CN112286053A - 一种高机动微型无人机的制导控制一体化方法 - Google Patents
一种高机动微型无人机的制导控制一体化方法 Download PDFInfo
- Publication number
- CN112286053A CN112286053A CN202011108755.5A CN202011108755A CN112286053A CN 112286053 A CN112286053 A CN 112286053A CN 202011108755 A CN202011108755 A CN 202011108755A CN 112286053 A CN112286053 A CN 112286053A
- Authority
- CN
- China
- Prior art keywords
- model
- control
- state
- slow
- dynamics
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000010354 integration Effects 0.000 title claims description 6
- 238000013461 design Methods 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 238000005070 sampling Methods 0.000 claims abstract description 19
- 239000013598 vector Substances 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000012938 design process Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种高机动微型无人机的制导控制一体化方法,包括建立高机动微型无人机的动力学模型和运动学模型;根据部分制导控制一体化设计思想将模型转为慢速动力学和快速动力学模型;利用小扰动线性化方法对慢速动力学模型进行线性化得到线性化模型,线性化的平衡点为上一采样时刻的状态量;根据线性二次调节器设计思想,构造价值函数中的Q矩阵和R矩阵,依据线性化模型在线计算反馈增益;对控制器进行参数整定。本发明的技术方案,基于线性二次调节器的部分制导控制一体化设计方法,以解决制导回路与控制回路延迟特性和三维通道耦合的问题,具有较好的控制性能和鲁棒性能。
Description
技术领域
本发明属于飞行器控制技术领域,尤其涉及一种高机动微型无人机的制导控制一体化方法。
背景技术
微型无人机具有体积小、重量轻、操作性强、可单人携带、隐蔽性好、操作方便等特点,具有巨大的军事价值和民用价值。
与传统飞行器不同,微型无人机在复杂环境下的自主飞行技术是一项极具挑战性的研究课题。首先随着无人机应对的情况越来越复杂,要求的高机动性也相应的增高,可控调整时间也相应变短。并且高机动微型无人机三维通道间具有较大的耦合特性。因此,使用传统线性方法进行制导控制律的设计可能难以满足任务需求。
传统制导控制系统的设计思路基于制导环节和控制环节的频谱分离原则,将制导回路与控制回路分离,分别对两部分单独设计。但实际上制导环节和控制环节并不相互独立,单独设计的缺陷是两个回路会以不同的频率运行,两个回路之间存在延迟。所以出现了一种提高机动性的设计思路,即:制导环节和控制环节合二为一变成全状态一体化的设计,但是此种方案忽略了快速动力学和慢速动力学的基本特性,在高机动情况下,极易造成飞行器的不稳定。
发明内容
为了解决上述已有技术存在的不足,本发明提出一种基于线性二次调节器的部分制导控制一体化设计方法,以解决制导回路与控制回路延迟特性和三维通道耦合的问题,具有较好的控制性能和鲁棒性能。本发明的具体技术方案如下:
一种高机动微型无人机的制导控制一体化方法,包括以下步骤:
S1:建立高机动微型无人机的动力学模型和运动学模型;
S2:根据部分制导控制一体化的设计思想将步骤S1得到的模型转为慢速动力学模型和快速动力学模型;
S3:根据线性二次调节器的设计思想,构造价值函数中的状态代价矩阵Q和输入代价矩阵R,依据所述步骤S2的慢速动力学模型将其线性化、离散化,然后在线计算反馈增益,完成线性二次调节器的设计;
S4:根据PID控制器的设计思想,依据所述步骤S2的快速动力学模型,设计非线性PID控制器,完成整个控制系统的设计;
S5:对控制算法进行参数整定;在约束条件下,使所述步骤S4中设计的控制系统稳定以及控制目标达到控制要求。
进一步地,所述步骤S1中高机动微型无人机的运动学模型为:
其中,X2(t)=[vx(t),vy(t),vz(t),p(t),q(t),r(t)]T均为运动学模型的状态向量;为运动学模型的状态向量的导数,[x(t),y(t),z(t)]为高机动微型无人机在地面坐标系下的位置坐标,分别为滚转角,俯仰角和偏航角;[vx(t),vy(t),vz(t)]为地面坐标系下的速度矢量,[p(t),q(t),r(t)]为机体坐标系下角速度矢量;P(X1(t))是非线性函数,t为当前时间;
