CN110531778B - 一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法 - Google Patents

一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法 Download PDF

Info

Publication number
CN110531778B
CN110531778B CN201910645133.7A CN201910645133A CN110531778B CN 110531778 B CN110531778 B CN 110531778B CN 201910645133 A CN201910645133 A CN 201910645133A CN 110531778 B CN110531778 B CN 110531778B
Authority
CN
China
Prior art keywords
moment
aerial vehicle
unmanned aerial
self
rotor unmanned
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.)
Active
Application number
CN201910645133.7A
Other languages
English (en)
Other versions
CN110531778A (zh
Inventor
张霄
倪铭
郭雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201910645133.7A priority Critical patent/CN110531778B/zh
Publication of CN110531778A publication Critical patent/CN110531778A/zh
Application granted granted Critical
Publication of CN110531778B publication Critical patent/CN110531778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，首先通过非故障情况下自驾仪控制系统输出指令与机体所受力和力矩间的数学模型计算机体所受力矩，然后构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，之后根据桨叶损伤数学模型的逆模型反演解算桨叶损伤模型参数估计值，最后根据桨叶损伤模型参数估计值设计控制分配重构矩阵实现自驾仪控制分配重构。本发明一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制算法与现有技术相比具有如下优点：可在线估计桨叶损伤程度，通过在线重建控制对象数学模型，实现桨叶损伤下的多旋翼无人机自驾仪控制自愈，保障无人机在桨叶损伤情况下的安全稳定飞行。

