CN113759976A - 无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法 - Google Patents

无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法 Download PDF

Info

Publication number
CN113759976A
CN113759976A CN202111086139.9A CN202111086139A CN113759976A CN 113759976 A CN113759976 A CN 113759976A CN 202111086139 A CN202111086139 A CN 202111086139A CN 113759976 A CN113759976 A CN 113759976A
Authority
CN
China
Prior art keywords
unmanned aerial
model
control
distance
aerial vehicle
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
Application number
CN202111086139.9A
Other languages
English (en)
Other versions
CN113759976B (zh
Inventor
刘锦涛
何明
张驰
徐兵
罗玲
张伟
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.)
Army Engineering University of PLA
Original Assignee
Army Engineering University of PLA
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 Army Engineering University of PLA filed Critical Army Engineering University of PLA
Priority to CN202111086139.9A priority Critical patent/CN113759976B/zh
Publication of CN113759976A publication Critical patent/CN113759976A/zh
Application granted granted Critical
Publication of CN113759976B publication Critical patent/CN113759976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法，包括：获取配对的无人机实时的当前位置；输入到预先构建的配对距离调节模型，得到距离调节数据，根据距离调节数据对配对的无人机进行距离调节；所述预先构建的配对距离调节模型利用平方律误差滑模面进行构建。优点：为实现配对无人机的精准距离控制，提出了一种平方律误差滑模面，针对性设计了配对滑模控制器，能够很好满足应用需求；对Olfati‑Saber所提出的蜂拥控制框架进行了改进，增加了配对控制项，相应地修正了势场力，此方法具有配对无人机之间的距离指数收敛、集群无碰撞蜂拥两个重要性能。