高机动微型无人机的动力学模型为:
进一步地,将涉及旋转运动的动力学称为快速动力学,涉及平移运动的动力学称为慢速动力学,所述步骤S2中根据部分制导控制一体化设计思想将步骤S1得到的模型转为慢速动力学模型和快速动力学模型,表示为:
其中,Z2(t)=[p(t),q(t),r(t)]T分别为慢速动力学模型的状态向量和快速动力学模型的状向量态;别为慢速动力学模型的状态向量的导数和快速动力学模型的状态向量的导数;u(t)=[u1(t),u2(t)]T为控制输入向量;f1(Z1(t)),f2(Z2(t))是非线性函数;g1(t),g2(t)是非线性控制分配函数。
进一步地,所述步骤S3中线性二次调节器的设计过程为:
S3-1:将上一时刻的状态量设为平衡点,利用小扰动线性化方法将慢速动力学模型线性化,即:
S3-2:根据被控量权重大小设计状态代价矩阵Q和输入代价矩阵R的对应的系数,将已经连续的线性化慢速动力学模型离散化,即:
其中,T为单位采样时刻,kT为第k个采样时刻,k=1,2,....,n,Z1(kT)为kT采样时刻的慢速动力学状态变量,Z1((k+1)T)为(k+1)T采样时刻的慢速动力学状态变量,G为离散后的状态矩阵,H为离散后的输入矩阵,t-1时刻慢速动力学模型的状态向量构成G(Z1,t-1)和H(Z1,t-1),u1(kT)为kT采样时刻的慢速动力学控制输入向量;
本发明的有益效果在于:
1.本发明的方法能够实现部分制导控制一体化设计,弥补了传统控制方案的缺陷:首先,两个回路存在延迟会造成高机动性的丧失,发挥不出高机动微型无人机的机动优势,本发明的方法将原本姿态回路中的姿态角状态变量放到了第一回路,极大的提升了控制系统的快速性;其次,机动飞行时,位置环会产生一个特别大的姿态控制指令,容易造成电机的饱和并且由于忽略姿态动力学,因此需要规划平滑轨迹,本发明的方法考虑了系统姿态动力学,给控制系统加入了姿态约束,减少了电机饱和的可能性。
2.依据线性二次调节器的在线反馈增益计算;本发明依据三通道耦合的线性化模型,并且每一采样时刻线性模型是不同的,并在每一采样时刻在线计算反馈增益,从而提升了控制系统的鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。其中:
图1为本发明的部分制导控制一体化控制框图;
图2为本发明实施例的微型四旋翼坐标系及坐标定义图;
图3为线性二次调节器反馈增益计算流程图;
图4为常规轨迹跟踪仿真图,(a)为菱形轨迹,(b)为圆形轨迹;
图5为复杂轨迹跟踪仿真图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
灵活且功能多样的微型无人机能够执行非常复杂的任务,比如穿越丛林或建筑物,进出狭窄的间隙,快速定位目标,从而对其进行打击。本发明方法的主要步骤是:对三通道耦合的微型无人机的模型进行线性化,随后根据线性二次调节器的设计方法算出每一时刻的反馈增益,最后根据部分制导一体化的设计框架对整个回路进行设计。
传统控制算法通常基于假设和简化,利用的是平移和旋转动力学之间的尺度分离特性。其基本设计思路为基于系统的欠驱动特性,将控制问题分解为多个子问题,并且利用期望的加速度来定义高机动无人机的姿态。但是这种设计方法也引入一定的局限性:两个回路会以不同的频率运行,存在延迟会造成高机动性的丧失,并且由于忽略姿态动力学,因此需要规划平滑轨迹。本发明的方法能够实现部分制导控制一体化设计。
另外,由于三通道之间的耦合特性,目前对微型无人机的飞行控制主要采用不依赖于模型或者对模型精确性要求不高的控制方法。线性二次调节器需要根据线性模型设计价值函数从而离线算出控制算法的反馈增益。本发明依据的是三通道耦合的线性化模型,并且每一采样时刻线性模型是不同的,并在每一采样时刻在线计算反馈增益。从而提升了控制系统的鲁棒性。
为了方便理解本发明的上述技术方案,以下通过具体实施例对本发明的上述技术方案进行详细说明。
实施例1
以微型四旋翼为实例,即:将姿态、位置和速度视为慢速动力学的状态变量,角速度视为快速动力学的状态变量,随后对慢速动力学和快速动力学分别设计控制算法,实现部分制导控制一体化算法的设计,克服了原有串级控制的缺陷。控制框图如图1所示,一种高机动微型无人机的制导控制一体化方法,具体地:
S1:建立微型四旋翼的动力学和运动学模型;
本发明中,采用北-东-地坐标系对微型四旋翼进行设计分析。利用一组标准正交基{xw,yw,zw}表示世界坐标系W,以及另一组正交基{xb,yb,zb}表示相对世界坐标表示的机体坐标系B。其中,机体坐标系固定在微型四旋翼飞行器上,其原点与其质心重合。微型四旋翼的重力和惯性矩阵分别记为和微型四旋翼姿态角、机体角速度、位置、速度、加速度分别记为质心的位置记为Ob;质心至每个电机重心的距离记为第i个电机产生的拉力和反扭力矩分别记为fi和τi(1≤i≤4),方向沿-zb;将总拉力和电机在机体产生的力矩的大小分别记为将方向旋转矩阵记为欧拉角变化率与机体角速度之间的转移矩阵为Wb,如图2所示。
动力学模型:根据牛顿-欧拉动力学方程,微型四旋翼在世界坐标系下的线速度与合外力的关系以及在机体坐标系下角速度与力矩的关系分别为:
其中,J为微型四旋翼的转动惯量,Fw为微型四旋翼所受合外力在地面坐标系中的表示,M为作用在微型四旋翼上的外力矩在机体坐标系中的表示。
根据受力分析,微型四旋翼所受合外力主要由螺旋桨产生的拉力、重力组成;拉力大小为四个螺旋桨提供拉力和;方向总是沿-zb轴,重力大小mg,总是指向zw轴。综上所述,微型四旋翼的平移动力学方程为:
力矩是由四个螺旋桨提供的升力和反扭力矩产生,一般表示为:
τ为电机在机体产生的力矩,ki是与单个力矩和单个电机拉力相关的系数。
根据以上分析,得出微型四旋翼的整体数学模型:
S2:根据部分制导控制一体化设计思想将步骤S1得到的模型转为慢速动力学和快速动力学模型;
部分制导控制一体化设计思想:不再利用制导环节产生控制指令,而是将制导环节和部分控制环节合二为一,根据机体与目标的相对运动信息以及机体自身运动信息(包括位置、速度以及姿态角)产生控制指令驱使飞行器接近目标。对于高机动微型四旋翼而言,涉及旋转的的动力学的频带是涉及平移的动力学的四到五倍,所以旋转远远比平移快的多。根据高机动微型四旋翼模型带宽频率的不同,将涉及旋转运动的动力学称为快速动力学,涉及平移运动的动力学称为慢速动力学,将S1步得出的数学模型划分为慢速动力学模型和快速动力学模型。
慢速动力学包含位置和速度以及姿态角信息,输入为期望角速度控制量和期望拉力指令。选择状态变量和控制输入:其中,x1高机动微型四旋翼的慢速动力学状态向量,u1为慢速动力学的控制输入向量,ωb,des为期望角速度控制量,fdes为期望拉力。慢速动力学模型变为:
S3:根据线性二次调节器设计思想,构造价值函数中的状态代价矩阵Q和输入代价矩阵R,依据步骤S2的慢速动力学模型将其线性化、离散化,然后在线计算反馈增益,完成线性二次调节器的设计;
S3-1:设上一状态量为平衡点,根据小扰动线性化方法对慢速动力学模型进行线性化,得到:
S3-2:根据被控量权重设计状态代价矩阵Q和输入代价矩阵R的对应系数,将已经连续的线性化慢速动力学模型离散化。对于高机动微型四旋翼,慢速动力学模型的被控量为位置,速度以及姿态角,根据任务需求,确定被控量的权重,为实现权重大的被控量的准确跟踪,需修改对应Q矩阵的系数以及R矩阵的系数,从而实现任务的控制需求。
对线性化后的慢速动力学模型进行离散化,因为对于每一状态下的线性连续状态空间模型均可视为线性连续定常系统的状态空间模型,所以可应用经典离散方法对动力学模型进行线性化。离散过程用数学语言表示为:
其中,T为单位采样时间,x1((k+1)T)为(k+1)T采样时刻的慢速动力学向量,x(kT)为kT采样时刻的慢速动力学向量,u1(kT)为kT采样时刻的慢速动力学控制输入向量,G为慢速动力学模型离散后的状态矩阵,H为慢速动力学模型离散后的输入矩阵。
根据精确离散化的方法将原有线性定常模型离散化,可得:
G=eAT
其中,eAT是关于A T的指数函数;
S3-3:根据线性二次调节器的设计的思想,通过迭代的方式的在线计算反馈增益。
其中,需要满足约束xt=z,xτ+1=Gxτ+Huτ,τ=t,...,N-1。即:Vt(z)给出的是从t时刻的状态z开始线性二次调节器代价函数。uτ为τ时刻的控制输入,xN为最终的状态变量,Qf为最终状态代价矩阵;当t=0时,V0(x0)就是原始的线性二次调节代价函数。Vt是二次型,即:Vt(z)=zTPtz,其中,t时刻的中间矩阵由Pt指代,并且当t=N时有:VN(z)=zTQfz,得到PN=Qf,令ω为每一时刻的控制输入u,则此优化问题转化为动态规划问题:
将Vt+1(z)=zTPt+1z带入上面Vt(z)的表达式,Pt+1为t+1时刻的中间矩阵,即有:
令其导数等于零即可得到最优解:
ω=-(R+HTPt+1H)-1HTPt+1Gz
将此结果带入Vt(x)的表达式,即:
Vt(z)=zTQz+ωTRω+(Gz+Hω)TPt+1(Gz+Hω)
=zTPtz
其中:
K=(R+HTPt+1H)-1HTPt+1G
Pt=Q+GTPt+1G-GTPt+1H(R+HTPt+1)-1HTPt+1G
由上述动态规划推导的线性二次调节器的架构可直接拓展到时变系统。具体流程图如图3所示。
S4:根据PID控制器的设计思想,依据步骤S2的快速动力学模型,设计非线性PID控制器:
S5:参数整定;
由前四步骤,部分制导控制一体化算法设计完毕,根据基本场景微调参数以增强算法的稳定性和鲁棒性。轨迹跟踪验证如图4和图5所示,验证了本发明的部分制导控制一体化算法对于机动轨迹跟踪具有稳定和鲁棒性的特点。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种高机动微型无人机的制导控制一体化方法,其特征在于,包括以下步骤:
S1:建立高机动微型无人机的动力学模型和运动学模型;
S2:根据部分制导控制一体化的设计思想将步骤S1得到的模型转为慢速动力学模型和快速动力学模型;
S3:根据线性二次调节器的设计思想,构造价值函数中的状态代价矩阵Q和输入代价矩阵R,依据所述步骤S2的慢速动力学模型将其线性化、离散化,然后在线计算反馈增益,完成线性二次调节器的设计;
S4:根据PID控制器的设计思想,依据所述步骤S2的快速动力学模型,设计非线性PID控制器,完成整个控制系统的设计;
S5:对控制算法进行参数整定;在约束条件下,使所述步骤S4中设计的控制系统稳定以及控制目标达到控制要求。