Description

一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法
技术领域
本发明涉及一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，属于无人机控制技术领域。
背景技术
多旋翼无人机是具有多个旋翼的具有垂直起降能力的无人驾驶飞行器，拥有重量轻、体积小、灵活性高等优势，同时具有优良的垂直起降性能、悬停性能和低速性能。多旋翼体积小、重量轻、结构紧凑，集多传感器、多执行器、复杂接口的控制系统于一身、且易受外界环境变化的影响，很难保证飞行过程中不出现任何问题，在飞行过程中的故障率较高。多旋翼无人机除了刚体动力学模型外还有旋翼动力学以及电机模型,在理论上精确建立数学模型难度较大，尤其是在执行机构发生故障时，例如，电机出现转速下降甚至停转、螺旋桨出现不同程度的损伤等情况下，多旋翼无人机数学模型将产生不确定突变。由于这种故障导致的模型不确定突变，现有常规的无模型控制器和有模型控制器都会出现控制稳定性下降问题，如果上述执行器故障不能在有限的控制周期内快速进行估计和处理，甚至会导致机体不受控、坠机等严重后果。文献“Adaptive Control ofQuadrotor UAVs:A DesignTrade Study With Flight Evaluations”(Zachary T.Dydek,Anuradha M.Annaswamy,andEugene Lavretsky.Adaptive Control of Quadrotor UAVs:A Design Trade Study WithFlight Evaluations[J].IEEETransactions On Control Systems Technology,2013,21(4):1400～1406.)中针对桨叶损伤情况下无人机参数不确定性问题，设计了一种自适应控制器，解决了无人机推力异常情况下的稳定控制问题。但未对桨叶损伤情况下的无人机参数不确定性进行量化估计。一种基于辅助输出的六旋翼无人机故障估计方法，专利号：201810448305.7，提出了一种能在外部干扰下对六旋翼无人机故障后电机提供残余升力信号进行精确估计的方法，但未涉及计此类故障下的控制方法设计，且未进行螺旋桨故障的估计和模型重建。
发明内容
本发明所要解决的技术问题在于；克服上述现有技术之不足，提供一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，采用干扰观测器的思想方法，在实际飞行中桨叶损伤后，对桨叶随机损伤程度进行快速估计量化，并在线快速、精确重建桨叶损伤后的多旋翼无人机数学模型，解决桨叶损伤故障导致的模型不确定性问题，并根据重建后桨叶损伤的多旋翼无人机数学模型对控制分配进行重构，实现桨叶损伤故障下的多旋翼无人机自驾仪控制自愈，保障多旋翼无人机在桨叶损伤情况下的安全稳定飞行。
本发明的技术解决方案为：一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，其实现步骤如下：
(1)通过非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型计算得到非故障情况下机体所受力矩τ；
(2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，非故障情况下机体所受力矩τ及机体实际姿态角和角速度为干扰观测器输入，桨叶损伤后对机体产生的力矩干扰量估计值
Figure BDA0002133314310000021
为干扰观测器输出；
(3)构建桨叶损伤数学模型，并通过桨叶损伤数学模型的逆模型对干扰观测器输出力矩干扰量估计值
Figure BDA0002133314310000022
进行反演解算，实时获得桨叶损伤模型参数估计值，所述桨叶损伤模型参数估计值包括：升力比率估计值
Figure BDA0002133314310000023
及扭矩比率估计值
Figure BDA0002133314310000024
(4)根据桨叶损伤模型参数估计值中的升力比率估计值
Figure BDA0002133314310000025
设计控制分配重构矩阵R，并将R引入非故障情况下的多旋翼无人机控制分配中，实现自驾仪控制分配重构；
(5)飞行过程中，在自驾仪每个控制周期不断重复(1)到(4)，实现多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法。
所述步骤(1)通过非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间数学模型计算非故障情况下机体所受力矩τ，具体实现如下：
通过多旋翼无人机所使用电机的转速
Figure BDA0002133314310000026
与自动驾仪控制系统输出指令σ计算非故障情况下机体所受力矩τ，且在自动驾仪控制系统中需对所构建连续系统状态方程进行离散化处理。
所述步骤(2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，具体实现如下：
构建多旋翼无人机姿态控制系统状态方程为：
Figure BDA0002133314310000027
其中，G0,H0为姿态控制系统状态方程定常系数矩阵，x(t)状态变量，u(t)为系统输入。
选择状态变量：
Figure BDA0002133314310000028
输入为：
u(t)＝[τx τy τz]T
其中τx，τy，τz为系统输入u(t)在x,y,z轴方向的分量。
螺旋桨桨叶损伤时，上述姿态控制系统出现扰动力矩d0(t)，即系统状态方程写为：
Figure BDA0002133314310000031
对上述姿态控制系统中存在的扰动力矩d0(t)设计干扰观测器：
Figure BDA0002133314310000032
其中，v(t)为干扰观测器状态变量，
Figure BDA0002133314310000033
为干扰观测器输出力矩干扰量估计值，L为观测器状态反馈矩阵，通过调节L实现干扰观测器对力矩干扰估计快速性和稳定性的平衡，且在自驾仪控制系统中需对上述干扰观测器状态方程进行离散化处理。
所述步骤(3)构建桨叶损伤数学模型及桨叶损伤模型参数反演解算，具体实现如下：
按如下方式构建桨叶损伤数学模型：
螺旋桨桨叶损伤后，提供的升力Tf和转矩Mf表示为：
Figure BDA0002133314310000034
Figure BDA0002133314310000035
式中，CT为完好螺旋桨升力系数，CM为完好螺旋桨扭矩系数，
Figure BDA0002133314310000036
为螺旋桨转速，定义α为损伤后螺旋桨的升力比率，β为损伤后螺旋桨的扭矩比率；
若干扰观测器输出力矩干扰量估计值
Figure BDA0002133314310000037
快速跟踪干扰d0(t)，且收敛时估计误差为零，设：
Figure BDA0002133314310000038
式中，
Figure BDA0002133314310000039
为观测器估计值在机体x，y，z轴方向的分量；
对力矩干扰量进行反演解算出损伤模型参数，反演解算方式为：
Figure BDA00021333143100000310
式中，CR,b为多旋翼无人机电机稳态参数，dx，dy分别为损伤螺旋桨对应电机的中心轴距机体x，y轴的距离，
Figure BDA00021333143100000311
分别为升力和扭矩比率的估计值。
所述步骤(4)根据桨叶损伤模型参数估计值设计控制分配重构，具体实现如下：
非故障情况下，多旋翼无人机控制分配设计为：
Figure BDA0002133314310000041
其中，X-1为非桨叶损伤故障下控制分配矩阵，P＝diag(CT,dCT,dCT,CM)，d为多旋翼电机距机体中心距离，
Figure BDA0002133314310000042
为对应序号电机的期望转速，Fd、τd分别自驾仪控制器输出的力和力矩控制量，即期望拉力和期望力矩，τxd,τyd,τzd分别为力矩控制量在机体x，y，z轴方向的分量；
桨叶损伤故障发生后，在非故障情况下控制分配中引入控制分配重构矩阵R：
Figure BDA0002133314310000043
引入控制分配重构矩阵R的具体方法为：
Figure BDA0002133314310000044
本发明与现有技术相比具有如下优点：
(1)可在实际飞行中，对桨叶随机损伤程度进行快速估计量化，并在线快速、精确重建桨叶损伤后的多旋翼无人机数学模型，解决桨叶损伤故障导致的模型不确定性问题；
(2)根据重建后桨叶损伤的多旋翼无人机数学模型对控制分配进行重构，因此可与现有多种控制器相结合，实现桨叶损伤故障下的多旋翼无人机自驾仪控制自愈，保障多旋翼无人机在桨叶损伤情况下的安全稳定飞行。
附图说明
图1是本发明方法流程图。
具体实施方式
如图1所示，本发明方法为：首先构建非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型，并计算机体所受力矩τ，然后构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，之后根据桨叶损伤逆模型反演解算桨叶损伤模型参数估计值，最后根据桨叶损伤模型参数估计值设计控制分配重构矩阵R，实现自驾仪控制分配重构。本发明一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法与现有技术相比具有如下优点：可在线估计桨叶损伤程度，通过在线重建控制对象数学模型，实现桨叶损伤下的多旋翼无人机自驾仪控制自愈，保障无人机在桨叶损伤情况下的安全稳定飞行。
本发明具体实现步骤如下：
(1)根据非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型计算得到非故障情况下机体所受力矩τ；
具体实现如下：
多旋翼无人机所使用的无刷直流电机的转速
Figure BDA0002133314310000051
与自驾仪控制系统输出的百分比油门指令σ之间的关系可用如下状态方程表示：
Figure BDA0002133314310000052
式中，CR和b为电机稳态参数，Tm为电机动态参数，x为状态方程中间变量，且在自驾仪控制系统中需对上述连续系统状态方程进行离散化处理。
以“+”型构造四旋翼无人机为例，非故障情况下机体所受总升力F和力矩τ及其在三轴的分量τx，τy，τz为：
Figure BDA0002133314310000053
式中，CT为螺旋桨升力系数，CM为螺旋桨扭矩系数,d+为“+”型构造下，电机轴到机体z轴的垂直距离。
(2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，非故障情况下机体所受力矩τ及机体实际姿态角和角速度为干扰观测器输入，桨叶损伤后对机体产生的力矩干扰量估计值
Figure BDA0002133314310000054
为干扰观测器输出；
具体实现如下：
四旋翼姿态非线性模型表示为：
Figure BDA0002133314310000055
Figure BDA0002133314310000061
J为机体转动惯量矩阵，可表示为：
Figure BDA0002133314310000062
对上述姿态非线性模型进行小角度近似并忽略高阶项，得旋翼姿态线性化模型：
Figure BDA0002133314310000063
将上述线性化模型用状态方程表示：
Figure BDA0002133314310000064
其中，G0,H0为姿态控制系统状态方程定常系数矩阵，x(t)状态变量，u(t)为系统输入。
选择状态变量：
Figure BDA0002133314310000065
输入为：
u＝[τxτyτz]T
其中τx，τy，τz为系统输入u(t)在x,y,z轴方向的分量。
则状态方程中：
Figure BDA0002133314310000066
螺旋桨桨叶损伤时，上述线性系统出现扰动力矩，即系统状态方程可写为：
Figure BDA0002133314310000067
对上述线性系统中存在的干扰d0(t)设计干扰观测器：
Figure BDA0002133314310000068
其中，v(t)为干扰观测器状态变量，
Figure BDA0002133314310000069
为干扰观测器输出力矩干扰量估计值，L为观测器状态反馈矩阵，通过调节L实现干扰观测器对力矩干扰估计快速性和稳定性的平衡，且在自驾仪控制系统中需对上述连续系统状态方程进行离散化处理。
(3)构建桨叶损伤数学模型，并通过桨叶损伤数学模型的逆模型对干扰观测器输出力矩干扰量估计值
Figure BDA0002133314310000071
进行反演解算，实时获得桨叶损伤模型参数估计值，所述桨叶损伤模型参数估计值包括：升力比率估计值
Figure BDA0002133314310000072
及扭矩比率估计值
Figure BDA0002133314310000073
具体实现如下：
按如下方式构建桨叶损伤数学模型：
螺旋桨桨叶损伤后，提供的升力Tf和转矩Mf表示为：
Figure BDA0002133314310000074
Figure BDA0002133314310000075
式中，CT为损伤前螺旋桨升力系数，CM为损伤前螺旋桨扭矩系数，
Figure BDA0002133314310000076
为螺旋桨转速，定义α为损伤后螺旋桨的升力比率，β为损伤后螺旋桨的扭矩比率。
对于“+”型构造四旋翼无人机，以螺旋桨1出现损伤为例，四旋翼机体所受升力和力矩为：
Figure BDA0002133314310000077
在上述螺旋桨桨叶损伤数学模型条件下，将螺旋桨升力和扭矩损失量带来的对机体轴产生的力矩损失量作为系统的扰动力矩d0(t)，可表示为：
Figure BDA0002133314310000078
若干扰观测器输出力矩干扰量估计值
Figure BDA0002133314310000079
可以快速跟踪干扰d0(t)，且收敛时估计误差为零，设：
Figure BDA00021333143100000710
式中，
Figure BDA00021333143100000711
为观测器估计值在x，y，z轴方向的分量。
对力矩干扰量进行反演解算出损伤模型参数，反演解算方式为：
Figure BDA00021333143100000712
Figure BDA00021333143100000713
式中，CR,b为多旋翼无人机电机稳态参数。
(4)根据桨叶损伤模型参数估计值中的升力比率估计值
Figure BDA0002133314310000081
设计控制分配重构矩阵R，并将R引入非故障情况下的多旋翼无人机控制分配中，实现自驾仪控制分配重构；
具体实现如下：
非故障情况下，“+”型构造四旋翼无人机控制分配设计为：
Figure BDA0002133314310000082
Figure BDA0002133314310000083
Figure BDA0002133314310000084
为对应序号电机的期望转速，Fd、τd分别控制器输出的力和力矩控制量(期望拉力和期望力矩)，X-1为非故障情况下控制分配矩阵。
桨叶损伤故障发生后，在非故障原控制分配中引入控制分配重构矩阵R：
Figure BDA0002133314310000085
引入控制分配重构矩阵R的具体方法为：
Figure BDA0002133314310000086
根据步骤(3)所述桨叶损伤模型，引入控制分配重构矩阵R后，当
Figure BDA0002133314310000087
有效跟踪真实值α，且螺旋桨转速
Figure BDA0002133314310000088
到达期望转速
Figure BDA0002133314310000089
时，四旋翼机体实际所受的升力和力矩为：
Figure BDA00021333143100000810
引入控制分配重构矩阵R后，在电机转速上升到期望值后，机体所获得的实际升力及x,y轴方向上的力矩可以有效跟踪控制器输出的期望值，机体俯仰和横滚角完全可控。z轴方向上的力矩在一般情况下无法跟踪控制器的输出值(当α＝β时，可以达到，但通常情况下α≠β)，但这种效应带来的偏航角变化对飞行稳定性影响较小。
(5)飞行过程中，在自驾仪每个控制周期不断重复(1)到(4)，实现多旋翼无人机自驾仪桨叶损伤的估计与自愈控制。
总之，本发明可在线估计桨叶损伤程度，通过在线重建控制对象数学模型，实现桨叶损伤下的多旋翼无人机自驾仪控制自愈，保障无人机在桨叶损伤情况下的安全稳定飞行。