Description

无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法
技术领域
本发明涉及一种无人机集群蜂拥飞行控制方法，属于无人机控制技术领域。
背景技术
当前的无人机集群控制研究中大多假设所有个体遵循相同的交互规则或是控制协议，而然近年来科学家对鸟群的飞行观察却得到更为丰富的交互方式。技术的进步使得科学家们可以在鸟类身上安装传感器收集数据，例如学者对寒鸦群飞行采集的大量实测数据并进行了分析，发现寒鸦群内部包含有配对的子结构，即配偶之间通过类似弹簧的相互作用力，始终保持较近的距离。通过进一步对视频中寒鸦拍动翅膀的动作分析，发现成对的寒鸦与邻居的交互比群体中不成对的鸟要少，拍动翅膀的速度也更慢，更有利于节省能量。基于此生物学现象，提出一种仿生的无人机集群双机配对飞行精准控制的方法。
当前大多数研究基于BOID模型以及Olfati-Saber所提出的蜂拥控制框架。Olfati-Saber蜂拥控制会形成相对稳定的栅格结构。如果在集群蜂拥的同时实施配对飞行，会遇到诸多困难。首先，无人机之间的吸引-排斥力将阻碍配对无人机靠拢。在仿真测试中发现，仅使用类似弹簧的作用力的控制方式，难以实现配对无人机精准控制。究其原因，一是由于周边无人机的相互影响，增加了扰动；二是，由于无人机之间需要保持一定的距离，尤其是当距离过近时必须能够产生较大的排斥力，此类吸引-排斥力函数通常是是非线性的，也为控制器设计增加了难度。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法。
为解决上述技术问题，本发明提供一种无人机仿生配对控制方法，包括：
获取配对的无人机实时的当前位置；
输入到预先构建的配对距离调节模型，得到距离调节数据，根据距离调节数据对配对的无人机进行距离调节；所述预先构建的配对距离调节模型利用平方律误差滑模面进行构建。
进一步的，所述预先构建的配对距离调节模型利用平方律误差滑模面进行构建的过程包括：
构建使配对的无人机之间距离收敛至期望值的期望模型；
根据期望模型构建平方律误差滑模面；
根据平方律误差滑模面构建趋近律；
根据期望模型和趋近律构建配对距离调节模型。
进一步的，所述期望模型为：
Figure BDA0003265610590000021
其中，pn(t)、pm(t)表示配对的无人机m和无人机n的当前速度；
qn(t)、qm(t)表示配对的无人机m和无人机n的当前位置，dm表示配对的无人机m和无人机n之间的期望相对距离，
所述平方律误差滑模面为：
Figure BDA0003265610590000022
Figure BDA0003265610590000023
Figure BDA0003265610590000024
其中，s表示平方律误差滑模面，e表示平方律跟踪误差，
Figure BDA0003265610590000025
表示e的一阶导数，c表示比例控制参数，y表示状态量，y＝qn(t)-qm(t)，
Figure BDA0003265610590000026
表示示y的一阶导，T表示向量的转秩；
所述趋近律为：
Figure BDA0003265610590000027
其中，k表示比例控制系数，sign(·)表示符号函数；sign表示取符号，如果s为负数，sign(s)＝-1，其他情况sign(s)＝1；
所述配对距离调节模型为：
Figure BDA0003265610590000028
其中，
Figure BDA0003265610590000031
则有
Figure BDA0003265610590000032
a、b分别表示可调节的比例系数，y1、y2、y3分别表示矢量y的三个分量，N表示集群中的无人机数量、令
Figure BDA0003265610590000033
Figure BDA0003265610590000034
分别表示n,m无人机n和无人机m的配对力。
一种无人机集群蜂拥飞行控制方法，包括：
获取无人机的实时位置；
输入到预先构建的无人机控制模型，输出无人机的控制信号，根据无人机的控制信号对该无人机进行位置调节；所述无人机控制模型包括相对距离控制模型、速度一致性控制模型、牵制反馈模型和如权利要求1-3任意一项所述方法中的配对距离调节模型；
所述相对距离控制模型，用于控制相邻无人机之间距离；
所述速度一致性控制模型，用于控制相邻无人机速度保持一致；
所述牵制反馈模型，用于控制所有无人机跟随虚拟领导者飞行。
进一步的，所述无人机控制模型为：
Figure BDA0003265610590000035
其中，ui(t)表示第i个无人机t时刻的控制输入；
Figure BDA0003265610590000036
表示相对距离控制模型；
Figure BDA0003265610590000037
表示速度一致性控制模型；
Figure BDA0003265610590000038
表示牵制反馈模型；
Figure BDA0003265610590000039
表示配对距离调节模型；hi表示虚拟领导者的牵制节点选择项，
Figure BDA00032656105900000310
是配对选择项。
进一步的，所述相对距离控制模型的表示形式为，其中i,j表示任意两架无人机：
Figure BDA00032656105900000311
其中，g代表个体之间吸引力以及排斥力的函数，║·║表示向量的二范数；
g(x)＝-x[ga(||x||)-gr(||x||)], (4)
设计函数ga，gr满足关系式(5)、(6)、(7)：
Figure BDA00032656105900000312
ga(||x||)＝a||x||, (6)
gr(||x)||x||＜A (7)
其中a为控制参数，A为系统控制输出的上界。
进一步的，所述速度一致性控制模型的表示形式为：
Figure BDA0003265610590000041
pj，pi为任意两架无人机i,j的速度矢量，aij为比例控制参数。
进一步的，所述牵制反馈模型的表示形式为：
Figure BDA0003265610590000042