2.根据权利要求1所述的一种高机动微型无人机的制导控制一体化方法,其特征在于,所述步骤S1中高机动微型无人机的运动学模型为:
其中,X2(t)=[vx(t),vy(t),vz(t),p(t),q(t),r(t)]T均为运动学模型的状态向量;为运动学模型的状态向量的导数,[x(t),y(t),z(t)]为高机动微型无人机在地面坐标系下的位置坐标,分别为滚转角,俯仰角和偏航角;[vx(t),vy(t),vz(t)]为地面坐标系下的速度矢量,[p(t),q(t),r(t)]为机体坐标系下角速度矢量;P(X1(t))是非线性函数,t为当前时间;
高机动微型无人机的动力学模型为:
4.根据权利要求1所述的一种高机动微型无人机的制导控制一体化方法,其特征在于,所述步骤S3中线性二次调节器的设计过程为:
S3-1:将上一时刻的状态量设为平衡点,利用小扰动线性化方法将慢速动力学模型线性化,即:
S3-2:根据被控量权重大小设计状态代价矩阵Q和输入代价矩阵R的对应的系数,将已经连续的线性化慢速动力学模型离散化,即:
其中,T为单位采样时刻,kT为第k个采样时刻,k=1,2,....,n,Z1(kT)为kT采样时刻的慢速动力学状态变量,Z1((k+1)T)为(k+1)T采样时刻的慢速动力学状态变量,G为离散后的状态矩阵,H为离散后的输入矩阵,t-1时刻慢速动力学模型的状态向量构成G(Z1,t-1)和H(Z1,t-1),u1(kT)为kT采样时刻的慢速动力学控制输入向量;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011108755.5A CN112286053B (zh) | 2020-10-16 | 2020-10-16 | 一种高机动微型无人机的制导控制一体化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011108755.5A CN112286053B (zh) | 2020-10-16 | 2020-10-16 | 一种高机动微型无人机的制导控制一体化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112286053A true CN112286053A (zh) | 2021-01-29 |
CN112286053B CN112286053B (zh) | 2021-08-27 |
Family
ID=74497377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011108755.5A Expired - Fee Related CN112286053B (zh) | 2020-10-16 | 2020-10-16 | 一种高机动微型无人机的制导控制一体化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112286053B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116795125A (zh) * | 2023-06-27 | 2023-09-22 | 天津大学 | 基于非线性模型预测控制的飞行器制导控制一体化方法 |
CN117055608A (zh) * | 2023-10-11 | 2023-11-14 | 北京理工大学 | 一种基于锂电动力特性动态逆的固定翼无人机制导方法 |
CN117973099A (zh) * | 2024-04-02 | 2024-05-03 | 北京航空航天大学 | 一种制导稳定性分析方法、系统及电子设备 |
Citations (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5519605A (en) * | 1994-10-24 | 1996-05-21 | Olin Corporation | Model predictive control apparatus and method |
WO1999008832A1 (de) * | 1997-08-20 | 1999-02-25 | Mikron Sa Agno | Vorrichtung zum bewegen und positionieren eines gegenstandes in einer ebene |
US6341249B1 (en) * | 1999-02-11 | 2002-01-22 | Guang Qian Xing | Autonomous unified on-board orbit and attitude control system for satellites |
US20070162161A1 (en) * | 2006-01-09 | 2007-07-12 | Aditya Kumar | Multivariable controller design method for multiple input/outputs systems with multiple input/output constraints |
