CN106444813A - 一种基于t‑s模糊模型的四旋翼姿态控制方法 - Google Patents
一种基于t‑s模糊模型的四旋翼姿态控制方法 Download PDFInfo
- Publication number
- CN106444813A CN106444813A CN201610953789.1A CN201610953789A CN106444813A CN 106444813 A CN106444813 A CN 106444813A CN 201610953789 A CN201610953789 A CN 201610953789A CN 106444813 A CN106444813 A CN 106444813A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- theta
- fuzzy
- attitude
- eta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于T‑S模糊模型的四旋翼姿态控制方法,通过简化后的姿态动力学方程推导出T‑S模糊模型,利用并行分步补偿技术设计了模糊状态反馈控制器,在补偿简化模型与实际模型之间偏差的同时,实现对四旋翼无人机姿态角度的稳定控制。本发明对于四旋翼无人机姿态动力系统这样了个强非线性性,强耦合的模型,提出了一个更加合理的简化模型,只对滚转角做小角度假设推导出来的简化模型在精确度上会比对滚转角和俯仰角同时做小角度假设得到的模型会高,可以尽可能的减小设计控制器时的模型偏差,整个控制结构比较简单、计算效率高、收敛速度快。
Description
技术领域
本发明属于无人机技术领域,具体涉及一种基于T-S模糊模型的四旋翼姿态控制方法。
背景技术
随着嵌入式处理芯片及传感器芯片的快速发展,小型无人机无论是在军事还是民用领域都得到了广泛的应用。在这些无人机中旋翼无人机由于它可以垂直起降和悬停等特点而得到了许多无人机公司及科研机构的关注。目前,旋翼无人机已经广泛应用于影视航拍、电力线路及石油管道的巡检、缉毒巡检、应急搜救、空气质量检测等领域。但是四旋翼无人机姿态动力学模型具有很强的非线性性,状态之间耦合关系复杂,因此直接利用完整的姿态动力学模型设计姿态控制器存在一定的技术难度。
为了解决这个问题通常有几种方式:一是先建立一个简单的模型,再加上神经网络去补偿系统的模型偏差,或者就是直接利用神经网络学习出系统的动力学模型,但是学习率过高时会存在过拟合的问题甚至最终导致系统发散;二是脱离模型利用PID控制器直接控制四旋翼姿态,这种方法就很难解决各个通道之间的耦合问题;三是对飞行器姿态动力学模型做简化处理再设计非线性姿态控制器。
传统方法在设计四旋翼姿态控制器的时候通常会利用一个简化之后的姿态动力学模型,而这个模型是在滚转和俯仰角都比较下的条件下推导出来的,但实际上这个模型与实际姿态模型存在较大偏差,利用这个偏差较大的模型设计的控制器通常很难达到理想的控制效果,这个问题在飞机做大角度机动时尤为明显。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于T-S模糊模型的四旋翼姿态控制方法。
本发明通过以下技术方案来实现上述目的:
一种基于T-S模糊模型的四旋翼姿态控制方法,包括以下步骤:
步骤1:利用欧拉-拉格朗日方程建立四旋翼无人机的姿态动力学方程
其中,η=(ψ,θ,φ)为欧拉角向量,ψ为偏航角,θ为俯仰角,φ为滚转角,τ=(τψ,τθ,τφ)为系统的输入扭矩,τψ为偏航扭矩,τθ为俯仰扭矩,τφ为滚转扭矩;矩阵J=Wη TJWη,其中J=diag(Jx,Jy,Jz)为转动惯量矩阵,且
步骤2:基于四旋翼无人机的对称性做出以下合理的假设J=diag(Jm,Jm,2Jm),Jm=Jx=Jy=1/2Jz,假设四旋翼无人机滚转角在飞行时很小φ=0,基于这两个假设对姿态动力学方程进行化简可得
令:则
得到简化之后的姿态动力学方程
步骤3:将简化之后的姿态动力学方程模糊化,建立T-S模糊模型设计模糊控制器补偿系统的模型偏差实现姿态控制,取状态变量x=(x1,x2,x3,x4,x5,x6)T,其中x1=ψ-ψd,x2=θ-θd,x3=φ-φd,期望的欧拉角为ηd=(ψd,θd,φd)T,那么姿态动力学方程可以整理为
定义前提变量μ=(μ1,μ2,μ3,μ4),其中μ1=sinθ,μ4=sec2θ,把前提变量带入到矩阵A*,B*中,那么整理可得
然后,再定义模糊成员函数
得到四旋翼无人机姿态动力学方程的T-S模糊模型为
其中,ρ=8(i-1)+4(j-1)+2(k-1)+l,hρ(μ)=M1i(μ1)M2j(μ2)M3k(μ3)M4l(μ4),i,j,k,l只取1和2;
步骤4:利用推导得到的T-S模糊模型,并根据模糊规则,利用并行分步补偿技术设计模糊状态反馈控制器
