰动的抑制能力有限、控制律参数设计比较烦琐等。

为解决自动着陆控制律的鲁棒性和航迹精确跟踪控制问题，国内外学者采用现代控制理论对此进行相关研究，取得了不错的研究成果，所用研究方法主要包括鲁棒控制法、最优控制法、智能控制法等。鲁棒控制法主要包括H_∞控制法、μ综合法、线性二次型调节器（Linear Quadratic Regulator, LQR）等，当系统存在扰动、参数摄动时，鲁棒控制仍能保持良好的动态响应和稳定性。2001年，北京大学的Che在稳定逆思想和H_∞控制法的基础上设计了有人机的自动着陆控制律，提高了飞机对外界扰动和噪声的抑制能力，其控制精度和鲁棒性达到了美国联邦航空管理局（Federal Aviation Administration, FAA）对CAT III精密进近着陆的要求。2003年，北京航空航天大学的王会把着陆控制系统中的设计要求和飞行品质要求转化为结构奇异值μ综合法中权函数的选择。由此设计出的控制律能够对下滑航迹进行精确跟踪，具有抑制扰动的良好性能，但是μ综合法的计算量很大，迭代过程烦琐，并且无法保证在全局内的最优性。2013年，南京航空航天大学学者李欣、江驹等人采用H_∞控制法和PID控制法对飞机在进近过程中的姿态控制律进行研究。实验表明，在侧风扰动下，H_∞控制法能够精准快速地进行姿态跟踪，在侧风作用下有很快的恢复能力。但是采用H_∞控制法设计自动着陆控制律时，需要依赖大量传感器的测量信息构造状态观测器，很难应用到实际工程中。2014年，克拉约瓦大学的Romulus Lungu等人采用H_∞控制法和反步法相结合的方式，对纵向着陆过程进行控制，其理论结果通过波音B747飞机的数值模拟进行验证。结果表明，该方法能满足美国联邦航空管理局对CAT III精密进近着陆的要求，所得到的控制律不仅具有抑制传感器误差、阵风和低强度风切变的能力，还具有鲁棒性，但对CAT III精密进近着陆的指标要求定义不够清晰。2016年，北京航空航天大学的Zhang等人采用线性二次型调节器和自抗扰控制（Active Disturbance Rejection Control, ADRC）技术相结合的方法，设计着陆姿态控制器，用线性二次型调节器代替原始的比例微分增益。结果表明，该方法能有效解决着陆过程中的参数摄动问题和抑制未知干扰，但是对Q矩阵和R矩阵的选取太简单，完全依靠经验给出。总的来看，鲁棒控制法很难用于实际工程：一是所需成本太高，需要配备大量的传感器；二是控制器的阶次可能比控制对象的阶次更高，使结构变得复杂，不利于工程化应用。

此外，一些学者将神经网络控制、模糊控制、预测控制、滑模控制等方法应用于着陆控制研究。2014年，新加坡南洋理工大学的D.M.K.K将滑模控制应用于非线性六自由度飞机的自动着陆控制，将参考下滑航迹与飞机之间的位置误差转化为有滑动功能的状态变量，将着陆机动转化为航迹跟踪问题。该方法虽然控制性能优于PID控制器，但是选择滑动函数、到达定律和推导控制定律却比PID控制器复杂很多。2017年，克拉约瓦大学的Mihai Lungu将神经网络控制法用于飞机进近着陆过程控制，虽然控制效果较好，但是神经网络是用于模拟人大脑神经的行为，将其用于着陆控制还处于理论仿真阶段，是否能在实际工程中得到应用尚未可知。针对外界环境变化引发飞机对象参数摄动这一问题，Zhang F、Kato A等人将模糊控制用于飞机的进近着陆控制，并且对模糊控制法进行了相应的改进，提出自适应模糊控制、因子修正模糊数模型、带优化修正函数的无量化模糊控制器等。使用模糊控制法可以利用系统状态信息调节控制量的大小，能动态改善系统在参数摄动下的控制效果，但是需要使用模糊规则进行控制量的校正，控制形式太复杂，并且计算量大。2019年，学者Mihai Lungu采用反步法设计飞机着陆姿态控制律，先将系统的阶次进行分解，然后为每个子系统设计李雅普诺夫（Lyapunov）函数和虚拟控制量，一步步反推得到控制量，虽然反步法能解决飞机的非线性问题，但是依然需要比较精确的模型，常需要结合其他方法才有更好的效果。此外，反步法涉及微分求解问题，计算麻烦。南京航空航天大学Zhen等人采用自适应控制方法进行着陆姿态控制律设计，与期望姿态进行比较，动态地调整控制律参数，实现对期望姿态的跟踪。但是，当飞机的不确定扰动变化较快时，自适应控制效果会变差。

我国韩京清研究员在1989年以对经典控制方法的反思为开端，在PID控制法缺陷的基础上提出“跟踪微分器”（Tracking Differentiator, TD）、“非线性误差反馈”（Nonlinear State Error Feedback, NLSEF）等一系列改进措施，在1998年正式提出自抗扰控制法。自抗扰控制法不需要精确的控制对象模型，也不需要外界扰动的具体模型，它将作用于被控对象的所有不确定因素当成系统的“总和扰动”，利用被控对象的输入输出信息，主动自发地通过扩张状态观测（Extended State Observer, ESO）将扰动信号进行实时估计并补偿，降低或消除扰动信号对系统的作用。自抗扰控制法旨在解决控制过程中的核心问题：抗扰，而不再重点纠缠被控系统的线性-非线性问题、时变-时不变问题。

经过多年的发展，自抗扰控制法已广泛应用于各个领域，在飞行控制领域也得到实际应用。2019年，南开大学的孙明纬等人对高超声速航空器的三个姿态通道设计线性自抗扰控制器，并在弱耦合情况下，俯仰角控制和滚转角控制能直接应用于攻角和侧滑角控制上，并取得了满意的控制效果。天津大学的Zhu等人为解决固定翼飞机在降落时容易受风扰动问题，采用自抗扰控制法和PID控制法设计纵向着陆控制律。结果表明，自抗扰控制法的抗扰动性比PID控制法更强，在整个降落过程中具有很好的稳定性和跟踪精度。北京航空航天大学的Shan等人针对飞翼无人机强耦合性问题，采用自抗扰控制法和PID控制法相结合策略，以PID控制法控制内回路的角速度，以自抗扰控制法控制外回路对角速度进行控制，设计结果完全满足控制精度要求。

鉴于自抗扰控制原理简单、容易实现、抗干扰能力强等优点，将其用于复杂环境下的自动着陆控制是可行的。本书采用自抗扰控制法设计着陆姿态控制律和自动油门控制律，从而保证着陆控制的鲁棒性。