CN118244791B - 一种复杂气象条件下无人飞行器安全自驾仪系统设计方法 - Google Patents
一种复杂气象条件下无人飞行器安全自驾仪系统设计方法 Download PDFInfo
- Publication number
- CN118244791B CN118244791B CN202410683933.9A CN202410683933A CN118244791B CN 118244791 B CN118244791 B CN 118244791B CN 202410683933 A CN202410683933 A CN 202410683933A CN 118244791 B CN118244791 B CN 118244791B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- track
- tracking
- control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013461 design Methods 0.000 title claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 206010016654 Fibrosis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 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
- 230000004761 fibrosis Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，属于飞行机器人规划领域，以解决无人飞行器在复杂场景下机动飞行时轨迹跟踪精度降低的问题。首先，该系统将无人飞行器控制器、控制输出饱和与无人飞行器开环动力学模型结合，构成完整的闭环动力学模型。其次，考虑跟踪控制的精确性和快速性，并在约束中考虑控制饱和约束，构建最优控制问题以实时优化轨迹的时间参数。最后，系统将优化后的时间参数应用于原始轨迹构成新的局部松弛轨迹，以实现在特定场景下使轨迹跟踪偏向快速性或精确性。本发明为当前飞行器在执行最短时间任务等大机动飞行任务时，根据场景需求自适应快速性与精确性的问题提供了新的解决方法。
Description
技术领域
本发明属于飞行机器人规划领域，具体涉及一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，适用于多场景下的无人飞行器精确、鲁棒机动飞行。
背景技术
作为一种灵活的空中平台，多旋翼飞行器近年来得到了快速发展，并在国家安全和国民经济建设领域发挥着十分重要的作用。当前，多旋翼无人飞行器在部署时通常会对任务进行解耦，将其分为规划与控制两个阶段，这样做的主要是因为每个组件的输出的可解释性，系统设计的可分离性以及用于实时控制的流程的简化。但是，如此进行解耦使得无人飞行器在进行最短时间等大机动飞行任务时，尤其是复杂任务场景下，表现出轨迹跟踪精度差、鲁棒性差等现象。由于一般性的任务并无大机动飞行要求，将规划与控制解耦考虑可以满足一定的跟踪精度。但对于最短时间等大机动飞行任务而言，由于无人飞行器的规划系统并未考虑控制系统的性能，无法直接在规划层面调节控制器的跟踪误差；而底层控制器无法对上层规划系统给出的参考轨迹进行调节，参考轨迹过于激烈可能导致产生跟踪误差甚至失稳。中国专利申请CN202211089274.3提出了一种时间最优轨迹优化方法，可在满足最大推力限制的条件下达到最短轨迹时间，但无法保证一般控制器在跟踪是可以做到精准且稳定的跟踪。中国专利申请CN202011183904.4提出了一种基于微分平坦性的四旋翼跟踪控制算法，其利用了四旋翼欠驱动系统的状态耦合关系，具有反馈+前馈的复合控制结构，可保证在参考轨迹可行的情况下实现很高的控制精度，但无法保证精准跟踪激烈变化的参考轨迹。
发明内容
为解决上述技术问题，本发明提供一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，在在给定时间最优轨迹和给定底层控制器架构的情况下，根据不同场景自适应权衡轨迹跟踪快速性与跟踪误差对原始时间最优轨迹进行局部松弛，改变闭环系统跟踪特性，以高效地完成各类作业任务。
为达到上述目的，本发明采用如下技术方案如下：
一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，包括以下步骤：
步骤一：建立无人飞行器开环动力学模型；
步骤二：结合无人飞行器控制器、控制输出饱和与无人飞行器开环动力学模型，构建无人飞行器跟踪控制律与无人飞行器闭环动力学模型；
步骤三：考虑跟踪控制的精确性和快速性，并在约束中考虑控制输出饱和约束，构建最优控制问题，以实时优化轨迹的时间参数；
步骤四：定义步骤三中的最优控制问题的目标函数，实时求解该最优控制问题；将优化后的轨迹的时间参数应用于原始轨迹，构成新的局部松弛轨迹，以在特定场景下使轨迹跟踪偏向快速性或精确性。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法的步骤。