Claims (2)

1.一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，其特征在于，包括以下步骤：
(1)根据非故障情况下自驾仪控制系统输出指令σ与机体所受力和力矩间的数学模型计算得到非故障情况下机体所受力矩τ；
(2)构建机体姿态控制系统状态方程，采用时域干扰观测器估计桨叶损伤后对机体产生的力矩干扰量，非故障情况下机体所受力矩τ及机体实际姿态角和角速度为干扰观测器输入，桨叶损伤后对机体产生的力矩干扰量估计值
Figure FDA0002631953510000011
为干扰观测器输出；
(3)构建桨叶损伤数学模型，并通过桨叶损伤数学模型的逆模型对干扰观测器输出力矩干扰量估计值
Figure FDA0002631953510000012
进行反演解算，实时获得桨叶损伤模型参数估计值，所述桨叶损伤模型参数估计值包括：升力比率估计值
Figure FDA0002631953510000013
及扭矩比率估计值
Figure FDA0002631953510000014
(4)根据桨叶损伤模型参数估计值中的升力比率估计值
Figure FDA0002631953510000015
设计控制分配重构矩阵R，并将R引入非故障情况下的多旋翼无人机控制分配中，实现自驾仪控制分配重构；
(5)飞行过程中，在自驾仪每个控制周期不断重复(1)至(4)，实现多旋翼无人机自驾仪桨叶损伤的估计与自愈控制；
所述步骤(2)具体实现如下：
构建多旋翼无人机姿态控制系统状态方程为：
Figure FDA0002631953510000016
其中，G0,H0为姿态控制系统状态方程定常系数矩阵，x(t)状态变量，u(t)为姿态控制系统输入；
选择状态变量：
Figure FDA0002631953510000017
输入为：
u(t)＝[τx τy τz]T
其中τx，τy，τz为姿态控制系统输入u(t)在x,y,z轴方向的分量；
螺旋桨桨叶损伤时，姿态控制系统出现扰动力矩d0(t)，即系统状态方程写为：
Figure FDA0002631953510000018
对姿态控制系统中存在的扰动力矩d0(t)设计干扰观测器：
Figure FDA0002631953510000021
其中，v(t)为干扰观测器状态变量，
Figure FDA0002631953510000022
为干扰观测器输出力矩干扰量估计值，L为观测器状态反馈矩阵，通过调节L实现干扰观测器对力矩干扰估计快速性和稳定性的平衡，且在自驾仪控制系统中需对上述干扰观测器状态方程进行离散化处理；
所述步骤(3)具体实现如下：
按如下方式构建桨叶损伤数学模型：
螺旋桨桨叶损伤后，提供的升力Tf和转矩Mf表示为：
Figure FDA0002631953510000023
Figure FDA0002631953510000024
式中，CT为完好螺旋桨升力系数，CM为完好螺旋桨扭矩系数，
Figure FDA0002631953510000025
为电机转速，即螺旋桨转速，定义α为损伤后螺旋桨的升力比率，β为损伤后螺旋桨的扭矩比率；
若干扰观测器输出力矩干扰量估计值
Figure FDA0002631953510000026
快速跟踪干扰d0(t)，且收敛时估计误差为零，设：
Figure FDA0002631953510000027
式中，
Figure FDA0002631953510000028
为观测器估计值在机体x，y，z轴方向的分量；
对力矩干扰量进行反演解算出损伤模型参数，反演解算方式为：
Figure FDA0002631953510000029
式中，CR,b为多旋翼无人机电机稳态参数，dx，dy分别为损伤螺旋桨对应电机的中心轴距机体x，y轴的距离，
Figure FDA00026319535100000210
分别为升力和扭矩比率的估计值；
所述步骤(4)具体实现如下：
非故障情况下，多旋翼无人机控制分配设计为：
Figure FDA00026319535100000211
其中，X-1为非桨叶损伤故障下控制分配矩阵，P＝diag(CT,dCT,dCT,CM)，d为多旋翼电机距机体中心距离，
Figure FDA0002631953510000031
为对应序号电机的期望转速，Fd、τd分别自驾仪控制器输出的力和力矩控制量，即期望拉力和期望力矩，τxd,τyd,τzd分别为力矩控制量在机体x，y，z轴方向的分量；
桨叶损伤故障发生后，在非故障情况下控制分配中引入控制分配重构矩阵R：
Figure FDA0002631953510000032
式中，diag是常用数学符号，表示Rn×n是由
Figure FDA0002631953510000033
元素组成的对角阵；
引入控制分配重构矩阵R的具体方法为：
Figure FDA0002631953510000034
2.根据权利要求1所述的一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法，其特征在于：所述步骤(1)具体实现如下：
通过多旋翼无人机所使用电机的转速
Figure FDA0002631953510000035
与自动驾仪控制系统输出指令σ之间的状态方程及非故障情况下机体所受总升力F和力矩τ与电机转速
Figure FDA0002631953510000036
之间的关系计算非故障情况下机体所受力矩τ，且在自动驾仪控制系统中需对所构建连续系统状态方程进行离散化处理。
CN201910645133.7A 2019-07-17 2019-07-17 一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法 Active CN110531778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910645133.7A CN110531778B (zh) 2019-07-17 2019-07-17 一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910645133.7A CN110531778B (zh) 2019-07-17 2019-07-17 一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法

