CN115576209B - 一种基于极值搜索的无人机位置跟踪控制方法 - Google Patents
一种基于极值搜索的无人机位置跟踪控制方法 Download PDFInfo
- Publication number
- CN115576209B CN115576209B CN202211568382.9A CN202211568382A CN115576209B CN 115576209 B CN115576209 B CN 115576209B CN 202211568382 A CN202211568382 A CN 202211568382A CN 115576209 B CN115576209 B CN 115576209B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- model
- ude
- representing
- 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
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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种基于极值搜索的无人机位置跟踪控制方法包括:基于无人机机体运动规律构建无人机系统数学模型;基于不确定性和扰动估计器UDE的设计原理和无人机系统数学模型建立非线性无人机系统模型,基于非线性无人机系统模型设计UDE;利用极值搜索算法实时优化UDE控制器参数。本发明通过设计UDE来解决无人机系统受不确定性和未知扰动的影响;通过在UDE控制器设计的过程中增加滤波器,实现对非线性无人机系统总扰动的准确估计与补偿;通过利用极值搜索算法对滤波器参数进行实时优化来增强无人机轨迹跟踪器的抗干扰能力,减小不确定性和扰动带来的误差,保证无人机稳定准确实现位置跟踪控制。
Description
技术领域
本发明涉及无人机跟踪控制技术领域,具体为一种基于极值搜索的无人机位置跟踪控制方法。
背景技术
四旋翼无人机是一种欠驱动强耦合非线性系统,其飞行控制极易受模型不确定性和风力扰动影响,出现较大偏差。
鉴于以上所述问题,可采用不确定性和扰动估计器(UDE),来解决模型不确定性和风力扰动的影响,但UDE并不能解决传感器扰动带来的影响。因此引入极值搜索方法(ES)对UDE进行参数整定,设计抗干扰能力强的无人机轨迹跟踪控制器,以减小不确定性和扰动带来的误差,保证无人机稳定准确实现位置跟踪控制。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:四旋翼无人机位置跟踪控制中因模型不确定性、风力扰动和传感器误差影响,出现较大偏差的问题。
为解决上述技术问题,本发明提供如下技术方案:一种基于极值搜索的无人机位置跟踪控制方法,包括:
基于无人机机体运动规律构建无人机系统数学模型;
基于不确定性和扰动估计器UDE的基本设计原理和所述无人机系统数学模型建立非线性无人机系统模型,并基于所述非线性无人机系统模型设计UDE;
利用极值搜索算法对所述UDE的控制器参数进行实时优化。
作为本发明所述的一种基于极值搜索的无人机位置跟踪控制方法的一种优选方案,其中:所述构建无人机系统数学模型,包括:构建无人机运动学模型和无人机动力学模型。
作为本发明所述的一种基于极值搜索的无人机位置跟踪控制方法的一种优选方案,其中:所述构建无人机运动学模型,包括:
将无人机关于位置的方程表示为:
将姿态角的变化率与机体的旋转角速度之间的关系方程表示为:
将无人机关于位置的方程和姿态角的变化率域机体旋转角之间的关系方程相结合,获取无人机关于欧拉角的运动学模型,表示为:
作为本发明所述的一种基于极值搜索的无人机位置跟踪控制方法的一种优选方案,其中:所述构建无人机动力学模型,包括:使用牛顿-欧拉方程建立无人机的动力学模型,具体为:
构建无人机位置动力学模型方程,表示为:
在机体坐标系内构建有关四旋翼无人机姿态的动力学关系,表示为:
联立位置动力学模型方程和姿态动力学模型方程以获取无人机动力学模型方程,表示为:
其中,表示无人机在地球坐标系的速度变化率即加速度, 表示无人机的质
量, 表示重力加速度, 是沿着地球坐标系中垂直于地平面向下的单位向量,表示旋
转矩阵,表示旋翼的合力,表示无人机转动惯量, 为四旋翼无人机在机体坐标系的角
速度; 表示来自于陀螺转轴的角速度而产生的陀螺力矩; 包括旋翼绕 轴、
轴和 轴分别产生的滚转力矩 、俯仰力矩 和偏航力矩。
作为本发明所述的一种基于极值搜索的无人机位置跟踪控制方法的一种优选方案,其中:所述无人机系统数学模型,包括:将无人机数学模型进行解耦获得水平位置模型、高度位置模型和姿态模型三个线性模型;
水平位置模型表示为:
高度位置模型表示为:
姿态模型表示为:
作为本发明所述的一种基于极值搜索的无人机位置跟踪控制方法的一种优选方案,其中:所述非线性无人机系统模型,表示为:
作为本发明所述的一种基于极值搜索的无人机位置跟踪控制方法的一种优选方案,其中:所述设计UDE,还包括:设计基于UDE的控制方法,表示为:
本发明的有益效果:本发明通过设计不确定性和扰动估计器UDE来解决无人机系统受不确定性和未知扰动的影响;通过在UDE控制器设计的过程中增加滤波器,实现对非线性无人机系统总扰动的准确估计与补偿;通过利用极值搜索算法对滤波器参数进行实时优化来增强无人机轨迹跟踪器的抗干扰能力,减小不确定性和扰动带来的误差, 保证无人机稳定准确实现位置跟踪控制。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例提供的一种基于极值搜索的无人机位置跟踪控制方法的整体流程图;
图2为本发明一个实施例提供的经极值搜索算法优化后的UDE控制器控制流程图;
图3为本发明一个实施例提供的无人机坐标系和地球坐标系示意图;
图4为本发明一个实施例提供的UDE控制器控制流程图;
图5为本发明一个实施例提供的离散极值搜索算法的原理图;
图6为本发明一个实施例提供的UDE航迹控制方法与UDE结合ES航迹控制方法的对比仿真实验结果图;
图7为本发明一个实施例提供的UDE航迹控制方法与UDE结合ES航迹控制方法的误差对比仿真结果图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1~5,为本发明的一个实施例,提供了一种基于极值搜索的无人机位置跟踪控制方法,包括:
S1:基于无人机机体运动规律构建无人机系统数学模型;
应说明的是,无人机系统数学模型均基于以下假设进行数学模型的构建,假设具体为:无人机的几何中心与重心重合,结构对称分布;无人机机体不考虑弹性形变,看作刚体;质量和转动惯量不变,不考虑电机间动态差异;无人机只受到自身重力以及旋翼拉力作用,其中重力方向为指向地心,拉力方向垂直无人机机体向上。
更进一步的,基于几何学的无人机机体运动构建运动学模型。
应说明的是,所构建的运动学模型只研究物体中的力与位移间的关系,与重量或受力等无关,四旋翼无人机的运动学模型的输入变量与输出变量的关系一一对应,即速度输入对应位置输出,角速度输入对应姿态输出。
姿态角的变化率与机体的旋转角速度之间的关系方程表示为:
将无人机关于位置的方程和姿态角的变化率域机体旋转角之间的关系方程相结合,获取无人机关于欧拉角的运动学模型,表示为:
更进一步的,基于上述对无人机机体运动的假设,使用牛顿-欧拉方程建立无人机的动力学模型。
具体的,基于牛顿第二定律分析四旋翼无人机的运动状态,获取其运动规律,满足公式:
更进一步的,在机体坐标系内建立有关四旋翼无人机姿态的动力学关系满足:
更进一步的,联立位置动力学模型方程和姿态动力学模型方程以获取无人机动力学模型方程,表示为:
更进一步的,联立无人机运动学模型方程和动力学模型方程获取无人机系统的数学模型,并对模型进行简化。
应说明的是,由无人机运动学模型方程和动力学模型方程联立所得的无人机系统的数学模型较为复杂,不利于控制器的设计与开发,因此需要对无人机系统的非线性数学模型进行进一步的简化。
具体的,假设无人机只进行小角度机动 (类似于平衡悬停态), 具有很小的俯仰角和滚转角, 因此可将总拉力近似地考虑为无人机的重力, 在此假设下,对无人机系统模型进行线性化处理,即假设:
更进一步的,将简化后的无人机数学模型进行解耦获得水平位置模型(x、y通道)、高度位置模型(z通道)和姿态模型三个线性模型。
具体的,水平位置模型表示为:
高度位置模型表示为:
姿态模型表示为:
S2:基于不确定性和扰动估计器UDE的基本设计原理和所述无人机系统数学模型建立非线性无人机系统模型,并基于所述非线性无人机系统模型设计UDE;
更进一步的,基于轨迹跟踪器UDE的基本设计原理和无人机系统数学模型进行建模,将非线性无人机系统数学模型表示为:
更进一步的,用参考模型来表示期望目标,表示为:
更进一步的,综合公式(16)~(20)可得非线性无人机系统可表示为:
其中,UDE表示不确定性与扰动估计器。
更进一步的,得出基于UDE的控制方法为:
应说明的是,UDE控制器是由系统的状态变量、反馈误差增益、可调参数的低通滤波器以及参考模型组成, 而系统模型参数的不确定性或未知的外部扰动在 UDE 控制器中不起作用。
S3:利用极值搜索算法对所述UDE的控制器参数进行实时优化。
应说明的是,基于 UDE 的位置控制器可对外界扰动起到补偿作用, 但其补偿扰
动的效果由其滤波器参数 决定,为了使 UDE 控制器更精准地对系统总干扰 进
行估计并补偿, 使用极值搜索算法(ES 算法)对滤波器参数 进行实时优化, 以便于提
高UDE控制器的性能。
计算当前实际位置信号和参考位置信号的误差, 并将当前误差的平方进行离散时间上的积分, 其表达函数为:
应说明的是,ES作为一种自适应算法,它使用由闭环系统的输出误差信号产生的成本函数迭代地改进控制器参数;其算法不基于具体模型,以函数的输出达到极值的方式迭代地改变函数的输入;通过扰动系统的输入变量,并由此估计输出梯度信息,然后利用该梯度信息在接下来的迭代中不断取到系统函数的极值,将待优化参数调整到最优。
还应说明的是,滤波器是UDE控制器对无人机跟踪控制的关键,其作用是能够对外界不确定性扰动进行估计以及补偿,但其滤波器参数设置无法实现对不同扰动的实时修改,经ES算法实时优化的滤波器参数能够对不同干扰的估计和补偿起到更好的效果。
实施例2
参照图1~5,为本发明的一个实施例,提供了一种基于极值搜索的无人机位置跟踪控制方法在具体场景下的应用。
如图 3 所示, 地球坐标系用来表述无人机机体相对于地平面的位置
以及运动状态, 轴垂直于地平面向下;机体坐标系 的原点 与四旋翼无
人机的重心位置相重合, 轴为垂直四旋翼无人机的水平面向下, 每个电机产生的推
力 和扭矩 可以描述为:
式中, 为系统的前馈项, 其保证了系统未受到外界未知扰动时对轨迹跟踪
的有效性; 为比例增益, 为微分增益, 其作用是镇定系统并提高瞬态响应性能; 是位置跟踪误差, 是速度跟踪误差, 位置和速度跟踪误差定义为:
根据式(34), 在输出反馈控制器中加入UDE估计干扰, 用来补偿外界未知扰动,提高系统的控制性能。
将 UDE 控制器设计为:
将上式(36)转换到频域中后得到:
进一步得到:
将滤波器(28)代入(40)即可得:
最终可得其控制框图如图4所示。
具体的离散 原理如图5所示;系统的待优化参数 的估计值为, 使系
统输入估计值与附加的周期为 且幅值为 的扰动信号 相叠加, 此时系统输
出为, 其输出的近似直流信号(基准信号)被高通
滤波器滤除, 其截止频率为, 在解调信号 的作用下, 可得到系统函数的近
似梯度。
当系统函数到达极值点时,此时其成本函数为最小值,其系统函数的输出为待优化参数的最优解,便可将此参数用于无人机控制器的参数。
极值搜索算法使得系统函数收敛至极值点后,将获取到的最优参数用于控制器,然后对于新的系统参数再次执行极值搜索,将此过程不断迭代进行,实现对无人机跟踪控制参数的不断优化,最终实现更加稳定可靠的跟踪控制。
实施例3
参照图1~7,为本发明的一个实施例,提供了一种基于极值搜索的无人机位置跟踪控制方法,为了验证本发明的有益效果,通过仿真实验进行科学论证。
基于ROS的可视化平台RVIZ,通过在仿真过程中的无人机跟踪圆形轨迹时人为添加干扰信号,模拟无人机在有干扰情况下的飞行。
本实施例中采用一架四旋翼无人机在有干扰环境下,沿给定航迹,以1m/s的初始速度飞行,采样时间120s,其中仿真四旋翼无人机参数设置如表1所示。
表1四旋翼无人机参数设置
仿真过程中,通过预先设置无人机跟踪的轨迹,加入干扰信号后,根据无人机实际航迹与设定航迹间的误差大小,验证UDE+ES算法的稳定性,并通过对有无极值搜索的UDE控制器进行比较,验证本文算法的有效性。实验结果如图6~7所示。
由图6~7可知,相较于传统的利用UDE进行轨迹跟踪控制的方法本发明提出的利用UDE+ES算法进行轨迹跟踪控制的方法能够更好的进行轨迹控制,使得无人机运行轨迹更加接近于预设轨迹;本发明所采用的UDE+ES算法能有效增强无人机轨迹跟踪器的抗干扰能力,减小不确定性和扰动带来的误差, 保证无人机稳定准确实现位置跟踪控制。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种基于极值搜索的无人机位置跟踪控制方法,其特征在于,包括:
基于无人机机体运动规律构建无人机运动学模型为:和无人机动力学模型为:/>式中,pe表示无人机在地球坐标系的坐标位置,ve表示无人机在地球坐标系的速度,/>表示姿态角变化率,W表示姿态角变化率和旋转角速度之间的关系系数,ωb表示旋转角速度,/>表示无人机在地球坐标系的速度变化率即加速度,m表示无人机的质量,g表示重力加速度,e3是沿着地球坐标系中垂直于地平面向下的单位向量,/>表示旋转矩阵,f表示旋翼的合力,J表示无人机转动惯量,Ga表示来自于陀螺转轴的角速度而产生的陀螺力矩,τ包括旋翼绕obxb轴、obyb轴和obzb轴分别产生的滚转力矩τx、俯仰力矩τy和偏航力矩τz;