本发明的有益效果在于：
本发明的无人飞行器安全自驾仪系统考虑闭环系统性能，能够实现精确且鲁棒地跟踪原始时间最优轨迹，并可根据任务需求实现快速性与精确性之间的权衡。相比于一般的轨迹优化-跟踪控制设计解耦的思路，本发明将底层控制器的性能引入规划层，并以跟踪控制器的控制饱和以及产生的总推力信号作为真实可行性约束，确保了跟踪条件下的可行性；同时，将闭环系统跟踪误差引入规划的目标函数中，通过对目标函数赋权实现对跟踪快速性与精确性之间的权衡。
附图说明
图1为本发明的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法的流程图；
图2为本发明对应的自驾仪系统的系统框图；
图3为采用基础控制器与采用本发明的测试案例一的性能对比图；
图4为采用基础控制器与采用本发明的测试案例二的性能对比图；
图5为无人飞行器采用本发明的跟踪控制的真实的飞行掠影示意图；
图6为无人飞行器采用原始跟踪控制的真实的飞行掠影示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法包括如下步骤：
步骤一：建立无人飞行器开环动力学模型：
；
其中，分别为四旋翼的质量，地球重力加速度，四旋翼的惯量矩阵，表
示地面坐标系下的四旋翼位置，四旋翼速度，四旋翼加速度，为四元数，为机
体角速度，分别代表四元数的第一个元素和后三个元素组成的矢量；表示机体坐
标系的Z轴单位向量，表示地面坐标系的Z轴单位向量；表示四旋翼的合推力大小和
对应的力矩矢量；为四个电机产生的推力；表示控制效率矩阵。、、分别
对应变量对时间的一阶、二阶、三阶导数，以此类推。代表叉乘运算。表示四元数乘法，其
运算规则如下：
；
其中，代表三维单位矩阵，上标T表示矩阵的转置，表示三维向量的斜反对称矩阵；
步骤二：构建无人飞行器跟踪控制律与无人飞行器闭环动力学模型：
具有四旋翼系统的无人飞行器跟踪控制律建立如下：
采用基于微分平坦性的跟踪控制律，并利用时标分离原理，将四旋翼系统的控制器分为位置控制器与姿态控制器，前者的输出对应后者的期望输入，由于四旋翼系统的姿态控制器与位置控制器的带宽相差10倍以上，因此二者可以分开设计。
位置控制器的设计可以使用PD控制律外加前馈项（轨迹本身前向加速度与重力加速度补偿）：
；
其中，分别表示位置误差增益，速度误差增益，参考位置，参考速
度。由位置控制器可得到期望加速度，该期望加速度对应相关的期望姿态。
由Hopf纤维化变换，可由期望加速度得到地面坐标系变换到机体坐标系的旋转
矩阵期望值，其列分块为三个机体坐标轴在地面坐标系下的表示：
；
期望的机体角速度向量和机体角加速度向量，由以下关系给出：
；
；
其中，表示三个轴向角速度；表示三个轴向角加速度, 为期
望偏航信号，且有中间变量，定义为：
；
；
姿态控制器设计如下：
；
其中，表示姿态误差增益，机体角速度误差增益，无人飞行器当前
姿态，机体角速度；代表的逆映射。
根据控制效率矩阵的逆，得到期望电机推力：
；
在得到了无人飞行器开环动力学模型与跟踪控制律之后，建立无人飞行器闭环动力学模型：
记无人飞行器开环动力学模型为：。其中，状态向量
，表示平坦输出及其各阶时间导数：，跟踪控制律，为
基于微分平坦性的跟踪控制律函数，得到连续的无人飞行器闭环动力学模型：
；
同时需引入约束限制表示控制输入饱和，和对应控制输入的上界和控制输
入的下界：
；
步骤三：建立无人飞行器轨迹时间参数重构对应的最优控制问题：
假设标称轨迹以离散的形式给出每个离散点的平坦输出及其各阶时间导数，
以及对应的离散间隔，，共个离散点，表示离散点的序号。轨迹的时间参数
重构的核心思想为根据目标函数确定重构因子，使得离散间隔得到重构：
；
其中，代表赋值方向；等价于将一个连续轨迹的时间参数乘以重构因子,对应的
参考轨迹可通过链式法则得到。
使用标称轨迹的步长配合四阶龙格库塔方法离散化无人飞行器闭环动力学模型，或由函数自变量定义改写为新的无人飞行器闭环动力学模型：
；
确定重构因子的过程通过如下最优控制问题建立：
；
；
；
；
；
其中：
；
；
；
；
；
最优控制问题中，为决策变量，为离散动力学连续性约束， 为跟踪误差权
重矩阵，代表重构后的平坦输出及其各阶时间导数，,分别表示跟踪误差的权重
系数，轨迹跟踪精度的权重系数，代表对角线为6个元素均为1组成的一维
向量与7个元素均为0的一维向量组成对角矩阵，如此设计的原因在于该算法将四旋翼的三
个位置状态与三个速度状态与标称轨迹的对应状态的差值作为跟踪误差的衡量标准。，分别表示重构因子约束的上界，下界，重构因子应大于0且过大的重构因子将导致
离散化精度降低。对应四元数；为各离散点的状态变量；表示初始状态变量，表示状态向量第7列中的前9个元素。
步骤四：定义步骤三中最优控制问题的目标函数，实时求解该最优控制问题：
实时飞行任务中，根据不同的任务需求，可在精确性指标与快速性指标之间进行
权衡，上述优化问题最优控制问题中，和可根据不同的任务阶段进行分阶段设置。求解该
最优控制问题可采用内点法，该问题一般为非凸非线性规划问题，可使用重构因子为1时
（未进行重构）的闭环轨迹作为初始迭代点，或构建简化问题进行热启动。
如图2所示，无人飞行器由底层的控制器以及一个基于最优控制的实时轨迹调节
器构成。在最优控制问题中，目标函数权衡考虑当前任务场景对轨迹跟踪精确性与快速性
的要求并引入无人飞行器闭环动力学模型作为系统模型。无人飞行器闭环动力学模型由底
层控制器、相应的控制饱和函数，以及开环动力学模型构成。其中，底层控制器采用基于微
分平坦的控制器，控制器的设计可分为位置环与姿态环。由于无人飞行器姿态环的响应速
度要远大于位置环，因此无人飞行器位置环和姿态环的控制器可以分开设计；控制器饱和
主要针对执行器限制问题，期望推力不超过电机真实推力。最优控制问题可配合机载电脑
求解，根据当前场景对精确性与快速性的权衡，其中，自驾仪系统采用滚动优化的方式使得
最优控制问题实时输出一个重构因子从而重构当前参考轨迹的时间参数。图2中重构运算
“X”对应计算方法：，参考轨迹输入后，使得无人飞行器（现实物理
系统）跟踪的性能更加符合任务场景及其目标。
实施例：
采用无人飞行器测试平台进行测试，其基础参数为：无人飞行器测试平台的质量，惯量矩阵。表示对角矩阵，大括号内
为其对角元素组成的向量。
控制器参数如表1所示。
表1
将上述参数带入无人飞行器闭环动力学模型中，即可描述无人飞行器受到任意期望轨迹信号的运动，即无人飞行器的受控运动。进而可在优化问题中对无人飞行器的期望轨迹信号（对应上文的平坦输出及其各阶导数）进行实时优化，以实现闭环轨迹的在线重构。
最优控制问题参数如表2所示。
表2
将上述参数带入步骤三的最优控制问题中并求解该问题，即可对重构后无人飞行器轨迹飞行的精确性与快速性进行权衡，即对无人飞行器的飞行品质进行调整。
如图3所示为采用基础控制器与采用本发明的测试案例一的性能对比图。测试案例一为带有高度变化的Lissajous曲线轨迹跟踪控制。图3中，XYZ表示坐标轴，单位为m，黑色曲线代表待跟踪的曲线轨迹，蓝色无人飞行器掠影为采用本发明对应算法的跟踪控制效果，灰色无人飞行器掠影为仅使用基础控制器跟踪控制效果，可视化结果说明采用本发明获得的曲线轨迹更接近测试案例，本发明提升了复杂轨迹的跟踪控制精度。
如图4所示为采用基础控制器与采用本发明的测试案例二的性能对比图。测试案例二为时间最优航点轨迹跟踪控制。图4中，黑色曲线代表待跟踪的曲线轨迹，蓝色无人飞行器掠影为本发明对应算法的跟踪控制效果，黑色无人飞行器掠影为仅使用基础控制器跟踪控制效果（最后的红色关键帧代表无人飞行器坠毁）。在跟踪时间最优轨迹时，原始控制器无法做到稳定跟踪，其原因在于未考虑存在跟踪误差下的闭环电机推力约束，导致期望推力超出执行器能力范围；而本发明的方法考虑了闭环电机推力约束，使得时间最优轨迹被安全跟踪。同时，图5和图6提供了真实的飞行掠影，图5对应无人飞行器采用本发明的跟踪控制，图6对应的无人飞行器采用原始跟踪控制，摄像机视角对应图4中的红点表示的摄像机图标位置，可见本发明可适应较为激烈的测试案例，而原始跟踪控制导致无人飞行器坠毁。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，其特征在于，包括以下步骤：
步骤一：建立无人飞行器开环动力学模型；
步骤二：结合无人飞行器控制器、控制输出饱和与无人飞行器开环动力学模型，构建无人飞行器跟踪控制律与无人飞行器闭环动力学模型；
步骤三：考虑跟踪控制的精确性和快速性，并在约束中考虑控制输出饱和约束，构建最优控制问题，以实时优化轨迹的时间参数；
构建最优控制问题包括：
假设标称轨迹以离散的形式给出每个离散点的平坦输出及其各阶时间导数以及对应的离散间隔，，表示离散点的序号，N表示离散点的总数；
重构轨迹的时间参数，包括：
根据目标函数确定重构因子，使得离散间隔得到重构：
；
其中，代表赋值方向；
使用标称轨迹的步长配合四阶龙格库塔方法离散化无人飞行器闭环动力学模型，得到离散化的无人飞行器闭环动力学模型，或由函数自变量定义将无人飞行器闭环动力学模型改写为新的无人飞行器闭环动力学模型：
；
确定重构因子的过程通过如下最优控制问题实现：
；
；
；
；
；
其中：
；
；
；
；
；
最优控制问题中，为状态向量，为决策变量，为离散动力学连续性约束，上标T表示矩阵的转置，为跟踪误差权重矩阵，代表重构后的平坦输出及其各阶时间导数，，分别表示跟踪误差的权重系数，轨迹跟踪精度的权重系数，代表对角线为6个元素均为1组成的一维向量与7个元素均为0的一维向量组成对角矩阵；，分别表示重构因子约束的上界，重构因子约束的下界，重构因子大于0；表示四元数；为各离散点的状态变量；为叉乘运算，表示初始状态变量，表示状态向量第7列中的前9个元素；和为控制输入的上界和控制输入的下界；
步骤四：定义步骤三中的最优控制问题的目标函数，实时求解该最优控制问题；将优化后的轨迹的时间参数应用于原始轨迹，构成新的局部松弛轨迹，以在特定场景下使轨迹跟踪偏向快速性或精确性。
2.根据权利要求1所述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，其特征在于，所述步骤一中，无人飞行器开环动力学模型记为，表示为：
；
其中，为状态向量，为对时间的一阶导数，为控制向量，表示期望电机推力。
3.根据权利要求2所述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，其特征在于，所述步骤二中，构建无人飞行器的跟踪控制律与无人飞行器闭环动力学模型如下：
记具有四旋翼系统的无人飞行器的跟踪控制律为：
；
其中，为平坦输出及其各阶导数，为基于微分平坦性的跟踪控制律函数，得到无人飞行器闭环动力学模型为：
；
引入下式所示的控制输入约束表示控制输入饱和，和为控制输入的上界和控制输入的下界：
。
4.根据权利要求3所述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法，其特征在于，所述步骤四包括：实时飞行任务中，根据不同的飞行任务需求，在精确性的指标与快速性的指标之间进行权衡，上述最优控制问题中的跟踪误差的权重系数和轨迹跟踪精度的权重系数根据不同的飞行任务阶段进行分阶段设置；采用内点法求解最优控制问题，使用重构因子为1时的闭环轨迹作为初始迭代点或构建简化问题进行热启动。
5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4中任一项所述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4中任一项所述的一种复杂气象条件下无人飞行器安全自驾仪系统设计方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410683933.9A CN118244791B (zh) | 2024-05-30 | 2024-05-30 | 一种复杂气象条件下无人飞行器安全自驾仪系统设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410683933.9A CN118244791B (zh) | 2024-05-30 | 2024-05-30 | 一种复杂气象条件下无人飞行器安全自驾仪系统设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118244791A CN118244791A (zh) | 2024-06-25 |
| CN118244791B true CN118244791B (zh) | 2024-07-26 |
Family
ID=91553016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410683933.9A Active CN118244791B (zh) | 2024-05-30 | 2024-05-30 | 一种复杂气象条件下无人飞行器安全自驾仪系统设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118244791B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102343985A (zh) * | 2011-07-08 | 2012-02-08 | 北京航空航天大学 | 带反作用飞轮的卫星时间最优姿态机动方法 |
| CN104020778A (zh) * | 2014-06-18 | 2014-09-03 | 哈尔滨工业大学 | 基于跟踪时间-能耗最优轨线的挠性卫星姿态机动控制方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108803632B (zh) * | 2018-09-19 | 2021-03-09 | 哈尔滨工程大学 | 基于饱和补偿技术的水面无人艇全状态约束轨迹跟踪控制方法 |
| CN114237288B (zh) * | 2021-12-13 | 2024-08-13 | 西北工业大学 | 一种基于跟踪控制的多导弹编队控制方法 |
-
2024
- 2024-05-30 CN CN202410683933.9A patent/CN118244791B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102343985A (zh) * | 2011-07-08 | 2012-02-08 | 北京航空航天大学 | 带反作用飞轮的卫星时间最优姿态机动方法 |
| CN104020778A (zh) * | 2014-06-18 | 2014-09-03 | 哈尔滨工业大学 | 基于跟踪时间-能耗最优轨线的挠性卫星姿态机动控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118244791A (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Muliadi et al. | Neural network control system of UAV altitude dynamics and its comparison with the PID control system | |
| Sabatino | Quadrotor control: modeling, nonlinearcontrol design, and simulation | |
| Chovancová et al. | Comparison of various quaternion-based control methods applied to quadrotor with disturbance observer and position estimator | |
| Nodland et al. | Neural network-based optimal adaptive output feedback control of a helicopter UAV | |
| Lu et al. | Uncertainty and disturbance estimator-based global trajectory tracking control for a quadrotor | |
| Ramirez-Rodriguez et al. | Robust backstepping control based on integral sliding modes for tracking of quadrotors | |
| He et al. | A Simple Attitude Control of Quadrotor Helicopter Based on Ziegler‐Nichols Rules for Tuning PD Parameters | |
| Tang et al. | Nonlinear dynamic modeling and hybrid control design with dynamic compensator for a small-scale UAV quadrotor | |
| CN109947126B (zh) | 四旋翼无人机的控制方法、装置、设备及可读介质 | |
| 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 | |
| CN109507890A (zh) | 一种基于eso的无人机动态逆广义预测控制器 | |
| CN106707749B (zh) | 一种针对仿生扑翼飞行机器人的控制方法 | |
| Wallace | Dynamics and control of a quadrotor with active geometric morphing | |
| Liu et al. | Robust command filtered adaptive backstepping control for a quadrotor aircraft | |
| CN111026160A (zh) | 一种四旋翼无人机轨迹跟踪控制方法 | |
| Idrissi et al. | Modelling, simulation and control of a novel structure varying quadrotor | |
| Zhaowei et al. | An iterative learning controller for quadrotor UAV path following at a constant altitude | |
| Zhou et al. | A multi-time-scale finite time controller for the quadrotor UAVs with uncertainties | |
| CN106292297B (zh) | 基于pid控制器和l1自适应控制器的姿态控制方法 | |
| Nettari et al. | Adaptive robust finite-time tracking control for quadrotor subject to disturbances | |
| Cheng et al. | Hover-to-cruise transition control for high-speed level flight of ducted fan UAV | |
| Velagić et al. | Design of LQR controller for 3D trajectory tracking of octocopter unmanned aerial vehicle | |
| Hasan et al. | Spotted Hyena Optimizer enhances the performance of Fractional-Order PD controller for Tri-copter drone | |
| Sandino et al. | On the applicability of linear control techniques for autonomous landing of helicopters on the deck of a ship | |
| Di et al. | Low-level control with actuator dynamics for multirotor UAVs |
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 |