Publications (2)

Publication Number Publication Date
CN110531778A CN110531778A (zh) 2019-12-03
CN110531778B true CN110531778B (zh) 2020-10-02

Family

ID=68660334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910645133.7A Active CN110531778B (zh) 2019-07-17 2019-07-17 一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法

Country Status (1)

Country Link
CN (1) CN110531778B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111258327B (zh) * 2020-04-01 2023-04-11 昆山天科智控无人机科技有限公司 一种基于最大评分状态更新的无人机自动化控制方法
CN113039502B (zh) * 2020-05-07 2024-04-12 深圳市大疆创新科技有限公司 多旋翼无人机及其控制方法、控制装置和计算机可读存储介质
CN112015192B (zh) * 2020-08-11 2021-11-19 北京航空航天大学 一种自愈四旋翼无人机抗干扰控制方法与系统
CN112198817B (zh) * 2020-09-23 2022-07-12 峰飞航空科技(昆山)有限公司 无人机控制方法、装置、设备、无人机和介质
CN113778115A (zh) * 2021-08-30 2021-12-10 北京三快在线科技有限公司 多旋翼无人机的控制方法、装置、介质、设备及无人机
CN114368487B (zh) * 2021-12-24 2023-06-13 广州极飞科技股份有限公司 无人设备桨叶参数确定方法、装置、设备及存储介质
CN116088548B (zh) * 2022-12-30 2023-09-29 西北工业大学 一种基于快速非奇异终端滑模的四旋翼无人机姿态控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017011412A1 (en) * 2015-07-10 2017-01-19 Cisco Technology, Inc. Closed-loop optimization of a wireless network using an autonomous vehicle

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102809970A (zh) * 2012-07-09 2012-12-05 北京理工大学 一种基于l1自适应控制的飞行器姿态控制方法
CN104215640A (zh) * 2014-08-18 2014-12-17 南京航空航天大学 基于无人直升机的风电叶片缺陷损伤检查方法及检查系统
US9961572B2 (en) * 2015-10-22 2018-05-01 Delta Energy & Communications, Inc. Augmentation, expansion and self-healing of a geographically distributed mesh network using unmanned aerial vehicle (UAV) technology
CN105353615B (zh) * 2015-11-10 2018-02-09 南京航空航天大学 一种基于滑模观测器的四旋翼飞行器的主动容错控制方法
WO2017197325A1 (en) * 2016-05-13 2017-11-16 Top Flight Technologies, Inc. Data center powered by a hybrid generator system
CN106406086B (zh) * 2016-05-26 2019-05-07 北京航空航天大学 一种基于滑模干扰观测器的大挠性航天器干扰补偿方法
CN108647442B (zh) * 2018-05-11 2020-06-19 北京航空航天大学 一种基于辅助输出的六旋翼无人机故障估计方法
CN109765920B (zh) * 2019-03-04 2021-08-06 北京航空航天大学 集成故障观测器和控制分配策略的航天器姿态容错的控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017011412A1 (en) * 2015-07-10 2017-01-19 Cisco Technology, Inc. Closed-loop optimization of a wireless network using an autonomous vehicle

Also Published As

Publication number Publication date
CN110531778A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN110531778B (zh) 一种多旋翼无人机自驾仪桨叶损伤的估计与自愈控制方法
CN109062237B (zh) 一种无人倾转旋翼机自抗扰姿态控制方法
Chen et al. A reconfiguration scheme for quadrotor helicopter via simple adaptive control and quantum logic
Oosedo et al. Flight control systems of a quad tilt rotor unmanned aerial vehicle for a large attitude change
Madani et al. Backstepping control for a quadrotor helicopter
Madani et al. Backstepping control with exact 2-sliding mode estimation for a quadrotor unmanned aerial vehicle
CN103383571B (zh) 一种非对称四旋翼无人机及其控制方法
CN109062042B (zh) 一种旋翼飞行器的有限时间航迹跟踪控制方法
CN111522241B (zh) 一种基于固定时间观测器的主动容错控制方法及装置
CN111026160B (zh) 一种四旋翼无人机轨迹跟踪控制方法
CN110109352B (zh) 一种三自由度四旋翼飞行器的固定时间自适应姿态控制方法
CN110058600A (zh) 三旋翼无人机舵机堵塞故障下位姿系统的容错控制方法
CN115016268A (zh) 一种基于滑模理论的可倾转四旋翼无人机容错控制方法
Gong et al. Trajectory tacking control of a quad-rotor based on active disturbance rejection control
Katiar et al. Control and stability analysis of quadcopter
Wang et al. Incremental fault-tolerant control for a hybrid quad-plane UAV subjected to a complete rotor loss
Raj et al. Iterative learning based feedforward control for transition of a biplane-quadrotor tailsitter UAS
Akbar et al. Adaptive modified super-twisting control for a quadrotor helicopter with a nonlinear sliding surface
CN111435254A (zh) 具有姿态有界输出的四旋翼飞行器分散控制
Chen et al. Adaptive attitude control for a coaxial tilt-rotor UAV via immersion and invariance methodology
WO2019241617A2 (en) Systems and methods for controlling a vehicle
Seah et al. Bilinear modelling and attitude control of a quadrotor
Jun et al. Fault-tolerant control design of quadrotor UAV based on CPSO
CN116679548A (zh) 基于时变观测器的三自由度直升机鲁棒输出反馈控制方法
CN115328185B (zh) 一种飞行器非线性非定常气动载荷修正系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant