CN115629620B - 一种针对侦察任务的无人机主动抗干扰飞行控制方法 - Google Patents

一种针对侦察任务的无人机主动抗干扰飞行控制方法 Download PDF

Info

Publication number
CN115629620B
CN115629620B CN202211644482.5A CN202211644482A CN115629620B CN 115629620 B CN115629620 B CN 115629620B CN 202211644482 A CN202211644482 A CN 202211644482A CN 115629620 B CN115629620 B CN 115629620B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
error
matrix
unknown
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
CN202211644482.5A
Other languages
English (en)
Other versions
CN115629620A (zh
Inventor
阚梓
李道春
王永志
姚卓尔
邵浩原
姜运
向锦武
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.)
Beihang University
Rainbow UAV Technology Co Ltd
Original Assignee
Beihang University
Rainbow UAV Technology Co Ltd
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 Beihang University, Rainbow UAV Technology Co Ltd filed Critical Beihang University
Priority to CN202211644482.5A priority Critical patent/CN115629620B/zh
Publication of CN115629620A publication Critical patent/CN115629620A/zh
Application granted granted Critical
Publication of CN115629620B publication Critical patent/CN115629620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种针对侦察任务的无人机主动抗干扰飞行控制方法，包括步骤：针对无人机在存在外界干扰的环境中执行侦察任务情况，基于无人机定直平飞状态，建立无人机的状态空间方程；将无人机的状态空间方程分解为两部分：已知部分和未知部分，其中未知部分包括系统未建模状态以及集总扰动；设计扩张观测器，将未知部分视为系统的状态之一，更新无人机的状态空间方程，并对其进行观测，得到未知部分的观测值；采用滑模控制方法，设计滑模面；将扩张观测器与滑模面结合，设计无人机姿态控制器；采用李雅普诺夫稳定性判据分析系统稳定性。该飞行控制方法具有主动抗干扰能力，能够适应环境扰动较为剧烈的侦察任务环境。

Description

一种针对侦察任务的无人机主动抗干扰飞行控制方法
技术领域
本发明属于无人机飞行控制领域，更具体地说，涉及一种针对侦察任务的无人机主动抗干扰飞行控制方法。
背景技术
无人机是近年来航空领域的研究热点，相比于有人机，无人机战场适应能力更强、战场生存能力更强，同时成本低，效费比高。基于以上优势，相比于有人机，无人机能够在极端恶劣的环境下执行更为危险的任务。通过滞空侦察从而获得关键战场信息是无人机的重要用途之一，也是无人机在军用领域的主要阵地。然而在进行侦察任务过程中，由于环境的复杂性，无人机难免会遇到气流冲击、阵风、降雨等各类干扰，这些干扰会使得无人机的姿态发生剧烈变化，无法保持预定姿态与轨迹，从而严重影响侦察任务的执行。因此，研究无人机在复杂侦察环境干扰下的主动抗干扰控制方法，对于提升无人机的侦察能力具有重要意义。
发明内容
为了解决无人机在复杂侦察环境下受到干扰而无法保持姿态，从而无法正常执行侦察任务的问题，本发明提出了一种针对侦察任务的无人机主动抗干扰飞行控制方法，为无人机侦察能力提升提供了技术参考。
本发明提供了一种针对侦察任务的无人机主动抗干扰飞行控制方法，通过设计扩张观测器对无人机侦察过程中所遇到的环境干扰进行主动集总估计，并结合滑模控制器实现无人机在外界干扰下的姿态稳定，从而提升无人机在外界干扰下的侦察能力。
本发明采用如下技术方案：
一种针对侦察任务的无人机主动抗干扰飞行控制方法，包括以下步骤：
第一步，针对无人机在存在外界干扰的环境中执行侦察任务情况，基于无人机定直平飞状态下的被控状态量以及受到的集总扰动，建立无人机的状态空间方程；
第二步，将无人机的状态空间方程分解为两部分：已知部分和未知部分，其中未知部分包括未建模状态以及集总扰动；
第三步，设计扩张观测器，将未知部分视为无人机的状态之一，并对其进行观测，得到未知部分的观测值，实现对无人机所受到的外界干扰和未建模状态的主动抑制；
第四步，采用滑模控制方法，以无人机被控状态量误差作为输入设计滑模面；
第五步，将扩张观测器与滑模面结合，设计基于主动抗干扰的无人机姿态控制器；
第六步，对于无人机、无人机姿态控制器构成的闭环系统，采用李雅普诺夫稳定性判据分析系统稳定性，给出该闭环系统在存在外界干扰的环境中执行侦察任务时的稳定性条件。
进一步，所述第一步，无人机的状态空间方程如下所示：
Figure 794581DEST_PATH_IMAGE001
其中，x表示被控状态量矩阵，u表示控制矩阵，A和B为系统矩阵，d为侦察过程中遇到的集总扰动。
进一步，所述第二步，将无人机的状态空间方程分解为两部分：已知部分和未知部分，分解式如下所示
Figure 171598DEST_PATH_IMAGE002
其中A0和B0为已知部分系统矩阵，x*为未知部分，A*和B*为未知部分系统矩阵。
进一步，所述第三步，设计扩张观测器如下所示：
Figure 935154DEST_PATH_IMAGE003
其中e0为观测误差，
Figure 706801DEST_PATH_IMAGE004
为对被控状态量矩阵x的估计值，
Figure 454177DEST_PATH_IMAGE005
对未知部分x*的估计值，β0和β1为扩张观测器参数。
进一步，所述第四步，假设期望被控状态量矩阵为xd，设计滑模面如下所示：
Figure 867841DEST_PATH_IMAGE006
其中K为滑模面参数；e为被控状态量误差，且
Figure 485904DEST_PATH_IMAGE007
；t为时间。
进一步，所述第五步，设计基于主动抗干扰的无人机姿态控制器，其控制矩阵如下所示：
Figure 694032DEST_PATH_IMAGE008
其中c和η为控制器参数矩阵，
Figure 663125DEST_PATH_IMAGE009
为符号函数。
进一步，所述第六步具体为
设计李雅普诺夫候选函数如下所示：
Figure 614900DEST_PATH_IMAGE010
其中，V表示李雅普诺夫候选函数；
对李雅普诺夫候选函数进行求导：
Figure 353049DEST_PATH_IMAGE011
将无人机姿态控制器的控制矩阵代入上式：
Figure 245262DEST_PATH_IMAGE012
Figure 701651DEST_PATH_IMAGE013
Figure 191538DEST_PATH_IMAGE014
Figure 49772DEST_PATH_IMAGE015
其中
Figure 599702DEST_PATH_IMAGE016
和
Figure 277808DEST_PATH_IMAGE017
分别为未知部分的观测误差和被控状态量矩阵的观测误差，表达式为
Figure 571387DEST_PATH_IMAGE018
，
Figure 18548DEST_PATH_IMAGE019
；
假设扩张观测器对于系统不确定性的估计误差有界，且满足
Figure 4959DEST_PATH_IMAGE020
，
Figure 435940DEST_PATH_IMAGE021
，其中δ 1和δ 2为扩张观测器误差，得到
Figure 267630DEST_PATH_IMAGE022
其中
Figure 70763DEST_PATH_IMAGE023
，
Figure 228075DEST_PATH_IMAGE024
表示b的最小值；假设
Figure 615194DEST_PATH_IMAGE025
，
Figure 250575DEST_PATH_IMAGE026
，得到
Figure 937908DEST_PATH_IMAGE027
得到：
Figure 542DEST_PATH_IMAGE028
即
Figure 140536DEST_PATH_IMAGE029
其中，s 0为滑模面在0时刻初值；
所以当
Figure 314029DEST_PATH_IMAGE030
时，有如下不等式成立
Figure 855869DEST_PATH_IMAGE031
可见，收敛速度取决于控制器参数矩阵c，滑模面参数K以及扩张观测器误差δ 1、δ 2；在扩张观测器误差已定的情况，取给定范围内的c和K，能够实现跟踪误差收敛，无人机能够实现在外界干扰下的姿态稳定。
本发明与现有技术相比所具有的有益效果：
本发明所提供的一种针对侦察任务的无人机主动抗干扰飞行控制方法，通过扩张观测器对无人机的未建模状态以及无人机侦察过程中所遇到的环境干扰进行主动集总估计，然后将扩张观测器与滑模控制结合设计姿态控制器，最后再根据李雅普诺夫稳定性判据分析系统稳定性，实现无人机在外界干扰下的姿态稳定控制，从而能够提升无人机在外界干扰下的侦察能力。此外，由于采用了扩张观测器对外界扰动进行估计，因此具有主动抗干扰能力，能够适应环境扰动较为剧烈的侦察任务环境。
附图说明
图1为本发明的针对侦察任务的无人机主动抗干扰飞行控制方法的控制逻辑图。
具体实施方式
为使本发明的目的，技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
本实施例中针对某型侦察无人机为例进行外界干扰下的姿态稳定控制，从而提升无人机侦察能力。实施例设定为无人机在1000m高度进行侦察任务，当受到外界干扰时保持三轴姿态角均为0进行侦察。
如图1所示，一种针对侦察任务的无人机主动抗干扰飞行控制方法，包括以下步骤：
第一步，采用时序分离原理，将无人机分为内外环控制。内环控制矩阵为
Figure 89404DEST_PATH_IMAGE032
，内环被控状态量矩阵为
Figure 451115DEST_PATH_IMAGE033
，内环系统矩阵为A2和B2，内环集总扰动为d2；外环控制矩阵u1即为内环期望被控状态量矩阵
Figure 428298DEST_PATH_IMAGE034
，外环被控状态量矩阵为
Figure 591689DEST_PATH_IMAGE035
，外环系统矩阵为A1和B1，外环集总扰动为d1。其中
Figure 996125DEST_PATH_IMAGE036
分别表示无人机滚转角、俯仰角和偏航角；
Figure 845132DEST_PATH_IMAGE037
分别表示滚转角速度、俯仰角速度、偏航角速度；
Figure 626007DEST_PATH_IMAGE038
分别表示副翼偏转角、升降舵偏转角、方向舵偏转角。由此建立无人机的内外环状态空间方程如下所示：
Figure 142439DEST_PATH_IMAGE039
第二步，无人机的内外环状态空间方程可以分解为两部分，第一部分为已知部分，第二部分为未知部分，其中未知部分包括系统未建模状态，即采用低阶系统模拟高阶系统时所无法描述的动态特性，以及集总扰动。内环分解式如下所示
Figure 717776DEST_PATH_IMAGE040
其中A02和B02为内环已知部分系统矩阵，
Figure 788501DEST_PATH_IMAGE041
和
Figure 373066DEST_PATH_IMAGE042
为内环未知部分系统矩阵，
Figure 744004DEST_PATH_IMAGE043
为内环未知部分。
外环分解式如下所示
Figure 490243DEST_PATH_IMAGE044
其中A01和B01为外环已知部分系统矩阵，
Figure 80887DEST_PATH_IMAGE045
和
Figure 937984DEST_PATH_IMAGE046
为外环未知部分系统矩阵，
Figure 163429DEST_PATH_IMAGE047
为外环未知部分。
第三步，采用扩张观测器对未知部分进行集总观测。其中内环设计扩张观测器如下所示：
Figure 346149DEST_PATH_IMAGE048
其中e02为内环观测误差，
Figure 391465DEST_PATH_IMAGE049
为对内环被控状态量矩阵x2的估计值，
Figure 317833DEST_PATH_IMAGE050
为对内环未知部分
Figure 397785DEST_PATH_IMAGE051
的估计值，β02和β12为内环扩张观测器参数。
外环设计扩张观测器如下所示：
Figure 751406DEST_PATH_IMAGE052
其中e01为外环观测误差，
Figure 284018DEST_PATH_IMAGE053
为对外环被控状态量矩阵x1的估计值，
Figure 14077DEST_PATH_IMAGE054
为对外环未知部分
Figure 948535DEST_PATH_IMAGE055
的估计值，β01和β11为外环扩张观测器参数。
第四步，设计内外环控制器滑模面。其中内环滑模面s2如下所示：
Figure 207478DEST_PATH_IMAGE056
其中K2为内环滑模面参数；e2为内环被控状态量误差，且
Figure 994430DEST_PATH_IMAGE057
，x2d为期望角速度，
Figure 262601DEST_PATH_IMAGE058
，t为时间。
外环滑模面s1如下所示：
Figure 51565DEST_PATH_IMAGE059
其中K1为外环滑模面参数；e1为外环被控状态量误差，且
Figure 746989DEST_PATH_IMAGE060
，x1d为期望角度，t为时间。
第五步，将扩张观测器与滑模控制结合，设计基于主动抗干扰的无人机内外环控制器。根据扩张观测器结果，最终可以设计内环控制矩阵如下所示：
Figure 254193DEST_PATH_IMAGE061
其中c2和η2为内环控制器参数矩阵，
Figure 326055DEST_PATH_IMAGE062
为符号函数。
外环控制矩阵如下所示：
Figure 969526DEST_PATH_IMAGE063
其中c1和η1为外环控制器参数矩阵。
第六步，采用李雅普诺夫稳定性判据证明系统稳定性。
对于内环控制器，首先设计内环李雅普诺夫候选函数如下所示：
Figure 835850DEST_PATH_IMAGE064
其中，V 2表示内环李雅普诺夫候选函数；
对该函数进行求导可得
Figure 830351DEST_PATH_IMAGE065
将控制矩阵代入上式可得
Figure 440324DEST_PATH_IMAGE066
Figure 938302DEST_PATH_IMAGE067
Figure 742572DEST_PATH_IMAGE068
其中
Figure 958789DEST_PATH_IMAGE069
和
Figure 372453DEST_PATH_IMAGE070
分别为内环未知部分的观测误差和被控状态量矩阵的观测误差，表达式为
Figure 990516DEST_PATH_IMAGE071
，
Figure 464223DEST_PATH_IMAGE072
；
假设内环扩张观测器对于系统不确定性的估计误差有界，且满足
Figure 167737DEST_PATH_IMAGE073
，
Figure 119512DEST_PATH_IMAGE074
，其中δ 12和δ 22为内环扩张观测器误差，则得到
Figure 857661DEST_PATH_IMAGE075
其中
Figure 236690DEST_PATH_IMAGE076
，
Figure 427500DEST_PATH_IMAGE077
表示b2的最小特征值；假设
Figure 182966DEST_PATH_IMAGE078
，
Figure 775622DEST_PATH_IMAGE079
，则得到
Figure 827016DEST_PATH_IMAGE080
由此可以得到，
Figure 505122DEST_PATH_IMAGE081
即
Figure 64280DEST_PATH_IMAGE082
其中，s 02为滑模面在0时刻初值；
所以当
Figure 511442DEST_PATH_IMAGE083
时，有如下不等式成立
Figure 497852DEST_PATH_IMAGE084
由此可以看到，收敛速度取决于内环控制器参数矩阵c2，内环滑模面参数K2以及内环扩张观测器误差δ 12、δ 22。因此在内环扩张观测器误差已定的情况，只要取合适的c2和K2，便可实现角速度跟踪误差收敛在可接受范围内。
对于外环控制器，其与内环控制器的采用李雅普诺夫稳定性判据的证明过程类似，此处不再赘述。在外环扩张观测器误差已定的情况，只要取合适的外环控制器参数矩阵c1和外环滑模面参数K1，便可实现姿态角跟踪误差收敛在可接受范围内。
综上所示，在所设计的内外环控制器作用下，无人机能够实现在外界干扰下的姿态稳定，从而提升侦察能力。

Claims (2)

1.一种针对侦察任务的无人机主动抗干扰飞行控制方法，其特征在于，包括以下步骤：
第一步，针对无人机在存在外界干扰的环境中执行侦察任务情况，基于无人机定直平飞状态下的被控状态量以及受到的集总扰动，建立无人机的状态空间方程；
第二步，将无人机的状态空间方程分解为两部分：已知部分和未知部分，其中未知部分包括未建模状态以及集总扰动；
第三步，设计扩张观测器，将未知部分视为无人机的状态之一，并对其进行观测，得到未知部分的观测值，实现对无人机所受到的外界干扰和未建模状态的主动抑制；
第四步，采用滑模控制方法，以无人机被控状态量误差作为输入设计滑模面；
第五步，将扩张观测器与滑模面结合，设计基于主动抗干扰的无人机姿态控制器；
第六步，对于无人机、无人机姿态控制器构成的闭环系统，采用李雅普诺夫稳定性判据分析系统稳定性，给出该闭环系统在存在外界干扰的环境中执行侦察任务时的稳定性条件；
所述第一步，无人机的状态空间方程如下所示：
Figure QLYQS_1
其中，x表示被控状态量矩阵，u表示控制矩阵，A和B为系统矩阵，d为侦察过程中遇到的集总扰动；
所述第二步，将无人机的状态空间方程分解为两部分：已知部分和未知部分，分解式如下所示
Figure QLYQS_2
其中A0和B0为已知部分系统矩阵，x*为未知部分，A*和B*为未知部分系统矩阵；
所述第三步，设计扩张观测器如下所示：
Figure QLYQS_3
其中e0为观测误差，
Figure QLYQS_4
为对被控状态量矩阵x的估计值，
Figure QLYQS_5
对未知部分x*的估计值，β0和β1为扩张观测器参数；
所述第四步，假设期望被控状态量矩阵为xd，设计滑模面如下所示：
Figure QLYQS_6
其中K为滑模面参数；e为被控状态量误差，且
Figure QLYQS_7
；t为时间；
所述第五步，设计基于主动抗干扰的无人机姿态控制器，其控制矩阵如下所示：
Figure QLYQS_8
其中c和η为控制器参数矩阵，
Figure QLYQS_9
为符号函数。
2.根据权利要求1所述的针对侦察任务的无人机主动抗干扰飞行控制方法，其特征在于，所述第六步具体为
设计李雅普诺夫候选函数如下所示：
Figure QLYQS_10
其中，V表示李雅普诺夫候选函数；
对李雅普诺夫候选函数进行求导：
Figure QLYQS_11
将无人机姿态控制器的控制矩阵代入上式：
Figure QLYQS_12
Figure QLYQS_13
Figure QLYQS_14
Figure QLYQS_15
其中
Figure QLYQS_16
和
Figure QLYQS_17
分别为未知部分的观测误差和被控状态量矩阵的观测误差，表达式为
Figure QLYQS_18
，
Figure QLYQS_19
；
假设扩张观测器对于系统不确定性的估计误差有界，且满足
Figure QLYQS_20
，
Figure QLYQS_21
，其中δ 1和δ 2为扩张观测器误差，得到
Figure QLYQS_22
其中
Figure QLYQS_23
，
Figure QLYQS_24
表示b的最小值；假设
Figure QLYQS_25
，
Figure QLYQS_26
，得到
Figure QLYQS_27
得到：
Figure QLYQS_28
即
Figure QLYQS_29
其中，s 0为滑模面在0时刻初值；
所以当
Figure QLYQS_30
时，有如下不等式成立
Figure QLYQS_31
可见，收敛速度取决于控制器参数矩阵c，滑模面参数K以及扩张观测器误差δ 1、δ 2；在扩张观测器误差已定的情况，取给定范围内的c和K，能够实现跟踪误差收敛，无人机能够实现在外界干扰下的姿态稳定。
CN202211644482.5A 2022-12-21 2022-12-21 一种针对侦察任务的无人机主动抗干扰飞行控制方法 Active CN115629620B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211644482.5A CN115629620B (zh) 2022-12-21 2022-12-21 一种针对侦察任务的无人机主动抗干扰飞行控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211644482.5A CN115629620B (zh) 2022-12-21 2022-12-21 一种针对侦察任务的无人机主动抗干扰飞行控制方法