其中
Figure BDA0003265610590000043
为t时刻虚拟领导者的位置、速度向量；
Figure BDA0003265610590000044
为两个调节常数。
进一步的，所述配对距离调节模型的表达形式为：
Figure BDA0003265610590000045
一种计算设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的无人机仿生配对控制方法或者所述的无人机集群蜂拥飞行控制方法中的任一方法的指令。
本发明所达到的有益效果：
为实现配对无人机的精准距离控制，提出了一种平方律误差滑模面，针对性设计了配对滑模控制器。仿真显示稳态误差<0.1m，优于传统方法(稳态误差约为2.5m)，能够很好满足应用需求。
对Olfati-Saber所提出的蜂拥控制框架进行了改进，增加了配对控制项，相应地修正了势场力，此方法具有配对无人机之间的距离指数收敛、集群无碰撞蜂拥两个重要性能。
具体实施方式
下面结合实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
一种无人机集群蜂拥飞行控制方法，每个无人机的控制协议ui(t)使得集群达到以下控制目标：
a)相邻无人机之间距离满足-δ+d≤||qi-qj||2≤δ+d；
b)相邻无人机速度保持一致；
c)所有无人机跟随虚拟领导者飞行；
d)两架配对的无人机mn之间的距离为预定的期望值dm，即||qn(t)-qm(t)||2＝dm。
设每个无人机t时刻控制输入为
Figure BDA0003265610590000051
Figure BDA0003265610590000052
称为相对距离控制项，用于实现蜂拥运动位置的分离或聚集；
Figure BDA0003265610590000053
称为速度一致性控制项，用于速度的对齐；
Figure BDA0003265610590000054
称为牵制反馈项，用于牵制节点跟随虚拟领导者；
Figure BDA0003265610590000055
是本发明所设计的配对控制项。hi是虚拟领导者的牵制节点选择项，
Figure BDA0003265610590000056
是配对选择项。
Figure BDA0003265610590000057
的数学表示为
Figure BDA0003265610590000058
无人机集群在飞行时，相邻的无人机之间需要保持一定的距离。为便于分析与计算，本发明的距离控制项采如下势能力函数，表示形式为：
Figure BDA0003265610590000059
其中,g代表个体之间吸引力以及排斥力的函数，║·║表示向量的二范数；
g(x)＝-x[ga(||x||)-gr(||x||)], (10)
令函数ga，gr满足关系(2)(3)(7)：
Figure BDA0003265610590000061
ga(||x||)＝a||x||, (12)
gr(||x||)||x||＜A. (13)
设速度一致性控制项
Figure BDA0003265610590000062
为
Figure BDA0003265610590000063
设导航反馈项
Figure BDA0003265610590000064
为
Figure BDA0003265610590000065
其中
Figure BDA0003265610590000066
为t时刻虚拟领导者的位置、速度向量；
Figure BDA0003265610590000067
为两个调节常数。
配对收敛滑模控制器设计:
为实现配对无人机靠拢，考虑到滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点[39]。为实现配对无人机之间精准的距离控制，本发明采用滑模变结构控制的方法。
接下来首先建立系统模型，本发明设计一种新的滑模面以及滑模控制器。
配对运动系统模型:
对于配对的无人机m,n，除了蜂拥飞行外，另一个重要的控制目标是使无人机m,n之间距离收敛至期望值
Figure BDA0003265610590000068
设状态量y
y＝qn(t)-qm(t). (17)
以及
Figure BDA0003265610590000071
由
Figure BDA0003265610590000072
以及(7)(18)得
Figure BDA0003265610590000073
滑模面设计:
为达到(16)控制目标，对误差模型进行相应的修改，设计新的平方律跟踪误差e、
Figure BDA0003265610590000074
及滑模面s
Figure BDA0003265610590000075
Figure BDA0003265610590000076
Figure BDA0003265610590000077
在滑模面(20)中采用了平方的形式，可以使控制目标只与绝对的距离相关，而与相对的位置无关。
控制器设计:
设计相应趋近律
Figure BDA0003265610590000078
及控制器u，迫使系统按照预定“滑动模态”的状态轨迹运动。
令
Figure BDA0003265610590000079
设计趋近律
Figure BDA00032656105900000710
设计配对距离调节算法
Figure BDA00032656105900000711
相应的本发明还提供一种计算设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的无人机仿生配对控制方法或者所述的无人机集群蜂拥飞行控制方法中的任一方法的指令。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种无人机仿生配对控制方法，其特征在于，包括：
获取配对的无人机实时的当前位置；
输入到预先构建的配对距离调节模型，得到距离调节数据，根据距离调节数据对配对的无人机进行距离调节；所述预先构建的配对距离调节模型利用平方律误差滑模面进行构建。
2.根据权利要求1所述的无人机仿生配对控制方法，其特征在于，所述预先构建的配对距离调节模型利用平方律误差滑模面进行构建的过程包括：
