CN115421376A - 具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法 - Google Patents

具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法 Download PDF

Info

Publication number
CN115421376A
CN115421376A CN202210469358.3A CN202210469358A CN115421376A CN 115421376 A CN115421376 A CN 115421376A CN 202210469358 A CN202210469358 A CN 202210469358A CN 115421376 A CN115421376 A CN 115421376A
Authority
CN
China
Prior art keywords
subsystem
formula
controller
follows
fault
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
Application number
CN202210469358.3A
Other languages
English (en)
Inventor
甄然
梁栋伟
武晓晶
吴学礼
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.)
Hebei University of Science and Technology
Original Assignee
Hebei University of Science and Technology
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 Hebei University of Science and Technology filed Critical Hebei University of Science and Technology
Priority to CN202210469358.3A priority Critical patent/CN115421376A/zh
Publication of CN115421376A publication Critical patent/CN115421376A/zh
Pending legal-status Critical Current

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
    • 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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其通过自适应控制方法，设计位置环控制器和姿态环控制器，同时姿态环采用扰动观测器，估计未知外部扰动。本发明的方法可以加快***的收敛速度，又可以对***的暂稳态性能进行约束，有效提高***容错能力，并具有良好的鲁棒性和抗干扰能力。

Description

具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容 错控制方法
技术领域
本发明涉及一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法。
背景技术
四旋翼无人机具有结构简单，维护方便，携带便捷，隐蔽强等特点，且能适应各种复杂恶劣环境。由于其优点众多，四旋翼无人机被广泛应用于各个领域，如生产巡检领域，道路监管领域，消防救援领域等。
然而，在实际飞行过程中，四旋翼无人机可能会发生执行器故障的情况，执行器故障会影响四旋翼无人机***，导致飞行器控制效果和***的稳定性变差，进而影响无人机的正常飞行，导致任务的失败。
另外，由于环境变化等因素影响，导致四旋翼无人机***的阻力系数和外部扰动并不是已知条件，且不容易精确测量。若忽略***阻力系数和外部干扰，则可能降低四旋翼无人机***的稳定性。同时考虑到实际情况，四旋翼无人机***对暂稳态性能的要求较为严格，合理地控制无人机***的超调量，收敛速度、输出误差，可以有效避免无人机***处于不正常飞行状态导致无人机损坏的情况。
因此，研究预定性能下的四旋翼无人机的容错跟踪控制以及合理解决外部扰动和未知阻力系数问题具有重要的现实意义和价值。
发明内容
本发明的目的是提供一种可以加快***的收敛速度，又可以对***的暂稳态性能进行约束，有效提高***容错能力，并具有良好的鲁棒性和抗干扰能力的具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法。
本发明采用如下技术方案：
一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其通过自适应控制方法，设计位置环控制器和姿态环控制器，同时姿态环采用扰动观测器，估计未知外部扰动。
进一步的，所述位置环控制器包括位置子***[x1,x2]T控制器、位置子***[x3,x4]T控制器和位置子***[x5,x6]T控制器。
进一步的，所述位置子***[x1,x2]T控制器为：
Figure BDA0003621522440000021
式中，kx，fx为正常数；
Figure BDA0003621522440000022
和
Figure BDA0003621522440000023
分别为βx，uxf和kxx的估计值；
位置子***[x1,x2]T的自适应律为：
Figure BDA0003621522440000024
式中，λx1，λx2，λx3，px1为正常数。
进一步的，所述位置子***[x3,x4]T控制器为：
Figure BDA0003621522440000025
其中，
Figure BDA0003621522440000026
式中，cy，fy和ky为正常数；x3d为y方向上的参考轨迹；
Figure BDA0003621522440000031
分别为βy， uyf和kyy的估计值；
位置子***[x3,x4]T的自适应律为：
Figure BDA0003621522440000032
式中，λy1，λy2，λy3，py1为正常数。
进一步的，位置子***[x5,x6]T控制器为：
Figure BDA0003621522440000033
其中，
Figure BDA0003621522440000034
式中，cz，fz，和kz为正常数；x5d为z方向上的参考轨迹；
Figure BDA0003621522440000036
分别为βz， uzf和kzz的估计值；
位置子***[x5,x6]T的自适应律为：
Figure BDA0003621522440000035
式中，λz1，λz2，λz3，pz1为正常数。
进一步的，所述姿态环控制器包括横滚子***控制器、俯仰子***控制器和偏航子***控制器。
进一步的，所述横滚子***[x7,x8]T控制器为：
Figure BDA0003621522440000041
式中，kφ，fφ为正常数；
Figure BDA0003621522440000042
分别为βφ，uφf的估计值；
横滚子***自适应律为：
Figure BDA0003621522440000043
式中，λφ1，λφ2为正常数。
进一步的，俯仰子***[x9,x10]T控制器为：
Figure BDA0003621522440000044
其中，
Figure BDA0003621522440000045
式中，cθ，fθ和kθ为正常数；x9d为θ方向上的参考轨迹；
Figure BDA0003621522440000046
分别为βθ，uθf的估计值；
俯仰子***自适应律为：
Figure BDA0003621522440000047
式中，λθ1，λθ2为正常数。
进一步的，所述偏航子***[x11,x12]T的控制器为：
Figure BDA0003621522440000051
其中，
Figure BDA0003621522440000052
式中，cψ，fψ和kψ为正常数；x11d为ψ方向上的参考轨迹；
Figure BDA0003621522440000053
分别为βψ，uψf的估计值；
偏航子***的自适应律为：
Figure BDA0003621522440000054
式中，λψ1，λψ2为正常数。
进一步的，姿态环的干扰观测器包括横滚子***的干扰观测器、俯仰子***的干扰观测器和偏航子***的干扰观测器；
所述横滚子***的干扰观测器为：
Figure BDA0003621522440000055
式中，
Figure BDA0003621522440000056
分别为x8,Dφ,
Figure BDA0003621522440000057
的估计值；
所述俯仰子***的干扰观测器为：
Figure BDA0003621522440000061
式中，
Figure BDA0003621522440000062
分别为x10，Dθ，
Figure BDA0003621522440000063
的估计值；
所述偏航子***的干扰观测器为：
Figure BDA0003621522440000064
式中，
Figure BDA0003621522440000065
分别为x12，Dψ，
Figure BDA0003621522440000066
的估计值。
进一步的，期望横滚角x7d和期望俯仰角x9d为：
Figure BDA0003621522440000067
本发明的有益效果在于：
目前，解决执行器故障情况下，四旋翼无人机的轨迹跟踪控制问题有很多种设计，但是既考虑执行器故障，又考虑暂稳态性能、未知阻力系数、未知外部扰动的方案目前还没有出现，本发明针对上述问题，提出了相应的解决方法。通过采用预定性能滑模控制策略，自适应控制策略以及设计干扰观测器，构造出内外环容错控制器，从而解决了具有执行器故障、未知阻力系数和未知外部扰动的四旋翼无人机的轨迹跟踪容错控制问题。
本发明采用预定性能控制与滑模控制相结合的控制算法，既可以加快***的收敛速度，又可以对***的暂稳态性能进行约束，有效提高***容错能力，并具有良好的鲁棒性。由于执行器故障是未知的，且***具有未知阻力系数，所以控制器的设计采用自适应控制策略，使得***鲁棒性强，稳定性更好。针对未知外界扰动，采用干扰观测器去估计未知外部扰动，提高了***的抗干扰能力。
附图说明
图1为本发明***控制框架原理图。
图2为位置跟踪轨迹图。
图3为位置跟踪误差曲线。
图4为姿态跟踪轨迹。
图5为姿态跟踪误差曲线。
图6为干扰观测器的跟踪轨迹。
具体实施方式
以下结合实施例对本发明的技术方案进行详细地阐述。以下实施例仅仅用于说明和解释本发明，而不构成对本发明技术方案的限制。
1、四旋翼无人机动力学模型
Figure BDA0003621522440000081
式中，m代表机体质量；kii,(ii＝xx,yy,zz)为未知的阻力系数；g为重力加速度；Jp表示螺旋桨惯性矩；Ωr表示螺旋桨转速裕度；l代表四旋翼无人机中心与转子中心之间的距离；di,(i＝φ,θ,ψ)为姿态角φ,θ,ψ各个方向上的扰动矢量；控制器输入为ui,(i＝1,2,3,4)。
四旋翼无人机的位置子***和姿态子***以状态方程的形式表示为：
Figure BDA0003621522440000082
式中，X＝(x1,x2,···,x12)T为四旋翼无人机***的状态变量；η(X)，σ(X)为关于X的非线性函数；控制输入U＝(u1,u2,u3,u4)T。
由此，根据四旋翼无人机***数学模型(1)和状态方程(2)的展开式并化简可改写为：
Figure BDA0003621522440000083
Figure BDA0003621522440000091
式中，
Figure BDA0003621522440000092
并且
Figure BDA0003621522440000093
ui,(i＝x,y,z)为位置方向上的控制输入信号，其中ux＝( cosφsinθcosψ+sinφsinψ)u1，uy＝(cosφsinθsinψ-sinφcosψ)u1，uz＝(cosφcosθ)u1。
2、引理1和假设2。
引理1对于非线性***
Figure BDA0003621522440000094
式中，Γ＞0,
Figure BDA00036215224400000912
ωi＞0(i＝0,1,···,n)均为常数，则***(5)为有限时间稳定。
假设2未知扰动dφ,dθ,dψ满足
Figure BDA0003621522440000095
且
Figure BDA0003621522440000096
Figure BDA0003621522440000097
其中
Figure BDA0003621522440000098
是有界常数，满足
Figure BDA0003621522440000099
3、控制器设计
为了满足跟踪误差变量的暂稳态性能要求，选择如下的性能函数：
Figure BDA00036215224400000910
式中，Li为正常数，可以调节***收敛速度；
Figure BDA00036215224400000911
如果e1i,i＝x,y,z,φ,θ,ψ能够满足：
Figure BDA0003621522440000101
则，预定性能的控制目标即可实现。其中e1i,i＝x,y,z,φ,θ,ψ为跟踪误差，δi,
Figure BDA0003621522440000102
为正常数，当e1i的初始条件满足
Figure BDA0003621522440000103
时，可进行如下状态变换：
e1i＝ui(t)νi(εi) (8)
其中，
Figure BDA0003621522440000104
通过计算得到νi(εi)的反函数为：
Figure BDA0003621522440000105
式中，
Figure BDA0003621522440000106
注1：通过式(8)和(9)的状态变换，可将对e1i的预定性能控制问题转换为εi的稳定性控制问题。
4、执行器故障模型
执行器故障数学模型如下：
ui＝τiuia+uif (11)
式中，ui(i＝x,y,z,φ,θ,ψ)表示执行器实际输出；uia表示具有故障的执行器输入； 0≤τi≤1表示未知的恒值执行器失效故障；uif表示未知的恒值执行器偏差故障。
5、位置子***控制器设计
针对外环位置子***(3)，可以将其看作由x位置子***，y位置子***，z位置子***三部分组成。首先，针对位置子***[x1,x2]T进行控制器设计，其余位置子***设计过程类似。
位置跟踪误差为：
e1x＝x1-x1d (12)
式中，x1d是x方向上的参考轨迹。位置跟踪误差的时间导数为：
Figure BDA0003621522440000111
设计如下滑模面为：
Figure BDA0003621522440000112
式中，cx为正常数。
设
Figure BDA0003621522440000113
选择如下李雅普诺夫函数Vx1为：
Figure BDA0003621522440000114
对式(20)求导为：
Figure BDA0003621522440000115
其中，
Figure BDA0003621522440000116
Figure BDA0003621522440000117
式中，x1d为x方向上的参考轨迹。
为了满足控制要求，位置子***[x1,x2]T控制器设计为：
Figure BDA0003621522440000118
式中，kx，fx为正常数；
Figure BDA0003621522440000119
和
Figure BDA00036215224400001110
分别为βx，uxf和kxx的估计值。自适应律设计为：
Figure BDA0003621522440000121
式中，λx1，λx2，λx3，px1为正常数。
为了验证位置子***[x1,x2]T的稳定性，选择如下李雅普诺夫函数Vx为：
Figure BDA0003621522440000122
Vx对时间求导，得到：
Figure BDA0003621522440000123
根据李雅普诺夫稳定性定理，位置子***[x1,x2]T为最终一致有界渐进稳定，且满足预定性能要求。通过类似的推导过程，针对位置子***[x3,x4]T，位置子***[x5,x6]T的控制器可分别设计为如下：
Figure BDA0003621522440000124
其中，
Figure BDA0003621522440000125
Figure BDA0003621522440000126
其中，
Figure BDA0003621522440000127
上式中，cy，cz，fy，fz，ky和kz为正常数；x3d和x5d分别为y和z方向上的参考轨迹；
Figure BDA0003621522440000131
分别为βy，uyf和kyy的估计值，
Figure BDA0003621522440000132
分别为βz，uzf和kzz的估计值。
