CN115185185A - 四旋翼飞行器自适应滑模控制系统的建立方法 - Google Patents
四旋翼飞行器自适应滑模控制系统的建立方法 Download PDFInfo
- Publication number
- CN115185185A CN115185185A CN202210890935.6A CN202210890935A CN115185185A CN 115185185 A CN115185185 A CN 115185185A CN 202210890935 A CN202210890935 A CN 202210890935A CN 115185185 A CN115185185 A CN 115185185A
- Authority
- CN
- China
- Prior art keywords
- sliding mode
- control system
- mode control
- disturbance
- extended state
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000000694 effects Effects 0.000 claims abstract description 13
- 230000003044 adaptive effect Effects 0.000 claims abstract description 12
- 238000013461 design Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000001258 synovial membrane Anatomy 0.000 description 2
- 230000002567 autonomic effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 244000145845 chattering Species 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004804 winding 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种四旋翼飞行器自适应滑模控制系统的建立方法,包括:根据四旋翼飞行器的姿态动力学方程,设计用于实时估计整个系统中的扰动线性扩张状态观测器;根据四旋翼飞行器的姿态动力学方程和所设计的线性扩张状态观测器设计自适应滑模控制系统,该滑模控制系统的控制律部分包括实时根据扰动大小改变切换项的增益来补偿扰动估计误差的可变增益切换项;对四旋翼飞行器自适应滑模控制系统进行稳定性分析。实时根据扰动大小改变切换项的增益来补偿扰动估计误差,做到大扰动时增大增益值,提升抗扰能力;在外部扰动较小的时候,减小切换项增益,在不改变控制器效果前提下,抑制滑模控制的抖振问题。
Description
技术领域
本发明属于四旋翼飞行器控制的技术领域,具体涉及一种四旋翼飞行器自适应滑模控制系统的建立方法。
背景技术
近年来,四旋翼无人机在军事和民用领域广泛的应用,如军事检测、灾害监测、农业服务、测绘和摄影等等;与传统的固定翼飞行器相比,四旋翼无人机具有垂直起降、稳定悬停、携带方便、体积小等特点。然而,四旋翼无人机系统本身的多变量、非线性、强耦合和对干扰的敏感性使其难以控制,飞行过程中也会遇到空气阻力和其他外部干扰,因此在设计控制器时需要考虑各种外部干扰问题。此外,四旋翼无人机的动力学模型复杂,其中一些气动参数难以精确测量,这些未知的不确定性进一步增加了四旋翼无人机控制器设计的难度,因此为了实现四旋翼飞行器的自主飞行,满足高可靠性的飞行要求,四旋翼无人机的姿态控制问题越来越重要。
发明内容
本发明的目的在于针对现有技术的不足之处,提供一种四旋翼飞行器自适应滑模控制系统的建立方法,该方法能够实时根据扰动大小改变切换项的增益来补偿扰动估计误差,做到大扰动时增大增益值,提升抗扰能力,在外部扰动较小的时候,减小切换项增益,在不改变控制器效果前提下,抑制滑模控制的抖振问题。
为解决上述技术问题,本发明采用如下技术方案:
一种四旋翼飞行器自适应滑模控制系统的建立方法,包括如下步骤:
步骤1,根据四旋翼飞行器的姿态动力学方程,设计用于实时估计整个系统中的扰动线性扩张状态观测器;
步骤2,根据四旋翼飞行器的姿态动力学方程和所设计的线性扩张状态观测器设计自适应滑模控制系统,该滑模控制系统的控制律部分包括实时根据扰动大小改变切换项的增益来补偿扰动估计误差的可变增益切换项;
步骤3,对四旋翼飞行器自适应滑模控制系统进行稳定性分析。
进一步地,步骤1中,根据四旋翼横滚角、俯仰角或偏航角子系统设计扰动线性扩张状态观测器。
进一步地,根据牛顿力学和牛顿-拉格朗日方程,四旋翼飞行器的虚拟控制输入和姿态动力学方程分别表示如下:
其中,u1(t)表示沿z轴作用在机身上的总推力,u2(t)、u3(t)和u4(t)分别表示横滚、俯仰和偏航扭矩,l>0b>0,c>0是升力常数,Ωi(t),i=1,2,3,4表示四个转子的角速度,φ(t)、θ(t)和ψ(t)分别表示横滚角、俯仰角和偏航角的角度; 和分别表示横滚角、俯仰角和偏航角的角速度;和分别表示横滚角、俯仰角和偏航角的角加速度,Jxx表示为x轴的转动惯量,Jyy表示为y轴的转动惯量,Jzz表示为z轴的转动惯量,ki(i=4,5,6)为风阻系数,Jr为电机的转子惯量,Ωr是四旋翼飞行器电机产生的扰动;
横滚角子系统控制设计为:令[x1(t),x2(t)]T=[φ(t),p(t)]T,将横滚角子系统重写为:
其中,α1>0,α2>0,α3>0是线性扩张状态观测器的增益,ω为线性扩张状态观测器的带宽;分别对应为z1(t)、z2(t)、z3(t)的导数,分别为的在线估计,分别对应为x1(t)、x2(t)、f1(t)的导数,并且使得最终观测误差E3(t)=|f1(t)-z3(t)|<Δ,Δ为预设值;
根据俯仰角和偏航角子系统设计线性扩张状态观测器方法同上。
进一步地,步骤2中控制系统的设计方法为:
选取滑模控制的滑模面为
其中,s1(t)表示滑模面,k表示正常数,e1(t)=x1(t)-xd,1(t)表示当前状态x1(t)和参考状态xd,1(t)之间的误差,并且xd,1(t)二阶连续可微的信号,表示信号误差的一阶微分;
设计的自适应滑模控制律如下:
式中,κ表示接近于0的正数;
可变增益切换项为:
其中,G(t)=sgn(|s1(t)|-ξ),d1,d2,ξ,δ是正常数;若s1(t)>ξ,此时干扰较大,D(t)快速上升以达到抵消大干扰的效果;若s1(t)<ξ,此时D(t)减小,抵消干扰的同时也减小的控制器的抖振;
根据横滚角子系统设计的线性扩张状态观测器得到的滑模控制系统为:
其中k>0,ks,1>0,z3(t)是线性扩张状态观测器的实时估计值。
进一步地,步骤3中借助Lyapunov稳定性理论对四旋翼滑膜控制系统进行了稳定性分析,其中,Lyapunov函数为:
进一步地,对滑膜控制系统进行稳定性分析如下:
对Lyapunov函数求时间导数:
分析一:当|s1(t)|≥κ时,此时sat(s1(t))=sgn(s1(t));
(1)Δ<D(t)
(2)Δ≥D(t)
求解上述有关V(t)的微分方程为:
求解上述有关V(t)的微分方程:
通过以上关于稳定性的分析,可以得到所设计的控制器是稳定且可行的。
与现有技术相比,本发明的有益效果为:本发明能够实时根据扰动大小改变切换项的增益D(t)来补偿扰动估计误差,此时s1(t)>ξ,外部扰动较大,D(t)快速上升以达到抵消大干扰的效果;做到大扰动时增大增益值,提升抗扰能力;在外部扰动较小的时候,减小切换项增益,此时s1(t)<ξ,D(t)减小,抑制扰动的同时也减小的控制器的抖振问题。
附图说明
图1为本发明实施例搭建的四旋翼飞行器模型;
图2表示本发明实施例不同算法在实际实验中的跟踪效果;
图3表示本发明实施例不同算法在实际实验中的阶跃扰动下的抗扰效果;
图4表示不同算法在强风扰动下不同算法的靠绕效果。
具体实施方式
下面将结合本发明实施例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作出创造性劳动的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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明提供一种四旋翼飞行器自适应滑模控制系统的建立方法,包括以下步骤:
步骤1,根据四旋翼飞行器的姿态动力学方程,设计用于实时估计整个系统中的扰动线性扩张状态观测器;
根据牛顿力学和牛顿-拉格朗日方程,四旋翼飞行器的虚拟控制输入和姿态动力学方程可分别表示如下:
其中,u1(t)表示沿z轴作用在机身上的总推力,u2(t)、u3(t)和u4(t)分别表示横滚、俯仰和偏航扭矩,l>0b>0,c>0是升力常数,Ωi(t),i=1,2,3,4表示四个转子的角速度,φ(t)、θ(t)和ψ(t)分别表示横滚角、俯仰角和偏航角的角度; 和分别表示横滚角、俯仰角和偏航角的角速度;和分别表示横滚角、俯仰角和偏航角的角加速度,Jxx表示为x轴的转动惯量,Jyy表示为y轴的转动惯量,Jzz表示为z轴的转动惯量,ki(i=4,5,6)为风阻系数,Jr为电机的转子惯量,Ωr是四旋翼飞行器电机产生的扰动。
由于四旋翼横滚角、俯仰角和偏航角三个通道的控制器设计相似,这里仅以如下的横滚角子系统为例进行控制器的设计:
根据上述公式(4)的横滚角子系统,可设计线性扩张状态观测器为:
其中,α1>0,α2>0,α3>0是线性扩张状态观测器的增益,ω为线性扩张状态观测器的带宽。分别为的在线估计,其中,为z1(t)、z2(t)、z3(t)的导数,分别对应为x1(t)、x2(t)、f1(t)的导数,并且可以使得最终观测误差E3(t)=|f1(t)-z3(t)|<Δ,Δ为一个很小的正常数,可以事先预设一个值。
步骤2,根据四旋翼飞行器的姿态动力学方程和所设计的线性扩张状态观测器设计自适应滑模控制系统,该滑模控制系统的控制律部分包括实时根据扰动大小改变切换项的增益来补偿扰动估计误差的可变增益切换项;
在该步骤中,滑模控制器的设计主要包括如下:
选取滑模控制的滑模面为
其中,s1(t)表示滑模面,k表示正常数,e1(t)=x1(t)-xd,1(t)表示当前状态x1(t)和参考状态xd,1(t)之间的误差,并且xd,1(t)为二阶连续可微的信号,表示信号误差的一阶微分。
设计的自适应滑模控制律如下
其中,ks,1>0,饱和函数表示如下
其中,κ表示接近于0的正数;
可变增益切换项为:
其中,G(t)=sgn(|s1(t)|-ξ),d1,d2,ξ,δ是正常数。若s1(t)>ξ,此时系统的外部扰动较大,D(t)将会已2d1的速率快速上升以达到抑制大扰动的效果,当增益变大的控制器因为抑制扰动使得s1(t)<ξ,此时对于系统来说外部的扰动相对较小,D(t)会以-2d2的速率缓慢的减小。通过这种方式,实时变化的D(t)不仅提升了整个控制器在外部大扰动下的自抗扰能力,而且还减小了外部小扰动下控制器大增益造成的抖振问题。
根据以上的分析,联立等式(4)、(5)、(6)、(7)、(8)和(9),可以设计系统的自适应滑模控制器U1(t)为
步骤3,对四旋翼飞行器自适应滑模控制系统进行稳定性分析:
在本实施例中,借助Lyapunov稳定性理论对四旋翼飞行器滑模控制系统进行了稳定性分析,Lyapunov函数为:
对其求时间导数可得:
分析一:
当|s1(t)|≥κ时,由等式(8)可知,此时sat(s1(t))=sgn(s1(t));
(1)Δ<D(t)
(2)Δ≥D(t)
求解(14)的微分方程得到:
求解(17)的微分方程可得
通过以上关于稳定性的分析,可以得到所设计的控制器是稳定且可行的。
此外,相同的控制器设计也可以用于俯仰角和偏航角控制子系统的设计。
和
为了说明本发明的有益效果,搭建如图1所示的实验平台,其包括一台装有上位机的笔记本电脑,一个遥控器,一个信号接收器和一个四旋翼姿态控制的验证装置,用200g砝码来模拟阶跃干扰,用吹尘枪吹出的风来模拟强风干扰,其最高风速可达到21m/s。通过与PID和SMADRC算法相对比,对比结果表现如下图所示图2-图4。参考信号给定为ψr(t)=0。
图2表示不同算法在实际实验中的跟踪效果,可以看出本实施例提出的算法相比较PID来说,具有明显的跟踪效果。图3表示不同算法在实际实验中的阶跃扰动下的抗扰效果,此时在t=5s时刻加入了阶跃扰动,外部扰动较大,本实施例随着变增益的迅速增大,可以快速的抑制扰动,可以从图中明显看出因扰动加大所造成的超调相较于PID和SMADRC小,在扰动抑制过程结束后,本实施例算法的变增益慢慢减小,减弱了滑模控制的抖振,从图3中可以明显看出SMADRC具有强烈的抖振,而本实施例算法并无此现象。图4表示不同算法在强风扰动下不同算法的抗扰效果,也可以明显看出本发明算法的因强风扰动所带来的超调较小。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (6)
1.一种四旋翼飞行器自适应滑模控制系统的建立方法,其特征在于,包括如下步骤:
步骤1,根据四旋翼飞行器的姿态动力学方程,设计用于实时估计整个系统中的扰动线性扩张状态观测器;
步骤2,根据四旋翼飞行器的姿态动力学方程和所设计的线性扩张状态观测器设计自适应滑模控制系统,该滑模控制系统的控制律部分包括实时根据扰动大小改变切换项的增益来补偿扰动估计误差的可变增益切换项;
步骤3,对四旋翼飞行器自适应滑模控制系统进行稳定性分析。
2.根据权利要求1所述的四旋翼飞行器自适应滑模控制系统的建立方法,其特征在于,步骤1中,根据四旋翼横滚角、俯仰角或偏航角子系统设计扰动线性扩张状态观测器。
3.根据权利要求2所述的四旋翼飞行器自适应滑模控制系统的建立方法,其特征在于,根据牛顿力学和牛顿-拉格朗日方程,四旋翼飞行器的虚拟控制输入和姿态动力学方程分别表示如下:
其中,u1(t)表示沿z轴作用在机身上的总推力,u2(t)、u3(t)和u4(t)分别表示横滚、俯仰和偏航扭矩,l>0b>0,c>0是升力常数,Ωi(t),i=1,2,3,4表示四个转子的角速度,φ(t)、θ(t)和ψ(t)分别表示横滚角、俯仰角和偏航角的角度; 和分别表示横滚角、俯仰角和偏航角的角速度;和分别表示横滚角、俯仰角和偏航角的角加速度,Jxx表示为x轴的转动惯量,Jyy表示为y轴的转动惯量,Jzz表示为z轴的转动惯量,ki(i=4,5,6)为风阻系数,Jr为电机的转子惯量,Ωr是四旋翼飞行器电机产生的扰动;
横滚角子系统控制设计为:令[x1(t),x2(t)]T=[φ(t),p(t)]T,将横滚角子系统重写为:
其中,α1>0,α2>0,α3>0是线性扩张状态观测器的增益,ω为线性扩张状态观测器的带宽;分别对应为z1(t)、z2(t)、z3(t)的导数,分别为的在线估计,分别对应为x1(t)、x2(t)、f1(t)的导数,并且使得最终观测误差E(t)=|f1(t)-z3(t)|<Δ,Δ为预设值;
根据俯仰角和偏航角子系统设计线性扩张状态观测器方法同上。
4.根据权利要求2所述的四旋翼飞行器自适应滑模控制系统的建立方法,其特征在于,步骤2中控制系统的设计方法为:
选取滑模控制的滑模面为
其中,s1(t)表示滑模面,k表示正常数,e1(t)=x1(t)-xd,1(t)表示当前状态x1(t)和参考状态xd,1(t)之间的误差,并且xd,1(t)二阶连续可微的信号,表示信号误差的一阶微分;
设计的自适应滑模控制律如下:
式中,κ表示接近于0的正数;
可变增益切换项为:
其中,G(t)=sgn(|s1(t)|-ξ),d1,d2,ξ,δ是正常数;若s1(t)>ξ,此时干扰较大,D(t)快速上升以达到抵消大干扰的效果;若s1(t)<ξ,此时D(t)减小,抵消干扰的同时也减小的控制器的抖振;
根据横滚角子系统设计的线性扩张状态观测器得到的滑模控制系统为:
其中k>0,ks,1>0,z3(t)是线性扩张状态观测器的实时估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210890935.6A CN115185185A (zh) | 2022-07-27 | 2022-07-27 | 四旋翼飞行器自适应滑模控制系统的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210890935.6A CN115185185A (zh) | 2022-07-27 | 2022-07-27 | 四旋翼飞行器自适应滑模控制系统的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115185185A true CN115185185A (zh) | 2022-10-14 |
Family
ID=83520840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210890935.6A Pending CN115185185A (zh) | 2022-07-27 | 2022-07-27 | 四旋翼飞行器自适应滑模控制系统的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115185185A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115857525A (zh) * | 2022-11-29 | 2023-03-28 | 西安工业大学 | 一种无人直升机时变增益自抗扰优化控制方法 |
CN116088548A (zh) * | 2022-12-30 | 2023-05-09 | 西北工业大学 | 一种基于快速非奇异终端滑模的四旋翼无人机姿态控制方法 |
CN116627156A (zh) * | 2023-07-24 | 2023-08-22 | 南京信息工程大学 | 一种四旋翼无人机姿态抗扰控制方法 |
-
2022
- 2022-07-27 CN CN202210890935.6A patent/CN115185185A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115857525A (zh) * | 2022-11-29 | 2023-03-28 | 西安工业大学 | 一种无人直升机时变增益自抗扰优化控制方法 |
CN115857525B (zh) * | 2022-11-29 | 2023-09-29 | 西安工业大学 | 一种无人直升机时变增益自抗扰优化控制方法 |
CN116088548A (zh) * | 2022-12-30 | 2023-05-09 | 西北工业大学 | 一种基于快速非奇异终端滑模的四旋翼无人机姿态控制方法 |
CN116088548B (zh) * | 2022-12-30 | 2023-09-29 | 西北工业大学 | 一种基于快速非奇异终端滑模的四旋翼无人机姿态控制方法 |
CN116627156A (zh) * | 2023-07-24 | 2023-08-22 | 南京信息工程大学 | 一种四旋翼无人机姿态抗扰控制方法 |
CN116627156B (zh) * | 2023-07-24 | 2023-12-01 | 南京信息工程大学 | 一种四旋翼无人机姿态抗扰控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115185185A (zh) | 四旋翼飞行器自适应滑模控制系统的建立方法 | |
CN107479567B (zh) | 动态特性未知的四旋翼无人机姿态控制器及方法 | |
CN105159305B (zh) | 一种基于滑模变结构的四旋翼飞行控制方法 | |
CN109765918B (zh) | 一种无人直升机鲁棒自适应补偿控制方法 | |
CN107357166B (zh) | 小型无人直升机的无模型自适应鲁棒控制方法 | |
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 | |
CN104950901A (zh) | 无人直升机姿态误差有限时间收敛非线性鲁棒控制方法 | |
CN112578805B (zh) | 一种旋翼飞行器的姿态控制方法 | |
CN107844124B (zh) | 一种四旋翼飞行器携带不平衡负载稳定飞行的控制方法 | |
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 | |
CN112947518B (zh) | 一种基于干扰观测器的四旋翼鲁棒姿态控制方法 | |
CN106802570B (zh) | 一种无人直升机位置跟踪的方法与装置 | |
CN109703769B (zh) | 一种基于预瞄策略的空中加油对接控制方法 | |
CN114815861A (zh) | 一种基于时空径向基函数神经网络的容错飞行控制方法 | |
CN113568419A (zh) | 一种变载四旋翼无人机容错控制方法 | |
CN112327926B (zh) | 一种无人机编队的自适应滑模控制方法 | |
CN109460055B (zh) | 一种飞行器控制能力确定方法、装置及电子设备 | |
CN115793453A (zh) | 融合ai深度学习的旋翼飞行器轨迹跟踪自适应控制方法 | |
CN106020222A (zh) | 一种三自由度直升机姿态的自抗扰控制方法 | |
CN113778129A (zh) | 一种干扰补偿的高超声速变后掠翼飞行器跟踪控制方法 | |
CN111122899A (zh) | 一种用于大气扰动中飞行的迎角侧滑角估计方法 | |
CN107817818B (zh) | 一种模型不确定飞艇航迹跟踪有限时间控制方法 | |
CN110377044B (zh) | 一种无人直升机的有限时间高度和姿态跟踪控制方法 | |
CN113204191A (zh) | 一种无人直升机自抗扰容错控制方法 | |
CN114489094A (zh) | 一种基于加速度反馈增强的旋翼无人机抗风扰控制方法 |
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 |