构建使配对的无人机之间距离收敛至期望值的期望模型；
根据期望模型构建平方律误差滑模面；
根据平方律误差滑模面构建趋近律；
根据期望模型和趋近律构建配对距离调节模型。
3.根据权利要求1所述的无人机仿生配对控制方法，其特征在于，
所述期望模型为：
Figure FDA0003265610580000011
其中，pn(t)、pm(t)表示配对的无人机m和无人机n的当前速度；
qn(t)、qm(t)表示配对的无人机m和无人机n的当前位置，dm表示配对的无人机m和无人机n之间的期望相对距离，
所述平方律误差滑模面为：
Figure FDA0003265610580000012
Figure FDA0003265610580000013
Figure FDA0003265610580000014
其中，s表示平方律误差滑模面，e表示平方律跟踪误差，
Figure FDA0003265610580000015
表示e的一阶导数，c表示比例控制参数，y表示状态量，y＝qn(t)-qm(t)，
Figure FDA0003265610580000016
表示示y的一阶导，T表示向量的转秩；
所述趋近律为：
Figure FDA0003265610580000021
其中，k表示比例控制系数，sign(·)表示符号函数；sign表示取符号，如果s为负数，sign(s)＝-1，其他情况sign(s)＝1；
所述配对距离调节模型为：
Figure FDA0003265610580000022
其中，
Figure FDA0003265610580000023
则有
Figure FDA0003265610580000024
a、b分别表示可调节的比例系数，y1、y2、y3分别表示矢量y的三个分量，N表示集群中的无人机数量、令
Figure FDA0003265610580000025
E＝yTy，
Figure FDA0003265610580000026
分别表示n,m无人机n和无人机m的配对力。
4.一种无人机集群蜂拥飞行控制方法，其特征在于，包括：
获取无人机的实时位置；
输入到预先构建的无人机控制模型，输出无人机的控制信号，根据无人机的控制信号对该无人机进行位置调节；所述无人机控制模型包括相对距离控制模型、速度一致性控制模型、牵制反馈模型和如权利要求1-3任意一项所述方法中的配对距离调节模型；
所述相对距离控制模型，用于控制相邻无人机之间距离；
所述速度一致性控制模型，用于控制相邻无人机速度保持一致；
所述牵制反馈模型，用于控制所有无人机跟随虚拟领导者飞行。
5.根据权利要求4所述的无人机集群蜂拥飞行控制方法，其特征在于，
所述无人机控制模型为：
Figure FDA0003265610580000027
其中，ui(t)表示第i个无人机t时刻的控制输入；
Figure FDA0003265610580000028
表示相对距离控制模型；
Figure FDA00032656105800000211
表示速度一致性控制模型；
Figure FDA00032656105800000212
表示牵制反馈模型；
Figure FDA0003265610580000029
表示配对距离调节模型；hi表示虚拟领导者的牵制节点选择项，
Figure FDA00032656105800000210
是配对选择项。
6.根据权利要求5所述的无人机集群蜂拥飞行控制方法，其特征在于，所述相对距离控制模型的表示形式为，其中i,j表示任意两架无人机：
Figure FDA0003265610580000031
其中，g代表个体之间吸引力以及排斥力的函数，||·||表示向量的二范数；
g(x)＝-x[ga(||x||)-gr(||x||)], (1)
设计函数ga，gr满足关系式(5)、(6)、(7)：
Figure FDA0003265610580000032
ga(||x||)＝a||x||, (3)
gr(||x||)||x||＜A (7)
其中a为控制参数，A为系统控制输出的上界。
7.根据权利要求5所述的无人机集群蜂拥飞行控制方法，其特征在于，所述速度一致性控制模型的表示形式为：
Figure FDA0003265610580000033
pj，pi为任意两架无人机i,j的速度矢量，aij为比例控制参数。
8.根据权利要求5所述的无人机集群蜂拥飞行控制方法，其特征在于，所述牵制反馈模型的表示形式为：
Figure FDA0003265610580000034
其中qγ，
Figure FDA0003265610580000035
为t时刻虚拟领导者的位置、速度向量；
Figure FDA0003265610580000036
为两个调节常数。
9.根据权利要求5所述的无人机集群蜂拥飞行控制方法，其特征在于，所述配对距离调节模型的表达形式为：
Figure FDA0003265610580000037
10.一种计算设备，其特征在于：包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至3所述的无人机仿生配对控制方法或者根据权利要求4至9所述的无人机集群蜂拥飞行控制方法中的任一方法的指令。
CN202111086139.9A 2021-09-16 2021-09-16 无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法 Active CN113759976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111086139.9A CN113759976B (zh) 2021-09-16 2021-09-16 无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111086139.9A CN113759976B (zh) 2021-09-16 2021-09-16 无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法