相对应的自适应律设计为如下：
Figure BDA0003621522440000133
Figure BDA0003621522440000134
式中，λy1，λy2，λy3，py1，λz1，λz2，λz3，pz1为正常数。
6、干扰观测器设计
根据假设2和***模型(4)，设计姿态子***[x7,x8]T的干扰观测器为：
Figure BDA0003621522440000135
式中，
Figure BDA0003621522440000136
分别为x8,Dφ,
Figure BDA0003621522440000137
的估计值。
根据相似的推导过程：
Figure BDA0003621522440000141
Figure BDA0003621522440000142
式中，
Figure BDA0003621522440000143
分别为x10，Dθ，
Figure BDA0003621522440000144
x12，Dψ，
Figure BDA0003621522440000145
的估计值。
根据引理1可知在
Figure BDA0003621522440000149
时，使得
Figure BDA0003621522440000146
因此，外部扰动的估计值可用于控制器设计。
7、姿态子***控制器设计
针对内环姿态子***(4)，可以将其看作由横滚子***，俯仰子***，偏航子***三部分组成。
首先，针对横滚子***[x7,x8]T进行控制器设计，其余姿态子***设计过程类似。
姿态跟踪误差为：
e1φ＝x7-x7d (32)
式中，x7d为φ方向上的参考轨迹。姿态跟踪误差的时间导数为：
Figure BDA0003621522440000147
设计如下滑模面为：
Figure BDA0003621522440000148
式中，cφ为正常数。
设
Figure BDA0003621522440000151
选择如下李雅普诺夫函数Vφ1为：
Figure BDA0003621522440000152
对式(44)求导为：
Figure BDA0003621522440000153
其中，
Figure BDA0003621522440000154
Figure BDA0003621522440000155
式中，x7d为φ方向上的参考轨迹。
为了满足控制要求，横滚子***[x7,x8]T控制器设计为：
Figure BDA0003621522440000156
式中，kφ，fφ为正常数；
Figure BDA0003621522440000157
分别为βφ，uφf的估计值。自适应律设计如下，
Figure BDA0003621522440000158
Figure BDA0003621522440000159
式中，λφ1，λφ2为正常数。
为了验证横滚子***[x7,x8]T的稳定性，选择如下李雅普诺夫函数Vφ为：
Figure BDA00036215224400001510
Vφ对时间求导，得到：
Figure BDA0003621522440000161
由于干扰观测器能够在
Figure BDA00036215224400001610
时估计外部扰动Dφ，因此得到，
Figure BDA0003621522440000162
根据李雅普诺夫稳定性定理，横滚子***[x7,x8]T为最终一致有界渐进稳定，且满足预定性能要求。通过类似的推导过程，针对俯仰子***[x9,x10]T，偏航子***[x11,x12]T的控制器可分别设计为如下：
Figure BDA0003621522440000163
其中，
Figure BDA0003621522440000164
Figure BDA0003621522440000165
其中，
Figure BDA0003621522440000166
上式中，cθ，
Figure BDA0003621522440000167
fθ，fψ，kθ和kψ为正常数；x9d和x11d分别为θ和ψ方向上的参考轨迹；
Figure BDA0003621522440000168
分别为βθ，uθf的估计值，
Figure BDA0003621522440000169
分别为βψ，uψf的估计值。相对应的自适应律设计为如下：
Figure BDA0003621522440000171
Figure BDA0003621522440000172
式中，λθ1，λθ2，λψ1，λψ2为正常数。
注2本文中期望横滚角x7d和期望俯仰角x9d如下所示，
Figure BDA0003621522440000173
8、仿真实验
本发明方法的原理图如图1所示，将预定性能控制和滑模控制相结合，并结合自适应控制算法和干扰观测器，设计出四旋翼无人机位置环和姿态环容错控制器，设计出的内外环控制器可以提高无人机***的容错能力和收敛速度，改善***的暂稳态性能以及增强***的抗干扰能力。最后，构造合适的李雅普诺夫函数，证明了四旋翼无人机在所设计控制器下的稳定性。
本发明采用Matlab软件进行仿真，其中运用.M文件对无人机动力学模型以及相关算法进行编程，应用Simlink模块搭建无人机***的模型。仿真过程中合理地设置控制***的运行时长和步长，并和相对应的仿真进行对比和测试。
9、仿真结果
通过Matlab对四旋翼无人机进行仿真从而得到的仿真结果如下，通过观察图2和4可以发现，在本发明的容错控制器下，当位置环和姿态环在第两秒发生执行器故障后，实际轨迹能够在较短时间内重新跟踪上期望轨迹。并且通过观察图3和5可以发现位置环和姿态环的跟踪误差能够很好的收敛在性能函数的上界和下界之间。干扰观测器对外部扰动的跟踪曲线如图6所示，表明干扰观测器可以在有限时间内准确地估计外部扰动。综上说明内外环控制器是有效的、合理的。

Claims (10)

1.一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，通过自适应控制方法，设计位置环控制器和姿态环控制器，同时姿态环采用扰动观测器，估计未知外部扰动。
2.根据权利要求1所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，所述位置环控制器包括位置子***[x1,x2]T控制器、位置子***[x3,x4]T控制器和位置子***[x5,x6]T控制器。
3.根据权利要求2所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，所述位置子***[x1,x2]T控制器为：
Figure FDA0003621522430000011
式中，kx，fx为正常数；
Figure FDA0003621522430000012
和
Figure FDA0003621522430000013
分别为βx，uxf和kxx的估计值；
位置子***[x1,x2]T的自适应律为：
Figure FDA0003621522430000014
Figure FDA0003621522430000015
Figure FDA0003621522430000016
式中，λx1，λx2，λx3，px1为正常数。
4.根据权利要求3所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，所述位置子***[x3,x4]T控制器为：
Figure FDA0003621522430000017
其中，
Figure FDA0003621522430000021
式中，cy，fy和ky为正常数；x3d为y方向上的参考轨迹；
Figure FDA0003621522430000022
分别为βy，uyf和kyy的估计值；
位置子***[x3,x4]T的自适应律为：
Figure FDA0003621522430000023
Figure FDA0003621522430000024
Figure FDA0003621522430000025
式中，λy1，λy2，λy3，py1为正常数。
5.根据权利要求4所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，位置子***[x5,x6]T控制器为：
Figure FDA0003621522430000026
其中，
Figure FDA0003621522430000027
式中，cz，fz，和kz为正常数；x5d为z方向上的参考轨迹；
Figure FDA0003621522430000028
分别为βz，uzf和kzz的估计值；
位置子***[x5,x6]T的自适应律为：
Figure FDA0003621522430000029
Figure FDA00036215224300000210
Figure FDA00036215224300000211
式中，λz1，λz2，λz3，pz1为正常数。
6.根据权利要求1所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，所述姿态环控制器包括横滚子***控制器、俯仰子***控制器和偏航子***控制器。
7.根据权利要求6所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，所述横滚子***[x7,x8]T控制器为：
Figure FDA0003621522430000031
式中，kφ，fφ为正常数；
Figure FDA0003621522430000032
分别为βφ，uφf的估计值；
横滚子***自适应律为：
Figure FDA0003621522430000033
Figure FDA0003621522430000034
Figure FDA0003621522430000035
式中，λφ1，λφ2为正常数。
8.根据权利要求7所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，俯仰子***[x9,x10]T控制器为：
Figure FDA0003621522430000036
其中，
Figure FDA0003621522430000037
式中，cθ，fθ和kθ为正常数；x9d为θ方向上的参考轨迹；
Figure FDA0003621522430000038
分别为βθ，uθf的估计值；
俯仰子***自适应律为：
Figure FDA0003621522430000041
Figure FDA0003621522430000042
Figure FDA0003621522430000043
式中，λθ1，λθ2为正常数。
9.根据权利要求8所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，所述偏航子***[x11,x12]T的控制器为：
Figure FDA0003621522430000044
其中，
Figure FDA0003621522430000045
式中，cψ，fψ和kψ为正常数；x11d为ψ方向上的参考轨迹；
Figure FDA0003621522430000046
分别为βψ，uψf的估计值；
偏航子***的自适应律为：
Figure FDA0003621522430000047
Figure FDA0003621522430000048
Figure FDA0003621522430000049
式中，λψ1，λψ2为正常数。
10.根据权利要求1所述的一种具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法，其特征在于，姿态环的干扰观测器包括横滚子***的干扰观测器、俯仰子***的干扰观测器和偏航子***的干扰观测器；
所述横滚子***的干扰观测器为：
Figure FDA0003621522430000051
Figure FDA0003621522430000052
Figure FDA0003621522430000053
Figure FDA0003621522430000054
Figure FDA0003621522430000055
式中，
Figure FDA0003621522430000056
分别为x8,Dφ,
Figure FDA0003621522430000057
的估计值；
所述俯仰子***的干扰观测器为：
Figure FDA0003621522430000058
Figure FDA0003621522430000059
Figure FDA00036215224300000510
Figure FDA00036215224300000511
Figure FDA00036215224300000512
式中，
Figure FDA00036215224300000513
分别为x10，Dθ，
Figure FDA00036215224300000514
的估计值；
所述偏航子***的干扰观测器为：
Figure FDA00036215224300000515
Figure FDA00036215224300000516
Figure FDA00036215224300000517
Figure FDA00036215224300000518
Figure FDA00036215224300000519
式中，
Figure FDA00036215224300000520
分别为x12，Dψ，
Figure FDA00036215224300000521
的估计值。
CN202210469358.3A 2022-04-28 2022-04-28 具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法 Pending CN115421376A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210469358.3A CN115421376A (zh) 2022-04-28 2022-04-28 具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210469358.3A CN115421376A (zh) 2022-04-28 2022-04-28 具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法

Publications (1)

Publication Number Publication Date
CN115421376A true CN115421376A (zh) 2022-12-02

Family

ID=84195729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210469358.3A Pending CN115421376A (zh) 2022-04-28 2022-04-28 具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法

Country Status (1)

Country Link
CN (1) CN115421376A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954067A (zh) * 2023-05-16 2023-10-27 河南科技大学 一种四旋翼无人机的跟踪控制器设计方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954067A (zh) * 2023-05-16 2023-10-27 河南科技大学 一种四旋翼无人机的跟踪控制器设计方法
CN116954067B (zh) * 2023-05-16 2024-06-11 河南科技大学 一种四旋翼无人机的跟踪控制器设计方法

Similar Documents

Publication Publication Date Title
CN109343369B (zh) 一种基于非线性观测器的四旋翼容错控制器设计方法
CN107608367B (zh) 多变量干扰补偿四旋翼无人机轨迹与姿态协同控制方法
CN111948944B (zh) 一种基于自适应神经网络的四旋翼编队容错控制方法
CN109189087B (zh) 一种垂直起降重复使用运载器的自适应容错控制方法
CN109947134B (zh) 基于多无人机分布式控制的四旋翼无人机编队容错方法
CN108803317B (zh) 自适应多变量四旋翼无人机有限时间容错控制方法
CN108776434B (zh) 一种高超声速飞行器快速自适应滑模容错控制方法
CN111367182A (zh) 考虑输入受限的高超声速飞行器抗干扰反步控制方法
CN109164708B (zh) 一种高超声速飞行器神经网络自适应容错控制方法
CN111781942B (zh) 一种基于自构造模糊神经网络的容错飞行控制方法
CN115793453A (zh) 融合ai深度学习的旋翼飞行器轨迹跟踪自适应控制方法
CN113741188B (zh) 执行器故障下固定翼无人机反步自适应容错控制方法
CN113050427B (zh) 一种执行器故障下非线性***快速终端滑模容错控制方法
CN113268084A (zh) 一种无人机编队智能容错控制方法
CN113568423A (zh) 一种考虑电机故障的四旋翼无人机智能容错控制方法
CN115421376A (zh) 具有外部扰动和执行器故障的四旋翼无人机预定性能滑模容错控制方法
CN113759718B (zh) 一种飞机机翼损伤自适应控制方法
CN115129072A (zh) 固定翼无人机位置跟踪偏差约束下终端滑模控制方法
CN112526884A (zh) 一种故障***自适应容错方法及***
CN116382332A (zh) 一种基于ude的战斗机大机动鲁棒飞行控制方法
CN113934143B (zh) 多旋翼飞行器有限时间自适应事件触发容错跟踪控制方法
CN113093782B (zh) 一种无人机指定性能姿态控制方法及***
CN116360258A (zh) 基于固定时间收敛的高超声速变形飞行器抗干扰控制方法
CN114995163A (zh) 一种无人机免疫控制方法
CN114578837A (zh) 一种考虑执行器故障的无人直升机主动容错抗干扰轨迹跟踪控制方法

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