CN111766889B - 基于输出反馈的四旋翼自适应动态面滑模控制器 - Google Patents
基于输出反馈的四旋翼自适应动态面滑模控制器 Download PDFInfo
- Publication number
- CN111766889B CN111766889B CN202010372582.1A CN202010372582A CN111766889B CN 111766889 B CN111766889 B CN 111766889B CN 202010372582 A CN202010372582 A CN 202010372582A CN 111766889 B CN111766889 B CN 111766889B
- Authority
- CN
- China
- Prior art keywords
- error
- function
- equation
- selecting
- unknown
- 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
Links
Images
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
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Feedback Control In General (AREA)
Abstract
本发明公开了基于输出反馈的四旋翼自适应动态面滑模控制器,步骤如下:1)构造含模型参数不确定性的四旋翼系统模型;2)引入误差性能函数,将四旋翼系统的跟踪误差转换为新的误差约束变量,确保系统实现预定的追踪性能;3)设计模糊逻辑系统逼近器,用于逼近四旋翼飞行器中存在的复杂且不确定的未知项,并通过估计权值的范数来代替估计权值向量的每一项;4)设计非线性状态观测器来估计四旋翼飞行器不可测的角速度状态;5)将动态面与滑模控制相结合,设计出基于输出反馈的四旋翼自适应模糊动态面滑模控制器。本发明所设计的控制器能够保证四旋翼飞行品质,提高系统鲁棒性,实现跟踪效果满足预设条件。
Description
技术领域
本发明属于四旋翼飞行器控制系统领域,尤其涉及智能控制算法方面,即基于输出反馈的四旋翼自适应动态面滑模控制器。
背景技术
四旋翼飞行器(UAV)作为小型无人机领域的一类新产品,已经成为全世界科研人员和学者的研究热点。四旋翼飞行器的主要优点是:可以任意方向飞行、垂直起降、以理想的姿态悬停等,这使得四旋翼飞行器在很多领域有着广泛的应用,例如提供医疗援助、运输特殊资源、灾难监测和农业绘图等。然而,由于四旋翼飞行器系统存在多变量、非线性、欠驱动和强耦合等特点,使得设计一种有效的鲁棒飞行控制器变得非常困难。
近些年,各种各样的控制方法被应用于四旋翼飞行器的位置和姿态控制来实现稳定或自主飞行,例如自适应PID控制,线性二次型(LQR)控制,基于线性不等式(LMI)的线性控制和H无穷控制等。随着智能控制理论的发展,将线性控制方法与智能控理论相结合的先进控制方法被大量应用于四旋翼飞行器系统,例如反馈线性化控制,模型预测控制,自适应反步法控制,自适应滑模控制,容错控制,动态面控制和自适应模糊控制等。
在以上所提的控制方法中,反步法由于结构简单,设计思路清晰而被广泛应用于非线性系统控制器设计。然而,反步法一个显著的缺点是,在每步控制器设计过程中需要对虚拟控制律重复求导,造成“微分爆炸”问题。解决系统参数不确定性以及模型未知参数的一种有效方法是利用模糊逻辑系统或神经网络的万能逼近能力。模糊逻辑系统或神经网络可用来逼近非线性系统中的未知不确定函数。在控制系统中,自适应律的数量的多少通常取决于模糊规则数或神经网络权值向量维数,换句话说,随着模糊规则数或神经网络权指向量维数的增加,自适应律的数目也会增加,造成计算负担增大。此外,在四旋翼飞行器控制器设计过程中另一个需要考虑的重要问题是确保轨迹跟踪性能。然而,针对以上所提的四旋翼飞行器控制器设计问题目前难以形成有效的解决方案。
发明内容
为了解决现有技术中的不足,本发明针对四旋翼飞行器系统中存在的模型参数不确定性问题,旨在提供一种鲁棒性好,能够满足预设跟踪性能的自适应输出反馈模糊动态面滑模控制器。
为达到上述目的,本发明提供以下技术方案:
基于输出反馈的四旋翼自适应动态面滑模控制器,所述控制器是基于以下步骤实现的:
1)构造含模型参数不确定性的四旋翼飞行器系统模型;
2)引入误差性能函数,将四旋翼飞行器系统的跟踪误差转换为新的误差约束变量,确保系统实现预定的追踪性能;
3)设计模糊逻辑系统逼近器,用于逼近四旋翼飞行器中存在的复杂且不确定的未知项,通过估计权值向量的范数来代替估计权值向量的每一项;
4)引入非线性状态观测器来估计四旋翼飞行器不可测的角速度状态;
5)将动态面控制策略与滑模控制方法相结合,设计出基于输出反馈的四旋翼自适应动态面滑模控制器。
步骤1)构造含模型参数不确定性的四旋翼飞行器系统模型如公式1所示:
所考虑的四旋翼飞行器具有如下所示非线性形式:
其中,为状态变量,符号φ,θ,ψ表示翻滚角、俯仰角和偏航角。符号x,y,z表示相对地面坐标系的水平位置和高度。U=[U1,U2,U3,U4]T为四旋翼的控制输入信号,函数f和函数g表示非线性光滑函数。为了便于对位置子系统和姿态子系统进行控制器设计,可将其写成状态空间形式:
其中g是重力加速度,Ui(i=1,...,4)是控制输入,并如下定义:
在这里主要考虑转动惯量的不确定性,即考虑参数ai的不确定性,将参数ai分为已知部分aiN和未知部分Δai.已知参数部分定义如下:
其中,符号Jxx,Jyy和Jzz是四旋翼飞行器绕各个机体坐标轴的转动惯量,JR是四旋翼直流无刷电机的转动惯量,dx,dy和dz是对应的气动阻力系数,dφ,dθ和dψ是对应的气动阻力力矩系数。原方程中由未知参数产生的非线性项由模糊逻辑系统进行逼近。
步骤2)引入误差性能函数:
21)定义跟踪误差为:
ei=yi-yid, (6)
其中,yid为参考信号,yi为实际信号;
22)定义一个误差性能函数pi(t),使其对于所有的时间t≥0,满足
23)误差转换函数,将误差性能函数转为一个等价无约束函数:
ei(t)=pi(t)Υi(Si), (8)
其中,Si是转化误差,Υi(Si)是光滑严格增函数,具有以下两条性质:
及
为保证预设的跟踪性能,只需保证Si有界。Υi(Si)的逆可以被标识为
步骤3)设计模糊逻辑系统逼近器为:
y(x)=WTξ(x), (12)
其中,WT=[W1,W2,...,WN]为可调权值向量,ξ(x)=[ξ1(x),ξ2(x),...,ξN(x)]T为模糊基函数向量,定义模糊基函数:
