CN113867374B - 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法 - Google Patents

基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法 Download PDF

Info

Publication number
CN113867374B
CN113867374B CN202110841286.6A CN202110841286A CN113867374B CN 113867374 B CN113867374 B CN 113867374B CN 202110841286 A CN202110841286 A CN 202110841286A CN 113867374 B CN113867374 B CN 113867374B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
angle
rotor unmanned
control
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
CN202110841286.6A
Other languages
English (en)
Other versions
CN113867374A (zh
Inventor
李东方
黄捷
陈宇韬
田国庆
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.)
Fuzhou University
Original Assignee
Fuzhou 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 Fuzhou University filed Critical Fuzhou University
Priority to CN202110841286.6A priority Critical patent/CN113867374B/zh
Publication of CN113867374A publication Critical patent/CN113867374A/zh
Application granted granted Critical
Publication of CN113867374B publication Critical patent/CN113867374B/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 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
    • G05D1/0833—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using limited authority control

Abstract

本发明提出一种基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法，基于四旋翼无人机的非线性力学模型，根据四旋翼无人机轨迹跟踪的姿态角目标和飞行位置目标，其利用滑模变结构控制方法得到系统的姿态控制输入函数，同时，对系统进行预测，并用预测值代替实际值来提前给予自适应控制补偿；利用滑模变结构控制方法得到系统的位置控制输入函数，同时，对系统进行预测，并用预测值代替实际值来提前给予自适应控制补偿；根据期望的偏航角和虚拟控制输入反解四旋翼无人机滚动角和俯仰角的期望值作为内环回路的参考输入。有效提高了无人机的轨迹跟踪效率和跟踪精度，确保了自适应轨迹跟踪控制器的稳定性。

Description

基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹 跟踪控制器及其设计方法
技术领域
本发明属于无人飞行器运动控制技术领域，尤其涉及一种基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法。
背景技术
随着科学技术的不断发展，飞行器的研究领域不断扩大，飞行器的种类不断丰富，其中四旋翼无人机的研究备受人们的关注。四旋翼无人机是一种通过遥控或机载程序实现飞行任务的无人驾驶设备。这种无人机凭借机动灵活、成本低、结构简单的优点可以在电力巡检、农业植保、环境监测领域广泛使用。而在四旋翼无人机的结构中，控制器是无人机能否实现预期效果的重要组成部分。
在四旋翼无人机的研究领域中，无人机的轨迹跟踪控制是一个十分热门的研究领域。四旋翼无人机具有复杂的动力学模型，同时四旋翼无人机的飞行环境复杂多变，所以控制四旋翼无人机在轨迹跟踪过程中保持稳定的姿态与位置是十分有研究意义的。研究四旋翼无人机的轨迹跟踪运动可以为四旋翼无人机的其他运动控制奠定良好的理论帮助。
发明内容
有鉴于此，为了弥补现有技术的空白和不足，本发明的目的在于提供一种基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法，其所要解决的技术问题是：实现四旋翼无人机的姿态和运动位置的稳定控制。
其设计的控制器主要包括以下方案：
基于四旋翼无人机的非线性力学模型，根据四旋翼无人机轨迹跟踪的姿态角目标和飞行位置目标，所述姿态角目标用于使无人机的翻滚角、俯仰角和偏航角误差收敛且稳定；所述飞行位置目标用于使无人机切向、法向和垂向位置误差收敛且稳定；对于四旋翼无人机的姿态虚拟控制输入，其利用滑模变结构控制方法得到系统的姿态控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；对于四旋翼无人机的位置虚拟控制输入，其利用滑模变结构控制方法得到系统的位置控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；根据期望的偏航角和虚拟控制输入反解四旋翼无人机滚动角和俯仰角的期望值作为内环回路的参考输入。
该控制器的设计方法主要包括以下步骤：
步骤S1：分析四旋翼无人机的运动机理，建立四旋翼无人机的非线性力学模型；
步骤S2：制定四旋翼无人机轨迹跟踪的姿态角目标和飞行位置目标，所述姿态角目标用于使无人机的翻滚角、俯仰角和偏航角误差收敛且稳定；所述飞行位置目标用于使无人机切向、法向和垂向位置误差收敛且稳定；
步骤S3：设计四旋翼无人机的姿态虚拟控制输入，利用滑模变结构控制方法得到系统的姿态控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；
步骤S4：设计四旋翼无人机的位置虚拟控制输入，利用滑模变结构控制方法得到系统的位置控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；
步骤S5：根据期望的偏航角和虚拟控制输入反解四旋翼无人机滚动角和俯仰角的期望值作为内环回路的参考输入。
以及，步骤S6：构造Lyapunov函数，验证步骤S3中的四旋翼无人机姿态、预测值和步骤S4中的四旋翼无人机位置、预测值的渐进稳定性。
步骤S7：通过MATLAB仿真实验，验证基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器的有效性。
与现有技术相比，本发明及其优选方案具有以下有益效果：
1、通过对四旋翼无人机系统的不确定状态参数进行预测，来提前给予自适应控制补偿，有效提高了无人机的轨迹跟踪效率和跟踪精度，确保了自适应轨迹跟踪控制器的稳定性。
2、通过预测四旋翼无人机所受的外界扰动，来提前对系统的控制输入进行补偿，降低了气流、风阻和执行器故障对无人机轨迹跟踪控制的消极影响，提高无人机的抗扰动能力，消除了飞行过程中的抖振现象，提高了系统对环境的自适应适应力。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
图1是本发明实施例四旋翼无人机模型示意图；
图2是本发明实施例控制系统流程示意图；
图3是本发明实施例无人机飞行轨迹示意图；
图4是本发明实施例无人机飞行轨迹分量示意图；
图5是本发明实施例无人机飞行位置误差示意图；
图6是本发明实施例无人机飞行轨迹及位置误差放大图示意图；
图7是本发明实施例无人机飞行速度误差分量示意图；
图8是本发明实施例无人机飞行速度示意图；
图9是本发明实施例无人机飞行姿态角分量示意图；
图10是本发明实施例无人机飞行姿态角误差示意图；
图11是本发明实施例无人机飞行姿态角及姿态角误差放大图示意图；
图12是本发明实施例无人机飞行姿态角速度误差示意图；
图13是本发明实施例系统的参数变量预测值示意图；
图14是本发明实施例虚拟控制函数的参数变量预测值示意图；
图15是本发明实施例姿态扰动变量预测值示意图；
图16是本发明实施例位置扰动变量预测值示意图；
图17是本发明实施例系统的控制输入示意图；
图18是本发明实施例无人机飞行位置控制输入示意图。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
本实施例从四旋翼无人机的需求出发，结合四旋翼无人机的运动特点，设计一种基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器：其基于四旋翼无人机的非线性力学模型，根据四旋翼无人机轨迹跟踪的姿态角目标和飞行位置目标，所述姿态角目标用于使无人机的翻滚角、俯仰角和偏航角误差收敛且稳定；所述飞行位置目标用于使无人机切向、法向和垂向位置误差收敛且稳定；对于四旋翼无人机的姿态虚拟控制输入，其利用滑模变结构控制方法得到系统的姿态控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；对于四旋翼无人机的位置虚拟控制输入，其利用滑模变结构控制方法得到系统的位置控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；根据期望的偏航角和虚拟控制输入反解四旋翼无人机滚动角和俯仰角的期望值作为内环回路的参考输入。
以下结合其设计和验证过程进行进一步的解释和阐述：
步骤一：在四旋翼无人机建模的过程中，使用两套独立的空间坐标系，分别为惯性坐标系OXYZ和无人机坐标系Oxyz。无人机在惯性坐标系下的位置为 [x,y,z]T，翻滚角为φ，俯仰角为θ，偏航角为ψ，如图1所示。四旋翼无人机系统的四个控制输入为ui,i＝1,...4。其中，u1控制无人机的垂直起降通道，u2控制无人机的翻滚通道，u3控制无人机的俯仰通道，u4控制无人机的偏航通道。系统包括六个输出，分别是沿三个坐标轴的平移运动(垂直运动、前后运动、侧向运动)以及围绕三个坐标轴的转动运动(翻滚、俯仰、偏航)。于是，可以得到四旋翼无人机的非线性力学模型。
其中，kφ，kθ和kψ分别为四旋翼无人机在三个转动方向上的气动阻力系数，气动阻力系数作为电机陀螺效应对欧拉角的影响因子。kx，ky和kz分别为无人机在三个坐标方向上的空气阻力系数。Ir＝Ω1-Ω2+Ω3-Ω4为螺旋桨角速度的综合残差。Ωi为第i＝1,...,4个电机的转速。Ix，Iy和Iz分别为四旋翼无人机围绕机体坐标系的转动惯量。l为无人机旋翼中心至机体坐标系原点的距离。
不妨设化简参数为：
同时，设计无人机在x方向，y方向和z方向上的控制输入为：
设置fi，i＝1,2,3为四旋翼无人机在转动角度上所受的故障项。σi，i＝1,2,3为无人机在转动角度上所受的扰动项。四旋翼无人机的转动角度故障项和扰动项之和为biΔi＝fi+σi，i＝1,2,3。设置hi，i＝1,2,3为四旋翼无人机在运动位置方向上所受的故障项。δi，i＝1,2,3为无人机在运动位置方向上所受的扰动项。无人机的运动位置故障项和扰动项之和为Δi＝hi+δi，i＝4,5,6。因此，考虑扰动以及执行器偏差故障的四旋翼无人机控制模型为：
步骤二：四旋翼无人机在轨迹跟踪的过程中，需要完成两项控制任务，分别是姿态角目标和飞行位置目标。其中，姿态角目标的实现可以使无人机的翻滚角、俯仰角和偏航角误差收敛且稳定。飞行位置目标的实现可以使无人机的切向、法向和垂向位置误差收敛且稳定。
姿态角目标：四旋翼无人机的实际翻滚角、俯仰角和偏航角分别为φ，θ和ψ。设置无人机的理想翻滚角、俯仰角和偏航角分别为目的是使四旋翼无人机的姿态子系统在扰动发生的情况下保持稳定。换句话说，系统的姿态角度误差eφ，eθ和eψ可以收敛到零。当t→∞时，存在/>
飞行位置目标：四旋翼无人机的实际飞行位置为[x,y,z]T，设置无人机的理想飞行位置为目的是使四旋翼无人机的位置子系统在扰动发生的情况下保持稳定。换句话说，系统的飞行位置误差ex，ey和ez能收敛到零。当t→∞时，存在
步骤三：根据步骤二制定的姿态角目标，设计四旋翼无人机的姿态控制器，实现四旋翼无人机的姿态控制。
四旋翼无人机的翻滚角速度和翻滚角加速度分别为：
俯仰角速度和俯仰角加速度分别为：
偏航角速度和偏航角加速度分别为：
设计四旋翼无人机的翻滚角滑模误差为eφ，俯仰角滑模误差为eθ，偏航角滑模误差为eψ：