再根据李雅普诺夫稳定性定理,推导得到满足收敛速度,并且输入输出信号符合限定条件的线性不等式组
X≥σ2I,
其中,σ为系统状态范数的上界,ò为系统输出向量范数的上界,α为误差收敛指数,X=P-1为正定矩阵,Mi=FiX而Fi为状态反馈矩阵,然后利用MATLAB的LMI工具箱求解出状态反馈矩阵F1,...,F16,并得出模糊闭环状态反馈控制器
步骤5:将所得到的T-S模糊控制输出信号传输至四旋翼无人机的动力分配系统中进行姿态控制。
本发明的有益效果在于:
本发明对于四旋翼无人机姿态动力系统这样了个强非线性性,强耦合的模型,提出了一个更加合理的简化模型,并设计模糊姿态控制器在补偿模型偏差的同时实现对姿态的稳定控制,只对滚转角做小角度假设推导出来的简化模型在精确度上会比对滚转角和俯仰角同时做小角度假设得到的模型会高,可以尽可能的减小设计控制器时的模型偏差,再加上本发明设计的基于PDC(并行分步补偿)技术的模糊状态反馈控制器,可以在补偿模型偏差的同时实现对姿态的稳定控制,并且可以满足要求的收敛速度,及对输入输出信号的限制,由于模糊状态反馈控制器的反馈矩阵可以离线利用MATLAB的LMI工具箱计算,因此本发明设计的控制器在实际应用时具有结构简单,计算效率高,收敛速度快等优点。
附图说明
图1是本发明T-S模糊控制结构框图;
图2是实施例中四旋翼飞行器的结构示意图;
图3是实施例中T-S模糊控制器的偏航角方波跟踪性能;
图4是实施例中T-S模糊控制器的俯仰角方波跟踪性能;
图5是实施例中T-S模糊控制器的滚转角方波跟踪性能。
具体实施方式
下面结合附图对本发明作进一步说明:
如图1所示,为四旋翼无人机的控制结构框图,T-S模糊控制的具体设计步骤如下:
步骤1:利用欧拉-拉格朗日方程建立四旋翼无人机的姿态动力学方程
其中,η=(ψ,θ,φ)为欧拉角向量,ψ为偏航角,θ为俯仰角,φ为滚转角,τ=(τψ,τθ,τφ)为系统的输入扭矩,τψ为偏航扭矩,τθ为俯仰扭矩,τφ为滚转扭矩;矩阵J=Wη TJWη,其中J=diag(Jx,Jy,Jz)为转动惯量矩阵,且
步骤2:基于四旋翼无人机的对称性做出以下合理的假设J=diag(Jm,Jm,2Jm),Jm=Jx=Jy=1/2Jz,假设四旋翼无人机滚转角在飞行时很小φ=0,基于这两个假设对姿态动力学方程进行化简可得
令:则
得到简化之后的姿态动力学方程
步骤3:将简化之后的姿态动力学方程模糊化,建立T-S模糊模型设计模糊控制器补偿系统的模型偏差实现姿态控制,取状态变量x=(x1,x2,x3,x4,x5,x6)T,其中x1=ψ-ψd,x2=θ-θd,x3=φ-φd,期望的欧拉角为ηd=(ψd,θd,φd)T,那么姿态动力学方程可以整理为
定义前提变量μ=(μ1,μ2,μ3,μ4),其中μ1=sinθ,μ4=sec2θ,把前提变量带入到矩阵A*,B*中,那么整理可得
然后,再定义模糊成员函数
得到四旋翼无人机姿态动力学方程的T-S模糊模型为
其中,ρ=8(i-1)+4(j-1)+2(k-1)+l,hρ(μ)=M1i(μ1)M2j(μ2)M3k(μ3)M4l(μ4),i,j,k,l只取1和2;
步骤4:利用推导得到的T-S模糊模型,并根据模糊规则,利用并行分步补偿技术设计模糊状态反馈控制器
再根据李雅普诺夫稳定性定理,推导得到满足收敛速度,并且输入输出信号符合限定条件的线性不等式组
X≥σ2I,
其中,σ为系统状态范数的上界,ò为系统输出向量范数的上界,α为误差收敛指数,X=P-1为正定矩阵,Mi=FiX而Fi为状态反馈矩阵,然后利用MATLAB的LMI工具箱求解出状态反馈矩阵F1,...,F16,并得出模糊闭环状态反馈控制器
步骤5:将所得到的T-S模糊控制输出信号传输至四旋翼无人机的动力分配系统中进行姿态控制。
实施例:
1)按照图2所示搭建硬件平台,这里我们选择的是“+”型结构的四旋翼无人机。其中1号螺旋桨为前方,3号螺旋桨为后方,左边螺旋桨是2号,右边螺旋桨为4号。并且1号和3号螺旋桨按正时钟方向旋转,2号和4号螺旋桨按逆时钟方向转。根据四旋翼的结构可以得到相应的动力分配方式。由于电子调速器可以控制电机转动,并且保证输入的PMW信号与电产生的升力和扭矩都成线性关系。经过测量我们可以得到PWM信号与升力的比例系数Kf,各与扭矩的比例系数Kτ,进而我们可以得到以下关系
其中τ=(τψ,τθ,τφ)T为姿态控制器的输出扭矩,P1,P2,P3,P4为四个电机的PWM控制输入信号,L为飞机中心到电机中心的距离,F为期望产生的四个螺旋桨的总升力。
2)获取控制指令及传感器数据,为控制算法提供数据来源。期望的姿态角是通过解析遥控接收机的数据包,并且把相应通道的数据转换到一个期望控制的角度范围或角速度范围,通过计算得出实际期望的欧拉角并输出给模糊姿态控制器。而四旋翼的实际姿态则是通过读取机载的角速度、加速度和磁力计等传感器数据,再利用卡尔曼姿态融合算法计算得出四旋翼无人机的实际姿态。
