共查询到17条相似文献,搜索用时 55 毫秒
1.
2.
3.
4.
为了实现四旋翼无人机对给定姿态的快速跟踪,基于Terminal滑模控制方法设计了一种四旋翼无人机的姿态控制器,在设计滑模面时引入非线性函数来保证跟踪误差在有限时间内收敛。考虑在线速度未知的情况下,通过设计高增益观测器来对无人机速度进行观测,并利用所观测的信号设计位置控制器。最后利用Lyapunov理论证明了系统的稳定性。仿真结果表明,四旋翼无人机在线速度不可测的情况下,仍可进行轨迹跟踪控制。 相似文献
5.
针对四旋翼无人机在系统内部模型参数不确定性情况下的轨迹跟踪问题,提出了一种基于滑模控制的四旋翼无人机自适应跟踪控制方法。首先,采用单位四元数来描述系统姿态,将系统分解为位置子系统和姿态子系统;考虑到位置子系统的欠驱动特性,引入了虚拟控制力,跟踪位置信息并解算出实际升力和理想姿态;其次,通过自适应滑模控制器补偿了质量和转动惯量的不确定性,实现了轨迹的跟踪;最后,利用Lyapunov理论证明了闭环系统的稳定性。仿真结果表明了算法的有效性。 相似文献
6.
7.
针对六旋翼无人机飞行过程中的控制问题,通过对姿态角解耦,设计了飞行器在正常飞行下的基于滑模变结构控制的位置控制器和姿态控制器,并用李雅普诺夫稳定性理论分析了闭环系统的稳定性。针对六旋翼执行器单翼损坏故障情况,采用了一种牺牲偏航控制的反步法设计故障状态控制器,以实现悬停和简单的轨迹跟踪。根据常见的执行器故障情况,将飞行器控制系统按照其工作状态分为正常飞行和单翼损坏两个子系统,同时结合滑模观测器对故障信息矩阵进行估计,利用切换控制算法设计了基于切换系统的六旋翼执行器故障容错控制器。仿真分析表明,设计的容错控制系统具有较好的控制性能和鲁棒性,能有效降低执行器单翼损坏故障对飞行的影响。 相似文献
8.
9.
四旋翼飞行器在平面结构上具有4个平均分布且呈十字对称的推进器。建立了机体坐标系和惯性坐标系,根据飞行器的动力学特性建立该飞行器的数学模型;利用滑模控制的方法对所建立的模型进行研究;在满足李雅普诺夫稳定条件下,利用反演控制方法推导出控制滑模面,并建立滑模控制律;最后,在给定参数值的情况下,通过所建立的控制律对该飞行器的滑模控制进行了仿真。 相似文献
10.
11.
吸气式高超声速飞行器巡航状态下飞行环境复杂,建模时存在非线性以及参数摄动.基于小扰动假设的传统经典控制理论难以适应当前任务对鲁棒性的要求,对此提出了一种非线性动态逆-滑模控制律改进方法.通过对吸气式高超声速飞行器模型精确反馈线性化得到解耦形式的线性方程,为速度和高度设计出动态逆控制律来抵消非线性特性,在动态逆的基础上采用滑模变结构来补偿参数摄动带来的误差.仿真结果表明,所设计的控制方法具有良好的动态性能及鲁棒性. 相似文献
12.
13.
针对四旋翼无人机编队系统存在模型不确定性、未知外部干扰与内部碰撞等问题,提出一种基于预设性能的安全控制方法。首先使用预设性能函数结合误差转换方法,将防止内部碰撞的不等式约束问题转换为无约束问题。同时针对模型中的不确定项,使用神经网络进行逼近;针对神经网络逼近误差与未知外部干扰组成的复合干扰,使用非线性干扰观测器进行估计,并分别设计位置与姿态子系统控制器,避免了编队内四旋翼无人机的碰撞。然后借助Lyapunov方法证明了闭环系统所有信号的收敛性。最后通过数值仿真验证了所提控制方法的有效性。 相似文献
14.
基于Leader-Follower的多无人机编队轨迹跟踪设计 总被引:2,自引:2,他引:0
针对四旋翼无人机(UAV)群在轨迹跟踪过程中易受外界干扰而引起跟踪误差的问题,设计了基于Leader-Follower的多无人机协同编队轨迹跟踪控制方法。在该系统中,首先通过积分反步法(IBS)对所建四旋翼飞行器模型设计Leader无人机的轨迹跟踪控制器。其次设计了滑模控制(SMC)器,以控制Leader与Follower无人机实现期望的编队队形并同时跟踪参考轨迹。然后通过数值仿真验证了算法的有效性,仿真结果表明,系统具有良好的控制精度。最后通过视觉定位系统进行实验,结果表明所设计的控制器能够实现多个无人机轨迹跟踪和编队控制,所设计的算法具有可行性。 相似文献
15.
为了提高四旋翼无人机飞行过程中的抗干扰能力,提出了基于极值搜索算法的自抗扰控制技术。首先,建立了四旋翼无人机非线性数学模型;然后,设计了基于极值搜索的自抗扰控制器,对无人机的位置和姿态进行控制;同时,设计扩张状态观测器估计系统内部及外部总扰动,对系统扰动进行补偿。仿真结果表明,所提方法不仅能抑制外界干扰,而且能显著改善飞行控制系统的瞬态性能和稳态性能。 相似文献
16.
17.
基于BSP-ANN的四旋翼无人机轨迹跟踪方法 总被引:1,自引:0,他引:1
为了降低无人机轨迹跟踪误差,提高系统抗干扰能力,对反步(Backstepping)法进行改进提出一种基于反步神经网络(BSP-ANN)的无人机轨迹跟踪方法。首先,建立了四旋翼无人机运动学模型;然后,结合Backstepping方法在无人机的姿态控制、轨迹跟踪控制系统中引入Sigma-Pi神经网络,同时设计Sigma-Pi神经网络控制率,并证明该控制率满足Lyapunov意义下的系统稳定;最后,分别给出了相应的仿真实验。仿真结果表明:该算法可以有效降低跟踪误差,缩短无人机跟踪时间,同时可以提高系统的抗干扰能力。 相似文献