其中|σ*|≤ε,W*是权值向量的理想值,σ*是逼近误差,ε是最大逼近误差。
步骤4)引入非线性状态观测器来估计四旋翼飞行器不可测状态,所设计观测器为:
其中,其中,为状态x的估计值,K为观测器增益值,选择K值使A-KCT特征多项式为严格胡尔维茨矩阵,因此,给定一个矩阵Q1=Q1 T>0,存在一个正定矩阵P,满足ATP+PA=-Q1.函数为状态f(x)的估计值,使用模糊逻辑系统逼近器对f(x)进行逼近。可得到观测器误差为
步骤5)包含如下步骤:
首先是位置轨迹跟踪控制器设计:
第一步:引入误差性能函数,则S1可写为
其中e1(t)是跟踪误差,Θ1 -1(S1)为具有公式(9)特点的单调递增函数,p1(t)是引入的误差性能函数。利用状态观测器的输出
其中,k1,k2为观测器增益,χ1为待确定的未知函数(虚拟控制量),对S1求导得
选取虚拟控制信号
其中c1是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x2d:
其中τ2是滤波器的时间常数。定义下一个误差面:
对S2求导得
则对Γ1求导得:
利用杨氏不等式可证得:
其中,ε1是任意小正常数。将公式(27)代入到公式(26),可得到
其中χ1是待设计的虚拟控制律。为了保证上式非正性,虚拟控制律设计如下:
其中λ1是可选正参数。
第二步:引入误差性能函数,则S3可写为
其中e3(t)是跟踪误差,Θ3 -1(S3)为具有公式(9)特点的单调递增函数,p1(t)是引入的误差性能函数。结合状态观测器的输出
其中,k1,k2为观测器增益,χ2为待确定的未知函数(虚拟控制量),对S3求导得
选取虚拟控制信号
其中c3是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x4d:
其中τ4是滤波器的时间常数。定义误差面:
对S4求导得
则对Γ2求导得:
利用杨氏不等式可证得:
其中,ε2是任意小正常数。将公式(41)代入到公式(40),可得到
其中χ2是待设计的虚拟控制律。为了保证上式非正性,虚拟控制律设计如下:
其中λ2是可选正参数。
第三步:引入误差性能函数,则S5可写为
其中e5(t)是跟踪误差,Θ5 -1(S5)为具有公式(9)特点的单调递增函数,p2(t)是引入的误差性能函数。结合状态观测器的输出
其中,k1,k2为观测器增益,χ3为待确定的未知函数(虚拟控制量),对S5求导得
选取虚拟控制信号
其中c5是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x6d:
其中τ6是滤波器的时间常数。定义误差面:
对S6求导得
则对Γ3求导得:
利用杨氏不等式可证得:
其中,ε3是任意小正常数。代入(54)可得到
其中χ3是待设计的虚拟控制律。为了保证上式非正性,虚拟控制律设计如下:
其中λ3是可选正参数。
为了获得四旋翼系统的实际控制律,结合式(29)、式(43)、式(57)可以得到
观察可以看出,上式中包含四个量,即三个姿态角(x7,x9,x11)和实际控制量U1。在实际对四旋翼飞行器控制时,通常会给定偏航角参考信号x11d,因此在下一部分通过动态面滑模控制器设计相应控制律U4,实现偏航角对参考轨迹的快速跟踪。因此将x11视为已知的,并用x11d进行代替。这样上式减少一个自由度,相应剩下的三个自由度进行算术求解,可得
其中,U1就是系统实际的一个控制信号,另外,α=cos(x11d),β=sin(x11d)。将x7d,x9d虚拟控制信号通过一阶滤波器,可得到新的状态变量x7d,x9d:
需要指出的是,通过将偏航角轨迹限制在(-π/2,π/2),可以对控制律U1进行有界控制,使其能够限制在一定范围内。
对于姿态角子系统控制,利用上式得到的姿态角参考轨迹(x7d,x9d,x11d),控制律设计也包含三步。具体的设计步骤如下:
第四步:引入误差性能函数,则S7可写为
其中e7(t)是跟踪误差,Θ7 -1(S7)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数。结合状态观测器的输出
选取虚拟控制信号
其中c7是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x8d:
其中τ8是滤波器的时间常数。定义误差面:
对S8求导得
则对Γ4求导得:
利用杨氏不等式可证得:
其中,ε4是任意小正常数。将公式(72)代入到公式(71),可得到
其中U2是待设计的实际控制律。为了保证上式非正性,实际控制律设计如下:
其中λ4是可选正参数。
第五步:引入误差性能函数,则S9可写为
其中e9(t)是跟踪误差,Θ9 -1(S9)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数。结合状态观测器的输出
选取虚拟控制信号
其中c9是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x10d:
其中τ10是滤波器的时间常数。定义误差面:
对S10求导得
则对Γ5求导得:
利用杨氏不等式可证得:
其中,ε5是任意小正常数。将公式(86)代入到公式(85),可得到
其中U3是待设计的实际控制律。为了保证上式非正性,实际控制律设计如下:
其中λ5是可选正参数。
第六步:引入误差性能函数,则S11可写为
其中e11(t)是跟踪误差,Θ11 -1(S11)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数。结合状态观测器的输出
选取虚拟控制信号
其中c11是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x12d:
其中τ12是滤波器的时间常数。定义误差面:
对S12求导得
则对Γ6求导得:
利用杨氏不等式可证得:
其中,ε6是任意小正常数。将公式(100)代入到公式(99),可得到
其中U4是待设计的实际控制律。为了保证上式非正性,实际控制律设计如下:
其中λ6是可选正参数。
本发明具有的有益效果为:
1、本发明为四旋翼飞行器设计了基于输出反馈的自适应动态面滑模控制器,对于模型存在的参数不确定性问题,将其划为已知部分与未知部分,利用模糊逻辑系统的逼近性能处理未知项。
2、利用范数估计的方法,在每步控制律设计过程中只需要更新一个参数,大大减少了计算负担。通过引入误差性能函数,得到一个新的约束变量,能够实现跟踪轨迹满足预设条件。
3、本发明所设计控制方案将动态面控制法与滑模控制方法相结合,不仅消除了传统反步法存在的“微分爆炸”问题,而且提高了系统的鲁棒性。通过李雅普诺夫稳定性理论证明了四旋翼控制系统的稳定性。
附图说明
图1为四旋翼飞行器系统示意图;
图2为实验系统结构;
图3为正常情况下自适应动态面滑模控制三维效果图;
图4为水平位置x的追踪效果以及追踪误差;
图5为水平位置y的追踪效果以及追踪误差
图6为高度z的追踪效果以及追踪误差;
图7为偏航角追踪效果以及追踪误差;
图8为控制信号;
图9为翻滚角和俯仰角变化趋势;
图12为状态x2,x4,x6的实际值与估计值;
图13为状态x8,x10,x12的实际值与估计值;
图14为正常情况下与存在15%、30%、50%参数不确定情况下三维效果图;
图15为三种不同模型参数不确定性与正常情况下的追踪误差。
具体实施方式
下面利用附图1-15和半实物仿真实验对发明作进一步说明。基于输出反馈的四旋翼自适应动态面滑模控制器,包含以下步骤:
步骤1)构造含模型参数不确定性的四旋翼飞行器系统模型如公式1所示:
所考虑的四旋翼飞行器具有如下所示非线性形式:
其中,为状态变量,符号φ,θ,ψ表示翻滚角、俯仰角和偏航角。符号x,y,z表示相对地面坐标系的水平位置和高度。U=[U1,U2,U3,U4]T为四旋翼的控制输入信号,函数f和函数g表示非线性光滑函数。为了便于对位置子系统和姿态子系统进行控制器设计,可将其写成状态空间形式:
其中g是重力加速度,Ui(i=1,...,4)是控制输入,并如下定义:
在这里主要考虑转动惯量的不确定性,即考虑参数ai的不确定性,将参数ai分为已知部分aiN和未知部分Δai.已知参数部分定义如下:
其中,符号Jxx,Jyy和Jzz是四旋翼飞行器绕各个机体坐标轴的转动惯量,JR是四旋翼直流无刷电机的转动惯量,dx,dy和dz是对应的气动阻力系数,dφ,dθ和dψ是对应的气动阻力力矩系数。原方程中由未知参数产生的非线性项由模糊逻辑系统进行逼近。
2)引入误差性能函数,将四旋翼飞行器系统的跟踪误差转换为新的误差约束变量,确保系统实现预定的追踪性能。
本步骤包含以下步骤:
21)定义跟踪误差为:
ei=yi-yid, (6)
其中,yid为参考信号,yi为实际信号;
22)定义一个误差性能函数pi(t),使其对于所有的时间t≥0,满足
23)误差转换函数,将误差性能函数转为一个等价无约束函数:
ei(t)=pi(t)Υi(Si), (8)
其中,Si是转化误差,Υi(Si)是光滑严格增函数,具有以下两条性质:
及
为保证预设的跟踪性能,只需保证Si有界。Υi(Si)的逆可以被标识为
3)设计模糊逻辑系统逼近器,用于逼近四旋翼飞行器系统模型内不确定的未知项;
模糊逻辑系统主要包含四个部分:模糊规则、模糊化、推理机和去模糊,模糊规则集包含以下形式的模糊“IF-THEN”规则组成:
y(x)=WTξ(x), (12)
其中,WT=[W1,W2,...,WN]为可调权值向量,ξ(x)=[ξ1(x),ξ2(x),...,ξN(x)]T为模糊基函数向量,定义模糊基函数:
选用高斯基函数作为模糊隶属度函数;其形式如下:
模糊逻辑系统逼近器可以在紧集内以较小误差逼近任意连续函数,可以表述为
其中最小逼近误差|σ*|≤ε,W*是权值向量的理想值,有如下定义:
4)引入非线性状态观测器来估计四旋翼飞行器不可测状态;
对于一类具有(A0,C)型的非线性方程,表示如下:
其中,其中,为状态x的估计值,K为观测器增益值,选择K值使A-KCT特征多项式为严格胡尔维茨矩阵,因此,给定一个矩阵存在一个正定矩阵P,满足ATP+PA=-Q1。函数为状态f(x)的估计值,使用模糊逻辑系统逼近器对f(x)进行逼近。可得到观测器误差为
5)将动态面控制策略与滑模控制方法相结合,设计出针对四旋翼系统基于输出反馈的自适应模糊动态面滑模控制器。包含如下步骤:
首先是位置轨迹跟踪控制器设计:
第一步:引入误差性能函数,则S1可写为
其中e1(t)是跟踪误差,Θ1 -1(S1)为具有公式(9)特点的单调递增函数,p1(t)是引入的误差性能函数。利用状态观测器的输出
其中,k1,k2为观测器增益,χ1为待确定的未知函数(虚拟控制量),对S1求导得
选取虚拟控制信号
其中c1是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x2d:
其中τ2是滤波器的时间常数。定义下一个误差面:
对S2求导得
则对Γ1求导得:
利用杨氏不等式可证得:
其中,ε1是任意小正常数。将公式(31)代入到公式(30),可得到
其中χ1是待设计的虚拟控制律。为了保证上式非正性,虚拟控制律设计如下:
其中λ1是可选正参数。
第二步:引入误差性能函数,则S3可写为
其中e3(t)是跟踪误差,Θ3 -1(S3)为具有公式(9)特点的单调递增函数,p1(t)是引入的误差性能函数。结合状态观测器的输出
其中,k1,k2为观测器增益,χ2为待确定的未知函数(虚拟控制量),对S3求导得
选取虚拟控制信号
其中c3是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x4d:
其中τ4是滤波器的时间常数。定义误差面:
对S4求导得
则对Γ2求导得:
利用杨氏不等式可证得:
其中,ε2是任意小正常数。将公式(45)代入到公式(44),可得到
其中χ2是待设计的虚拟控制律。为了保证上式非正性,虚拟控制律设计如下:
其中λ2是可选正参数。
第三步:引入误差性能函数,则S5可写为
其中e5(t)是跟踪误差,Θ5 -1(S5)为具有公式(9)特点的单调递增函数,p2(t)是引入的误差性能函数。结合状态观测器的输出
其中,k1,k2为观测器增益,χ3为待确定的未知函数(虚拟控制量),对S5求导得
选取虚拟控制信号
其中c5是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x6d:
其中τ6是滤波器的时间常数。定义误差面:
对S6求导得
则对Γ3求导得:
利用杨氏不等式可证得:
其中,ε3是任意小正常数。
代入可得到
其中χ3是待设计的虚拟控制律。为了保证上式非正性,虚拟控制律设计如下:
其中λ3是可选正参数。
为了获得四旋翼系统的实际控制律,结合式(29)、式(43)、式(57)可以得到
观察可以看出,上式中包含四个量,即三个姿态角(x7,x9,x11)和实际控制量U1。在实际对四旋翼飞行器控制时,通常会给定偏航角参考信号x11d,因此在下一部分通过动态面滑模控制器设计相应控制律U4,实现偏航角对参考轨迹的快速跟踪。因此将x11视为已知的,并用x11d进行代替。这样上式减少一个自由度,相应剩下的三个自由度进行算术求解,可得
其中,U1就是系统实际的一个控制信号,另外,α=cos(x11d),β=sin(x11d)。将x7d,x9d虚拟控制信号通过一阶滤波器,可得到新的状态变量x7d,x9d:
需要指出的是,通过将偏航角轨迹限制在(-π/2,π/2),可以对控制律U1进行有界控制,使其能够限制在一定范围内。
对于姿态角子系统控制,利用上式得到的姿态角参考轨迹(x7d,x9d,x11d),控制律设计也包含三步。具体的设计步骤如下:
第四步:引入误差性能函数,则S7可写为
其中e7(t)是跟踪误差,Θ7 -1(S7)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数。结合状态观测器的输出
选取虚拟控制信号
其中c7是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x8d:
其中τ8是滤波器的时间常数。定义误差面:
对S8求导得
则对Γ4求导得:
利用杨氏不等式可证得:
其中,ε4是任意小正常数。
将公式(76)代入到公式(75),可得到
其中U2是待设计的实际控制律。为了保证上式非正性,实际控制律设计如下:
其中λ4是可选正参数。
第五步:引入误差性能函数,则S9可写为
其中e9(t)是跟踪误差,Θ9 -1(S9)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数。结合状态观测器的输出
选取虚拟控制信号
其中c9是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x10d:
其中τ10是滤波器的时间常数。定义误差面:
对S10求导得
则对Γ5求导得:
利用杨氏不等式可证得:
其中,ε5是任意小正常数。
将公式(90)代入到公式(89),可得到
其中U3是待设计的实际控制律。为了保证上式非正性,实际控制律设计如下:
其中λ5是可选正参数。
第六步:引入误差性能函数,则S11可写为
其中e11(t)是跟踪误差,Θ11 -1(S11)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数。结合状态观测器的输出
选取虚拟控制信号
其中c11是一个正常数。将虚拟控制信号通过一阶滤波器,可得到新的状态变量x12d:
其中τ12是滤波器的时间常数。定义误差面:
对S12求导得
则对Γ6求导得:
利用杨氏不等式可证得:
其中,ε6是任意小正常数。将公式(104)代入到公式(103),可得到
其中U4是待设计的实际控制律。为了保证上式非正性,实际控制律设计如下:
其中λ6是可选正参数。
下面通过李亚普诺稳定性分析,证明系统的稳定性。
首先,定义滤波误差为:
根据公式(25),公式(39),公式(53),公式(65),公式(70),公式(84),公式(98)得,
对其中滤波误差求导得:
可以写为:
总结为下列形式:
其中Bi(·),i=2,4,6,7,8,9,10,12是非负连续函数,且具有如下关系:
定义如下李雅普诺夫函数:
定理1考虑对于四旋翼系统公式(3),状态观测器公式(19),自适应律公式(34)、公式(48)、公式(62)、公式(79)、公式(93)、公式(107)以及控制器公式(64)、公式(78)、公式(92)、公式(106),考虑李雅普诺夫函数(114)。如果闭环系统的初始环境满足Γ(0)≤P,(P≥0),那么,通过调节设计参数ci,(i=1,...,12),λj,μj,(j=1,...,6)和滤波器时间常数τ2,τ4,τ6,τ7,τ8,τ9,τ10,τ12闭环系统中的所有信号最终半全局一致有界。另外,位置和姿态角追踪误差可以收敛于任意的残差集内,并且误差始终保持在预设曲线内。
证明:对Γi,(i=1,...,6)求导,并结合式(113)得
考虑定义紧集:
则Υ1×Υ2也是一个紧集。因此,连续函数B2*i,(i=1,...,6),B7,B9在紧集Υ1×Υ2上有最大值。于是可以得到
考虑下列不等式,
结合式(115)可以得到
利用杨氏不等式
将式(120)和式(121)代入到式(119),可得
其中
半实物仿真:
为了验证所设计控制器的实时有效性,利用半实物仿真平台进行实验验证。四旋翼飞行器系统结构图如图1所示。实验系统结构图2所示,该半实物仿真平台主要有四部分组成:
1.实时仿真机箱(RTS):支持用simulink搭建的四旋翼系统在机箱进行FPGA硬件实时仿真,该设备接收控制信号并将得到的被控对象响应信号输出到控制机箱。该实时仿真机箱型号为PXIe-1082,配有Kintex-7 325T FPGA芯片,16位同步模拟I/O,数据传输速率为1MS/s。
2.控制机箱(RCP):用于快速运行所设计的控制算法,并发送控制信号对运行在实时仿真机箱里的四旋翼系统进行控制,从而构成闭环的实验系统。该控制机箱型号为PXIe-1071,带有16个模拟I/O,数据传输速率为1MS/s。
3.实验转接板:用于实现在控制机箱与实时仿真机箱间的信号连接。控制机箱、实时仿真机箱以及转接板构成一个闭环试验系统。
4.电脑主机:使用StarSim RCP软件分别将MATLAB/Simulink四旋翼系统模型和控制算法下载到RTS和RCP中。
控制机箱、实时仿真机箱以及转接板构成一个闭环试验系统。实时仿真机箱接收控制信号并将得到的被控对象响应信号输出到控制机箱。控制机箱用于快速运行所设计的控制算法,并发送控制信号对运行在实时仿真机箱里的四旋翼系统进行控制。
通过半实物仿真平台来验证所设计的基于输出反馈的自适应动态面滑模控制器的有效性。实验针对不同的情况下进行了仿真,包括正常情况与存在模型参数不确定情况,来验证所设计控制器的鲁棒性。四旋翼飞行器的模型参数如表1所示。
表1四旋翼飞行器的模型参数
符号 | 情景一 | 情景二 | 情景三 | 情景四 | 单位 |
m | 1.4 | 1.4 | 1.4 | 1.4 | kg |
k | 2.98 | 2.98 | 2.98 | 2.98 | 10<sup>-6</sup>N·s<sup>2</sup>·rad<sup>-2</sup> |
l | 0.2 | 0.2 | 0.2 | 0.2 | m |
τ | 1.14 | 1.14 | 1.14 | 1.14 | 10<sup>-7</sup>N·s<sup>2</sup>·rad<sup>-2</sup> |
d<sub>φ</sub>,d<sub>θ</sub>,d<sub>ψ</sub> | 1.2 | 1.2 | 1.2 | 1.2 | 10<sup>-2</sup>N·s·rad<sup>-1</sup> |
J<sub>xx</sub> | 1.80 | 1.80 | 1.80 | 1.80 | N·s<sup>2</sup>·rad<sup>-1</sup> |
J<sub>yy</sub> | 1.80 | 1.80 | 1.80 | 1.80 | N·s<sup>2</sup>·rad<sup>-1</sup> |
J<sub>zz</sub> | 2.40 | 2.76 | 3.12 | 3.60 | N·s<sup>2</sup>·rad<sup>-1</sup> |
实验中,参考轨迹{xd(t),yd(t),zd(t),ψd(t)}为{cos(t),sin(t),0.5(t),sin(0.5t)},误差性能函数选择为p1(t)=(p10-p1∞)e-lt+p1∞,p2(t)=0.6*e-t+0.075,pψ(t)=0.6*e-t+0.04,其中参数选取为p10=1.5,p1∞=0.055,l=1,κ1=β1=1。虚拟控制律以及最终控制律的设计参数为c1=c2=c3=c4=0.6,c5=c6=0.55,c7=c8=c9=c10=0.6,c11=c12=0.6。
自适应律参数为λ1=λ2=0.02,λ3=λ4=λ5=λ6=0.03,一价低通滤波器中的时间常数选为τi=0.005,(i=2,4,6,7,8,9,10,12)。模糊隶属度函数隶属度函数选为其中l=1,...,5,k=2,6,8,10,12。
情况一:正常情况,假设模型中不存在参数不确定情况以及所有参数都是正常的。初始值设为{x0(t),y0(t),z0(t),ψ0(t)}={1,0,0,0},但在实验过程中牵扯到时间差问题,需要进行录波处理,于是实验过程加了10秒延迟,这样可以对信号进行完整录波,得到完整的数据,所以水平位置x的实际输出信号从0开始。
情况二、三、四:在仿真过程中,验证了四旋翼飞行器在存在模型参数不确定情况下所设计控制器的控制效果。分别是偏航坐标轴的转动惯量存在15%、30%以及50%的模型参数不确定性。
在图3中,实线表示参考轨迹,虚线表示系统的实际跟踪轨迹;图4到图7,则分别表示位置和偏航角的跟踪轨迹,其下图的实线表示追踪误差,并且画出了所加误差性能函数的误差边界,误差性能函数的加入保证了误差始终在预设范围内变化。从图中可以看出,在正常情况下,所设计的控制器能够满足预设性能的要求,实现位置轨迹和偏航角轨迹的跟踪控制,从而保证飞行品质。图8是四个控制输入;图9表示翻滚角和俯仰角的变化趋势;图10到图11显示了6个自适应参数变化,图12到图13分别是6个变量输出值和观测器估计值;
图14表示在考虑模型参数不确定情况下的实际位置空间图,分别是15%,30%和50%模型参数不确定性存在于偏航旋转轴。图15则是四种不同情况下位置和偏航角追踪误差的对比图。从图3到图15可以得出,所设计的控制方案可以保证所有变量都是有界的,具有追踪误差小的特点,针对不同情况的模型参数不确定性具有良好的鲁棒性。此外,跟踪误差一直限制在预设的范围内。
根据实验数据,计算出系统在不同情况下达到稳定状态后(t>5s)的最大追踪误差和均方根误差,并绘表作了比较,如表2所示:
表2稳定状态后最大追踪误差与均方根误差
由表中可知,达到稳定状态后,随着加在偏航旋转轴上不确定性的增加,系统的最大误差与均方根误差均不同程度的增加,当偏航旋转轴上有50%模型参数不确定性时,此时的最大误差与均方根误差均达到最大,与设想一样。
综上,所设计的自适应动态面滑模控制器能够保证跟踪性能满足预设条件,针对不同情况的模型参数不确定性具有良好的鲁棒性。
Claims (1)
1.基于输出反馈的四旋翼自适应动态面滑模控制器,其特征在于:所述控制器是基于以下步骤实现的:
1)构造含模型参数不确定性的四旋翼飞行器系统模型;
2)引入误差性能函数,将四旋翼飞行器系统的跟踪误差转换为新的误差约束变量,确保系统实现预定的追踪性能;
3)设计模糊逻辑系统逼近器,用于逼近四旋翼飞行器中存在的复杂且不确定的未知项,通过估计权值向量的范数来代替估计权值向量的每一项;
4)引入非线性状态观测器来估计四旋翼飞行器不可测的角速度状态;
5)将动态面控制策略与滑模控制方法相结合,设计出基于输出反馈的四旋翼自适应动态面滑模控制器;
步骤1)所述的构造含模型参数不确定性的四旋翼飞行器系统模型如公式1所示:
所考虑的四旋翼飞行器具有如下所示非线性形式:
其中,为状态变量,符号φ,θ,ψ表示翻滚角、俯仰角和偏航角;符号x,y,z表示相对地面坐标系的水平位置和高度;U=[U1,U2,U3,U4]T为四旋翼的控制输入信号,函数f和函数g表示非线性光滑函数;为了便于对位置子系统和姿态子系统进行控制器设计,可将其写成状态空间形式:
其中g是重力加速度,ai的定义如公式(5),其中i=1,2,...,11;Ui是控制输入,其中i=1,...,4,并如下定义:
控制器设计过程中,主要考虑转动惯量的不确定性,即考虑参数ai的不确定性,将参数ai分为已知部分aiN和未知部分Δai;已知部分为系统参数初始时刻状态:
其中,符号Jxx,Jyy和Jzz是四旋翼飞行器绕各个机体坐标轴的转动惯量,JR是四旋翼直流无刷电机的转动惯量,dx,dy和dz是对应的气动阻力系数,dφ,dθ和dψ是对应的气动阻力力矩系数;C(·)和S(·)分别表示cos(·)和sin(·),Ωi代表每个电机的转速,其中i=1,...,4,且Ω=Ω1-Ω2+Ω3-Ω4,m为四旋翼机体质量,l为四旋翼飞行器中心到电机的长度,τ为反扭矩系数,k是一个常数;原方程中由未知参数产生的非线性项由模糊逻辑系统进行逼近;
步骤2)包含以下具体步骤:
21)定义跟踪误差为:
ei=yi-yid, (6)
其中,yid为参考信号,yi为实际信号;
22)定义一个误差性能函数pi(t),使其对于所有的时间t≥0,满足
23)误差转换函数,将误差性能函数转为一个等价无约束函数:
ei(t)=pi(t)γi(Si), (8)
其中,Si是转化误差,γi(Si)是光滑严格增函数,具有以下两条性质:
及
步骤3)所述的模糊逻辑系统逼近器为:
y(x)=WTξ(x), (12)
其中,WT=[W1,W2,...,WN]为可调权值向量,ξ(x)=[ξ1(x),ξ2(x),...,ξN(x)]T为模糊基函数向量,定义模糊基函数:
其中|σ*|≤ε,W*是权值向量的理想值,σ*是逼近误差,ε是最大逼近误差;
步骤4)所设计状态观测器为:
其中, 为状态x的估计值,K为观测器增益值,选择K值使A-KCT特征多项式为严格胡尔维茨矩阵,因此,给定一个矩阵存在一个正定矩阵P,满足ATP+PA=-Q1.函数为状态f(x)的估计值,使用模糊逻辑系统逼近器对f(x)进行逼近;可得到观测器误差为:
步骤5)包含如下步骤:
首先是位置轨迹跟踪控制器设计:
第一步:引入误差性能函数,则S1可写为:
其中e1(t)是跟踪误差,Θ1 -1(S1)为具有公式(9)特点的单调递增函数,p1(t)是引入的误差性能函数;利用状态观测器的输出:
其中,k1,k2为观测器增益,χ1为待确定的未知函数,对S1求导得:
选取虚拟控制信号:
其中c1是一个正常数,将虚拟控制信号通过一阶滤波器,可得到新的状态变量x2d:
其中τ2是滤波器的时间常数;
定义下一个误差面:
对S2求导得:
则对Γ1求导得:
利用杨氏不等式可证得:
其中,ε1是任意小正常数;
将公式(27)代入到公式(26),可得到
其中χ1是待设计的虚拟控制律;为了保证上式非正性,虚拟控制律设计如下:
其中λ1是可选正参数;
第二步:引入误差性能函数,则S3可写为:
其中e3(t)是跟踪误差,Θ3 -1(S3)为具有公式(9)特点的单调递增函数,p1(t)是引入的误差性能函数;结合状态观测器的输出:
其中,k1,k2为观测器增益,χ2为待确定的未知函数,虚拟控制量,对S3求导得:
选取虚拟控制信号:
其中c3是一个正常数;将虚拟控制信号通过一阶滤波器,可得到新的状态变量x4d:
其中τ4是滤波器的时间常数;
定义误差面:
对S4求导得:
则对Γ2求导得:
利用杨氏不等式可证得:
其中,ε2是任意小正常数;
将公式(41)代入到公式(40),可得到
其中χ2是待设计的虚拟控制律;为了保证上式非正性,虚拟控制律设计如下:
其中λ2是可选正参数;
第三步:引入误差性能函数,则S5可写为:
其中e5(t)是跟踪误差,Θ5 -1(S5)为具有公式(9)特点的单调递增函数,p2(t)是引入的误差性能函数;结合状态观测器的输出:
其中,k1,k2为观测器增益,χ3为待确定的未知函数,虚拟控制量,对S5求导得:
选取虚拟控制信号:
其中c5是一个正常数;将虚拟控制信号通过一阶滤波器,可得到新的状态变量x6d:
其中τ6是滤波器的时间常数;
定义误差面:
对S6求导得:
则对Γ3求导得:
利用杨氏不等式可证得:
其中,ε3是任意小正常数;
代入可得到
其中χ3是待设计的虚拟控制律;为了保证上式非正性,虚拟控制律设计如下:
其中λ3是可选正参数;
为了获得四旋翼系统的实际控制律,结合式(29)、式(43)、式(57)可以得到:
观察可以看出,上式中包含四个量,即三个姿态角(x7,x9,x11)和实际控制量U1;在实际对四旋翼飞行器控制时,通常会给定偏航角参考信号x11d,因此在下一部分通过动态面滑模控制器设计相应控制律U4,实现偏航角对参考轨迹的快速跟踪;因此将x11视为已知的,并用x11d进行代替;这样上式减少一个自由度,相应剩下的三个自由度进行算术求解,可得:
其中,U1就是系统实际的一个控制信号,另外,α=cos(x11d),β=sin(x11d);将x7d,x9d虚拟控制信号通过一阶滤波器,可得到新的状态变量x7d,x9d:
需要指出的是,通过将偏航角轨迹限制在(-π/2,π/2),可以对控制律U1进行有界控制,使其能够限制在一定范围内;
对于姿态角子系统控制,利用上式得到的姿态角参考轨迹(x7d,x9d,x11d),控制律设计也包含三步;具体的设计步骤如下:
第四步:引入误差性能函数,则S7可写为:
其中e7(t)是跟踪误差,Θ7 -1(S7)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数;结合状态观测器的输出:
选取虚拟控制信号:
其中c7是一个正常数;将虚拟控制信号通过一阶滤波器,可得到新的状态变量x8d:
其中τ8是滤波器的时间常数;
定义误差面:
对S8求导得:
则对Γ4求导得:
利用杨氏不等式可证得:
其中,ε4是任意小正常数;
将公式(72)代入到公式(71),可得到:
其中U2是待设计的实际控制律;为了保证上式非正性,实际控制律设计如下:
其中λ4是可选正参数;
第五步:引入误差性能函数,则S9可写为:
其中e9(t)是跟踪误差,Θ9 -1(S9)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数;结合状态观测器的输出:
选取虚拟控制信号:
其中c9是一个正常数;将虚拟控制信号通过一阶滤波器,可得到新的状态变量x10d:
其中τ10是滤波器的时间常数;
定义误差面:
对S10求导得:
则对Γ5求导得:
利用杨氏不等式可证得:
其中,ε5是任意小正常数;
将公式(86)代入到公式(85),可得到
其中U3是待设计的实际控制律;为了保证上式非正性,实际控制律设计如下:
其中λ5是可选正参数;
第六步:引入误差性能函数,则S11可写为:
其中e11(t)是跟踪误差,Θ11 -1(S11)为具有公式(9)特点的单调递增函数,pψ(t)是引入的误差性能函数;结合状态观测器的输出:
选取虚拟控制信号:
其中c11是一个正常数;将虚拟控制信号通过一阶滤波器,可得到新的状态变量x12d:
其中τ12是滤波器的时间常数;
定义误差面:
对S12求导得:
则对Γ6求导得:
利用杨氏不等式可证得:
其中,ε6是任意小正常数;
将公式(100)代入到公式(99),可得到:
其中U4是待设计的实际控制律;为了保证上式非正性,实际控制律设计如下:
其中λ6是可选正参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372582.1A CN111766889B (zh) | 2020-05-06 | 2020-05-06 | 基于输出反馈的四旋翼自适应动态面滑模控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372582.1A CN111766889B (zh) | 2020-05-06 | 2020-05-06 | 基于输出反馈的四旋翼自适应动态面滑模控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111766889A CN111766889A (zh) | 2020-10-13 |
CN111766889B true CN111766889B (zh) | 2022-11-04 |
Family
ID=72719180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010372582.1A Active CN111766889B (zh) | 2020-05-06 | 2020-05-06 | 基于输出反馈的四旋翼自适应动态面滑模控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111766889B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112416021B (zh) * | 2020-11-17 | 2021-12-21 | 中山大学 | 一种基于学习的旋翼无人机路径跟踪预测控制方法 |
CN112882482B (zh) * | 2021-01-27 | 2022-07-22 | 曲阜师范大学 | 一种基于具有预定性能约束的自主式水下机器人的固定时间轨迹跟踪控制方法 |
CN113093782B (zh) * | 2021-04-12 | 2023-07-18 | 广东工业大学 | 一种无人机指定性能姿态控制方法及系统 |
CN113419565B (zh) * | 2021-06-08 | 2022-05-31 | 宁波城市职业技术学院 | 四旋翼飞行器预设性能轨迹跟踪反演控制方法及系统 |
CN114019791A (zh) * | 2021-08-17 | 2022-02-08 | 国网辽宁省电力有限公司鞍山供电公司 | 光伏发电伺服系统的自适应神经网络动态面控制方法 |
CN114237050B (zh) * | 2021-12-16 | 2022-12-23 | 西北工业大学 | 一种全状态约束下绳系组合体稳定控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495547A (zh) * | 2011-12-23 | 2012-06-13 | 上海交通大学 | Siso离散时间系统的间接自适应模糊滑模控制方法 |
CN102759928A (zh) * | 2012-04-28 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 一种平流层飞艇航迹控制方法 |
CN102915036A (zh) * | 2012-07-26 | 2013-02-06 | 北京航空航天大学 | 一种参数不确定性飞行器倾斜角控制系统极限环抑制方法 |
CN104950901A (zh) * | 2015-07-03 | 2015-09-30 | 天津大学 | 无人直升机姿态误差有限时间收敛非线性鲁棒控制方法 |
CN105138001A (zh) * | 2015-09-10 | 2015-12-09 | 中国人民解放军国防科学技术大学 | 一种四旋翼飞行器姿态控制方法 |
CN105278545A (zh) * | 2015-11-04 | 2016-01-27 | 北京航空航天大学 | 适用于高超声速机动飞行的自抗扰轨迹线性化控制方法 |
CN105467833A (zh) * | 2015-12-07 | 2016-04-06 | 南京航空航天大学 | 一种非线性自适应飞行控制方法 |
CN105676641A (zh) * | 2016-01-25 | 2016-06-15 | 南京航空航天大学 | 针对四旋翼无人机非线性模型的基于反步和滑模控制技术的非线性鲁棒控制器的设计方法 |
CN106444799A (zh) * | 2016-07-15 | 2017-02-22 | 浙江工业大学 | 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 |
CN110501912A (zh) * | 2019-04-01 | 2019-11-26 | 东北电力大学 | 满足预设输出跟踪性能的多机电力系统自适应模糊动态面滑模控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9845165B2 (en) * | 2014-07-16 | 2017-12-19 | Airogistic, L.L.C. | Methods and apparatus for unmanned aerial vehicle landing and launch |
CA3040564A1 (en) * | 2016-10-18 | 2018-04-26 | Deakin University | Thrust vectored multicopters |
-
2020
- 2020-05-06 CN CN202010372582.1A patent/CN111766889B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495547A (zh) * | 2011-12-23 | 2012-06-13 | 上海交通大学 | Siso离散时间系统的间接自适应模糊滑模控制方法 |
CN102759928A (zh) * | 2012-04-28 | 2012-10-31 | 中国人民解放军国防科学技术大学 | 一种平流层飞艇航迹控制方法 |
CN102915036A (zh) * | 2012-07-26 | 2013-02-06 | 北京航空航天大学 | 一种参数不确定性飞行器倾斜角控制系统极限环抑制方法 |
CN104950901A (zh) * | 2015-07-03 | 2015-09-30 | 天津大学 | 无人直升机姿态误差有限时间收敛非线性鲁棒控制方法 |
CN105138001A (zh) * | 2015-09-10 | 2015-12-09 | 中国人民解放军国防科学技术大学 | 一种四旋翼飞行器姿态控制方法 |
CN105278545A (zh) * | 2015-11-04 | 2016-01-27 | 北京航空航天大学 | 适用于高超声速机动飞行的自抗扰轨迹线性化控制方法 |
CN105467833A (zh) * | 2015-12-07 | 2016-04-06 | 南京航空航天大学 | 一种非线性自适应飞行控制方法 |
CN105676641A (zh) * | 2016-01-25 | 2016-06-15 | 南京航空航天大学 | 针对四旋翼无人机非线性模型的基于反步和滑模控制技术的非线性鲁棒控制器的设计方法 |
CN106444799A (zh) * | 2016-07-15 | 2017-02-22 | 浙江工业大学 | 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 |
CN110501912A (zh) * | 2019-04-01 | 2019-11-26 | 东北电力大学 | 满足预设输出跟踪性能的多机电力系统自适应模糊动态面滑模控制方法 |
Non-Patent Citations (7)
Title |
---|
Nonlinear Output Feedback Tracking Control of a Quadrotor UAV in the Presence of Uncertainty;Shane Stebler etal.;《2016 14th International Conference on Control, Automation, Robotics & Vision》;20161231;第1-6页 * |
Trajectory tracking of a quadrotor using sliding mode control;M. J. Reinoso etal.;《IEEE Latin America Trans》;20161231;第2157-2166页 * |
四旋翼无人飞行器控制技术研究;王璐;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20130315;第C031-59页 * |
四旋翼飞行器轨迹跟踪控制器设计;马冬梅;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20190115;第C031-39页 * |
基于观测器的四旋翼飞行器自适应滑模姿态控制;王雯等;《电光与控制》;20190630;第75-79页 * |
带输入非线性的高超声速飞行器自适应动态面控制;祝国强等;《第27届中国控制与决策会议论文集(下册)》;20151231;第3022-3027页 * |
非线性系统自适应动态面输出反馈控制策略及其应用研究;王越;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190715;第I140-452页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111766889A (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111766889B (zh) | 基于输出反馈的四旋翼自适应动态面滑模控制器 | |
CN108445766B (zh) | 基于rpd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法 | |
Ullah et al. | Neuro-adaptive fast integral terminal sliding mode control design with variable gain robust exact differentiator for under-actuated quadcopter UAV | |
CN107688295B (zh) | 一种基于快速终端滑模的四旋翼飞行器有限时间自适应控制方法 | |
CN104950898B (zh) | 一种再入飞行器全阶非奇异终端滑模姿态控制方法 | |
Yang et al. | Adaptive NN backstepping control design for a 3-DOF helicopter: Theory and experiments | |
CN112987567B (zh) | 非线性系统的固定时间自适应神经网络滑模控制方法 | |
Rajappa et al. | Adaptive super twisting controller for a quadrotor uav | |
CN111650830A (zh) | 一种基于迭代学习的四旋翼飞行器鲁棒跟踪控制方法 | |
CN109062240B (zh) | 一种基于神经网络估计的刚性飞行器固定时间自适应姿态跟踪控制方法 | |
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 | |
Savran et al. | Intelligent adaptive nonlinear flight control for a high performance aircraft with neural networks | |
CN113253617A (zh) | 用于四旋翼无人机的在线自适应控制方法 | |
CN113741188A (zh) | 执行器故障下固定翼无人机反步自适应容错控制方法 | |
CN107817818B (zh) | 一种模型不确定飞艇航迹跟踪有限时间控制方法 | |
Suresh et al. | An on-line learning neural controller for helicopters performing highly nonlinear maneuvers | |
Liu et al. | Antisaturation fixed-time attitude tracking control based low-computation learning for uncertain quadrotor UAVs with external disturbances | |
CN117452975A (zh) | 一种四旋翼无人机集群的保性能协同编队控制设计方法 | |
CN110347036B (zh) | 基于模糊滑模控制的无人机自主抗风智能控制方法 | |
CN114995163B (zh) | 一种无人机免疫控制方法 | |
Boudjedir et al. | Dual neural network for adaptive sliding mode control of quadrotor helicopter stabilization | |
CN114578696A (zh) | 2-dof直升机系统自适应神经网络量化容错控制方法 | |
Zhao et al. | Model‐free attitude synchronization for multiple heterogeneous quadrotors via reinforcement learning | |
Liu et al. | Nonlinear asymptotic attitude tracking control for an unmanned helicopter with input constraints | |
Ma et al. | Finite-time trajectory tracking control of quadrotor UAV via adaptive RBF neural network with lumped uncertainties |
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 |