3)根据控制要求可以提前得到前提变量μ=(μ1,μ2,μ3,μ4)取值范围,而通过读取姿态融合算法输出的姿态信号可以计算出μ的具体取值,再根据
和hρ(μ)=M1i(μ1)M2j(μ2)M3k(μ3)M4l(μ4)可以计算出每个模糊子模型的反馈权重hρ(μ),这些权重将直接用于计算模糊姿态控制器的输出。
4)根据控制要求,利用MATLAB LMI工具箱求解上述的线性矩阵不等组。求解成功之后我们可以得到一系列的状态反馈矩阵F1,...,F16。利用上一步计算得到的权重及状态误差可以直接写出控制器输出
图3、图4和图5为算法在MATLAB中仿真结果,设计控制器时假设四旋翼无人机的转动惯量矩阵为J=diag(0.015,0.015,0.03),而仿真时四旋翼人机的实际转动惯量为J=diag(0.02,0.01,0.05),三个轴线上的转动惯量的偏差分别为25%,25%,66%。实线为期望的姿态角,虚线为实际的跟踪效果。偏航角的参考输入信号为幅值为0.3rad,频率为1rad/s正弦信号;俯仰角的参考输入信号为幅值为0.25rad,周期为4s的方波信号;滚转角的参考输入信号为幅值为0.2rad,周期为2s的方波信号。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围内。
Claims (1)
1.一种基于T-S模糊模型的四旋翼姿态控制方法,其特征在于,包括以下步骤:
步骤1:利用欧拉-拉格朗日方程建立四旋翼无人机的姿态动力学方程
其中,η=(ψ,θ,φ)为欧拉角向量,ψ为偏航角,θ为俯仰角,φ为滚转角,τ=(τψ,τθ,τφ)为系统的输入扭矩,τψ为偏航扭矩,τθ为俯仰扭矩,τφ为滚转扭矩;矩阵其中J=diag(Jx,Jy,Jz)为转动惯量矩阵,且
步骤2:基于四旋翼无人机的对称性做出以下合理的假设J=diag(Jm,Jm,2Jm),Jm=Jx=Jy=1/2Jz,假设四旋翼无人机滚转角在飞行时很小φ=0,基于这两个假设对姿态动力学方程进行化简可得
令:则
得到简化之后的姿态动力学方程
步骤3:将简化之后的姿态动力学方程模糊化,建立T-S模糊模型设计模糊控制器补偿系统的模型偏差实现姿态控制,取状态变量x=(x1,x2,x3,x4,x5,x6)T,其中x1=ψ-ψd,x2=θ-θd,x3=φ-φd,期望的欧拉角为ηd=(ψd,θd,φd)T,那么姿态动力学方程可以整理为
定义前提变量μ=(μ1,μ2,μ3,μ4),其中μ1=sinθ,μ4=sec2θ,把前提变量带入到矩阵A*,B*中,那么整理可得
然后,再定义模糊成员函数
得到四旋翼无人机姿态动力学方程的T-S模糊模型为
其中,ρ=8(i-1)+4(j-1)+2(k-1)+l,hρ(μ)=M1i(μ1)M2j(μ2)M3k(μ3)M4l(μ4),i,j,k,l只取1和2;
步骤4:利用推导得到的T-S模糊模型,并根据模糊规则,利用并行分步补偿技术设计模糊状态反馈控制器
再根据李雅普诺夫稳定性定理,推导得到满足收敛速度,并且输入输出信号符合限定条件的线性不等式组
X≥σ2I,
其中,σ为系统状态范数的上界,ò为系统输出向量范数的上界,α为误差收敛指数,X=P-1为正定矩阵,Mi=FiX而Fi为状态反馈矩阵,然后利用MATLAB的LMI工具箱求解出状态反馈矩阵F1,...,F16,并得出模糊闭环状态反馈控制器
步骤5:将所得到的T-S模糊控制输出信号传输至四旋翼无人机的动力分配系统中进行姿态控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610953789.1A CN106444813A (zh) | 2016-10-26 | 2016-10-26 | 一种基于t‑s模糊模型的四旋翼姿态控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610953789.1A CN106444813A (zh) | 2016-10-26 | 2016-10-26 | 一种基于t‑s模糊模型的四旋翼姿态控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106444813A true CN106444813A (zh) | 2017-02-22 |
Family
ID=58179881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610953789.1A Pending CN106444813A (zh) | 2016-10-26 | 2016-10-26 | 一种基于t‑s模糊模型的四旋翼姿态控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106444813A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728480A (zh) * | 2017-10-11 | 2018-02-23 | 四川大学 | 非线性系统控制方法及装置 |
US20180239353A1 (en) * | 2017-02-22 | 2018-08-23 | Gopro, Inc. | Variable Condition Motor Controller |
CN108571969A (zh) * | 2018-04-24 | 2018-09-25 | 大连理工大学 | 基于pwm波占空比的多旋翼飞行器导航方法 |
CN111413994A (zh) * | 2020-03-13 | 2020-07-14 | 浙江树人学院(浙江树人大学) | 一种四旋翼无人机直接自适应模糊控制方法 |
CN111638647A (zh) * | 2020-06-01 | 2020-09-08 | 北京致远飞航科技有限公司 | 一种基于多级模糊系统的小型直升机建模方法 |
CN111856944A (zh) * | 2020-08-05 | 2020-10-30 | 重庆大学 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
CN113110519A (zh) * | 2021-05-26 | 2021-07-13 | 哈尔滨工程大学 | 一种舰船用非增量型无模型自适应艏向控制方法 |
CN113238572A (zh) * | 2021-05-31 | 2021-08-10 | 上海海事大学 | 基于预设性能控制的预设时间四旋翼无人机姿态跟踪方法 |
CN113359824A (zh) * | 2021-05-31 | 2021-09-07 | 杭州电子科技大学 | 基于模糊模型的无人机集群控制方法 |
US11981430B2 (en) | 2023-05-03 | 2024-05-14 | Gopro, Inc. | Variable condition motor controller |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6154693A (en) * | 1995-11-14 | 2000-11-28 | Israel Aircraft Industries Ltd. | Automatic aircraft landing |
CN103383571A (zh) * | 2013-08-13 | 2013-11-06 | 湖南航天机电设备与特种材料研究所 | 一种非对称四旋翼无人机及其控制方法 |
CN103488092A (zh) * | 2013-10-16 | 2014-01-01 | 哈尔滨工业大学 | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 |
CN103984233A (zh) * | 2014-05-09 | 2014-08-13 | 南京航空航天大学 | 一种基于混合模型的四旋翼飞行器双重粒度故障诊断方法 |
-
2016
- 2016-10-26 CN CN201610953789.1A patent/CN106444813A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6154693A (en) * | 1995-11-14 | 2000-11-28 | Israel Aircraft Industries Ltd. | Automatic aircraft landing |
CN103383571A (zh) * | 2013-08-13 | 2013-11-06 | 湖南航天机电设备与特种材料研究所 | 一种非对称四旋翼无人机及其控制方法 |
CN103488092A (zh) * | 2013-10-16 | 2014-01-01 | 哈尔滨工业大学 | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 |
CN103984233A (zh) * | 2014-05-09 | 2014-08-13 | 南京航空航天大学 | 一种基于混合模型的四旋翼飞行器双重粒度故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
LUIS RODOLFO GARCÍA CARRILLO等: "《Quad Rotorcraft Control》", 31 December 2013 * |
XIANG MAO,HONGBIN ZHANG,DONGFEI HAN: "T-S Fuzzy Control for a Quad-rotor UAV", 《PROCEEDINGS OF THE 34TH CHINESE CONTROL CONFERENCE》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210354822A1 (en) * | 2017-02-22 | 2021-11-18 | Gopro, Inc. | Variable condition motor controller |
US20180239353A1 (en) * | 2017-02-22 | 2018-08-23 | Gopro, Inc. | Variable Condition Motor Controller |
US10464670B2 (en) * | 2017-02-22 | 2019-11-05 | Gopro, Inc. | Variable condition motor controller |
US20230271702A1 (en) * | 2017-02-22 | 2023-08-31 | Gopro, Inc. | Variable condition motor controller |
US11021248B2 (en) * | 2017-02-22 | 2021-06-01 | Gopro, Inc. | Variable condition motor controller |
US11673665B2 (en) | 2017-02-22 | 2023-06-13 | Gopro, Inc. | Variable condition motor controller |
CN107728480A (zh) * | 2017-10-11 | 2018-02-23 | 四川大学 | 非线性系统控制方法及装置 |
CN108571969A (zh) * | 2018-04-24 | 2018-09-25 | 大连理工大学 | 基于pwm波占空比的多旋翼飞行器导航方法 |
CN108571969B (zh) * | 2018-04-24 | 2021-05-14 | 大连理工大学 | 基于pwm波占空比的多旋翼飞行器导航方法 |
CN111413994A (zh) * | 2020-03-13 | 2020-07-14 | 浙江树人学院(浙江树人大学) | 一种四旋翼无人机直接自适应模糊控制方法 |
CN111413994B (zh) * | 2020-03-13 | 2023-08-08 | 浙江树人学院(浙江树人大学) | 一种四旋翼无人机直接自适应模糊控制方法 |
CN111638647B (zh) * | 2020-06-01 | 2022-07-08 | 北京致远飞航科技有限公司 | 一种基于多级模糊系统的小型直升机建模方法 |
CN111638647A (zh) * | 2020-06-01 | 2020-09-08 | 北京致远飞航科技有限公司 | 一种基于多级模糊系统的小型直升机建模方法 |
CN111856944B (zh) * | 2020-08-05 | 2022-01-28 | 重庆大学 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
CN111856944A (zh) * | 2020-08-05 | 2020-10-30 | 重庆大学 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
CN113110519B (zh) * | 2021-05-26 | 2021-11-30 | 哈尔滨工程大学 | 一种舰船用非增量型无模型自适应艏向控制方法 |
CN113110519A (zh) * | 2021-05-26 | 2021-07-13 | 哈尔滨工程大学 | 一种舰船用非增量型无模型自适应艏向控制方法 |
CN113359824A (zh) * | 2021-05-31 | 2021-09-07 | 杭州电子科技大学 | 基于模糊模型的无人机集群控制方法 |
CN113238572A (zh) * | 2021-05-31 | 2021-08-10 | 上海海事大学 | 基于预设性能控制的预设时间四旋翼无人机姿态跟踪方法 |
US11981430B2 (en) | 2023-05-03 | 2024-05-14 | Gopro, Inc. | Variable condition motor controller |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106444813A (zh) | 一种基于t‑s模糊模型的四旋翼姿态控制方法 | |
