CN114488819A - 一种弱气动模型依赖的飞行器数据驱动控制方法 - Google Patents
一种弱气动模型依赖的飞行器数据驱动控制方法 Download PDFInfo
- Publication number
- CN114488819A CN114488819A CN202210142474.4A CN202210142474A CN114488819A CN 114488819 A CN114488819 A CN 114488819A CN 202210142474 A CN202210142474 A CN 202210142474A CN 114488819 A CN114488819 A CN 114488819A
- Authority
- CN
- China
- Prior art keywords
- sliding mode
- control
- controller
- model
- output
- 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
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
-
- 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)
- 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
一种弱气动模型依赖的飞行器数据驱动控制方法,属于飞行器控制技术领域。方法如下:选取控制对象参考模型,指导后续控制器结构设计;设计自适应滑模控制器,实现对给定攻角的跟踪;设计无模型自适应滑模控制器;设计基于历史状态反馈评估结果的权值更新算法,评估加权值历史序列,确定权值更新方向,并获取加权值,由加权融合得到总的控制器输出。本发明在扰动未知、难以获得准确气动模型的情况下实现稳定控制,减弱了控制器设计对精确模型的依赖程度,增强了控制器的自适应能力。相比于传统的控制器,其对模型的依赖程度大大降低,并且具备在线自适应整定的特性,降低了参数调试的工作量。
Description
技术领域
本发明涉及一种弱气动模型依赖的飞行器数据驱动控制方法,属于飞行器控制技术领域。
背景技术
飞行器在大气内飞行时,常常面临着未知的随机的干扰,同时飞行试验数据稀缺、风洞试验成本昂贵,且风洞实验存在天地不一致性,致使飞行器精确气动模型难以准确建立。
传统增益调度的PID控制方法依赖于特征点的选取,而基于状态空间方法的现代控制方法需要建立较为准确的模型。因此需要研究一种不依赖于精确气动模型的控制方法。
发明内容
为解决背景技术中存在的问题,本发明提供一种弱气动模型依赖的飞行器数据驱动控制方法。
实现上述目的,本发明采取下述技术方案:一种弱气动模型依赖的飞行器数据驱动控制方法,所述方法包括如下步骤:
S1:选取控制对象参考模型,指导后续控制器结构设计;
S2:设计自适应滑模控制器,实现对给定攻角的跟踪;
S3:设计无模型自适应滑模控制器;
S4:设计基于历史状态反馈评估结果的权值更新算法,评估加权值历史序列,确定权值更新方向,并获取加权值,由S2与S3所得的控制器输出加权融合得到总的控制器输出。
与现有技术相比,本发明的有益效果是:
本发明针对飞行器控制模型难以精确获取的背景下,通过设计一种新型数据驱动控制器,在扰动未知、难以获得准确气动模型的情况下实现稳定控制,减弱了控制器设计对精确模型的依赖程度,增强了控制器的自适应能力。相比于传统的控制器,其对模型的依赖程度大大降低,并且具备在线自适应整定的特性,降低了参数调试的工作量。
附图说明
图1为本发明的数据驱动控制结构图;
图2为本发明的无模型自适应滑模控制律结构图;
图3为本发明的加权计算流程图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种弱气动模型依赖的飞行器数据驱动控制方法,所述方法包括如下步骤:
S1:选取控制对象参考模型,指导后续控制器结构设计;
所述参考模型选取美国空军实验室的Parker纵向刚体动力学模型:
式(1)中:
V表示速度;
T表示发动机推力;
α表示攻角;
D表示阻力;
m表示飞行器质量;
g表示重力加速度;
θ表示俯仰角;
h表示高度;
L表示升力;
ωz表示俯仰角速率;
Iz表示转动惯量;
Mz表示俯仰力矩;
q表示动压;
S表示参考特征面积;
CL表示升力系数;
δz表示升降舵,为控制量;
CD表示阻力系数;
zT表示推力等效力臂;
l表示参考特征长度;
取状态变量为x=[V,h,α,θ,ωz]T,控制变量u=δz,对方程进行小扰动线性化并化为状态方程描述形式为:
式(2)中:
x(t)表示系统状态;
u(t)表示系统控制量;
A表示系统参数矩阵;
B表示系统控制矩阵。
S2:设计自适应滑模控制器,实现对给定攻角的跟踪;
所述自适应滑模控制器的设计包含以下步骤:
S202:依据含辨识参数的模型,选取滑模面函数以及滑模趋近律形式,设计满足性能要求的控制律:
式(3)中:
x(t)表示系统状态,且x(t)=[α ωz]T;
设计滑模面为:
s=Ce(R-x) (4)
式(4)中:
Ce=[c 1]为滑模面设计参数;
c表示线性滑模面待设计系数;
R=[αc ωzc]T为指令输入;
αc表示指令攻角输入;
ωzc表示指令俯仰角输入;
对滑模面函数求导得到:
采用指数趋近律:
式(6)中:
s表示滑模面函数;
ε表示滑模趋近律速度因子,且满足ε>0;
ks表示滑模趋近律指数因子;
故可得控制器输出:
uc=(CeB)-1[-CeAx-εsgn(s)-qs] (7)。
S3:设计无模型自适应滑模控制器;
所述无模型自适应滑模控制器的设计包括以下步骤:
S301:根据控制对象一般特性确定系统的伪阶数,即:控制输出动态线性化长度参数Ly和控制输入线性化长度参数Lu,对于飞行器纵向平面内的控制,选取Ly=2,Lu=1;
S302:由基于投影法的伪梯度估计算法获取伪梯度:
式(8)中:
k表示第k时刻;
φi表示第i个伪梯度分量;
Lu表示控制输出动态线性化长度参数;
Ly表示控制输入动态线性化长度参数;
η∈(0,2)为步长因子;
y表示系统输出;
u表示系统输入;
Δy(k)表示第k时刻系统输出增量,且Δy(k)=y(k)-y(k-1);
Δu(k)表示第k时刻系统输入增量,且Δu(k)=u(k)-u(k-1);
L表示滑动窗口长度;
H表示系统输出量与系统输入量组成的向量;
μ∈R+为权重因子;
S303:由动态线性化模型得到差分方程:
当Ly=2,Lu=1时,有:
y(k+1)-(1+φ1)y(k)-(φ2-φ1)y(k-1)+φ2y(k-2)=φ3u(k)-φ3u(k-1) (10)
式(10)中:
φ1表示第1个伪梯度分量,即k+1时刻系统输出增量Δy(k+1)对k时刻系统输出增量Δy(k)的伪偏导;
φ2表示第2个伪梯度分量,即k+1时刻系统输出增量Δy(k+1)对k-1时刻系统输出增量Δy(k-1)的伪偏导;
φ3表示第3个伪梯度分量,即k+1时刻系统输出增量Δy(k+1)对k时刻系统输入增量Δu(k)的伪偏导;
系统的离散传递函数为:
式(11)中:
Y表示系统输出;
U表示系统输入;
z′表示z变换复变量;
z变换是一种离散化的变换形式,是控制原理的基本符号;
进而得到系统的离散状态空间表达式:
式(12)中:
C表示系统输出矩阵,且C=[1 0 0];
S304:根据离散状态空间表达式设计滑模控制器:
选取切换函数为:
s(k)=Ce(R(k)-x(k)) (13)
式(13)中:
s(k)表示切换函数;
Ce表示滑模面设计参数;
R(k)表示指令输入,且R(k)=[r(k),dr(k),ddr(k)];
r(k)表示位置指令;
dr(k)表示指令变化速率;
ddr(k)表示指令变化加速度;
x(k)表示第k步系统状态;
则可得:
s(k+1)=Ce(R(k+1)-x(k+1))=Ce(R(k+1)-Ax(k)-Bu(k)) (14)
式(14)中:
x(k)表示系统状态量;
u(k)表示控制量输出;
因此,控制律可取为:
采用指数趋近律:
s(k+1)=s(k)+T(-εsgn(s(k))-kss(k)) (16)
式(16)中:
sgn(·)表示符号函数;
T表示采样周期;
ε∈R+,为滑模趋近律速度因子,ε越大,系统抗扰性越强;
将趋近律带入控制律表达式得:
由于控制律有:
因此,滑模控制律满足可达条件。
S4:设计基于历史状态反馈评估结果的权值更新算法,评估加权值历史序列,确定权值更新方向,并获取加权值,由S2与S3所得的控制器输出加权融合得到总的控制器输出。
所述加权融合的算法包括以下步骤:
S401:通过位置指令r(k)、系统状态量x(k)以及控制量输出u(k),评估控制效果J(k)=f(r(k),x(k),u(k));
S402:根据n步窗口内的评估效果序列SJ={J(k),J(k-1),…J(k-n+1)}以及对应的权值增量序列SΔw={ΔW(k),ΔW(k-1),…ΔW(k-n+1)}得到当前对于当前权值增量变化的置信度σ(k),其中:ΔW(k)=W(k)-W(k-1),W(k)∈[0,1]为无模型自适应滑模控制律输出在总控制器输出中所占权重;
S403:根据当前权值增量变化的置信度σ(k),更新权值:
W(k+1)=h(σ(k),t) (21)
式(21)中:
h(·)表示权值更新函数;
t表示时间;
S404:加权计算,得到总的输出控制量:
uout(k+1)=W(k+1)uMFASMC(k+1)+[1-W(k+1)]uMBC(k+1) (22)
式(22)中:
uout表示控制器总输出;
uMFASMC表示无模型自适应滑模控制器输出;
uMBC表示基于模型的控制器输出。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同条件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种弱气动模型依赖的飞行器数据驱动控制方法,其特征在于:所述方法包括如下步骤:
S1:选取控制对象参考模型,指导后续控制器结构设计;
S2:设计自适应滑模控制器,实现对给定攻角的跟踪;
S3:设计无模型自适应滑模控制器;
S4:设计基于历史状态反馈评估结果的权值更新算法,评估加权值历史序列,确定权值更新方向,并获取加权值,由S2与S3所得的控制器输出加权融合得到总的控制器输出。
2.根据权利要求1所述的一种弱气动模型依赖的飞行器数据驱动控制方法,其特征在于:S1所述参考模型选取美国空军实验室的Parker纵向刚体动力学模型:
式(1)中:
V表示速度;
T表示发动机推力;
α表示攻角;
D表示阻力;
m表示飞行器质量;
g表示重力加速度;
θ表示俯仰角;
h表示高度;
L表示升力;
ωz表示俯仰角速率;
Iz表示转动惯量;
Mz表示俯仰力矩;
q表示动压;
S表示参考特征面积;
CL表示升力系数;
δz表示升降舵,为控制量;
CD表示阻力系数;
zT表示推力等效力臂;
l表示参考特征长度;
取状态变量为x=[V,h,α,θ,ωz]T,控制变量u=δz,对方程进行小扰动线性化并化为状态方程描述形式为:
式(2)中:
x(t)表示系统状态;
u(t)表示系统控制量;
A表示系统参数矩阵;
B表示系统控制矩阵。
3.根据权利要求2所述的一种弱气动模型依赖的飞行器数据驱动控制方法,其特征在于:S2所述自适应滑模控制器的设计包含以下步骤:
S202:依据含辨识参数的模型,选取滑模面函数以及滑模趋近律形式,设计满足性能要求的控制律:
式(3)中:
x(t)表示系统状态,且x(t)=[α ωz]T;
设计滑模面为:
s=Ce(R-x) (4)
式(4)中:
Ce=[c 1]为滑模面设计参数;
c表示线性滑模面待设计系数;
R=[αc ωzc]T为指令输入;
αc表示指令攻角输入;
ωzc表示指令俯仰角输入;
对滑模面函数求导得到:
采用指数趋近律:
式(6)中:
s表示滑模面函数;
ε表示滑模趋近律速度因子,且满足ε>0;
ks表示滑模趋近律指数因子;
故可得控制器输出:
uc=(CeB)-1[-CeAx-εsgn(s)-qs] (7)。
4.根据权利要求3所述的一种弱气动模型依赖的飞行器数据驱动控制方法,其特征在于:S3所述无模型自适应滑模控制器的设计包括以下步骤:
S301:根据控制对象一般特性确定系统的伪阶数,即:控制输出动态线性化长度参数Ly和控制输入线性化长度参数Lu,对于飞行器纵向平面内的控制,选取Ly=2,Lu=1;
S302:由基于投影法的伪梯度估计算法获取伪梯度:
式(8)中:
k表示第k时刻;
φi表示第i个伪梯度分量;
Lu表示控制输出动态线性化长度参数;
Ly表示控制输入动态线性化长度参数;
η∈(0,2)为步长因子;
y表示系统输出;
u表示系统输入;
Δy(k)表示第k时刻系统输出增量,且Δy(k)=y(k)-y(k-1);
Δu(k)表示第k时刻系统输入增量,且Δu(k)=u(k)-u(k-1);
L表示滑动窗口长度;
H表示系统输出量与系统输入量组成的向量;
μ∈R+为权重因子;
S303:由动态线性化模型得到差分方程:
当Ly=2,Lu=1时,有:
y(k+1)-(1+φ1)y(k)-(φ2-φ1)y(k-1)+φ2y(k-2)=φ3u(k)-φ3u(k-1) (10)
式(10)中:
φ1表示第1个伪梯度分量,即k+1时刻系统输出增量Δy(k+1)对k时刻系统输出增量Δy(k)的伪偏导;
φ2表示第2个伪梯度分量,即k+1时刻系统输出增量Δy(k+1)对k-1时刻系统输出增量Δy(k-1)的伪偏导;
φ3表示第3个伪梯度分量,即k+1时刻系统输出增量Δy(k+1)对k时刻系统输入增量Δu(k)的伪偏导;
系统的离散传递函数为:
式(11)中:
Y表示系统输出;
U表示系统输入;
z′表示z变换复变量;
z变换是一种离散化的变换形式,是控制原理的基本符号;
进而得到系统的离散状态空间表达式:
式(12)中:
C表示系统输出矩阵,且C=[1 0 0];
S304:根据离散状态空间表达式设计滑模控制器:
选取切换函数为:
s(k)=Ce(R(k)-x(k)) (13)
式(13)中:
s(k)表示切换函数;
Ce表示滑模面设计参数;
R(k)表示指令输入,且R(k)=[r(k),dr(k),ddr(k)];
r(k)表示位置指令;
dr(k)表示指令变化速率;
ddr(k)表示指令变化加速度;
x(k)表示第k步系统状态;
则可得:
s(k+1)=Ce(R(k+1)-x(k+1))=Ce(R(k+1)-Ax(k)-Bu(k)) (14)
式(14)中:
x(k)表示系统状态量;
u(k)表示控制量输出;
因此,控制律可取为:
采用指数趋近律:
s(k+1)=s(k)+T(-εsgn(s(k))-kss(k)) (16)
式(16)中:
sgn(·)表示符号函数;
T表示采样周期;
ε∈R+,为滑模趋近律速度因子,ε越大,系统抗扰性越强;
将趋近律带入控制律表达式得:
由于控制律有:
因此,滑模控制律满足可达条件。
5.根据权利要求4所述的一种弱气动模型依赖的飞行器数据驱动控制方法,其特征在于:S4所述加权融合的算法包括以下步骤:
S401:通过位置指令r(k)、系统状态量x(k)以及控制量输出u(k),评估控制效果J(k)=f(r(k),x(k),u(k));
S402:根据n步窗口内的评估效果序列SJ={J(k),J(k-1),…J(k-n+1)}以及对应的权值增量序列SΔw={ΔW(k),ΔW(k-1),…ΔW(k-n+1)}得到当前对于当前权值增量变化的置信度σ(k),其中:ΔW(k)=W(k)-W(k-1),W(k)∈[0,1]为无模型自适应滑模控制律输出在总控制器输出中所占权重;
S403:根据当前权值增量变化的置信度σ(k),更新权值:
W(k+1)=h(σ(k),t) (21)
式(21)中:
h(·)表示权值更新函数;
t表示时间;
S404:加权计算,得到总的输出控制量:
uout(k+1)=W(k+1)uMFASMC(k+1)+[1-W(k+1)]uMBC(k+1) (22)
式(22)中:
uout表示控制器总输出;
uMFASMC表示无模型自适应滑模控制器输出;
uMBC表示基于模型的控制器输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210142474.4A CN114488819B (zh) | 2022-02-16 | 2022-02-16 | 一种弱气动模型依赖的飞行器数据驱动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210142474.4A CN114488819B (zh) | 2022-02-16 | 2022-02-16 | 一种弱气动模型依赖的飞行器数据驱动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114488819A true CN114488819A (zh) | 2022-05-13 |
CN114488819B CN114488819B (zh) | 2022-09-16 |
Family
ID=81479874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210142474.4A Active CN114488819B (zh) | 2022-02-16 | 2022-02-16 | 一种弱气动模型依赖的飞行器数据驱动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114488819B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459051A (zh) * | 2020-04-23 | 2020-07-28 | 河北工业大学 | 一种带扰动观测器的离散终端滑模无模型控制方法 |
CN113296525A (zh) * | 2020-11-24 | 2021-08-24 | 天津大学 | 基于数据驱动的倾转三旋翼无人机非线性控制方法 |
WO2021217842A1 (zh) * | 2020-04-30 | 2021-11-04 | 北京航空航天大学 | 基于无模型自适应算法的多爪针自动穿刺控制装置及控制方法 |
-
2022
