CN115373363A - 一种执行器故障下受约束无人机***滑模容错控制方法 - Google Patents
一种执行器故障下受约束无人机***滑模容错控制方法 Download PDFInfo
- Publication number
- CN115373363A CN115373363A CN202110536995.3A CN202110536995A CN115373363A CN 115373363 A CN115373363 A CN 115373363A CN 202110536995 A CN202110536995 A CN 202110536995A CN 115373363 A CN115373363 A CN 115373363A
- Authority
- CN
- China
- Prior art keywords
- fault
- unmanned aerial
- aerial vehicle
- sliding mode
- state
- 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.)
- Pending
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种新型针对于具有状态约束的多旋翼飞行器执行器故障的滑模的容错控制算法。考虑具有状态约束的四旋翼无人机***发生执行器失效故障的情况,结合障碍李雅普诺夫函数和滑模控制,设计了一种容错控制方法。针对故障和外部扰动,构造了一种非奇异快速终端滑模代替传统滑模面,使***不仅具有较强的鲁棒性,而且可以在较短的有限时间内实现收敛。针对四旋翼飞行器在实际飞行中存在状态限制的情况,在设计控制律时引入障碍李雅普诺夫函数,在验证算法稳定性的同时,将滑模面约束在一定范围内,从而保证飞行器所输出的状态不会违反限制条件。本发明用于带有状态约束的四旋翼无人机的执行器故障容错飞行控制。
Description
技术领域
本发明涉及一种针对于具有状态约束和执行器故障的多旋翼无人机***,设计基于障碍李雅普诺夫函数的滑模容错控制算法,属于不确定性非线性***的容错控制技术领域。
背景技术
近几十年来,随着能源动力技术,复合材料技术,微电子技术等行业水平的快速发展,多旋翼无人机技术也有了极大的提高。因为具有适应性强,操作简单,成本低,可垂直起降等优点,多旋翼无人机在军事、工业,农业、搜救等多种领域都有极为广泛的应用,也给人类生活带来了许多方便。然而,一些特殊的工作环境或者长时间的使用都可能导致无人机出现故障,任何微小的故障都可能造成无人机的损坏,从而带来巨大的财产损失甚至人员伤亡。因此,容错控制算法变得越来越重要,并逐渐成为现在的研究重点。
容错控制一般可以分为主动容错和被动容错,被动容错主要是通过提高控制器的鲁棒性,从而降低对提前预估的可能发生的故障的敏感度,不需要在线获取故障信息,重构控制律。当发生未知故障时,被动容错的效果并不理想。主动容错的控制思路是通过故障诊断模块获取故障信息,再针对获取到的故障信息,重新调整控制律的结构和参数。相比于被动容错,主动容错不需要牺牲控制性能以达到容错的控制效果,也能更好地完成故障检测与隔离,因此,主动容错具有更加明显的优势,目前受到较多的关注。
执行器失效故障是多旋翼无人机常见的一种故障,近年来,一些学者针对无人机执行器失效故障的容错控制取得了很多成果,提出了很多实用的控制算法,如滑模控制,自适应控制,预测控制等等。滑模控制算法在处理参数摄动、外部干扰时具有很好的鲁棒性。
然而,飞行器在实际飞行中,由于环境或某些任务需求,往往存在一些约束条件,例如姿态角、飞行速度往往有一个约束范围,当超出此范围时,可能出现很大的风险。而滑模控制不能很好地处理状态限制的问题。为解决状态限制的问题,有研究人员提出了碍李雅普诺夫函数的方法。通过构造障碍李雅普诺夫函数,可以给自变量设置边界,当自变量接近边界值时,函数将趋近于无穷大,从而保证了自变量不会超出约束范围。将障碍李雅普诺夫函数与滑模控制相结合可以很好地解决含有状态约束的无人机容错控制问题。目前,已有许多学者在做此方面的研究。
发明内容
发明目的:针对上述研究背景,提出了一种针对于具有状态约束和执行器故障的多旋翼无人机***设计基于障碍李雅普诺夫函数的滑模容错控制算法。设计了自适应观测器能够获取准确的故障信息。为了确保更好的动态性能,设计了非奇异快速终端滑模面取代传统滑模面,使得***具备较强的鲁棒性,还能在有限时间内实现收敛。考虑到四旋翼飞行器在实际飞行中存在约束条件的情况,在设计控制律时引入障碍李雅普诺夫函数,不仅能验证***的稳定性,还可以将滑模面限制在指定范围内,这样则可以避免超调量过大,违反约束条件的问题。
技术方案:一种新型的针对具有状态约束的四旋翼无人机执行器部分失效故障的滑模容错控制方法。其特征在于:先通过自适应观测器获取准确的故障信息,再根据故障信息和***误差,设计得到非奇异快速终端滑模面取代传统的滑模面,使***具备强鲁棒性并且误差能在有限时间内收敛,提高***的控制性能;然后根据状态限制结合障碍李雅普诺夫函数设计出滑模控制律,验证***稳定性的同时确保超调量不会过大,违反约束条件,最终构成容错控制器,包括如下具体步骤:
步骤1)确定***模型和约束条件,包括如下步骤:
步骤1.1)确定***模型,如式(1)所示:
其中,xi1=(x,y,z,φ,θ,ψ)T和xi2=(u,v,w,p,q,r)T分别表示四旋翼无人机在t时刻的位置和速度状态;ui(t)为控制输入;di为无人机受到的外部扰动,满足|di|≤ζ,ζ是一个已知常数;fi(x)和gi(x)是已知连续的向量值函数,分别表示无人机的固有非线性动力学行为和控制输入对无人机状态的影响;i=1,2,3,4,5,6;
步骤1.2)确定约束条件,考虑到在实际飞行任务中,无人机的状态会通常会有一个限制范围,超出此范围将可能发生危险,无人机状态约束如式(2)所示:
其中,和为常数,分别表示xi1(t)的上界和下界;对于任何xi1(t)满足式(2)时,总存在正常g0数满足对任何都有0<g0≤|gi(x)|;为满足约束条件,yi的期望值yid及其各阶导数都有上下界,即存在常数使得 对任何t≥t0都成立;其中,yid为输出yi的期望值;
步骤2)确定无人机***的故障模型,包括如下步骤:
步骤2.1)确定故障模型
已知ui(t)为第i个通道的控制输入,当发生执行器失效故障时,可将式(1)改写为:
其中,ui F(t)表示第i个通道发生执行器失效故障后的控制输入,如式(4)所示:
步骤2.2)确定故障信息
将式(1)写成状态空间的形式:
其中,F(x)为***的非线性部分;U为控制向量;B为控制系数矩阵;d和D分别为有界扰动和系数矩阵;E=diag{σ1,σ2,...,σ6}表示执行器的失效率;I为单位矩阵。
针对式(5)构造如下输出观测器:
其中,Γe对称正定,为观测器增益矩阵;L满足CTLT=PB,由此可收敛获取准确的故障信息,从而完成重构;
步骤3)设计滑模面,包括如下步骤:
步骤3.1)根据四旋翼无人机的信息,定义了***的误差,如式(9)所示:
其中,ei1(t)和ei2(t)分别为t时刻的位置误差变量和速度误差变量;
步骤3.2)根据需求设计滑模面函数,为使得无人机的状态不违背约束条件,需确保滑模函数有界时,误差变量也有界,故设计的滑模面如式(10)所示:
其中,ki1和ki2是正常数,为避免奇异性,αi和βi满足1<βi<2且βi<αi;sign(·)是符号函数,即:
步骤4)设计容错控制律,包括如下步骤:
步骤4.1)构建障碍李雅普诺夫函数,根据***约束条件,设计的障碍函数如式(12) 所示:
步骤4.2)容错控制律的设计,分别对式(10),(12)求导得:
tr≤t0+h ln V (16)
其中,tr为收敛时间,t0为初始时间,h>0;通过对式(16)变形可得:
根据式(17)设计切换控制律为:
最后综合式(15),(18),完整的容错控制律为:
步骤5)根据多旋翼无人机***的运行状态,选择合适的参数,完成对其的容错控制。
有益效果:本发明提出了一种针对具有状态限制的多旋翼无人机***执行器部分失效故障的滑模容错控制方法,在四旋翼无人机存在执行器部分失效故障时,结合障碍李雅普诺夫函数,提出一种滑模容错控制方法,使得无人机***在发生执行器故障后能够正常运行;利用自适应观测器获取故障信息;设非奇异快速终端滑模面代替传统滑模面,用以提高收敛速度并提高鲁棒性;在设计控制律时,利用障碍李雅普诺夫函数构建边界,在保障稳定性的同时解决了状态限制的问题,具有如下具体优点:
(1)设计的自适应观测器可以准确地获取故障信息,容错控制律可以据此调整参数,同时滑模控制本身就具有强鲁棒性,这使得***处理故障和扰动的能力更强;
(2)根据***输出误差,设计了非奇异快速终端滑模面用以替代传统滑模面,提高了***的响应速度和鲁棒性,使控制器具有更好的实用性;
(3)引入障碍李雅普诺夫函数的方法给滑模面设置边界值,从而限定了输出状态的范围,确保不会因为超调量过大而违反限制条件。
本发明所提方法作为一种针对具有状态限制的多旋翼无人机***执行器部分失效故障的滑模容错控制方法,具有一定的应用意义,易于实现,实时性好,准确性高,能够有效提高控制***安全性且可操作性强,节省时间,效率更高,可广泛应用于多旋翼无人机***的执行器故障容错控制中。
附图说明
图1是本发明方法的流程图;
图2是四旋翼模型及其坐标系示意图;
图3是Qball-X4四旋翼无人机执行器故障时滚转角曲线图;
图4是Qball-X4四旋翼无人机执行器故障时X轴位置曲线图;
图5是Qball-X4四旋翼无人机执行器故障时Y轴位置曲线图;
图6是Qball-X4四旋翼无人机执行器故障时Z轴位置曲线图;
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示,一种针对具有状态约束的四旋翼无人机执行器部分失效故障的滑模容错控制方法,其特征在于:在无人机***存在执行器部分失效故障时,提出一种非奇异快速终端滑模容错控制方法,使得无人机***在发生执行器故障后能够正常运行,并使误差能在有限时间内收敛;然后根据状态限制结合障碍李雅普诺夫函数设计出滑模控制律,最终构成容错控制器,包括如下具体步骤:
步骤1)确定***模型和约束条件,包括如下步骤:
步骤1.1)确定***模型,如式(1)所示:
其中,xi1=(x,y,z,φ,θ,ψ)T和xi2=(u,v,w,p,q,r)T分别表示四旋翼无人机在t时刻的位置和速度状态;ui(t)为控制输入;di为无人机受到的外部扰动,满足|di|≤ζ,ζ是一个已知常数;fi(x)和gi(x)是已知连续的向量值函数,分别表示无人机的固有非线性动力学行为和控制输入对无人机状态的影响;i=1,2,3,4,5,6;
步骤1.2)确定约束条件,考虑到在实际飞行任务中,无人机的状态会通常会有一个限制范围,超出此范围将可能发生危险,无人机状态约束如式(2)所示:
其中,和κ ci为常数,分别表示xi1(t)的上界和下界;对于任何xi1(t)满足式(2)时,总存在正常g0数满足对任何都有0<g0≤|gi(x)|;为满足约束条件,yi的期望值yid及其各阶导数都有上下界,即存在常数使得 对任何t≥t0都成立;其中,yid为输出yi的期望值;
步骤2)确定无人机***的故障模型,包括如下步骤:
步骤2.1)确定故障模型
已知ui(t)为第i个通道的控制输入,当发生执行器失效故障时,可将式(1)改写为:
其中,ui F(t)表示第i个通道发生执行器失效故障后的控制输入,如式(4)所示:
步骤2.2)确定故障信息
将式(1)写成状态空间的形式:
其中,F(x)为***的非线性部分;U为控制向量;B为控制系数矩阵;d和D分别为有界扰动和系数矩阵;E=diag{σ1,σ2,...,σ6}表示执行器的失效率;I为单位矩阵。
针对式(5)构造如下输出观测器:
其中,Γe对称正定,为观测器增益矩阵;L满足CTLT=PB,由此可收敛获取准确的故障信息,从而完成重构;
步骤3)设计滑模面,包括如下步骤:
步骤3.1)根据四旋翼无人机的信息,定义了***的误差,如式(9)所示:
其中,ei1(t)和ei2(t)分别为t时刻的位置误差变量和速度误差变量;
步骤3.2)根据需求设计滑模面函数,为使得无人机的状态不违背约束条件,需确保滑模函数有界时,误差变量也有界,故设计的滑模面如式(10)所示:
其中,ki1和ki2是正常数,为避免奇异性,αi和βi满足1<βi<2且βi<αi;sign(·)是符号函数,即:
步骤4)设计容错控制律,包括如下步骤:
步骤4.1)构建障碍李雅普诺夫函数,根据***约束条件,设计的障碍函数如式(12) 所示:
步骤4.2)容错控制律的设计,分别对式(10),(12)求导得:
tr≤t0+h ln V (16)
其中,tr为收敛时间,t0为初始时间,h>0;通过对式(16)变形可得:
根据式(17)设计切换控制律为:
最后综合式(15),(18),完整的容错控制律为:
步骤5)根据多旋翼无人机***的运行状态,选择合适的参数,完成对其的容错控制。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
表1:Qball-X4机体参数数值表
下面以实际案例仿真说明实施方案的有效性。
为验证方法的有效性,采用由加拿大Quanser公司研制的四旋翼无人机控制的实验装置Qball-X4四旋翼无人机作为应用对象,表1位Qball-X4的机体参数。
为了建立四旋翼无人机Qball-X4的数学模型,简化了四旋翼无人机Qball-X4的结构,其简化后的结构如图2所示。使用X型机架并建立体轴坐标系Ob-XbYbZb,四旋翼的地面坐标系为Og-XgYgZg。
通常,四旋翼飞行器***存在六维度变量即(X,Y,Z,ψ,θ,φ),其中X,Y,Z为位置变量,ψ为偏航角,θ为俯仰角,φ为滚转角。Ω=[p,q,r]T和V=[u,v,w]T分别表示欧拉角速度和线速度。
根据牛顿-欧拉公式,可引入***的动力学方程:
其中kφ,kθ,kψ为拉力系数,g为重力加速度,其控制量的定义如下:
其中,Fi(i=1,2,3,4)和τi(i=1,2,3,4)分别为螺旋桨的拉力和扭矩。
设定初始欧拉角和位置坐标分别为Θ(0)=[-0.2,-0.2,0.5]T(rad),P(0)=[0,1,0.3]T(m),设定初始线速度和旋转角速度分别为V(0)=[0,0,0]T(m/s),期望的位置目标为[y1d,y2d,y3d]T=[0.5,0.5,0.8]T(m),期望的姿态目标为 [y4d,y5d,y6d]T=[0.4sin(t),0.3cos(t),0.3]T(rad),设置的位置和姿态的约束范围如下:
为验证控制律的有效性,设置上限为ζ=0.5的白噪声作为干扰,并以滚转通道为例,从第5s开始注入30%的的失效故障,即E=diag{0,0,0,0.3,0,0}。根据实际情况,我们把控制律中的参数设定为:αi=2,βi=1.67,ki1=1,ki2=1,q=5。
分别与传统的滑模控制和反步法进行对比,图3为三种方法在故障状态下的滚转角动态图,图4-6分别为三种方法在故障状态下在x,y,z方向上的位移曲线图。
仿真结果表明,本发明所设计的针对含有状态约束和执行器故障的无人机***滑模容错控制算法能够对外部扰动和执行器失效故障具备较强的容错能力,控制律的收敛具有很好的快速性和准确性,同时可以很好地处理状态限制的问题。从图中可以看出,发生故障时,反步法没有超出约束范围,但是容错能力较差,跟踪性能不好;传统的滑模方法可以实现收敛,但超调量较大,不能控制在约束范围内;本案例所提出的方法鲁棒性更强,对故障的敏感度更低,收敛速度更快,同时符合约束条件,效果更为优秀。综上,对于具有状态限制的四旋翼无人机***发生执行器故障,本案例仿真的容错控制方法行之有效。
Claims (1)
1.一种针对具有状态约束的四旋翼无人机执行器部分失效故障的滑模容错控制方法,其特征在于:在无人机***存在执行器部分失效故障时,提出一种非奇异快速终端滑模容错控制方法,使得无人机***在发生执行器故障后能够正常运行,并使误差能在有限时间内收敛;然后根据状态限制结合障碍李雅普诺夫函数设计出滑模控制律,最终构成容错控制器,包括如下具体步骤:
步骤1)确定***模型和约束条件,包括如下步骤:
步骤1.1)确定***模型,如式(1)所示:
其中,xi1=(x,y,z,φ,θ,ψ)T和xi2=(u,v,w,p,q,r)T分别表示四旋翼无人机在t时刻的位置和速度状态;ui(t)为控制输入;di为无人机受到的外部扰动,满足|di|≤ζ,ζ是一个已知常数;fi(x)和gi(x)是已知连续的向量值函数,分别表示无人机的固有非线性动力学行为和控制输入对无人机状态的影响;i=1,2,3,4,5,6;
步骤1.2)确定约束条件,考虑到在实际飞行任务中,无人机的状态会通常会有一个限制范围,超出此范围将可能发生危险,无人机状态约束如式(2)所示:
其中,和κ ci为常数,分别表示xi1(t)的上界和下界;对于任何xi1(t)满足式(2)时,总存在正常g0数满足对任何都有0<g0≤|gi(x)|;为满足约束条件,yi的期望值yid及其各阶导数都有上下界,即存在常数使得 对任何t≥t0都成立;其中,yid为输出yi的期望值;
步骤2)确定无人机***的故障模型,包括如下步骤:
步骤2.1)确定故障模型
已知ui(t)为第i个通道的控制输入,当发生执行器失效故障时,可将式(1)改写为:
其中,ui F(t)表示第i个通道发生执行器失效故障后的控制输入,如式(4)所示:
步骤2.2)确定故障信息
将式(1)写成状态空间的形式:
其中,F(x)为***的非线性部分;U为控制向量;B为控制系数矩阵;d和D分别为有界扰动和系数矩阵;E=diag{σ1,σ2,..,σ6}表示执行器的失效率;I为单位矩阵。
针对式(5)构造如下输出观测器:
其中,Γe对称正定,为观测器增益矩阵;L满足CTLT=PB,由此可收敛获取准确的故障信息,从而完成重构;
步骤3)设计滑模面,包括如下步骤:
步骤3.1)根据四旋翼无人机的信息,定义了***的误差,如式(9)所示:
其中,ei1(t)和ei2(t)分别为t时刻的位置误差变量和速度误差变量;
步骤3.2)根据需求设计滑模面函数,为使得无人机的状态不违背约束条件,需确保滑模函数有界时,误差变量也有界,故设计的滑模面如式(10)所示:
其中,ki1和ki2是正常数,为避免奇异性,αi和βi满足1<βi<2且βi<αi;sign(·)是符号函数,即:
步骤4)设计容错控制律,包括如下步骤:
步骤4.1)构建障碍李雅普诺夫函数,根据***约束条件,设计的障碍函数如式(12)所示:
步骤4.2)容错控制律的设计,分别对式(10),(12)求导得:
tr≤t0+hlnV (16)
其中,tr为收敛时间,t0为初始时间,h>0;通过对式(16)变形可得:
根据式(17)设计切换控制律为:
最后综合式(15),(18),完整的容错控制律为:
步骤5)根据多旋翼无人机***的运行状态,选择合适的参数,完成对其的容错控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536995.3A CN115373363A (zh) | 2021-05-17 | 2021-05-17 | 一种执行器故障下受约束无人机***滑模容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536995.3A CN115373363A (zh) | 2021-05-17 | 2021-05-17 | 一种执行器故障下受约束无人机***滑模容错控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115373363A true CN115373363A (zh) | 2022-11-22 |
Family
ID=84058623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110536995.3A Pending CN115373363A (zh) | 2021-05-17 | 2021-05-17 | 一种执行器故障下受约束无人机***滑模容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115373363A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116382097A (zh) * | 2023-05-26 | 2023-07-04 | 北京科技大学 | 离散信息物理***的有限时间类切换滑模容错控制方法 |
CN117148863A (zh) * | 2023-09-15 | 2023-12-01 | 南京航空航天大学 | 一种复合故障下的集群无人机容错协同控制方法 |
-
2021
- 2021-05-17 CN CN202110536995.3A patent/CN115373363A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116382097A (zh) * | 2023-05-26 | 2023-07-04 | 北京科技大学 | 离散信息物理***的有限时间类切换滑模容错控制方法 |
CN116382097B (zh) * | 2023-05-26 | 2023-08-15 | 北京科技大学 | 离散信息物理***的有限时间类切换滑模容错控制方法 |
CN117148863A (zh) * | 2023-09-15 | 2023-12-01 | 南京航空航天大学 | 一种复合故障下的集群无人机容错协同控制方法 |
CN117148863B (zh) * | 2023-09-15 | 2024-04-05 | 南京航空航天大学 | 一种复合故障下的集群无人机容错协同控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | An integral TSMC-based adaptive fault-tolerant control for quadrotor with external disturbances and parametric uncertainties | |
Zhang et al. | Attitude control of a quadrotor aircraft subject to a class of time-varying disturbances | |
Wang et al. | A composite adaptive fault-tolerant attitude control for a quadrotor UAV with multiple uncertainties | |
CN115373363A (zh) | 一种执行器故障下受约束无人机***滑模容错控制方法 | |
Gaitan et al. | Modeling and robust attitude control of a quadrotor system | |
Ma et al. | Disturbance-observer-based adaptive fuzzy tracking control for unmanned autonomous helicopter with flight boundary constraints | |
Saied et al. | BFA fuzzy logic based control allocation for fault-tolerant control of multirotor UAVs | |
Das et al. | Sliding mode approach to control quadrotor using dynamic inversion | |
Fan et al. | Adaptive integral backstepping control for trajectory tracking of a quadrotor | |
CN114089780B (zh) | 一种面向城市空间的多旋翼无人机路径规划方法 | |
CN115202213A (zh) | 一种基于自抗扰控制的四旋翼飞行器控制方法 | |
Abedini et al. | Robust backstepping control of position and attitude for a Bi-copter drone | |
Zhang et al. | A safety planning and control architecture applied to a quadrotor autopilot | |
Jafar et al. | A robust H∞ control for unmanned aerial vehicle against atmospheric turbulence | |
Yoon et al. | Robust adaptive control allocation for an octocopter under actuator faults | |
Du et al. | Fault tolerant control of a quadrotor unmanned aerial vehicle based on active disturbance rejection control and two-stage Kalman filter | |
Zeghlache et al. | Adaptive type-2 fuzzy sliding mode control using supervisory type-2 fuzzy control for 6 DOF octorotor aircraft | |
Jiang et al. | A feedback linearization and saturated control structure for quadrotor UAV | |
Zaki et al. | Trajectory control of a quadrotor using a control allocation approach | |
Saggai et al. | Fault tolerant control against actuator faults based on interval type-2 fuzzy sliding mode controller for a quadrotor aircraft | |
CN116430828A (zh) | 一种基于观测器的四旋翼故障容灾降级控制方法 | |
CN116954067A (zh) | 一种四旋翼无人机的跟踪控制器设计方法 | |
CN115373275A (zh) | 四旋翼无人机的指定时间预定性能容错控制方法 | |
CN116736692A (zh) | 一种具有延迟状态约束的四旋翼无人机滑模容错控制方法 | |
Yu et al. | Design of terminal sliding mode controller for a quadrotor UAV with disturbance observer |
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 |