Guo et al. | Multiple observers based anti-disturbance control for a quadrotor UAV against payload and wind disturbances | |
Wang et al. | A composite adaptive fault-tolerant attitude control for a quadrotor UAV with multiple uncertainties | |
Cabecinhas et al. | A trajectory tracking control law for a quadrotor with slung load | |
Li et al. | Neuro-controller design for nonlinear fighter aircraft maneuver using fully tuned RBF networks | |
CN105138001B (zh) | 一种四旋翼飞行器姿态控制方法 | |
CN107608367A (zh) | 多变量干扰补偿四旋翼无人机轨迹与姿态协同控制方法 | |
CN106444799A (zh) | 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法 | |
Cui et al. | Adaptive super-twisting trajectory tracking control for an unmanned aerial vehicle under gust winds | |
CN102809970A (zh) | 一种基于l1自适应控制的飞行器姿态控制方法 | |
Lu et al. | Real-time simulation system for UAV based on Matlab/Simulink | |
Muniraj et al. | Path-following control of small fixed-wing unmanned aircraft systems with H∞ type performance | |
CN103853157A (zh) | 一种基于自适应滑模的飞行器姿态控制方法 | |
CN105159305A (zh) | 一种基于滑模变结构的四旋翼飞行控制方法 | |
CN105607473A (zh) | 小型无人直升机的姿态误差快速收敛自适应控制方法 | |
Chen et al. | Robust trajectory tracking control for a quadrotor using recursive sliding mode control and nonlinear extended state observer | |
CN106406325A (zh) | 基于模糊扩张状态观测器的四旋翼无人机反馈线性化控制方法 | |
CN104932514A (zh) | 小型无人直升机的姿态非线性自适应控制方法 | |
Huang et al. | Finite-time control for a UAV system based on finite-time disturbance observer | |
Mohammadi et al. | PSO tuned FLC for full autopilot control of quadrotor to tackle wind disturbance using bond graph approach | |
Islam et al. | Adaptive sliding mode control of unmanned four rotor flying vehicle | |
Li et al. | Anti-disturbance control for attitude and altitude systems of the helicopter under random disturbances | |
Ma et al. | Disturbance-observer-based adaptive fuzzy tracking control for unmanned autonomous helicopter with flight boundary constraints | |
Timchenko et al. | Optimization of processes of robust control of quadcopter for monitoring of sea waters | |
CN113900440B (zh) | 一种无人机控制律设计方法、装置及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |