CN114995163A - 一种无人机免疫控制方法 - Google Patents
一种无人机免疫控制方法 Download PDFInfo
- Publication number
- CN114995163A CN114995163A CN202210925138.7A CN202210925138A CN114995163A CN 114995163 A CN114995163 A CN 114995163A CN 202210925138 A CN202210925138 A CN 202210925138A CN 114995163 A CN114995163 A CN 114995163A
- Authority
- CN
- China
- Prior art keywords
- control
- quad
- interference
- unmanned aerial
- 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
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种无人机免疫控制方法,可以自适应地生成适当的控制信号,以同时补偿执行器故障,参数不确定性和外部干扰;执行器故障,参数不确定性和未知外部干扰分别通过不同的机制进行补偿,其中执行器故障和参数不确定性由所提出的自适应方案调节,外部干扰由非线性干扰观测器来进行衰减,通过将自适应控制参数集成到连续控制部分和不连续控制部分中,显著减少不连续控制部分的使用,减小了控制抖振;针对自适应方案中对自适应控制参数高估的问题,通过使用边界层来设计自适应方案,可使不连续控制增益保持在合理范围内;借助于所设计的干扰观测器,可使滑模控制的不连续控制增益值进一步减小,从而缓解了控制抖振问题。
Description
技术领域
本发明属于无人机控制方法技术领域,具体涉及一种无人机免疫控制方法。
背景技术
近年来,随着计算机技术和自动化技术的发展,民用小型无人机越来越多,已被广泛应用于各个领域。对于小型无人机而言,一方面机载仪器的成本过高,往往高于无人机自身的成本;另一方面,无人机的工作环境通常较为复杂和危险,可能会严重威胁无人机的飞行安全,从而造成较大的经济损失。因此,无人机的安全性和可靠性越来越受到人们的重视。
在四旋翼无人机系统中,电机控制效能损失是一种常见的故障,此外,由于小型无人机尺寸小,惯性低,因此对参数不确定性和外部干扰更为敏感,综合考虑并解决此类问题,提出更加先进的控制方案,对增强无人机的安全性和可靠性有重要意义。
目前,大多数针对四旋翼无人机的免疫控制研究仅涉及执行器故障,模型不确定性或未知外部干扰中的某几项,很少会将所有可能导致控制性能退化的因素综合考虑;
此外,利用滑模控制技术对执行器故障进行补偿时,通常会过度使用不连续控制部件,导致控制抖振,使系统无法保持稳定;并且在大多数基于干扰观测器的控制方案中,未建模状态、参数变化和外部干扰被视为集总干扰,由观测器进行估计,但这在存在多个干扰的情况下可能会失效。综上所述,现有技术难以满足无人机在执行器故障,参数不确定性和未知外部干扰同时存在下的免疫控制需求。
基于此,提出一种考虑执行器故障,参数不确定性和未知外部干扰的无人机免疫控制方法。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足,提供一种无人机免疫控制方法,以解决背景技术中的问题。
本发明采用的技术方案是:一种无人机免疫控制方法,包括以下步骤:
S1、建立包含四旋翼无人机控制输入的非线性动力学模型;
S2、构建包含执行器故障、参数不确定性和未知外部干扰的非线性仿射系统,并将四旋翼无人机的动力学模型方程分解为积分链非线性系统,利于完成干扰观测器和自适应滑模控制器的设计;
S3、针对四旋翼飞行过程中的未知外部干扰问题设计了滑模控制器,确保在存在干扰的情况下能够实现预期的滑模运动;
S4、针对不连续控制增益导致的控制抖振问题,利用非线性干扰观测器,与S3中的滑模控制器相结合,实现了对未知外部干扰的估计,完成控制抖振问题的预处理;
S5、针对执行器故障和系统的参数不确定性问题,利用自适应方案估计相应的参数,构建基于干扰观测器的自适应滑模控制策略,实现四旋翼无人机在执行器故障,参数不确定性和未知外部干扰情况下的免疫控制。
进一步的,在S1中,结合四旋翼无人机的执行器的脉宽调制输入与产生的力和力矩之间的关系:
四旋翼无人机本体的非线性动力学模型方程可以表示为:
即四旋翼无人机上的力和力矩可以表示为如下形式:
且欧拉角速率和角速度之间的转换矩阵表示为:
进一步的,基于滚转角和俯仰角的变化状态,将角速度用欧拉角速率代替,则四旋翼无人机的动力学模型表示为:
则根据定义的状态向量,四旋翼无人机的动力学模型分解为如下所示的积分链非线性系统:
其中,
再将执行器故障,参数不确定性和外界干扰显式表达,建立包含四旋翼无人机非线性动力学模型的非线性仿射系统:
根据跟踪误差向量,将系统的积分滑模面定义为:
在上述基础上相应的控制律为:
结合外部干扰,得到系统的跟踪误差为:
在存在外部干扰的情况下,系统的跟踪误差都不会收敛到零,即通过不连续控制部分用来抑制干扰,如下所示:
干扰估计误差定义为:
干扰观测误差的动态响应可表示为下式:
通过对干扰进行估计,新设计的控制律可定义为:
在未知外部干扰存在的情况下,系统可通过新设计的控制律保持稳定性。
为平滑控制不连续性并避免控制抖振问题,结合与设计滑模面相邻的薄边界层:
因此,控制律可表示为:
其中st函数定义为:
因此,用于估计不确定参数的在线自适应律为:
本发明与现有技术相比具有以下优点:
本发明可以自适应地生成适当的控制信号,以同时补偿执行器故障,参数不确定性和外部干扰;执行器故障,参数不确定性和未知外部干扰分别通过不同的机制进行补偿,其中执行器故障和参数不确定性由所提出的自适应方案调节,外部干扰由非线性干扰观测器来进行衰减;针对控制抖振问题,通过将自适应控制参数集成到连续控制部分和不连续控制部分中,显著减少不连续控制部分的使用,大大减小了控制抖振;针对自适应方案中对自适应控制参数高估的问题,通过使用边界层来设计自适应方案,可使不连续控制增益保持在合理范围内,此外,借助于所设计的干扰观测器,可使滑模控制的不连续控制增益值进一步减小,从而大大缓解了控制抖振问题。
附图说明
图1为本发明方法流程图。
图2为本发明实施例中控制方法与传统滑模控制策略的俯仰角跟踪效果对比图。
图3为本发明所提出的控制方法的控制输入曲线图。
图4为传统滑模控制策略的控制输入曲线图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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。
通过具体仿真实验验证此发明的有效性;在仿真实验中,针对某一四旋翼无人机,采用了申请中的控制方法,在考虑四旋翼无人机的惯性矩的不确定性,电机控制效率损失以及外部干扰(常值干扰)的情况下,测试所提出的免疫控制方法的有效性。以纵向状态量为例,给定俯仰角一变化的信号指令,观察在不同时刻出现扰动后,所提出的免疫控制方法对俯仰角的跟踪效果图以及控制输入曲线,并与传统的滑模控制方法作对比,以验证本技术方案的有效性。
如图1-4所示,本发明提供一种技术方案:一种无人机免疫控制方法,其特征在于,包括以下步骤:
S1、建立包含四旋翼无人机控制输入的非线性动力学模型;
为满足实际应用需求,便于控制方法的实现,所建立的动力学模型应包含控制输入量,即四个电机的脉宽调制输入。
结合四旋翼无人机的执行器的脉宽调制输入与产生的力和力矩之间的关系:
四旋翼无人机本体的非线性动力学模型方程可以表示为:
即四旋翼无人机上的力和力矩可以表示为如下形式:
且欧拉角速率和角速度之间的转换矩阵表示为:
为了便于控制器的设计,假设滚转角和俯仰角的变化很小,即角速度用欧拉角速率代替,在这种情况下,则四旋翼无人机的动力学模型表示为:
以上,便建立了面向本技术方案实施所提出的四旋翼无人机非线性动力学模型。
S2、构建包含执行器故障、参数不确定性和未知外部干扰的非线性仿射系统,并将四旋翼无人机的动力学模型方程分解为积分链非线性系统,为干扰观测器和自适应滑模控制器的设计完成准备工作;
为了验证无人机免疫控制方法的有效性,在具体实施过程中,着重观察四旋翼无人机的高度与姿态角的控制效果,因此,可以将状态变量定义为如下形式:
则根据定义的状态向量,四旋翼无人机的动力学模型分解为如下所示的积分链非线性系统:
其中,
再将执行器故障,参数不确定性和外界干扰显式表达,建立包含四旋翼无人机非线性动力学模型的非线性仿射系统:
控制器需要根据四旋翼无人机所期望的高度和姿态角进行解算,从而得到控制输入。
在本次仿真实验验证中,参数不确定性主要体现在四旋翼无人机的惯性矩和未知阻力系数上,即向量和对角矩阵中,其不确定范围设置在正负20%之间;控制效率损失设置为20%,并将控制效率损失故障加在1号执行器中;外部干扰设置为常值0.5,注入故障后的动力学系统模型可表示为如下形式:
由此便建立了带有参数不确定性,执行器故障和外部干扰的四旋翼无人机非线性动力学模型。
根据所建立的非线性动力学模型,在开始仿真15秒后给四旋翼无人机的惯性矩注入参数不确定,在20秒时给1号执行器注入执行效率损失的故障,在25秒时注入外部干扰,由此建立了在多种威胁下的四旋翼无人机非线性动力学模型,以此为基础进行之后控制律的设计,实现对本步骤中注入的参数不确定性,执行器故障以及未知外部干扰的估计,并解算出合适的控制输入指令,达到较好的控制效果。
S3、针对四旋翼飞行过程中的未知外部干扰问题设计了滑模控制器,确保在存在干扰的情况下能够实现预期的滑模运动;
根据跟踪误差向量,将系统的积分滑模面定义为:
在上述基础上相应的控制律为:
结合外部干扰,得到系统的跟踪误差为:
在存在外部干扰的情况下,系统的跟踪误差都不会收敛到零,即通过不连续控制部分用来抑制干扰,因此设计了一个不连续控制部分,用来抑制干扰,如下所示:
S4、针对不连续控制增益导致的控制抖振问题,设计了非线性干扰观测器,并与S3中的滑模控制器相结合,实现了对未知外部干扰的估计,缓解了控制抖振问题;
干扰估计误差定义为:
干扰观测误差的动态响应可表示为下式:
如果观测器的增益保持,那么使用非线性干扰观测器的干扰估计可以渐进跟踪系统的真实的扰动,因此当观测器增益为正常数时,所设计的非线性干扰观测器可以估计未知的外部干扰,且相应的干扰估计误差渐近稳定;此外通过简单地增大观测器增益,可以提高估计误差动态的收敛速度。
通过对干扰进行估计,新设计的控制律可定义为:
在未知外部干扰存在的情况下,系统可通过新设计的控制律保持稳定性,四旋翼无人机系统可以通过设计的控制律保持稳定性,所提出的控制方案中的不连续控制增益值显著降低,因为外部干扰已经由干扰观测器精确估计,并且估计误差的大小远小于干扰的大小,在这种情况下,控制抖振问题可以在一定程度上得到缓解。
S5、针对四旋翼无人机执行器故障和系统的参数不确定性问题,设计了自适应方案来估计相应的参数,构建了基于干扰观测器的自适应滑模控制策略,实现了四旋翼无人机在执行器故障,参数不确定性和未知外部干扰情况下的免疫控制。
为平滑控制不连续性并避免控制抖振问题,结合与设计滑模面相邻的薄边界层:
因此,控制律可表示为:
其中st函数定义为:
因此,用于估计不确定参数的在线自适应律为:
经过以上步骤,便设计出了针对执行器故障,参数不确定性和未知外部干扰的无人机免疫控制方法,并将这种控制方法用于S1和S2中所建立的四旋翼无人机非线性动力学模型中,通过给定俯仰角一信号指令,观察对俯仰角的跟踪效果以及控制输入曲线,并与传统的自适应滑模控制策略作对比,观察两种控制方法的控制效果。
观察两种控制策略对俯仰角跟踪效果的对比图以及控制输入曲线,图2为本发明控制方法与传统滑模控制策略的俯仰角跟踪效果对比图,图3为本发明的控制方法的控制输入曲线图,图4为传统滑模控制策略的控制输入曲线图。
可以发现,在执行器发生故障后,传统滑模控制方法已经不能实现对指令的跟踪,而本申请所提出的控制策略仍能实现对俯仰角的良好跟踪,对比两者的控制输入,在1号执行器发生故障时,1号电机的控制输入均有明显的提升以弥补故障,但传统滑模控制方法不能有效弥补,导致无法跟踪到指令;
在受到常值干扰后,两种控制方案的控制输入均有较小的提升,而本申请提出的控制策略仍能实现较好的跟踪效果,传统的滑模控制方法已经不能跟踪上指令。
通过本仿真实验,可以明显发现在多种威胁同时存在的情况下,本申请所提出的控制策略能实现良好的免疫控制效果,验证了本发明的有效性。
需要说明的是,在本申请中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种无人机免疫控制方法,其特征在于,包括以下步骤:
S1、建立包含四旋翼无人机控制输入的非线性动力学模型;
S2、构建包含执行器故障、参数不确定性和未知外部干扰的非线性仿射系统,并将四旋翼无人机的动力学模型方程分解为积分链非线性系统,利于完成干扰观测器和自适应滑模控制器的设计;
S3、针对四旋翼飞行过程中的未知外部干扰问题设计了滑模控制器,确保在存在干扰的情况下能够实现预期的滑模运动;
S4、针对不连续控制增益导致的控制抖振问题,利用非线性干扰观测器,与S3中的滑模控制器相结合,实现了对未知外部干扰的估计,完成控制抖振问题的预处理;
S5、针对执行器故障和系统的参数不确定性问题,利用自适应方案估计相应的参数,构建基于干扰观测器的自适应滑模控制策略,实现四旋翼无人机在执行器故障,参数不确定性和未知外部干扰情况下的免疫控制。
2.根据权利要求1所述的一种无人机免疫控制方法,其特征在于,在S1中,结合四旋翼无人机的执行器的脉宽调制输入与产生的力和力矩之间的关系:
四旋翼无人机本体的非线性动力学模型方程可以表示为:
即四旋翼无人机上的力和力矩可以表示为如下形式:
且欧拉角速率和角速度之间的转换矩阵表示为:
根据跟踪误差向量,将系统的积分滑模面定义为:
在上述基础上相应的控制律为:
结合外部干扰,得到系统的跟踪误差为:
在存在外部干扰的情况下,系统的跟踪误差都不会收敛到零,即通过不连续控制部分用来抑制干扰,如下所示:
为平滑控制不连续性并避免控制抖振问题,结合与设计滑模面相邻的薄边界层:
因此,控制律可表示为:
其中st函数定义为:
因此,用于估计不确定参数的在线自适应律为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210925138.7A CN114995163B (zh) | 2022-08-03 | 2022-08-03 | 一种无人机免疫控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210925138.7A CN114995163B (zh) | 2022-08-03 | 2022-08-03 | 一种无人机免疫控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114995163A true CN114995163A (zh) | 2022-09-02 |
CN114995163B CN114995163B (zh) | 2022-12-16 |
Family
ID=83021462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210925138.7A Active CN114995163B (zh) | 2022-08-03 | 2022-08-03 | 一种无人机免疫控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114995163B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116300994A (zh) * | 2022-12-30 | 2023-06-23 | 西北工业大学 | 一种基于未知系统动力学估计器的四旋翼无人机姿态控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102132A (zh) * | 2014-06-27 | 2014-10-15 | 金陵科技学院 | 基于非仿射非线性无人飞行器鲁棒自适应容错控制方法 |
CN104238357A (zh) * | 2014-08-21 | 2014-12-24 | 南京航空航天大学 | 一种近空间飞行器的容错滑模控制方法 |
US20170153650A1 (en) * | 2015-11-30 | 2017-06-01 | Metal Industries Research & Development Centre | Multiple rotors aircraft and control method |
CN110320925A (zh) * | 2019-04-18 | 2019-10-11 | 南京航空航天大学 | 基于高阶干扰观测器的四旋翼飞行器安全控制方法 |
CN111007720A (zh) * | 2019-12-11 | 2020-04-14 | 南京航空航天大学 | 高超声速飞行器多传感器故障的非线性自愈合控制方法 |
CN112947062A (zh) * | 2020-12-25 | 2021-06-11 | 西北工业大学 | 一种复合翼垂直起降无人机旋翼模式控制方法及系统 |
CN114035597A (zh) * | 2021-11-16 | 2022-02-11 | 南京航空航天大学 | 一种基于Barrier函数的自适应全局滑模容错控制方法 |
-
2022
- 2022-08-03 CN CN202210925138.7A patent/CN114995163B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102132A (zh) * | 2014-06-27 | 2014-10-15 | 金陵科技学院 | 基于非仿射非线性无人飞行器鲁棒自适应容错控制方法 |
CN104238357A (zh) * | 2014-08-21 | 2014-12-24 | 南京航空航天大学 | 一种近空间飞行器的容错滑模控制方法 |
US20170153650A1 (en) * | 2015-11-30 | 2017-06-01 | Metal Industries Research & Development Centre | Multiple rotors aircraft and control method |
CN110320925A (zh) * | 2019-04-18 | 2019-10-11 | 南京航空航天大学 | 基于高阶干扰观测器的四旋翼飞行器安全控制方法 |
CN111007720A (zh) * | 2019-12-11 | 2020-04-14 | 南京航空航天大学 | 高超声速飞行器多传感器故障的非线性自愈合控制方法 |
CN112947062A (zh) * | 2020-12-25 | 2021-06-11 | 西北工业大学 | 一种复合翼垂直起降无人机旋翼模式控制方法及系统 |
CN114035597A (zh) * | 2021-11-16 | 2022-02-11 | 南京航空航天大学 | 一种基于Barrier函数的自适应全局滑模容错控制方法 |
Non-Patent Citations (1)
Title |
---|
WANG BAN等: "Adaptive Fault-Tolerant Control of a Quadrotor Helicopter Based on Sliding Mode Control and Radial Basis Function Neural Network", 《2020 INTERNATIONAL CONFERENCE ON UNMANNED AIRCRAFT SYSTEMS (ICUAS)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116300994A (zh) * | 2022-12-30 | 2023-06-23 | 西北工业大学 | 一种基于未知系统动力学估计器的四旋翼无人机姿态控制方法 |
CN116300994B (zh) * | 2022-12-30 | 2023-08-22 | 西北工业大学 | 基于未知系统动力学估计器的四旋翼无人机姿态控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114995163B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Disturbance observer-based adaptive fault-tolerant control for a quadrotor helicopter subject to parametric uncertainties and external disturbances | |
CN108803317B (zh) | 自适应多变量四旋翼无人机有限时间容错控制方法 | |
CN108445760A (zh) | 基于自适应故障估计观测器的四旋翼无人机容错控制方法 | |
CN109164708B (zh) | 一种高超声速飞行器神经网络自适应容错控制方法 | |
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 | |
CN110794857B (zh) | 考虑外部风干扰的固定翼无人机鲁棒离散分数阶控制方法 | |
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 | |
Song et al. | Adaptive fault tolerant control for a small coaxial rotor unmanned aerial vehicles with partial loss of actuator effectiveness | |
CN113777932B (zh) | 一种基于Delta算子的四旋翼自适应滑模容错控制方法 | |
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 | |
CN111679583A (zh) | 基于气动参数估计的变体飞行器自适应控制方法 | |
CN115185185A (zh) | 四旋翼飞行器自适应滑模控制系统的建立方法 | |
CN113568423A (zh) | 一种考虑电机故障的四旋翼无人机智能容错控制方法 | |
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 | |
CN114995163A (zh) | 一种无人机免疫控制方法 | |
Suresh et al. | An on-line learning neural controller for helicopters performing highly nonlinear maneuvers | |
CN115657468A (zh) | 一种垂直起降飞行器的自适应容错控制方法 | |
Yuan et al. | Adaptive fault-tolerant controller for morphing aircraft based on the L2 gain and a neural network | |
CN113625730B (zh) | 一种基于超扭滑模的四旋翼自适应容错控制方法 | |
CN117250867B (zh) | 一种多模式垂直起降飞行器自愈控制方法 | |
CN113759718A (zh) | 一种飞机机翼损伤自适应控制方法 | |
CN116430828A (zh) | 一种基于观测器的四旋翼故障容灾降级控制方法 | |
CN116382332A (zh) | 一种基于ude的战斗机大机动鲁棒飞行控制方法 | |
CN115373275A (zh) | 四旋翼无人机的指定时间预定性能容错控制方法 | |
CN115328185A (zh) | 一种飞行器非线性非定常气动载荷修正系统 |
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 |