CN101175909A (zh) * | 2004-11-08 | 2008-05-07 | 贝尔直升机泰克斯特龙公司 | 具有三个控制环设计的飞行控制系统 |
US20110125293A1 (en) * | 2009-11-25 | 2011-05-26 | Honeywell International Inc. | Fast algorithm for model predictive control |
CN102123234A (zh) * | 2011-03-15 | 2011-07-13 | 北京航空航天大学 | 无人机侦察视频分级运动补偿方法 |
CN102236342A (zh) * | 2010-04-30 | 2011-11-09 | 新奥科技发展有限公司 | 一种系统能效控制方法及控制系统 |
CN104102128A (zh) * | 2013-04-09 | 2014-10-15 | 中国人民解放军第二炮兵工程大学 | 一种适用于小型无人飞行器的抗干扰姿态控制方法 |
CN104699105A (zh) * | 2013-12-10 | 2015-06-10 | 中国航空工业第六一八研究所 | 一种六旋翼飞行器的容错控制方法 |
CN104699108A (zh) * | 2013-12-10 | 2015-06-10 | 中国航空工业第六一八研究所 | 一种多旋翼飞行器的控制分配方法 |
CN104898429A (zh) * | 2015-05-27 | 2015-09-09 | 北京工业大学 | 一种基于自抗扰控制的三旋翼姿态控制方法 |
CN104953834A (zh) * | 2015-06-11 | 2015-09-30 | 浙江大学 | 基于lqr最优控制的dc-dc变换器数字化控制方法 |
CN105159310A (zh) * | 2015-09-07 | 2015-12-16 | 北京航空航天大学 | 一种惯性系航天器姿态控制/角动量管理方法 |
CN105955034A (zh) * | 2016-07-04 | 2016-09-21 | 厦门理工学院 | 受扰高超声速飞行器的无静差轨迹跟踪预测控制方法 |
CN106200629A (zh) * | 2016-09-30 | 2016-12-07 | 山东科技大学 | 一种无人机飞行控制系统的故障可检测度分析方法 |
CN106527125A (zh) * | 2015-09-14 | 2017-03-22 | 南京理工大学 | 智能控制中的无模型控制方法 |
CN107357166A (zh) * | 2017-04-29 | 2017-11-17 | 天津大学 | 小型无人直升机的无模型自适应鲁棒控制方法 |
CN107688295A (zh) * | 2017-08-29 | 2018-02-13 | 浙江工业大学 | 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 |
CN107848623A (zh) * | 2015-05-29 | 2018-03-27 | 维里蒂工作室股份公司 | 飞行器 |
CN107992088A (zh) * | 2018-01-18 | 2018-05-04 | 北京航空航天大学 | 一种无人飞行器的鲁棒分层控制方法和装置 |
CN108313271A (zh) * | 2018-02-07 | 2018-07-24 | 渤海大学 | 一种实现姿态和位置解耦控制的八旋翼飞行器 |
CN108803317A (zh) * | 2018-05-08 | 2018-11-13 | 天津大学 | 自适应多变量四旋翼无人机有限时间容错控制方法 |
CN108919835A (zh) * | 2018-09-25 | 2018-11-30 | 北京航空航天大学 | 无人飞行器编队的控制方法、装置及控制器 |
CN108958294A (zh) * | 2018-09-25 | 2018-12-07 | 北京航空航天大学 | 无人水下潜航器编队控制方法及装置 |
CN108983705A (zh) * | 2018-08-16 | 2018-12-11 | 居鹤华 | 一种基于轴不变量的多轴机器人系统正运动学建模与解算方法 |
US20190049998A1 (en) * | 2017-08-10 | 2019-02-14 | Mitsubishi Electric Research Laboratories, Inc. | Model predictive control of spacecraft |
CN109614633A (zh) * | 2018-10-25 | 2019-04-12 | 南京航空航天大学 | 一种复合式旋翼飞行器非线性建模方法及配平方法 |
CN109885077A (zh) * | 2019-03-21 | 2019-06-14 | 中南大学 | 一种四旋翼飞行器姿态控制方法及控制器 |
JP2019202765A (ja) * | 2018-05-23 | 2019-11-28 | バイドゥ ユーエスエイ エルエルシーBaidu USA LLC | 自動運転車両のためのpid埋め込みlqr |
CN111240204A (zh) * | 2020-01-19 | 2020-06-05 | 西北工业大学 | 一种基于模型参考滑模变结构控制的巡飞弹控制方法 |
-
2020
- 2020-10-16 CN CN202011108755.5A patent/CN112286053B/zh not_active Expired - Fee Related
Patent Citations (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5519605A (en) * | 1994-10-24 | 1996-05-21 | Olin Corporation | Model predictive control apparatus and method |
WO1999008832A1 (de) * | 1997-08-20 | 1999-02-25 | Mikron Sa Agno | Vorrichtung zum bewegen und positionieren eines gegenstandes in einer ebene |
US6341249B1 (en) * | 1999-02-11 | 2002-01-22 | Guang Qian Xing | Autonomous unified on-board orbit and attitude control system for satellites |
CN101175909A (zh) * | 2004-11-08 | 2008-05-07 | 贝尔直升机泰克斯特龙公司 | 具有三个控制环设计的飞行控制系统 |
US20070162161A1 (en) * | 2006-01-09 | 2007-07-12 | Aditya Kumar | Multivariable controller design method for multiple input/outputs systems with multiple input/output constraints |
US20110125293A1 (en) * | 2009-11-25 | 2011-05-26 | Honeywell International Inc. | Fast algorithm for model predictive control |
CN102236342A (zh) * | 2010-04-30 | 2011-11-09 | 新奥科技发展有限公司 | 一种系统能效控制方法及控制系统 |
CN102123234A (zh) * | 2011-03-15 | 2011-07-13 | 北京航空航天大学 | 无人机侦察视频分级运动补偿方法 |
CN104102128A (zh) * | 2013-04-09 | 2014-10-15 | 中国人民解放军第二炮兵工程大学 | 一种适用于小型无人飞行器的抗干扰姿态控制方法 |
CN104699105A (zh) * | 2013-12-10 | 2015-06-10 | 中国航空工业第六一八研究所 | 一种六旋翼飞行器的容错控制方法 |
CN104699108A (zh) * | 2013-12-10 | 2015-06-10 | 中国航空工业第六一八研究所 | 一种多旋翼飞行器的控制分配方法 |
CN104898429A (zh) * | 2015-05-27 | 2015-09-09 | 北京工业大学 | 一种基于自抗扰控制的三旋翼姿态控制方法 |
CN107848623A (zh) * | 2015-05-29 | 2018-03-27 | 维里蒂工作室股份公司 | 飞行器 |
CN104953834A (zh) * | 2015-06-11 | 2015-09-30 | 浙江大学 | 基于lqr最优控制的dc-dc变换器数字化控制方法 |
CN105159310A (zh) * | 2015-09-07 | 2015-12-16 | 北京航空航天大学 | 一种惯性系航天器姿态控制/角动量管理方法 |
CN106527125A (zh) * | 2015-09-14 | 2017-03-22 | 南京理工大学 | 智能控制中的无模型控制方法 |
CN105955034A (zh) * | 2016-07-04 | 2016-09-21 | 厦门理工学院 | 受扰高超声速飞行器的无静差轨迹跟踪预测控制方法 |
CN106200629A (zh) * | 2016-09-30 | 2016-12-07 | 山东科技大学 | 一种无人机飞行控制系统的故障可检测度分析方法 |
CN107357166A (zh) * | 2017-04-29 | 2017-11-17 | 天津大学 | 小型无人直升机的无模型自适应鲁棒控制方法 |
US20190049998A1 (en) * | 2017-08-10 | 2019-02-14 | Mitsubishi Electric Research Laboratories, Inc. | Model predictive control of spacecraft |
CN107688295A (zh) * | 2017-08-29 | 2018-02-13 | 浙江工业大学 | 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 |
CN107992088A (zh) * | 2018-01-18 | 2018-05-04 | 北京航空航天大学 | 一种无人飞行器的鲁棒分层控制方法和装置 |
CN108313271A (zh) * | 2018-02-07 | 2018-07-24 | 渤海大学 | 一种实现姿态和位置解耦控制的八旋翼飞行器 |
CN108803317A (zh) * | 2018-05-08 | 2018-11-13 | 天津大学 | 自适应多变量四旋翼无人机有限时间容错控制方法 |
JP2019202765A (ja) * | 2018-05-23 | 2019-11-28 | バイドゥ ユーエスエイ エルエルシーBaidu USA LLC | 自動運転車両のためのpid埋め込みlqr |
CN108983705A (zh) * | 2018-08-16 | 2018-12-11 | 居鹤华 | 一种基于轴不变量的多轴机器人系统正运动学建模与解算方法 |
CN108919835A (zh) * | 2018-09-25 | 2018-11-30 | 北京航空航天大学 | 无人飞行器编队的控制方法、装置及控制器 |
CN108958294A (zh) * | 2018-09-25 | 2018-12-07 | 北京航空航天大学 | 无人水下潜航器编队控制方法及装置 |
CN109614633A (zh) * | 2018-10-25 | 2019-04-12 | 南京航空航天大学 | 一种复合式旋翼飞行器非线性建模方法及配平方法 |
CN109885077A (zh) * | 2019-03-21 | 2019-06-14 | 中南大学 | 一种四旋翼飞行器姿态控制方法及控制器 |
CN111240204A (zh) * | 2020-01-19 | 2020-06-05 | 西北工业大学 | 一种基于模型参考滑模变结构控制的巡飞弹控制方法 |
Non-Patent Citations (2)
Title |
---|
IJAR M. DA FONSECA等: "Attitude Dynamics and Control of a Spacecraft like a Robotic Manipulator when implementing on-orbit servicing", 《ACTA ASTRONAUTICA》 * |
潘凯文: "近墙面风扰下旋翼无人机控制系统设计", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116795125A (zh) * | 2023-06-27 | 2023-09-22 | 天津大学 | 基于非线性模型预测控制的飞行器制导控制一体化方法 |
CN116795125B (zh) * | 2023-06-27 | 2024-06-07 | 天津大学 | 基于非线性模型预测控制的飞行器制导控制一体化方法 |
CN117055608A (zh) * | 2023-10-11 | 2023-11-14 | 北京理工大学 | 一种基于锂电动力特性动态逆的固定翼无人机制导方法 |
CN117055608B (zh) * | 2023-10-11 | 2023-12-29 | 北京理工大学 | 一种基于锂电动力特性动态逆的固定翼无人机制导方法 |
CN117973099A (zh) * | 2024-04-02 | 2024-05-03 | 北京航空航天大学 | 一种制导稳定性分析方法、系统及电子设备 |
CN117973099B (zh) * | 2024-04-02 | 2024-07-05 | 北京航空航天大学 | 一种制导稳定性分析方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112286053B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Finite-time backstepping control for quadrotors with disturbances and input constraints | |
CN112286053B (zh) | 一种高机动微型无人机的制导控制一体化方法 | |
Xian et al. | Nonlinear robust fault-tolerant control of the tilt trirotor UAV under rear servo's stuck fault: Theory and experiments | |
Sabatino | Quadrotor control: modeling, nonlinearcontrol design, and simulation | |
Mokhtari et al. | A new robust control for minirotorcraft unmanned aerial vehicles | |
Bangura et al. | Real-time model predictive control for quadrotors | |
Azinheira et al. | Hover control of an UAV with backstepping design including input saturations | |
Modirrousta et al. | A novel nonlinear hybrid controller design for an uncertain quadrotor with disturbances | |
Mokhtari et al. | Extended state observer based control for coaxial-rotor UAV | |
Tang et al. | Nonlinear dynamic modeling and hybrid control design with dynamic compensator for a small-scale UAV quadrotor | |
Manzoor et al. | Trajectory tracking control of a VTOL unmanned aerial vehicle using offset-free tracking MPC | |
Zheng et al. | Adaptive sliding mode trajectory tracking control of robotic airships with parametric uncertainty and wind disturbance | |
Zhou et al. | A unified control method for quadrotor tail-sitter uavs in all flight modes: Hover, transition, and level flight | |
Liu et al. | Robust tracking control for tail-sitters in flight mode transitions | |
Bulka et al. | Autonomous control of agile fixed-wing UAVs performing aerobatic maneuvers | |
Guettal et al. | Robust tracking control for quadrotor with unknown nonlinear dynamics using adaptive neural network based fractional-order backstepping control | |
Kong et al. | Comprehensive nonlinear control strategy for VTOL-UAVs with windowed output constraints | |
Wang et al. | Path following of the autonomous airship with compensation of unknown wind and modeling uncertainties | |
Fethalla et al. | Robust observer-based backstepping controller for a quadrotor UAV | |
Aruneshwaran et al. | Neural adaptive flight controller for ducted-fan UAV performing nonlinear maneuver | |
CN109976364B (zh) | 一种六旋翼飞行器姿态解耦控制方法 | |
Dasgupta et al. | A singularity-free hierarchical nonlinear quad-rotorcraft control using saturation and barrier lyapunov function | |
Cheng et al. | Hover-to-cruise transition control for high-speed level flight of ducted fan UAV | |
Saeed et al. | Modeling and control of unmanned finless airship with robotic arms | |
Cerezo-Pacheco et al. | Integration of X-Plane and Matlab for modeling and simulation of a tiltrotor UAV |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210827 |