CN111026146B - 一种复合翼垂直起降无人机的姿态控制方法 - Google Patents
一种复合翼垂直起降无人机的姿态控制方法 Download PDFInfo
- Publication number
- CN111026146B CN111026146B CN201911347091.5A CN201911347091A CN111026146B CN 111026146 B CN111026146 B CN 111026146B CN 201911347091 A CN201911347091 A CN 201911347091A CN 111026146 B CN111026146 B CN 111026146B
- Authority
- CN
- China
- Prior art keywords
- mode
- wing
- angle
- attitude
- rotor
- 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
- 239000002131 composite material Substances 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013528 artificial neural network Methods 0.000 claims abstract description 44
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims 1
- 238000005096 rolling process Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 20
- 230000000694 effects Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/22—Compound rotorcraft, i.e. aircraft using in flight the features of both aeroplane and rotorcraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C29/00—Aircraft capable of landing or taking-off vertically, e.g. vertical take-off and landing [VTOL] aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical 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)
- Feedback Control In General (AREA)
Abstract
本发明公开的一种复合翼垂直起降无人机的姿态控制方法,通过建立固定翼模式和多旋翼模式的非线性运动学和动力学模型,以及固定翼模式和多旋翼模式的姿态控制***,姿态控制***采用PD控制器和区间二型模糊神经网络的结合,采用组合设计能够保证模糊神经网络在参数学习时的飞行器稳定性,其次也减少了复合翼垂直起降无人机在固定翼模式或多旋翼模式的控制误差,提高了控制的精度,保证了固定翼模式姿态控制***和多旋翼模式姿态控制***在工作时互不干扰,提高飞行的稳定性。
Description
技术领域
本发明属于飞行器控制技术领域,特别涉及一种复合翼垂直起降无人机的姿态控制方法。
背景技术
近几年来,复合翼垂直起降无人机引起了大量研究人员的关注。固定翼和旋翼的复合设计使其成为具有垂直起降、定点悬停、低速稳定飞行能力的旋翼无人机和具有高效、高速飞行能力的固定翼无人机的完美结合体。
复合翼垂直起降无人机不需要跑道以及配套的保障设施和相关工作人员,可以被部署到城市街道、山地丘陵、森林沙漠等地面环境复杂的地方,在石油管道巡检、电力巡检、土地测绘、森林防火、环境保护等领域得到广泛的应用。
复合翼垂直起降无人机有两套动力***,当无人机以固定翼模式飞行时,旋翼的结构会产生扰动;处于旋翼模式时,固定翼舵面和动力机构的转动惯量相较正常运行时增大,机动能力减弱,抗风能力变差;处于转换模式时,其数学模型非线性较强,不易解析。
目前复合翼垂直起降无人机常用的姿态控制算法为比例积分微分(PID)算法,在旋翼和固定翼飞行模式下,PID参数不同,且过渡模式根据空速或时间对控制结果进行权重分配。PID不依赖无人机模型,原理简单且适用面较广,但由于该算法的不确定性,会导致模型控制性能不佳、易产生超调和振荡、且具有鲁棒性差等问题。
随着复合翼垂直起降无人机的应用越来越广,对于任务精度的要求也相应提升,因此提高无人机在自身精确模型缺失、复杂工作环境(例如内部传感器噪声和多风和恶劣天气中)以及自身重量改变(例如携带任务载荷和动力燃料)等情况下的鲁棒性变得极为重要。迫切需要发展一种更为高效的复合翼垂直起降无人机姿态控制方法,以提高其姿态控制的鲁棒性和自适应能力。
发明内容
为解决上述问题,本发明提供了一种复合翼垂直起降无人机的姿态控制方法,可以在模型不确定、工作环境复杂以及无人机参数改变等情况下保持控制器的鲁棒性和稳定性,提高姿态跟踪精度。
本发明采用如下技术方案来实现:
一种复合翼垂直起降无人机的姿态控制方法,包括以下步骤:
步骤1、建立复合翼垂直起降无人机,在固定翼模式或多旋翼模式下的非线性运动学和动力学模型;
步骤2、构建复合翼垂直起降无人机在固定翼模式或多旋翼模式下的姿态控制***;
所述姿态控制***包括PD控制器和区间二型模糊神经网络;
所述PD控制器的输出,用于训练区间二型模糊神经网络;
所述PD控制器输出和区间二型模糊神经网络输出的差,用于输出姿态控制指令控制;
步骤3、将步骤1非线性运动学或动力学模型的反馈输入至姿态控制***,得到固定翼模式或多旋翼模式下的姿态控制指令,根据姿态控制指令控制复合翼垂直起降无人机在固定翼模式或多旋翼模式下的飞行姿态。
优选的,步骤1中所述固定翼模式的线性运动学和动力学模型如下:
其中,u为空速,v为迎角,w为侧滑角,φ为滚转角,θ为俯仰角,ψ为偏航角,p为滚转角速率,q为俯仰角速率,r为偏航角速率,xg和yg分别为地面坐标系中x轴位移和y轴位位移,h为飞行高度;
[Ixx Iyy Izz]为机体坐标系的三轴转动惯量,Ixz为惯性积,[Fx Fy Fz]为合外力在机体坐标系三轴的分量,[Mx My Mz]为合外力矩在机体坐标系三轴的分量。
优选的,,所述固定翼模式的线性运动学和动力学模型的姿态控制输入为升降舵偏角、方向舵偏角和副翼舵偏角,反馈量为俯仰角、滚转角和偏航角。
优选的,,步骤1中所述多旋翼模式的线性运动学和动力学模型如下:
其中,d为旋翼电机到机体重心的距离,[Gφ Gθ Gψ]为旋翼螺旋桨的陀螺力矩,CT和CM分别为螺旋桨的拉力系数和转矩系数,[ω1 ω2 ω3 ω4]为螺旋桨转速,[τx τy τz]为机体坐标系的三轴力矩。
优选的,,所述多旋翼模式的线性运动学和动力学模型的姿态控制输入为机体坐标系的三轴力矩umc=[τx τy τz]T,反馈量为俯仰角、滚转角、偏航角。
所述区间二型模糊神经网络的输入为期望姿态角与反馈姿态角偏差及期望姿态角与反馈姿态角偏差的导数。
优选的,,步骤2中,所述PD控制器的控制方程如下:
优选的,,所述区间二型模糊神经网络主要包括输入层、隶属函数层、规则层和输出层;
区间二型模糊神经网络的模糊规则为:
输入层:由两个神经元组成;
X=[x1 x2]T
隶属函数层:采用椭圆二型隶属函数,其上下界表示为:
规则层:该层每个节点表示一条模糊规则,并使用代数乘积来匹配模糊规则的前件。
输出层:区间二型模糊神经网络的输出为:
其中,q为区间二型模糊神经网络前件输出隶属函数的下界比例值,fij为区间二型模糊神经网络后件网络参数;
一种复合翼垂直起降无人机的姿态控制方法,当复合翼垂直起降无人机在转换模式下飞行时,将步骤3替换为如下步骤:
根据固定翼模式和多旋翼模式的控制***,设计转换模式控制器,转换模式控制器根据空速变化计算加权系数;
根据固定翼模式和多旋翼模式的加权系数,分别确定固定翼执行机构和多旋翼执行机构的伺服指令;
根据伺服指令控制复合翼垂直起降无人机在转换模式下的飞行姿态。
优选的,,所述加权系数的计算式如下:
其中,V1为转换开始空速,V2为转换开始空速与转换结束空速之差,w为加权系数。
优选的,,所述加权系数,以及转换模式的伺服指令确定方法如下:所述转换模式下固定翼执行机构的伺服指令u′mc和多旋翼执行机构的伺服指令u′fw的确定方法如下:
u′mc=w·umc
u′fw=(1-w)·ufw
其中,umc和ufw分别为固定翼模式控制***和多旋翼模式控制***的输出值。
本发明具有如下有益的技术效果:
本发明提供的一种复合翼垂直起降无人机的姿态控制方法,通过建立固定翼模式和多旋翼模式的非线性运动学和动力学模型,以及固定翼模式和多旋翼模式的姿态控制***,姿态控制***采用PD控制器和区间二型模糊神经网络的结合,采用组合设计能够保证模糊神经网络在参数学习时的飞行器稳定性,其次也减少了复合翼垂直起降无人机在固定翼模式或多旋翼模式的控制误差,提高了控制的精度,保证了固定翼模式姿态控制***和多旋翼模式姿态控制***在工作时互不干扰,提高飞行的稳定性。
进一步,区间二型模糊神经网络采用椭圆二型隶属函数,相对于一型隶属函数具有更大的自由度,对具有不确定性的模型控制效果更好,可以进一步提高飞行器稳定性;
进一步,在转换模式时,转换模式控制器根据空速的变化获得加权系数,根据加权系数控制复合翼垂直起降无人机飞行姿态,减少了复合翼垂直起降无人机在转换模式的控制误差,提高了飞行器在复杂工作环境及自身重量改变等情况下的鲁棒性和稳定性,此外还使用空速的变化作为加权系数,使得转换模式更加平稳和高效。
附图说明
图1是复合翼垂直起降无人机结构;
图2是基于区间二型模糊神经网络的复合翼垂直起降无人机姿态控制方法流程;
图3是复合翼垂直起降无人机姿态控制***;
图4是复合翼垂直起降无人机转换模式控制方法。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
实施例1
一种复合翼垂直起降无人机姿态控制方法,包括以下步骤:
步骤1,建立复合翼垂直起降无人机,在固定翼模式或多旋翼模式下的非线性运动学和动力学模型。
参照图1,复合翼垂直起降无人机具有固定翼和四旋翼两套动力***,针对该无人机建立固定翼模式和多旋翼模式下的非线性运动学和动力学模型,其中考虑外部干扰和模型不确定性。假设地面坐标系为惯性坐标系,忽略地球曲率,建立地面坐标系(Oexeyeze)和机体坐标系(Obxbybzb)。固定翼模式下的非线性运动学和动力学模型,如式(1)所示,解耦线性化后固定翼模式的姿态控制输入为升降舵偏角、方向舵偏角、副翼舵偏角,反馈量为俯仰角、滚转角。
多旋翼模式下的非线性运动学和动力学模型可用式(2)来表示,多旋翼模式的控制输入为机体坐标系的三轴力矩umc=[τx τy τz]T,反馈量为俯仰角、滚转角、偏航角。
式(1)和(2)中,[Ixx Iyy Izz]为机体系三轴转动惯量,Ixz为惯性积,[Fx Fy Fz]、[MxMy Mz]分别为固定翼模式下合外力在机体系三轴的分量、合外力矩在机体系三轴的分量,d为旋翼电机到机体中心的距离,[Gφ Gθ Gψ]为旋翼螺旋桨的陀螺力矩,CT和CM分别为螺旋桨的拉力系数和转矩系数,[ω1 ω2 ω3 ω4]为螺旋桨转速。
上述非线性运动学和动力学模型的反馈量,即反馈的姿态角,将输入姿态控制***。
步骤2、分别构建复合翼垂直起降无人机在固定翼模式和多旋翼模式下的姿态控制***。
参照图2和图3,姿态控制***包括PD控制器和区间二型模糊神经网络。
PD控制器的输出用于训练模糊神经网络;
区间二型模糊神经网络的输入为期望姿态角与反馈姿态角偏差,以及期望姿态角与反馈姿态角偏差的导数。
固定翼模式的姿态控制***中,输入指令为俯仰角和滚转角,偏航角的控制指令由协调转弯公式计算得到,多旋翼模式的姿态控制***中,输入指令为俯仰角、滚转角和偏航角。
复合翼垂直起降无人机在固定翼模式和多旋翼模式下的PD控制器。PD控制器可表示为:
其中,e为期望姿态角与反馈姿态角的偏差,kP和kD分别为PD控制器比例系数和微分系数。
复合翼垂直起降无人机在固定翼模式和多旋翼模式下的区间二型模糊神经网络。,采用基于Takagi-Sugeno模型的双输入/单输出模糊神经网络体系,模糊规则为:
区间二型模糊神经网络主要包括四层:输入层、隶属函数层、规则层、输出层,具体为:
(1)输入层:由两个神经元组成;
X=[x1 x2]T (5)
(2)隶属函数层:区间二型模糊神经网络的隶属函数具有不确定性,采用椭圆二型隶属函数,其上下界表示为:
(3)规则层:该层每个节点表示一条模糊规则,并使用代数乘积来匹配模糊规则的前件。
(4)输出层:区间二型模糊神经网络的最终输出为:
其中,q为区间二型模糊神经网络前件输出隶属函数的下界比例值,fij为区间二型模糊神经网络后件网络参数。
为保证***的稳定性,采用滑模控制理论进行区间二型模糊神经网络的参数训练。滑模控制的滑模面为:
步骤3、将步骤1非线性运动学和动力学模型的反馈至输入至姿态控制***,得到固定翼模式或多旋翼模式下的姿态控制指令,根据姿态控制指令控制复合翼垂直起降无人机在固定翼模式或多旋翼模式下的飞行姿态。
实施例2
参照图4,本发明还提供了复合翼垂直起降无人机,在固定翼模式和多旋翼模式下飞行时的姿态控制方法。
该方法与实施例1的姿态控制方法的步骤1和步骤2相同,不同之处在于步骤3,具体如下:
步骤3,根据固定翼模式和多旋翼模式的控制***,设计转换模式控制器,转换模式控制器根据空速变化分别输出固定翼模式和多旋翼模式的加权系数;
根据固定翼模式的加权系数和多旋翼模式的加权系数,分别确定固定翼模式和多旋翼模式的伺服指令;
根据固定翼模式的伺服指令和多旋翼模式的伺服指令,根据伺服指令控制两套动力***,进而控制固定翼模式和多旋翼模式下的飞行姿态。
转换模式控制器通过空速变化,加权输出固定翼模式和多旋翼模式的加权系数,加权系数表示为:
u′mc=w·umc (10)
u′fw=(1-w)·ufw (11)
其中,V1为转换开始空速,V2为转换开始空速与转换结束空速之差,w为加权系数,umc和ufw分别为固定翼模式控制***和多旋翼模式控制***的输出值,u′mc和u′fw分别为转换模式下输出到固定翼和多旋翼的伺服指令。
本发明提供的一种复合翼垂直起降无人机姿态控制方法,通过PD控制器和区间二型模糊神经网络的结合,并采用基于滑模控制理论的参数优化方法,设计固定翼模式和多旋翼模式下的姿态控制***,最后根据空速的变化获得加权系数来进行转换模式控制,能够取得很好的控制效果。
进一步,本发明的组合设计能够保证模糊神经网络在参数学习时的飞行器稳定性,其次也提高了控制的精度;采用椭圆二型隶属函数,相对于一型隶属函数具有更大的自由度,对具有不确定性的模型控制效果更好;基于滑模控制理论的参数训练算法可以进一步提高飞行器稳定性;
进一步的,本发明提出的转换模式控制方法,保证了固定翼模式姿态控制***和多旋翼模式姿态控制***在工作时互不干扰,同时转换模式的控制也使转换阶段更加平稳和高效。
由上述内容可知,本发明建立了一种基于区间二型模糊神经网络的复合翼垂直起降无人机姿态控制方法,通过PD控制器和区间二型模糊神经网络的结合,采用基于滑模控制理论的参数优化方法,减少了复合翼垂直起降无人机在不同飞行模式的控制误差,提高了飞行器在复杂工作环境及自身重量改变等情况下的鲁棒性和稳定性,此外还使用空速的变化作为加权系数,使得复合翼垂直起降无人机转换模式更加平稳和高效。
Claims (9)
1.一种复合翼垂直起降无人机的姿态控制方法,其特征在于,包括以下步骤:
步骤1、建立复合翼垂直起降无人机,在固定翼模式或多旋翼模式下的非线性运动学和动力学模型;
步骤2、构建复合翼垂直起降无人机在固定翼模式或多旋翼模式下的姿态控制***;
所述姿态控制***包括PD控制器和区间二型模糊神经网络;
所述PD控制器的输出,用于训练区间二型模糊神经网络;
所述PD控制器输出和区间二型模糊神经网络输出的差,用于输出姿态控制指令控制;
步骤3、将步骤1非线性运动学或动力学模型的反馈输入至姿态控制***,得到固定翼模式或多旋翼模式下的姿态控制指令,根据姿态控制指令控制复合翼垂直起降无人机在固定翼模式或多旋翼模式下的飞行姿态;
当复合翼垂直起降无人机在转换模式下飞行时,将步骤3替换为如下步骤:
根据固定翼模式和多旋翼模式的控制***,设计转换模式控制器,转换模式控制器根据空速变化计算加权系数;
根据固定翼模式和多旋翼模式的加权系数,分别确定固定翼执行机构和多旋翼执行机构的伺服指令;
根据伺服指令控制复合翼垂直起降无人机在转换模式下的飞行姿态。
3.根据权利要求2所述的一种复合翼垂直起降无人机的姿态控制方法,其特征在于,所述固定翼模式的线性运动学和动力学模型的姿态控制输入为升降舵偏角、方向舵偏角和副翼舵偏角,反馈量为俯仰角、滚转角和偏航角。
5.根据权利要求4所述的一种复合翼垂直起降无人机的姿态控制方法,其特征在于,所述多旋翼模式的线性运动学和动力学模型的姿态控制输入为机体坐标系的三轴力矩umc=[τx τy τz]T,反馈量为俯仰角、滚转角、偏航角;
所述区间二型模糊神经网络的输入为期望姿态角与反馈姿态角偏差及期望姿态角与反馈姿态角偏差的导数。
7.根据权利要求6所述的一种复合翼垂直起降无人机的姿态控制方法,其特征在于,所述区间二型模糊神经网络主要包括输入层、隶属函数层、规则层和输出层;
区间二型模糊神经网络的模糊规则为:
输入层:由两个神经元组成;
X=[x1 x2]T
隶属函数层:采用椭圆二型隶属函数,其上下界表示为:
规则层:该层每个节点表示一条模糊规则,并使用代数乘积来匹配模糊规则的前件;
输出层:区间二型模糊神经网络的输出为:
其中,q为区间二型模糊神经网络前件输出隶属函数的下界比例值,fij为区间二型模糊神经网络后件网络参数。
9.根据权利要求8所述的复合翼垂直起降无人机的姿态控制方法,其特征在于,所述加权系数,以及转换模式的伺服指令确定方法如下:所述转换模式下固定翼执行机构的伺服指令u′mc和多旋翼执行机构的伺服指令u′fw的确定方法如下:
u′mc=w·umc
u′fw=(1-w)·ufw
其中,umc和ufw分别为固定翼模式控制***和多旋翼模式控制***的输出值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911347091.5A CN111026146B (zh) | 2019-12-24 | 2019-12-24 | 一种复合翼垂直起降无人机的姿态控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911347091.5A CN111026146B (zh) | 2019-12-24 | 2019-12-24 | 一种复合翼垂直起降无人机的姿态控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111026146A CN111026146A (zh) | 2020-04-17 |
CN111026146B true CN111026146B (zh) | 2021-04-06 |
Family
ID=70213015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911347091.5A Active CN111026146B (zh) | 2019-12-24 | 2019-12-24 | 一种复合翼垂直起降无人机的姿态控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111026146B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948935A (zh) * | 2020-08-03 | 2020-11-17 | 曾喆昭 | 一种欠驱动vtol飞行器的自耦pd控制理论方法 |
CN112947062B (zh) * | 2020-12-25 | 2023-03-21 | 西北工业大学 | 一种复合翼垂直起降无人机旋翼模式控制方法及*** |
CN113093809A (zh) * | 2021-04-12 | 2021-07-09 | 北京理工大学 | 一种复合翼无人机的自抗扰控制器及其建立方法 |
CN117715827A (zh) * | 2021-08-27 | 2024-03-15 | 深圳市大疆创新科技有限公司 | 飞行器及其控制方法、控制装置、存储介质 |
CN116027673B (zh) * | 2023-03-29 | 2023-06-06 | 中国电子科技集团公司第二十九研究所 | 一种基于模糊神经网络的装备控制自主决策方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104718508A (zh) * | 2012-04-30 | 2015-06-17 | 宾夕法尼亚大学理事会 | 四旋翼机组的三维操纵 |
WO2016055990A1 (en) * | 2014-10-07 | 2016-04-14 | Israel Aerospace Industries Ltd. | Landing method and system for air vehicles |
CN106647781A (zh) * | 2016-10-26 | 2017-05-10 | 广西师范大学 | 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法 |
CN107065902A (zh) * | 2017-01-18 | 2017-08-18 | 中南大学 | 基于非线性模型的无人机姿态模糊自适应预测控制方法及*** |
CN108639332A (zh) * | 2018-06-12 | 2018-10-12 | 中国科学院工程热物理研究所 | 复合三旋翼无人机多模态飞行控制方法 |
CN109073140A (zh) * | 2016-05-31 | 2018-12-21 | 深圳市大疆灵眸科技有限公司 | 用于自适应云台的方法和*** |
CN109143855A (zh) * | 2018-07-31 | 2019-01-04 | 西北工业大学 | 一种基于模糊sarsa学习的旋翼无人机视觉伺服控制方法 |
CN109597303A (zh) * | 2018-11-29 | 2019-04-09 | 南京航空航天大学 | 一种复合式旋翼飞行器全模式飞行控制方法 |
CN109634299A (zh) * | 2018-11-12 | 2019-04-16 | 南京航空航天大学 | 基于多模态控制的飞翼无人机机动飞行控制方法 |
WO2019084487A1 (en) * | 2017-10-27 | 2019-05-02 | Elroy Air, Inc. | COMPOSITE MULTICOPTER AIRCRAFT |
CN110254696A (zh) * | 2019-06-17 | 2019-09-20 | 沈阳无距科技有限公司 | 无人机模式切换控制方法、装置,存储介质及电子设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9193442B1 (en) * | 2014-05-21 | 2015-11-24 | Rockwell Collins, Inc. | Predictable and required time of arrival compliant optimized profile descents with four dimensional flight management system and related method |
US10565329B2 (en) * | 2014-06-30 | 2020-02-18 | Evolving Machine Intelligence Pty Ltd | System and method for modelling system behaviour |
CN105138001B (zh) * | 2015-09-10 | 2017-08-25 | 中国人民解放军国防科学技术大学 | 一种四旋翼飞行器姿态控制方法 |
KR101727019B1 (ko) * | 2015-10-12 | 2017-04-14 | 최종필 | 고정익을 갖는 멀티로터형 무인비행기 |
CN108602559A (zh) * | 2015-12-11 | 2018-09-28 | 科里奥利游戏公司 | 混合式多旋翼和固定翼飞行器 |
CN106406094B (zh) * | 2016-10-16 | 2019-06-14 | 北京工业大学 | 一种基于区间二型模糊神经网络的污水处理溶解氧浓度跟踪控制方法 |
CN107145157A (zh) * | 2017-05-17 | 2017-09-08 | 深圳洲际通航投资控股有限公司 | 无人机控制方法及*** |
CN108897334B (zh) * | 2018-07-19 | 2020-03-17 | 上海交通大学 | 一种基于模糊神经网络的仿昆虫扑翼飞行器姿态控制方法 |
CN109270947B (zh) * | 2018-12-13 | 2020-07-10 | 北京航空航天大学 | 倾转旋翼无人机飞行控制*** |
CN110316368B (zh) * | 2019-04-04 | 2020-12-22 | 南京航空航天大学 | 一种分布式动力倾转旋翼无人机及其控制方法 |
CN110161855A (zh) * | 2019-05-21 | 2019-08-23 | 中国电子科技集团公司第三十八研究所 | 一种基于鲁棒伺服增益调度无人机控制器的设计方法 |
-
2019
- 2019-12-24 CN CN201911347091.5A patent/CN111026146B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104718508A (zh) * | 2012-04-30 | 2015-06-17 | 宾夕法尼亚大学理事会 | 四旋翼机组的三维操纵 |
WO2016055990A1 (en) * | 2014-10-07 | 2016-04-14 | Israel Aerospace Industries Ltd. | Landing method and system for air vehicles |
CN109073140A (zh) * | 2016-05-31 | 2018-12-21 | 深圳市大疆灵眸科技有限公司 | 用于自适应云台的方法和*** |
CN106647781A (zh) * | 2016-10-26 | 2017-05-10 | 广西师范大学 | 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法 |
CN107065902A (zh) * | 2017-01-18 | 2017-08-18 | 中南大学 | 基于非线性模型的无人机姿态模糊自适应预测控制方法及*** |
WO2019084487A1 (en) * | 2017-10-27 | 2019-05-02 | Elroy Air, Inc. | COMPOSITE MULTICOPTER AIRCRAFT |
CN108639332A (zh) * | 2018-06-12 | 2018-10-12 | 中国科学院工程热物理研究所 | 复合三旋翼无人机多模态飞行控制方法 |
CN109143855A (zh) * | 2018-07-31 | 2019-01-04 | 西北工业大学 | 一种基于模糊sarsa学习的旋翼无人机视觉伺服控制方法 |
CN109634299A (zh) * | 2018-11-12 | 2019-04-16 | 南京航空航天大学 | 基于多模态控制的飞翼无人机机动飞行控制方法 |
CN109597303A (zh) * | 2018-11-29 | 2019-04-09 | 南京航空航天大学 | 一种复合式旋翼飞行器全模式飞行控制方法 |
CN110254696A (zh) * | 2019-06-17 | 2019-09-20 | 沈阳无距科技有限公司 | 无人机模式切换控制方法、装置,存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
DESIGN AND CONTROL FRAMEWORK FOR SELECTING WIND TURBINE GEAR RATIOS BASED ON OPTIMAL POWER GENERATION AND BLADE STRESS;Lall, Amrita等;《9th ASME Annual Dynamic Systems and Control Conference》;20171231;1-10 * |
基于自适应控制的四旋翼直升机的重构控制方法研究;吴庆波;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20161215(第12期);C031-69 * |
Also Published As
Publication number | Publication date |
---|---|
CN111026146A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111026146B (zh) | 一种复合翼垂直起降无人机的姿态控制方法 | |
CN111766899B (zh) | 一种基于干扰观测器的四旋翼无人机集群抗干扰编队控制方法 | |
Kayacan et al. | Type-2 fuzzy logic trajectory tracking control of quadrotor VTOL aircraft with elliptic membership functions | |
Lozano | Unmanned aerial vehicles: Embedded control | |
Luque-Vega et al. | Robust block second order sliding mode control for a quadrotor | |
Voos | Nonlinear state-dependent Riccati equation control of a quadrotor UAV | |
Cui et al. | Adaptive super-twisting trajectory tracking control for an unmanned aerial vehicle under gust winds | |
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 | |
Morel et al. | Direct adaptive tracking control of quadrotor aerial vehicles | |
Zeghlache et al. | Backstepping sliding mode controller improved with fuzzy logic: Application to the quadrotor helicopter | |
Chowdhury et al. | A generalized control method for a Tilt-rotor UAV stabilization | |
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 | |
Shastry et al. | Quaternion based adaptive control for package delivery using variable-pitch quadrotors | |
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 | |
Zemalache et al. | Controlling a drone: Comparison between a based model method and a fuzzy inference system | |
Heryanto et al. | Attitude and altitude control of a quadcopter using neural network based direct inverse control scheme | |
Barth et al. | Full model-free control architecture for hybrid UAVs | |
Jeong et al. | Control System Design for a Ducted‐Fan Unmanned Aerial Vehicle Using Linear Quadratic Tracker | |
CN107817818B (zh) | 一种模型不确定飞艇航迹跟踪有限时间控制方法 | |
Muñoz et al. | Energy-based nonlinear control for a quadrotor rotorcraft | |
Liu et al. | Robust time-varying formation control for tail-sitters in flight mode transitions | |
Yamasaki et al. | Integrated guidance and autopilot for a path-following UAV via high-order sliding modes | |
Hably et al. | Global stabilization of a four rotor helicopter with bounded inputs | |
Zeghlache et al. | Fuzzy sliding mode control with chattering elimination for a quadrotor helicopter in vertical flight | |
Tahar et al. | Control of an under-actuated x4-flyer using integral backstepping controller |
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 |