Publications (2)

Publication Number Publication Date
CN113759976A true CN113759976A (zh) 2021-12-07
CN113759976B CN113759976B (zh) 2023-08-18

Family

ID=78795944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111086139.9A Active CN113759976B (zh) 2021-09-16 2021-09-16 无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法

Country Status (1)

Country Link
CN (1) CN113759976B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285659B1 (en) * 2009-08-18 2012-10-09 The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) Aircraft system modeling error and control error
CN105867415A (zh) * 2016-04-20 2016-08-17 沈阳航空航天大学 一种基于多无人机安全通信的协同控制策略
CN108279704A (zh) * 2018-02-09 2018-07-13 沈阳航空航天大学 一种增加通信链路的多无人机的协同控制策略
CN110377051A (zh) * 2019-07-04 2019-10-25 河海大学 一种应用于无人机群的时变编队蜂拥控制方法
US20200409395A1 (en) * 2017-07-12 2020-12-31 Eth Zurich A drone and method of controlling flight of a drone
WO2021036833A1 (zh) * 2019-08-28 2021-03-04 中国人民解放军国防科技大学 一种基于改进虚拟力场的无人机集群护航行为生成方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285659B1 (en) * 2009-08-18 2012-10-09 The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) Aircraft system modeling error and control error
CN105867415A (zh) * 2016-04-20 2016-08-17 沈阳航空航天大学 一种基于多无人机安全通信的协同控制策略
US20200409395A1 (en) * 2017-07-12 2020-12-31 Eth Zurich A drone and method of controlling flight of a drone
CN108279704A (zh) * 2018-02-09 2018-07-13 沈阳航空航天大学 一种增加通信链路的多无人机的协同控制策略
CN110377051A (zh) * 2019-07-04 2019-10-25 河海大学 一种应用于无人机群的时变编队蜂拥控制方法
WO2021036833A1 (zh) * 2019-08-28 2021-03-04 中国人民解放军国防科技大学 一种基于改进虚拟力场的无人机集群护航行为生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张洁;王勇;于伟伟;: "基于可控中心性牵制的无人机蜂群控制方法研究", 机器人技术与应用, no. 06 *

Also Published As

Publication number Publication date
CN113759976B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
Cheng et al. Flight mechanics and control of escape manoeuvres in hummingbirds. I. Flight kinematics
Ohri GA tuned LQR and PID controller for aircraft pitch control
Whitehead et al. Pitch perfect: how fruit flies control their body pitch angle
Dou et al. Pigeon inspired optimization approach to model prediction control for unmanned air vehicles
CN110058607B (zh) 一种仿欧椋鸟智能的无人机大规模集群超机动转弯方法
Sun et al. Linear-quadratic regulator controller design for quadrotor based on pigeon-inspired optimization
Mu et al. Machine learning-based active flutter suppression for a flexible flying-wing aircraft
Jing et al. PX4 simulation results of a quadcopter with a disturbance-observer-based and PSO-optimized sliding mode surface controller
Guo et al. PID parameter tuning algorithm of rotor UAV Based on Improved Particle Swarm Optimization
Aláez et al. Hil flight simulator for vtol-uav pilot training using x-plane
Song et al. A singularity‐free online neural network‐based sliding mode control of the fixed‐wing unmanned aerial vehicle optimal perching maneuver
CN108710288A (zh) 基于风速预测的旋翼飞行器空中悬停防漂移的控制方法
Wang et al. Two-level hierarchical-interaction-based group formation control for MAV/UAVs
Yang et al. PPO-based attitude controller design for a tilt rotor UAV in transition process
CN113759976A (zh) 无人机仿生配对控制方法及无人机集群蜂拥飞行控制方法
Zhu et al. Distributed UAV swarm control framework with limited interaction for obstacle avoidance
Zhao et al. Neural network based PID control for quadrotor aircraft
Ceballos Benavides et al. Pitch Angle Control of an Airplane Using Fractional Order Direct Model Reference Adaptive Controllers
Ogunwa et al. Longitudinal actuated abdomen control for energy efficient flight of insects
Zhen et al. Aircraft control method based on deep reinforcement learning
CN111240357A (zh) 一种微型扑翼飞行器可避免奇异状态的位置跟踪控制方法
Zheng et al. Auto-Landing of Moving-Mass Actuated Unmanned Aerial Vehicles Based on Linear Active Disturbance Rejection Control
Zhang et al. Position and attitude control based on single neuron pid with gravity compensation for quad rotor UAV
Fang et al. Review of the Flight Control Method of a Bird-like Flapping-Wing Air Vehicle
CN103809433B (zh) 飞行器多回路模型簇复合根轨迹多级pid鲁棒控制器设计方法

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