其中，翻滚角的滑模面为和/>俯仰角的滑模面为/>和偏航角的滑模面为/>和/>同时，λθ＞0，λφ＞0和λψ＞0为正的常数增益。
对四旋翼无人机的翻滚角误差，俯仰角误差和偏航角误差进行为微分得到：
不妨设和/>分别为/>和/>的预测值，设/>和/>分别为/>和/>的预测值，设/>和/>分别为/>和/>的预测值。同时，设置和/>分别为Δ1，Δ2和Δ3的预测值。系统的预测值/>是有界的，姿态扰动误差的预测值/>和/>是有界的。
根据自适应控制方法设计系统的控制输入u2，u3和u4：
其中，cφ＞0，cθ＞0和cψ＞0为正常数增益。
误差微分和/>的另一种形式可以被得到：
设计预测值和/>的微分为：
设计预测值和/>的微分为：
步骤四：根据步骤二制定的飞行位置目标，设计四旋翼无人机的位置控制器，实现四旋翼无人机的飞行位置控制。四旋翼无人机的垂向运动速度和垂向运动加速度分别为：
设置无人机的垂向位置误差和垂向速度误差分别为：
设置虚拟控制项为：
其中，μz＞0为正常数增益。为μz的预测值。
设置系统的控制输入u1：
其中，cz＞0为正常数增益。为a11的预测值，/>为Δ6的预测值。
设计预测值和/>的微分为：
根据四旋翼无人机的垂向位置控制和所涉及的控制输入u1。需要对无人机的虚拟切向位置控制输入ux和法向位置控制输入uy进行设计。四旋翼无人机的切向运动速度和切向运动加速度分别为：
无人机的法向运动速度和法向运动加速度分别为：
四旋翼无人机的切向位置误差和切向速度误差为：
无人机的法向位置误差和法向速度误差为：
无人机的切向误差和法向误差的微分分别为：
以及，
设置虚拟控制项为：
其中，μx＞0和μy＞0为正的常数增益。为μx的预测值，/>为μy的预测值。
不妨设和/>分别为a9和a10的预测值，/>为/>的预测值。设置系统的位置控制输入ux和uy：
其中，cx＞0和cy＞0为正的常数增益。
设计预测值和/>的微分为：
步骤五：根据期望偏航角和中的控制输入ux和uy，可以反解出四旋翼无人机系统的理想翻滚角/>和俯仰角/>将/>作为内环回路的参考输入，从而设计获得无人机系统的姿态控制器：
步骤六：构造Lyapunov函数，验证步骤三中的四旋翼无人机姿态、预测值和步骤四中的四旋翼无人机位置、预测值的渐进稳定性。
首先设计Lyapunov候选函数L1，L2和L3：
其中，γi＞0,i＝1,...,11为正常数增益，β1，β2和β3为正常数增益。
对L1，L2和L3进行微分可以得到：
将估计值的更新代入后，的另一种形式为：
因此，四旋翼无人机的姿态控制的Lyapunov函数为L＝L1+L2+L3：
很明显，是负半定的。同时，系统的预测值/>和扰动误差的预测值/>是有界的。因此，四旋翼无人机系统的姿态角度是稳定的。
设置Lyapunov候选函数V1：
其中，η1＞0，η2＞0和η3＞0为正的常数增益。
将估计值更新律代入，则的另一种形式可以被得到：
设置Lyapunov候选函数V2和V3：
其中，η4＞0，η5＞0，η6＞0，η7＞0，η8＞0和η9＞0为正的常数增益。
将位置控制输入方程代入，Lyapunov函数的另一种形式可以被得到：
设四旋翼无人机的位置误差的Lyapunov函数为V＝V1+V2+V3：
很明显，是负半定的。四旋翼无人机系统的位置控制误差ex，ey和ez可以收敛到零，同时，无人机系统的速度误差ev,x，ev,y和ev,z可以收敛到零。同时，系统的预测值/>是有界的，位置扰动误差的预测值/>是有界的，虚拟控制输入的参数预测值/>是有界的。因此，证明了系统的位置控制是稳定的。
步骤七：通过MATLAB对基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器进行仿真实验。无人机飞行轨迹如图3所示。无人机飞行轨迹分量如图4所示。无人机飞行位置误差如图5所示。无人机飞行轨迹及位置误差放大图如图6所示。无人机飞行速度误差分量如图7所示。无人机飞行速度如图8所示。无人机飞行姿态角分量如图9所示。无人机飞行姿态角误差如图10 所示。无人机飞行姿态角及姿态角误差放大图如图11所示。无人机飞行姿态角速度误差如图12所示。系统的参数变量预测值如图13所示。虚拟控制函数的参数变量预测值如图14所示。姿态扰动变量预测值如图15所示。位置扰动变量预测值如图16所示。系统的控制输入如图17所示。无人机飞行位置控制输入如图 18所示。根据仿真结果可以发现所提出的控制器有效的提高四旋翼无人机的轨迹跟踪效率，加快跟踪性能误差的收敛速度，而且减小跟踪误差的波动峰值，提高系统的稳定性，该结果与预期结果一致。
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (6)

1.一种基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器，其特征在于：基于四旋翼无人机的非线性力学模型，根据四旋翼无人机轨迹跟踪的姿态角目标和飞行位置目标，所述姿态角目标用于使无人机的翻滚角、俯仰角和偏航角误差收敛且稳定；所述飞行位置目标用于使无人机切向、法向和垂向位置误差收敛且稳定；对于四旋翼无人机的姿态虚拟控制输入，其利用滑模变结构控制方法得到系统的姿态控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；对于四旋翼无人机的位置虚拟控制输入，其利用滑模变结构控制方法得到系统的位置控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；根据期望的偏航角和虚拟控制输入反解四旋翼无人机滚动角和俯仰角的期望值作为内环回路的参考输入；
所述四旋翼无人机的非线性力学模型使用两套独立的空间坐标系，分别为惯性坐标系OXYZ和无人机坐标系Oxyz；无人机在惯性坐标系下的位置为[x,y,z]T，翻滚角为φ，俯仰角为θ，偏航角为ψ；四旋翼无人机系统的四个控制输入为ui,i＝1,...4；其中，u1控制无人机的垂直起降通道，u2控制无人机的翻滚通道，u3控制无人机的俯仰通道，u4控制无人机的偏航通道；系统包括六个输出，分别是沿三个坐标轴的平移运动，包括：垂直运动、前后运动、侧向运动，以及围绕三个坐标轴的转动运动，包括：翻滚、俯仰、偏航；得到四旋翼无人机的非线性力学模型：
其中，kφ，kθ和kψ分别为四旋翼无人机在三个转动方向上的气动阻力系数，气动阻力系数作为电机陀螺效应对欧拉角的影响因子；kx，ky和kz分别为无人机在三个坐标方向上的空气阻力系数；Ir＝Ω1-Ω2+Ω3-Ω4为螺旋桨角速度的综合残差；Ωi为第i＝1,...,4个电机的转速；Ix，Iy和Iz分别为四旋翼无人机围绕机体坐标系的转动惯量；l为无人机旋翼中心至机体坐标系原点的距离；
设化简参数为：
无人机在x方向，y方向和z方向上的控制输入为：
设置fi，i＝1,2,3为四旋翼无人机在转动角度上所受的故障项，σi，i＝1,2,3为无人机在转动角度上所受的扰动项，四旋翼无人机的转动角度故障项和扰动项之和为biΔi＝fi+σi，i＝1,2,3，设置hi，i＝1,2,3为四旋翼无人机在运动位置方向上所受的故障项，δi，i＝1,2,3为无人机在运动位置方向上所受的扰动项，无人机的运动位置故障项和扰动项之和为Δi＝hi+δi，i＝4,5,6，则获得考虑扰动以及执行器偏差故障的四旋翼无人机控制模型为：
对于四旋翼无人机的姿态虚拟控制输入，其具体为：
四旋翼无人机的翻滚角速度和翻滚角加速度分别为：
俯仰角速度和俯仰角加速度分别为：
偏航角速度和偏航角加速度分别为：
四旋翼无人机的翻滚角滑模误差为eφ，俯仰角滑模误差为eθ，偏航角滑模误差为eψ：
其中，翻滚角的滑模面为和/>俯仰角的滑模面为/>和偏航角的滑模面为/>和/>同时，λθ＞0，λφ＞0和λψ＞0为正的常数增益；
对四旋翼无人机的翻滚角误差，俯仰角误差和偏航角误差进行为微分得到：
设和/>分别为/>和/>的预测值，设/>和/>分别为和/>的预测值，设/>和/>分别为/>和/>的预测值；同时，设置和/>分别为Δ1，Δ2和Δ3的预测值；系统的预测值/>是有界的，姿态扰动误差的预测值/>和/>是有界的；
根据自适应控制方法设计系统的控制输入u2，u3和u4：
其中，cφ＞0，cθ＞0和cψ＞0为正常数增益；
误差微分和/>的另一种形式为：
预测值和/>的微分为：
预测值和/>的微分为：
对于四旋翼无人机的位置虚拟控制输入，其具体为：
四旋翼无人机的垂向运动速度和垂向运动加速度分别为：
设置无人机的垂向位置误差和垂向速度误差分别为：以及，
设置虚拟控制项为：
其中，μz＞0为正常数增益，为μz的预测值；
设置系统的控制输入u1：
其中，cz＞0为正常数增益，为a11的预测值，/>为Δ6的预测值；
预测值和/>的微分为：
根据四旋翼无人机的垂向位置控制和所涉及的控制输入u1，无人机的虚拟切向位置控制输入ux和法向位置控制输入uy；四旋翼无人机的切向运动速度和切向运动加速度分别为：
无人机的法向运动速度和法向运动加速度分别为：
四旋翼无人机的切向位置误差和切向速度误差为：
无人机的法向位置误差和法向速度误差为：
无人机的切向误差和法向误差的微分分别为和
设置虚拟控制项为：
其中，μx＞0和μy＞0为正的常数增益，为μx的预测值，/>为μy的预测值；
设和/>分别为a9和a10的预测值，/>和/>为Δ4和Δ5的预测值，设置系统的位置控制输入ux和uy：
其中，cx＞0和cy＞0为正的常数增益；
预测值和/>的微分为：
2.根据权利要求1所述的基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器，其特征在于：
所述姿态角目标具体为：设四旋翼无人机的实际翻滚角、俯仰角和偏航角分别为φ，θ和ψ，设置无人机的理想翻滚角、俯仰角和偏航角分别为和/>系统的姿态角度误差eφ，eθ和eψ能收敛到零，即，当t→∞时，存在/>和/>
所述飞行位置目标具体为：设四旋翼无人机的实际飞行位置为[x,y,z]T，设置无人机的理想飞行位置为系统的飞行位置误差ex，ey和ez能收敛到零，即，当t→∞时，存在和/>
3.根据权利要求1所述的基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器，其特征在于：根据期望的偏航角和虚拟控制输入反解四旋翼无人机滚动角和俯仰角的期望值作为内环回路的参考输入，具体为：
根据期望偏航角无人机的虚拟切向位置控制输入ux、法向位置控制输入uy和初始设定值uz，反解出四旋翼无人机系统的理想翻滚角/>和俯仰角/>将/>和/>作为内环回路的参考输入：
4.根据权利要求1-3其中任一所述的基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器的设计方法，其特征在于，包括以下步骤：
步骤S1：分析四旋翼无人机的运动机理，建立四旋翼无人机的非线性力学模型；
步骤S2：制定四旋翼无人机轨迹跟踪的姿态角目标和飞行位置目标，所述姿态角目标用于使无人机的翻滚角、俯仰角和偏航角误差收敛且稳定；所述飞行位置目标用于使无人机切向、法向和垂向位置误差收敛且稳定；
步骤S3：设计四旋翼无人机的姿态虚拟控制输入，利用滑模变结构控制方法得到系统的姿态控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；
步骤S4：设计四旋翼无人机的位置虚拟控制输入，利用滑模变结构控制方法得到系统的位置控制输入函数，同时，对系统的不确定状态参数和外界扰动进行预测，并用预测值代替实际值来提前给予自适应控制补偿；
步骤S5：根据期望的偏航角和虚拟控制输入反解四旋翼无人机滚动角和俯仰角的期望值作为内环回路的参考输入。
5.根据权利要求4所述的基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器的设计方法，其特征在于：还包括步骤S6：构造Lyapunov函数，验证步骤S3中的四旋翼无人机姿态、预测值和步骤S4中的四旋翼无人机位置、预测值的渐进稳定性。
6.根据权利要求5所述的基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器的设计方法，其特征在于：还包括步骤S7：通过MATLAB仿真实验，验证基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器的有效性。
CN202110841286.6A 2021-07-23 2021-07-23 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法 Active CN113867374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110841286.6A CN113867374B (zh) 2021-07-23 2021-07-23 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110841286.6A CN113867374B (zh) 2021-07-23 2021-07-23 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法

Publications (2)

Publication Number Publication Date
CN113867374A CN113867374A (zh) 2021-12-31
CN113867374B true CN113867374B (zh) 2023-12-01

Family

ID=78990245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110841286.6A Active CN113867374B (zh) 2021-07-23 2021-07-23 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法

Country Status (1)

Country Link
CN (1) CN113867374B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109062052A (zh) * 2018-08-31 2018-12-21 湖北工业大学 基于扩张状态观测器的四旋翼无人机积分滑模控制方法
CN109884895A (zh) * 2019-03-11 2019-06-14 南京邮电大学 基于饱和受限情况下的无人机自适应跟踪控制算法
CN110456816A (zh) * 2019-07-05 2019-11-15 哈尔滨工程大学 一种基于连续终端滑模的四旋翼轨迹跟踪控制方法
CN112034872A (zh) * 2020-08-31 2020-12-04 东南大学 一种四旋翼无人机积分补偿确定性策略梯度控制方法
CN112987567A (zh) * 2021-02-09 2021-06-18 河北科技大学 非线性系统的固定时间自适应神经网络滑模控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109062052A (zh) * 2018-08-31 2018-12-21 湖北工业大学 基于扩张状态观测器的四旋翼无人机积分滑模控制方法
CN109884895A (zh) * 2019-03-11 2019-06-14 南京邮电大学 基于饱和受限情况下的无人机自适应跟踪控制算法
CN110456816A (zh) * 2019-07-05 2019-11-15 哈尔滨工程大学 一种基于连续终端滑模的四旋翼轨迹跟踪控制方法
CN112034872A (zh) * 2020-08-31 2020-12-04 东南大学 一种四旋翼无人机积分补偿确定性策略梯度控制方法
CN112987567A (zh) * 2021-02-09 2021-06-18 河北科技大学 非线性系统的固定时间自适应神经网络滑模控制方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
关于四旋翼无人机目标轨迹跟踪控制的研究;刘凯悦;冷建伟;;计算机仿真(第05期);全文 *
四旋翼无人机风场扰动轨迹控制器设计;刘锦涛;吴文海;李静;周思羽;高丽;;飞行力学;第34卷(第02期);全文 *
四旋翼无人飞行器自适应容错控制系统研究;刘凯悦;工程科技Ⅱ辑(第第08期期);全文 *
基于反步滑模法的四旋翼飞行器轨迹跟踪控制;吴梅;涂彪;罗瑜;;飞行力学(第03期);全文 *
基于滑模控制的四旋翼无人机的轨迹跟踪控制;刘凯悦;冷建伟;;天津理工大学学报(第02期);全文 *
基于滑模控制的四旋翼无人机自适应跟踪控制;刘凯悦;冷建伟;;飞行力学;第33卷(第01期);全文 *
无速度测量的四旋翼无人机移动目标跟踪控制;刘锦涛;吴文海;李静;周思羽;张源原;;系统工程与电子技术;第39卷(第02期);全文 *

Also Published As

Publication number Publication date
CN113867374A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
Tal et al. Accurate tracking of aggressive quadrotor trajectories using incremental nonlinear dynamic inversion and differential flatness
CN107957730B (zh) 一种无人飞行器稳定飞行控制方法
Colorado et al. Mini-quadrotor attitude control based on Hybrid Backstepping & Frenet-Serret theory
Arellano-Muro et al. Backstepping control with sliding mode estimation for a hexacopter
Zheng et al. Trajectory tracking control for underactuated stratospheric airship
CN112346470A (zh) 一种基于改进自抗扰控制的四旋翼姿态控制方法
Manzoor et al. Trajectory tracking control of a VTOL unmanned aerial vehicle using offset-free tracking MPC
CN111538255B (zh) 一种反蜂群无人机的飞行器控制方法及系统
Bulka et al. Autonomous control of agile fixed-wing UAVs performing aerobatic maneuvers
CN114721266B (zh) 飞机舵面结构性缺失故障情况下的自适应重构控制方法
Yan et al. Robust adaptive backstepping control for unmanned autonomous helicopter with flapping dynamics
Zhu et al. Trajectory linearization control for a miniature unmanned helicopter
CN111061282A (zh) 基于能量法的四旋翼无人机吊挂飞行系统控制方法
Hegde et al. Transition flight modeling and robust control of a VTOL unmanned quad tilt-rotor aerial vehicle
Akbar et al. Adaptive modified super-twisting control for a quadrotor helicopter with a nonlinear sliding surface
Kumar et al. Finite-time convergent robust trajectory tracking for unmanned aerial vehicles
CN111897219B (zh) 基于在线逼近器的倾转四旋翼无人机过渡飞行模式最优鲁棒控制方法
CN113391555A (zh) 基于非线性扰动观测器的四旋翼无人机降落控制方法
Ullah et al. Dynamic modeling and stabilization of surveillance quadcopter in space based on integral super twisting sliding mode control strategy
CN113867374B (zh) 基于滑模控制的四旋翼无人机参数预测和扰动的自适应轨迹跟踪控制器及其设计方法
CN116430828A (zh) 一种基于观测器的四旋翼故障容灾降级控制方法
Jiao et al. Fault tolerant control algorithm of hexarotor UAV
CN110989397A (zh) 一种航空器失事搜寻仿真方法及系统
Huangzhong et al. Tiltrotor aircraft attitude control in conversion mode based on optimal preview control
Xu et al. Modelling and hovering control of a novel multi-tandem ducted fan vehicle

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