CN107450313B - 基于自适应控制的无人机自动驾驶仪控制*** - Google Patents
基于自适应控制的无人机自动驾驶仪控制*** Download PDFInfo
- Publication number
- CN107450313B CN107450313B CN201710610691.0A CN201710610691A CN107450313B CN 107450313 B CN107450313 B CN 107450313B CN 201710610691 A CN201710610691 A CN 201710610691A CN 107450313 B CN107450313 B CN 107450313B
- Authority
- CN
- China
- Prior art keywords
- lat
- unmanned aerial
- aerial vehicle
- adaptive
- reference model
- 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
- 230000003044 adaptive effect Effects 0.000 claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000012546 transfer Methods 0.000 claims description 13
- HYIMSNHJOBLJNT-UHFFFAOYSA-N nifedipine Chemical compound COC(=O)C1=C(C)NC(C)=C(C(=O)OC)C1C1=CC=CC=C1[N+]([O-])=O HYIMSNHJOBLJNT-UHFFFAOYSA-N 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 11
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000006467 substitution reaction 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
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)
- Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了基于自适应控制的无人机自动驾驶仪控制***,涉及航空宇航推进控制技术领域,能够针对含有参数不确定的无人机模型,为无人机设计能够快速、精确跟踪期望速度、高度、航向等指令的自动驾驶仪控制***。本发明将无人机的非线性模型基于小扰动原理线性化,根据所需控制量的相对阶次,建立自适应控制***的参考模型。设计自适应控制律在线更新控制器参数,使无人机能够较为精准地跟踪给定指令。本发明保证了整个闭环***良好的跟踪性和稳定性,并且使***具有一定的鲁棒性能。
Description
技术领域
本发明涉及航空航宇推进控制技术领域,尤其涉及基于自适应控制的无人机自动驾驶仪控制***。
背景技术
无人机(UAV)是一种由动力驱动、无人驾驶、可重复使用航空器的简称。由于其低廉的成本、重量轻、体积小、适应性强和灵活机动的特点,在军事和国民经济的各个领域得到了越来越广泛的应用,受到了全世界各个国家的高度重视。无人机飞控***的性能对无人机的飞行控制具有极大的影响,其中自动驾驶仪作为无人机的“大脑”,是无人机飞行控制***的核心部件。为了更好的实现稳定飞行和轨迹跟踪,要求自动驾驶仪具有高精度、高效率的性能,这极大地推动了先进控制方法的发展。
控制器是自动驾驶仪控制***的核心,也是整个无人机的中央控制单元。控制器根据控制指令和无人机实时采集到的飞行姿态数据,按照预先设计的控制算法进行决策,控制各个执行机构使无人机以一定的姿态和航迹安全飞行。同时,控制器还负责无人机上各个模块的协调工作。其基本功能有:(1)保持飞机按给定的高度、航线稳定飞行;(2)控制飞机按给定的航向角飞行;(3)控制飞机按给定的姿态角机动飞行;(4)控制飞机按预定程序自主飞行;(5)随着高度和速度的变化等自动调整,保持最优状态。因此,采用先进的控制方法设计无人机的自动驾驶仪控制***对提高无人机的自主飞行能力有极大的作用。
然而,无人机的模型参数不确定性对自动驾驶仪控制***的设计带来了很多技术上的难点。首先,自动驾驶仪控制***在各种外界干扰和内部参数变化要求下必须具有较强的稳定性和鲁棒性。其次,在产生突发情况下,自动驾驶仪控制***反应时间不能过长,要保证实时性。无人机在飞行时由于受到飞行环境的影响,其模型参数可能会产生不确定性,导致不能得到其精确的模型。因此,如果根据已知的模型参数设计固定的控制增益,会使得无人机的自动驾驶仪控制***难以工作在最优状态。
PID控制由于其结构简单、鲁棒性强以及容易实现等特点,被广泛的运用于工业过程控制之中。在计算机进入到控制领域后,PID控制算法集成到许多硬件产品中,得到了进一步的推广。但是无人机自动驾驶仪飞行控制***比较复杂,含有不确定因素,而所需满足的性能指标却很高,因此常规PID控制方法,已经无法满足无人机自动驾驶仪控制***的要求。
综上,现有技术中缺乏针对参数不确定无人机模型的控制方法,不能满足无人机自动驾驶的快速、准确的要求,并且难以使得整个闭环***具有稳定性和鲁棒性。
发明内容
本发明提供基于自适应控制的无人机自动驾驶仪控制***,针对无人机参数不确定的情况,利用状态反馈输出跟踪的模型参考自适应方法,实现无人机在飞行过程中能够快速、准确地跟踪指令的飞行控制效果。
为达到上述目的,本发明采用如下技术方案:
基于自适应控制的无人机自动驾驶仪控制***,控制***利用状态反馈输出跟踪的模型参考自适应方法设计而成,包括参考模型、标称控制器和自适应控制律,输入值包括无人机的飞行参数和飞行指令,输出值为无人机的控制输入量u(t),其中,所述飞行参数包括飞行速度V、飞行高度H、偏航角ψ;所述飞行指令包括飞行速度指令Vc、飞行高度指令Hc和偏航角指令ψc。
进一步的,所述参考模型的输出为
其中,Δym_lon(t)=[ΔVm(t),ΔHm(t)]T,Δym_lat(t)=Δψm为参考模型输出,Δrlon(t)=[ΔVc(t),ΔHc(t)]T,Δrlat(t)=Δψc(t)为参考模型输入,ΔVc(t)为速度指令信号,ΔHc(t)为高度指令信号,Δψc(t)为偏航角指令信号;Wm_lon(s),Wm_lat(s)为参考模型的传递函数,ξm_lon(s),ξm_lat(s)为关联矩阵,且
进一步的,所述参考模型包含纵向参考模型和横侧向参考模型。
进一步的,所述标称控制器的表达式为:
K0,lat=-C1,latAlat+p5C1,lat
Alon,Alat,Blon,Blat,C1,lon,C2,lon,C1,lat为模型参数矩阵,li=ρi为***的相对阶,ρi为第i个输入输出传递函数中分母阶次和分子阶次之差;
为纵向状态量,为横侧向状态量,ΔV(t)为速度增量,Δα(t)为迎角增量,Δq(t)为俯仰角速度增量,Δθ(t)为俯仰角增量,ΔH(t)为高度增量,Δβ(t)为侧滑角增量,Δr(t)为偏航角速度增量,Δψ(t)为偏航角增量。
进一步的,所述自适应控制律,是纵向和横侧向统一的自适应控制律,表达式为:
误差更新函数为:
其中,定义了一些辅助变量包括:
f(s)是稳定的多项式,h(s)=1/f(s),且h(s)ξm(s)为真矩阵;
ω(t)=[ΔxT(t),ΔrT(t)]T为新的状态量函数;
ζ(t)=h(s)[ω](t)为自适应更新函数中间变量;
ξ(t)=ΘT(t)ζ(t)-h(s)[ΘTω](t)为自适应更新函数中间变量,其中ΘT(t)=[K1 T(t),K2(t)]为自适应控制器参数;
进一步的,所述无人机自动驾驶仪的控制输入量为u(t)=Δu(t)+u*,
其中(x*,u*)为线性化的平衡点,Δu(t)是所设计的自适应控制器,其中,平衡点(x*,u*)是指***的状态和输入的平衡点值,是通过将非线性模型根据小扰动原理线性化得到的。在平衡状态下,无人机可以保持稳定飞行。x*为状态量的平衡点值,即V、α、H等状态量的平衡点值;u*为输入量的平衡点值,即升降舵、油门、副翼、方向舵的平衡点值。
本发明的有益效果是:
本发明利用基于状态方程设计的控制***,并不依赖于控制***本身的特性,当无人机本身参数存在不确定性时,本发明能够实时更新控制***,使得***具有对输入指令快速、精确响应的能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的结构原理示意图;
图2为本发明实施例中速度跟踪响应曲线;
图3为本发明实施例中高度跟踪响应曲线;
图4为本发明实施例中偏航角跟踪响应曲线。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合具体实施方式对本发明作进一步详细描述。
本发明实施例提供了基于自适应控制的无人机自动驾驶仪控制***,结构示意图如图1所示,包括参考模型、标称控制器和自适应控制律,无人机的飞行参数包括:飞行速度V、飞行高度H、偏航角ψ,追踪飞行速度指令Vc、飞行高度指令Hc以及偏航角指令ψc。
以某型无人机为例,将其非线性模型基于小扰动原理线性化,并进行解耦,得到纵向和横侧向的状态方程表达式
其中,Alon,Blon,Alat,Blat是无人机模型的参数矩阵,ΔV(t)为速度增量,Δα(t)为迎角增量,Δq(t)为俯仰角速度增量,Δθ(t)为俯仰角增量,ΔH(t)为高度增量,Δδe(t)为升降舵增量,ΔδT(t)为油门开度增量,Δβ(t)为侧滑角增量,Δr(t)为偏航角速度增量,Δψ(t)为偏航角增量,Δδr为方向舵增量。
本发明的目标是在无人机模型参数矩阵Alon,Blon,Alat,Blat存在不确定性的情况下,使得无人机的输出能快速、准确跟踪给定的速度、高度和偏航角指令rlon(t)=[Vc(t)Hc(t)]T,rlat(t)=ψc(t),t≥0。
假设1:G(s)=C(sI-A)-1B的所有零点稳定,并且***(A,B,C)可控且可观测。
假设2:G(s)严格有理,满秩,并且存在一个已知的关联矩阵ξm(s)。通常,关联矩阵可取为对角矩阵:
ξm(s)=diag{d1(s),d2(s),…,dM(s)}
该矩阵有界,并且非奇异。
无人机自动驾驶仪控制***包括纵向控制器和横侧向控制器,飞行速度V、飞行高度H的控制包含在纵向控制器中,偏航角ψ的控制包含在横侧向控制器中。根据模型阶次,在纵向控制器中,为速度V、高度H设计一阶、三阶参考模型,在横侧向控制器中,为偏航角ψ设计一阶参考模型。
参考模型的输出为
式中,Δym_lon(t)=[ΔVm,ΔHm]T,Δym_lat(t)=Δψm为参考模型输出,Δrlon(t),Δrlat(t)为参考模型输入,Wm_lon(s),Wm_lat(s)为参考模型的传递函数,ξm_lon(s),ξm_lat(s)为关联矩阵。
参考模型包含纵向参考模型和横侧向参考模型。纵向参考模型针对的传递函数为由一阶环节和三阶环节组成,一阶环节针对飞行速度V,三阶环节针对飞行高度H,p1,p2,p3,p4是配置的稳定极点;飞行速度V的相对阶次是一阶,所以选择一阶惯性环节;飞行高度H的相对阶次是三阶,所以选择三阶惯性环节。横侧向参考模型的传递函数为针对偏航角ψ,由一阶环节组成,p5是配置的稳定极点;偏航角ψ的相对阶次是一阶,所以选择一阶惯性环节。
标称控制器的表达式如下
K0,lat=-C1,latAlat+p5C1,lat
Alon,Alat,Blon,Blat,C1,lon,C2,lon,C1,lat为模型参数矩阵,li=ρi为***的相对阶,ρi是第i个输入输出传递函数中分母阶次和分子阶次之差。
为了使得设计简便,将纵向和横侧向控制统一起来设计,首先,将标称控制律代入***中,得到闭环***
输出跟踪误差为
ε(t)=Kph(s)[Δu-Θ*Tω](t)+Ψ(t)ξ(t) (8)
式中,Ψ(t)是Ψ*的估计误差,并且
ζ(t)=h(s)[ω](t)
ξ(t)=ΘT(t)ζ(t)-h(s)[Δu](t)
估计误差还可以写成
选择以下自适应控制律
得到自适应控制器如下
定义跟踪误差e(t)=Δy(t)-Δym(t),可以找到一个正定的方程
其对时间的导数为
本实施例的数值仿真验证如下,无人机保持H=100m,ψ=0°水平直线飞行,期望速度在0s时由V=20m/s变为V=25m/s,如图2所示;无人机保持V=20m/s,ψ=0°水平直线飞行,期望高度在0s时由H=100m变为H=110m,如图3所示;无人机保持V=20m/s,H=100m水平直线飞行,期望航向角在0s时由ψ=0°变为ψ=1°,如图4所示。
从上述仿真结果看出,采用基于自适应控制的无人机自动驾驶仪控制***,无人机能够在平衡状态稳定飞行,并且能够快速精确地跟踪期望速度Vc、期望高度Hc、期望偏航角ψc,说明该自适应控制***拥有较好的跟踪性和鲁棒性。
本发明的有益效果是:
本发明通过自适应控制律实时调节控制参数,使得参数逐渐逼近其理想值,在参数存在不确定时,控制参数会随着不确定变化,使得***的输出误差逐渐趋向于零,针对无人机参数不确定的情况,利用状态反馈输出跟踪的模型参考自适应方法,实现无人机在飞行过程中能够快速、准确地跟踪指令的飞行控制效果;
本发明的自适应控制律不仅能抑制参数不确定对***的影响,而且保证了闭环***的全局稳定性,具有较好的跟踪性能和鲁棒性能;
自适应控制设计较为简便,可以应用在线性和非线性***中,适用性较为广泛。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.基于自适应控制的无人机自动驾驶仪控制***,其特征在于,包括参考模型、标称控制器和自适应控制律,输入值包括无人机的飞行参数和飞行指令,输出值为无人机的控制输入量u(t),其中,所述飞行参数包括飞行速度V、飞行高度H、偏航角ψ;所述飞行指令包括飞行速度指令Vc、飞行高度指令Hc和偏航角指令ψc;
所述参考模型的输出为:
其中,Δym_lon(t)=[ΔVm(t),ΔHm(t)]T,Δym_lat(t)=Δψm为参考模型输出,Δrlon(t)=[ΔVc(t),ΔHc(t)]T,Δrlat(t)=Δψc(t)为参考模型输入,ΔVc(t)为速度指令信号,ΔHc(t)为高度指令信号,Δψc(t)为偏航角指令信号,Wm_lon(s),Wm_lat(s)为参考模型的传递函数,ξm_lon(s),ξm_lat(s)为关联矩阵,且
所述参考模型包含纵向参考模型和横侧向参考模型,所述纵向参考模型的传递函数为
包括针对所述飞行速度V的一阶环节和针对所述飞行高度H的三阶环节,其中,p1,p2,p3,p4是配置的稳定极点;
所述标称控制器的表达式为:
K0,lat=-C1,latAlat+p5C1,lat
Alon,Alat,Blon,Blat,C1,lon,C2,lon,C1,lat为模型参数矩阵,li=ρi为***的相对阶,ρi第i个输入输出传递函数中分母阶次和分子阶次之差;
为纵向状态量,为横侧向状态量,ΔV(t)为速度增量,Δα(t)为迎角增量,Δq(t)为俯仰角速度增量,Δθ(t)为俯仰角增量,ΔH(t)为高度增量,Δβ(t)为侧滑角增量,Δr(t)为偏航角速度增量,Δψ(t)为偏航角增量;
所述自适应控制律的表达式为:
自适应更新参数为:
所述自适应控制律包括自适应控制参数函数和误差更新函数,其中,自适应控制参数函数为:
误差更新函数为:
其中,定义一些辅助变量:
f(s)是稳定的多项式,h(s)=1/f(s),且h(s)ξm(s)为真矩阵;
ω(t)=[ΔxT(t),ΔrT(t)]T为新的状态量函数;
ζ(t)=h(s)[ω](t)为自适应更新函数中间变量;
ξ(t)=ΘT(t)ζ(t)-h(s)[ΘTω](t)为自适应更新函数中间变量;
ε(t)=Kph(s)[Δu-Θ*Tω](t)+Ψ(t)ξ(t)为估计误差;
2.根据权利要求1所述的基于自适应控制的无人机自动驾驶仪控制***,其特征在于,所述无人机自动驾驶仪的控制输入量为u(t)=Δu(t)+u*,
其中(x*,u*)为线性化的平衡点,Δu(t)是所述自适应控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710610691.0A CN107450313B (zh) | 2017-07-25 | 2017-07-25 | 基于自适应控制的无人机自动驾驶仪控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710610691.0A CN107450313B (zh) | 2017-07-25 | 2017-07-25 | 基于自适应控制的无人机自动驾驶仪控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107450313A CN107450313A (zh) | 2017-12-08 |
CN107450313B true CN107450313B (zh) | 2020-07-07 |
Family
ID=60487591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710610691.0A Active CN107450313B (zh) | 2017-07-25 | 2017-07-25 | 基于自适应控制的无人机自动驾驶仪控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107450313B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109358645B (zh) * | 2018-11-19 | 2021-07-06 | 南京航空航天大学 | 一种小型舰载无人机自适应绳钩回收制导航路及制导方法 |
CN110095987A (zh) * | 2019-04-30 | 2019-08-06 | 中国电子科技集团公司第三十八研究所 | 基于鲁棒伺服控制与模型自适应控制的控制方法及控制器 |
CN110967973A (zh) * | 2019-11-21 | 2020-04-07 | 南京航空航天大学 | 舰载机垂尾损伤故障自适应容错控制器设计方法及控制*** |
CN113655718A (zh) * | 2021-08-25 | 2021-11-16 | 的卢技术有限公司 | 基于滑模控制的自动驾驶车辆间距自适应控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163059A (zh) * | 2011-04-27 | 2011-08-24 | 南京航空航天大学 | 推力变向无人机的姿态控制***及控制方法 |
CN103616816A (zh) * | 2013-11-15 | 2014-03-05 | 南京航空航天大学 | 一种高超声速飞行器升降舵故障控制方法 |
CN104865970A (zh) * | 2015-05-06 | 2015-08-26 | 南京航空航天大学 | 一种无人机飞行轨迹跟踪控制*** |
CN106292294A (zh) * | 2016-10-20 | 2017-01-04 | 南京航空航天大学 | 基于模型参考自适应控制的舰载无人机自动着舰控制装置 |
CN106444799A (zh) * | 2016-07-15 | 2017-02-22 | 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 |
-
2017
- 2017-07-25 CN CN201710610691.0A patent/CN107450313B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163059A (zh) * | 2011-04-27 | 2011-08-24 | 南京航空航天大学 | 推力变向无人机的姿态控制***及控制方法 |
CN103616816A (zh) * | 2013-11-15 | 2014-03-05 | 南京航空航天大学 | 一种高超声速飞行器升降舵故障控制方法 |
CN104865970A (zh) * | 2015-05-06 | 2015-08-26 | 南京航空航天大学 | 一种无人机飞行轨迹跟踪控制*** |
CN106444799A (zh) * | 2016-07-15 | 2017-02-22 | 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 |
CN106292294A (zh) * | 2016-10-20 | 2017-01-04 | 南京航空航天大学 | 基于模型参考自适应控制的舰载无人机自动着舰控制装置 |
Non-Patent Citations (3)
Title |
---|
Direct Adaptive Control of Faulty UAVs Based on the Paralleled Integral and Fuzzy Control;Rui Hou, Fuyang Chen, and Wenti Luan;《Proceedings of the 2011 International Conference on Advanced Mechatronic Systems》;20110813;第552-555页 * |
基于趋近律滑模最优控制的无人机撞网回收轨迹控制;李若兰,甄子洋,龚华军;《电光与控制》;20140930;第21卷(第9期);第58-60页、第84页 * |
无人机编队飞行的自适应控制设计;王建宏,许莺,熊朝华;《华东交通大学学报》;20160229;第33卷(第1期);第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107450313A (zh) | 2017-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107807663B (zh) | 基于自适应控制的无人机编队保持控制方法 | |
Efe | Robust low altitude behavior control of a quadrotor rotorcraft through sliding modes | |
Zhen et al. | Adaptive super-twisting control for automatic carrier landing of aircraft | |
Gavilan et al. | Adaptive control for aircraft longitudinal dynamics with thrust saturation | |
CN107450313B (zh) | 基于自适应控制的无人机自动驾驶仪控制*** | |
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 | |
CN107357166B (zh) | 小型无人直升机的无模型自适应鲁棒控制方法 | |
Sonneveldt et al. | Nonlinear adaptive trajectory control applied to an F-16 model | |
Eliker et al. | Practical finite time adaptive robust flight control system for quad-copter UAVs | |
Yu et al. | Attitude tracking control of a quadrotor UAV in the exponential coordinates | |
Zhang et al. | UDE-based robust command filtered backstepping control for close formation flight | |
Cai et al. | Quadrotor waypoint-tracking control under exogenous disturbances based on equivalent-input-disturbance approach | |
Azinheira et al. | Lateral control of airship with uncertain dynamics using incremental nonlinear dynamics inversion | |
JP2018018398A (ja) | 適応制御方法、適応制御装置およびこの適応制御装置を備えた機器 | |
Galffy et al. | Nonlinear 3D path following control of a fixed-wing aircraft based on acceleration control | |
Ansari et al. | Retrospective cost adaptive control of generic transport model under uncertainty and failure | |
Sedlmair et al. | Flight testing automatic landing control for unmanned aircraft including curved approaches | |
Safwat et al. | Robust Nonlinear Flight Controller For Small Unmanned Aircraft Vehicle based on Incremental BackStepping | |
Kim et al. | Robust path following control via command-filtered backstepping scheme | |
Xiong et al. | Disturbance Rejection in UAV's velocity and attitude control: Problems and solutions | |
Yamasaki et al. | Robust path-following for UAV using pure pursuit guidance | |
Safwat et al. | Generic UAV autopilot prototype based on adaptive modified incremental backstepping | |
McIntosh et al. | A Switching-Free Control Architecture for Transition Maneuvers of a Quadrotor Biplane Tailsitter | |
Islam et al. | Modeling and simulation of longitudinal autopilot for general aviation aircraft | |
Jiang et al. | Fast finite-time backstepping for helicopters under input constraints and perturbations |
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 |