解耦所述无人机系统数学模型为水平位置模型、高度位置模型和姿态模型,基于不确定性和扰动估计器UDE的基本设计原理和解耦所得模型建立非线性无人机系统模型为:Amx+Bmc(t)-Ax-Nx-Bu(t)-f(t)=Ke;式中,Am为参考的状态矩阵,x=(x1,...,xn)T是状态向量,Bm为参考的控制矩阵,c(t)=[cr(t),...,cn(t)]T是期望的输出状态,A为已知的系统状态矩阵,N为未知的状态矩阵,B为已知的系统控制矩阵,u(t)=[u1(t),...,un(t)]T为控制输入向量,f(t)为不确定的外部干扰,K为误差反馈增益,e为系统模型和参考模型间的误差;
基于所述非线性无人机系统模型获取控制律u(t)=B+[Amx+Bmc(t)-Ax-Nx-f(t)-Ke],将控制律用拉普拉斯变换表示在s域上,表示为:U(s)=B+[AmX(s)+BmC(s)-KE(s)-AX(s)]+B+[-NX(s)-F(s)];在轨迹跟踪器中加入低通滤波器,设计UDE为:UDE=B+[(A-sI)X(s)+BU(s)]Gf(s),并设计基于UDE的控制方法为:U(s)=(I-B+BGf)-1B+·[AmX+BmC-KE-AX(1-Gf)-sGfX],式中,Gf(s)表示低通滤波器,矩阵B+是矩阵B的伪逆矩阵;
2.如权利要求1所述的基于极值搜索的无人机位置跟踪控制方法,其特征在于:所述解耦无人机系统数学模型,包括:将无人机数学模型进行解耦获得水平位置模型、高度位置模型和姿态模型三个线性模型;
水平位置模型表示为:
高度位置模型表示为:
姿态模型表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211568382.9A CN115576209B (zh) | 2022-12-08 | 2022-12-08 | 一种基于极值搜索的无人机位置跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211568382.9A CN115576209B (zh) | 2022-12-08 | 2022-12-08 | 一种基于极值搜索的无人机位置跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115576209A CN115576209A (zh) | 2023-01-06 |
CN115576209B true CN115576209B (zh) | 2023-03-31 |
Family
ID=84590669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211568382.9A Active CN115576209B (zh) | 2022-12-08 | 2022-12-08 | 一种基于极值搜索的无人机位置跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115576209B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208000B (zh) * | 2012-12-28 | 2015-10-21 | 青岛科技大学 | 基于局部极值快速搜索的特征点提取方法 |
CN103603767B (zh) * | 2013-09-18 | 2016-03-30 | 国家电网公司 | 一种基于滑模的极值搜索控制参数自适应调整方法 |
CN106444799B (zh) * | 2016-07-15 | 2019-03-12 | 浙江工业大学 | 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法 |
CN106406325B (zh) * | 2016-07-27 | 2019-05-31 | 浙江工业大学 | 基于模糊扩张状态观测器的四旋翼无人机反馈线性化控制方法 |
CN110705153B (zh) * | 2019-09-24 | 2023-09-05 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种无人机多阶安全系数取值方法 |
CN111027136A (zh) * | 2019-11-25 | 2020-04-17 | 江苏大学 | 基于分数阶极值搜索的非线性abs控制方法 |
US11460822B2 (en) * | 2019-12-11 | 2022-10-04 | Johnson Controls Tyco IP Holdings LLP | Self perturbing extremum-seeking control system |
CN112363171B (zh) * | 2020-08-18 | 2022-07-05 | 中国船舶重工集团公司第七一五研究所 | 一种解决被动警戒画面目标航迹交叉的自主跟踪方法 |
CN114723777A (zh) * | 2020-12-21 | 2022-07-08 | 北京华航无线电测量研究所 | 一种基于嵌入式gpu平台的单目标跟踪方法 |
CN115129072A (zh) * | 2022-03-16 | 2022-09-30 | 南京航空航天大学 | 固定翼无人机位置跟踪偏差约束下终端滑模控制方法 |
-
2022
- 2022-12-08 CN CN202211568382.9A patent/CN115576209B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115576209A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | A simple attitude control of quadrotor helicopter based on ziegler-nichols rules for tuning pd parameters | |
CN109062042B (zh) | 一种旋翼飞行器的有限时间航迹跟踪控制方法 | |
Huang et al. | Fixed-time autonomous shipboard landing control of a helicopter with external disturbances | |
CN109116860B (zh) | 三旋翼无人机的非线性鲁棒控制方法 | |
CN111399531B (zh) | 高超声速飞行器滑翔段制导与姿态控制一体化设计方法 | |
CN104765272A (zh) | 一种基于pid神经元网络控制(pidnn)的四旋翼飞行器控制方法 | |
CN105929842A (zh) | 一种基于动态速度调节的欠驱动uuv平面轨迹跟踪控制方法 | |
CN112346470A (zh) | 一种基于改进自抗扰控制的四旋翼姿态控制方法 | |
CN111258216B (zh) | 一种适用于四旋翼飞行器的滑模重复控制器 | |
Liu et al. | Robust command filtered adaptive backstepping control for a quadrotor aircraft | |
CN107491083A (zh) | 一种基于饱和自适应滑模控制的四旋翼自主着船方法 | |
Abas et al. | Modeling and system identification using extended kalman filter for a quadrotor system | |
CN112631316B (zh) | 变负载四旋翼无人机的有限时间控制方法 | |
CN112558621A (zh) | 一种基于解耦控制的飞行机械臂系统 | |
Jiao et al. | Analysis and design the controller for quadrotors based on PID control method | |
CN112578805A (zh) | 一种旋翼飞行器的姿态控制方法 | |
Sun et al. | Nonlinear robust compensation method for trajectory tracking control of quadrotors | |
CN111522352A (zh) | 多旋翼飞行器单参数自抗扰姿态控制器设计方法 | |
CN109976364B (zh) | 一种六旋翼飞行器姿态解耦控制方法 | |
Fethalla et al. | Robust observer-based backstepping controller for a quadrotor UAV | |
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 | |
CN115576209B (zh) | 一种基于极值搜索的无人机位置跟踪控制方法 | |
CN110134135B (zh) | 基于改进mpc-pid的四旋翼飞行器控制方法 | |
Liu et al. | Quaternion-based robust attitude control for quadrotors | |
Xue et al. | A moving target tracking control of quadrotor UAV based on passive control and super-twisting sliding mode control |
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 |