Publications (2)

Publication Number Publication Date
CN115629620A CN115629620A (zh) 2023-01-20
CN115629620B true CN115629620B (zh) 2023-03-10

Family

ID=84910344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211644482.5A Active CN115629620B (zh) 2022-12-21 2022-12-21 一种针对侦察任务的无人机主动抗干扰飞行控制方法

Country Status (1)

Country Link
CN (1) CN115629620B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992070A (zh) * 2017-12-03 2018-05-04 中国直升机设计研究所 一种倾转旋翼飞行器过渡模式自动实现方法
CN108255063B (zh) * 2018-01-26 2021-03-19 深圳禾苗通信科技有限公司 基于闭环子空间辨识的小型旋翼无人飞行器系统建模方法
CN108710302B (zh) * 2018-06-20 2021-07-06 天津大学 无源性全方位移动机器人轨迹跟踪自抗扰控制方法
CN111749800B (zh) * 2020-06-15 2021-09-10 天津大学 基于负载变化率主动观测的自学习转速控制方法
CN112578805B (zh) * 2020-12-30 2024-04-12 湖北航天飞行器研究所 一种旋翼飞行器的姿态控制方法
CN115437359B (zh) * 2022-11-07 2023-02-28 西北工业大学 一种面向传感器故障的飞机容错控制方法、系统及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘海波 ; 王和平 ; 孙俊磊 ; .菱形翼布局无人机自适应分数阶滑模姿态控制.(第04期), *
詹韬 ; 梅金平 ; 郑旭 ; .基于ESO的再入飞行器姿态控制.(第03期), *
顾凯 ; 金岳 ; 刘新宇 ; .利用捷联导引头打击机动目标的自抗扰制导律设计.(第02期), *

Also Published As

Publication number Publication date
CN115629620A (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
CN110531777B (zh) 基于自抗扰控制技术的四旋翼飞行器姿态控制方法和系统
Miao et al. Spatial curvilinear path following control of underactuated AUV with multiple uncertainties
CN105159304B (zh) 接近并跟踪空间非合作目标的有限时间容错控制方法
CN107357166B (zh) 小型无人直升机的无模型自适应鲁棒控制方法
Yu et al. Attitude tracking control of a quadrotor UAV in the exponential coordinates
CN112578805B (zh) 一种旋翼飞行器的姿态控制方法
CN108646554B (zh) 一种基于指定性能的飞行器快速抗干扰纵向制导方法
CN109358646B (zh) 带有乘性噪声的导弹自主编队队形随机控制系统建模方法
CN111781942B (zh) 一种基于自构造模糊神经网络的容错飞行控制方法
An et al. Robust fixed-time tracking control for underactuated AUVs based on fixed-time disturbance observer
CN110794857A (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
CN113253617A (zh) 用于四旋翼无人机的在线自适应控制方法
CN108459611B (zh) 一种近空间飞行器的姿态跟踪控制方法
CN115826394A (zh) 基于分数阶pid与分数阶终端滑模的四旋翼无人机控制方法
CN107479382A (zh) 基于在线数据学习的高超声速飞行器神经网络控制方法
CN108958278B (zh) 一种空天飞行器巡航段快速抗干扰制导方法
CN115629620B (zh) 一种针对侦察任务的无人机主动抗干扰飞行控制方法
Liang et al. Path following control for underactuated AUV based on feedback gain backstepping
Tao et al. Control of a flexible air-breathing hypersonic vehicle with measurement noises using adaptive interval type-2 fuzzy logic system
CN114003052B (zh) 一种基于动态补偿系统的固定翼无人机纵向运动鲁棒自适应控制方法
Liang et al. Adaptive NN control of integrated guidance and control systems based on disturbance observer
Khanna et al. Adaptive block backstepping control for a UAV performing lateral maneuvers under lateral cg uncertainty
CN114527772A (zh) 一种auv轨迹跟踪控制器设计方法与系统
ZHANG et al. Aircraft post-stall maneuver control using attitude feedback linearization
CN114488784A (zh) 一种人机决策冲突的消解方法和装置

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