- 2022-02-16 CN CN202210142474.4A patent/CN114488819B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459051A (zh) * | 2020-04-23 | 2020-07-28 | 河北工业大学 | 一种带扰动观测器的离散终端滑模无模型控制方法 |
WO2021217842A1 (zh) * | 2020-04-30 | 2021-11-04 | 北京航空航天大学 | 基于无模型自适应算法的多爪针自动穿刺控制装置及控制方法 |
CN113296525A (zh) * | 2020-11-24 | 2021-08-24 | 天津大学 | 基于数据驱动的倾转三旋翼无人机非线性控制方法 |
Non-Patent Citations (1)
Title |
---|
唐意东等: "高超声速飞行器弱抖振反演滑模控制律设计", 《导弹与航天运载技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114488819B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105607473B (zh) | 小型无人直升机的姿态误差快速收敛自适应控制方法 | |
Lin | Adaptive critic autopilot design of bank-to-turn missiles using fuzzy basis function networks | |
CN110815190B (zh) | 一种工业机器人拖动示教方法及系统 | |
Zhang et al. | Adaptive constrained backstepping controller with prescribed performance methodology for carrier-based UAV | |
CN108594837A (zh) | 基于pd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法 | |
CN108319140A (zh) | 一种重定义输出式无模型自适应航向控制方法及系统 | |
CN110456636B (zh) | 基于不确定性上界估计的飞行器离散滑模自适应控制方法 | |
CN111367182A (zh) | 考虑输入受限的高超声速飞行器抗干扰反步控制方法 | |
CN106681345A (zh) | 基于人群搜索算法的无人机自抗扰控制方法 | |
CN106527462A (zh) | 无人机控制装置 | |
CN116382071B (zh) | 深度学习网络修正补偿的气动参数智能辨识方法 | |
Shao et al. | Input-and-measurement event-triggered control for flexible air-breathing hypersonic vehicles with asymmetric partial-state constraints | |
CN112379595A (zh) | 非线性严格反馈切换系统复合干扰学习控制方法 | |
CN111290278A (zh) | 一种基于预测滑模的高超声速飞行器鲁棒姿态控制方法 | |
CN112800543A (zh) | 一种基于改进Goman模型的非线性非定常气动力建模方法 | |
CN114089637B (zh) | 多模态鲁棒自抗扰运动控制方法及系统 | |
CN113283090B (zh) | 基于蜂群算法的飞机舵机电动伺服系统摩擦补偿方法 | |
CN114115276A (zh) | 一种基于在线分组优化模型预测的船舶动力定位控制方法 | |
CN114488819B (zh) | 一种弱气动模型依赖的飞行器数据驱动控制方法 | |
CN114415507A (zh) | 基于深度神经网络的灵巧手抓持过程动力学模型搭建及训练方法 | |
CN117289709A (zh) | 基于深度强化学习的高超声速变外形飞行器姿态控制方法 | |
CN115180461B (zh) | 新能源汽车压缩机电机生产装备的张力数据驱动控制方法 | |
CN108845508B (zh) | 一种基于cmac-滑膜一体化控制的无人机半物理仿真控制方法 | |
CN116088556A (zh) | 一种基于深度强化学习的飞行器智能容错控制方法 | |
CN114003053B (zh) | 一种基于ArduPilot的固定翼无人机自动驾驶自适应控制系统 |
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 |