7.2.2 紧耦合管理与控制方法
7.2.2.1 紧耦合管理与控制问题
飞行任务／能源系统紧耦合管理与控制方法的主要思路是：考虑飞行器飞行状态（如飞行轨迹、飞行姿态等）与能源系统的深度耦合，以最优综合飞行效能（如飞行时间最长、飞行航程最大等）为目标，开展能源系统的管理与控制。这个方法既适用于单一能源飞行器，也适用于混合能源飞行器。
紧耦合管理与控制问题，其本质是综合考虑底层能源管理和顶层任务规划的非线性系统最优控制问题，满足动力学约束和时域约束，即
式中，J（x（t），u（t））——目标函数。
这个目标函数可以根据具体情况设定。
（1）对于给定点到点飞行的新能源无人机，其目标函数可以是锂电池剩余电量最大，即
式中，n v——垂向过载；
n h——横向过载；
T——推力；
P batt——电池功率；
tf——终端时间。
（2）对于具有地面侦察任务的新能源无人机，其目标函数需要兼顾探测范围和电量存储，即
式中，C（tf）——地面侦察范围。
（3）对于具有跟踪地面移动目标任务的无人机，其目标函数需要兼顾跟踪距离和能量获取，即
式中，J r——跟踪任务的目标函数；
J c——获取总能量的目标函数。
式中，λ1，λ2——两个目标的权重因子；
l i——无人机在i时刻与移动目标的距离；
L max——光电吊舱的最大可探测距离；
ϑi——光电吊舱在i时刻的视线角；
ϑmax——光电吊舱的最大视线角；
Δt——时间步长；
P（i）in，P（i）out——无人机获得的能量和消耗的能量。
（4）对于给定航迹任务的新能源无人机，其目标函数可以包含三个部分：轨迹跟踪误差小、能量消耗低、控制平和，即
式中，x——当前轨迹；
x ref——参考轨迹；
ΔE——能量消耗；
Δu——控制量变化幅度；
λ1，λ2，λ3——权重因子。
7.2.2.2 氢燃料电池／锂电池紧耦合爬升控制方法
本节以氢燃料电池／锂电池混合能源无人机为例，介绍紧耦合爬升控制方法。
1.最优控制模型建立
燃料电池无人机在爬升过程中所需的功率一般大于燃料电池的最大功率，需要锂电池配合使用。爬升过程的飞行控制影响飞行状态和需用功率，燃料电池与锂电池的能源管理影响功率流的分配、电量状态及氢气消耗。因此，氢耗最少爬升问题需要耦合分析飞行状态和能源管理。
燃料电池无人机氢耗最少爬升问题以爬升过程中氢气消耗量为最优控制指标，以迎角α和螺旋桨转速ω为飞行控制变量，以燃料电池输出功率P fc为能源系统控制变量；从初始高度h0爬升到指定目标高度hf，满足飞行状态约束和能源系统状态约束，同时进行能源管理和飞行状态控制。可采用能源管理和飞行状态耦合的最优控制策略（简称“耦合最优控制策略”），将氢耗最少爬升问题按照最优控制的标准表述如下。
最优控制指标：
状态方程组：
状态边界：
控制边界：
过程约束：
2.模型耦合分析
通过动力模型和控制模型将无人机飞行运动模型与能源系统模型耦合，其内部数据流关系如图7-7所示。
无人机运动模型将飞行状态参数（如飞行速度、姿态等）传递给动力系统模型，动力系统模型接受来自动力系统控制器模型的转速控制，将产生的拉力作用于无人机模型。需求机械功率P d转换为需求电功率P D，即
图7-7 模型耦合分析
然后传递给能源控制模型，通过合理的控制DC／DC输出功率P dc和蓄电池功率P batt以满足需求功率，即
考虑DC／DC的转化效率ηdc得到燃料电池的输出功率P fc为
将锂电池和燃料电池的功率传递给各自电源模型，以计算蓄电池电量和氢气消耗情况。其中，利用锂电池的电流Ib和电池容量Q b信息，可利用下式对锂电池的电量状态SOC进行动态估计，并将电量信息反馈到控制模型。
