基于FOADRC的四旋翼无人机姿态控制研究

随着科学技术的不断进步,工业生产等领域对无人机的要求也不断提高,传统PID控制在系统中存在外界干扰无法满足无人机的控制要求.研究了 一种改进的分数阶自抗扰(FOADRC)控制器方法,并将其应用在四旋翼无人机高度姿态的控制,以提高控制效果.基于传统线性自抗扰(LADRC)控制器,提出了一种基于模型的状态观测器,并结合改进型LADRC和分数阶控制(FOPD)获得FOADRC控制器,Matlab/Simulink仿真中的实验比较表明:在阶跃响应、方波跟踪、抗干扰性能等方面都比传统控制器提高10倍以上.     

基于双观测器的四旋翼无人机姿态控制

为了提高四旋翼无人机姿态控制精度及抗干扰性能,将干扰观测器与扩张状态观测器相结合,提出了一种基于双观测器的滑模抗干扰控制方法.首先,对于部分已知信息的干扰用外生系统模型描述,并用干扰观测器进行估计;然后针对复杂的非线性可微干扰采用扩张状态观测器进行估计;接着设计滑模控制律来补偿双观测器估计的干扰,进而实现姿态控制;最后利用李雅普诺夫理论证明了系统的稳定性.仿真结果表明,该方法相较于传统的PID控制具有更高的跟踪精度和良好的抗干扰能力.     

自抗扰技术在动力翼伞轨迹跟踪控制中的应用

为了降低动力翼伞系统的非线性特性和风场干扰对轨迹跟踪控制的影响,设计基于自抗扰控制技术的轨迹跟踪控制器.根据动力翼伞系统的特性,将动力翼伞系统的轨迹跟踪控制分为水平轨迹控制通道和垂直高度控制通道,分别设计线性扩张状态观测器(LESO)对系统非线性扰动和外部干扰进行估计和补偿.采用零阶保持器法对线性扩张状态观测器进行离散化,提高线性扩张状态观测器对系统状态的估计效果.仿真结果表明,动力翼伞系统的线性自抗扰轨迹跟踪控制器能够克服风场的影响,达到水平方向和竖直方向的轨迹跟踪控制要求,控制效果优于广义预测控制器.     

基于非线性模型预测的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机轨迹跟踪控制器跟踪性能不稳定的问题,提出一种基于非线性模型预测控制(nolinear model predict control, NMPC)的轨迹跟踪算法。首先,建立四旋翼无人机的动力学模型,定义四旋翼无人机的位置和姿态为状态量,螺旋桨转速为控制输入量,建立非线性状态空间方程作为控制算法的预测模型。其次,定义最优化函数和四旋翼无人机控制约束,将轨迹跟踪控制问题转换为非线性最优化求解问题。最后,通过多重打靶法求解得到的最优控制量作为四旋翼无人机的输入信号。为验证NMPC算法的跟踪性能,在Matlab中搭建仿真平台进行对比实验,结果表明,与PID和串级模型预测控制(model predict control, MPC)及改进MPC方法相比,NMPC算法能够在满足约束的情况下完成轨迹跟踪任务,误差小、精度高,并具有抗干扰能力。     

四旋翼无人飞行器ADRC-GPC控制

针对四旋翼无人飞行器的姿态控制系统,需要研究先进控制策略来达到满意的性能.将自抗扰控制(ADRC)与广义预测控制(GPC)相结合,设计一种新型自抗扰广义预测控制器(ADRC-GPC),利用ADRC中的扩张状态观测器(ESO)来估计和补偿非线性系统的模型不确定性以及外部扰动作用,将原始对象模型转化为积分器形式,然后针对积分器设计广义预测控制器.阶跃响应系数矩阵能被解析地求解出来,可有效地解决广义预测控制计算量大的问题.研究结果表明:所提出的ADRC-GPC控制方法能够对四旋翼无人飞行器姿态系统进行实时控制,可满足控制精度及快速性要求,并能有效地克服系统的外部干扰和多变量耦合作用.自抗扰广义预测控制器能够有效地控制欠驱动非线性多变量系统.     

基于非线性扰动观测器的无人机地面效应补偿

本文针对地面效应对四旋翼无人机在降落过程中控制性能有较大影响的问题,在四旋翼无人机地面效应复杂、难以建立机理模型的限制下,提出一种基于非线性扰动观测器的新型非线性鲁棒控制策略。这种控制策略利用扰动观测器估计和补偿地面效应带来的扰动,采用快速终端滑模控制器提高了无人机位置控制误差的收敛速度,实现了无人机降落过程中的精确控制。通过基于李雅普诺夫分析的方法证明了闭环系统的稳定性,以及观测器估计误差和控制器跟踪误差的有限时间收敛特性。飞行实验效果表明:本文提出的控制补偿策略取得了良好的无人机降落控制效果。     

基于自抗扰的四旋翼无人机动态面姿态控制

针对四旋翼无人机姿态控制中非线性、强耦合以及对扰动敏感等控制问题,设计了一种基于自抗扰的动态面控制器。与反步控制相比,动态面控制器的设计过程更简单,且利用一阶滤波器来计算虚拟控制信号的导数项,避免了反步控制中的出现的微分膨胀问题。将动态面控制与自抗扰控制相结合,首先利用跟踪微分器可直接获取设定值的微分信号,简化了控制器的设计过程,然后利用扩张状态观测器将系统总扰动实时的补偿到控制器中,提高了系统的鲁棒性和抗干扰能力,并通过Lyapunov直接法对闭环系统进行了稳定性分析。仿真结果表明:本文设计的控制器可保证四旋翼无人机在有外界干扰的情况下能快速、准确地跟踪设定位置。     

基于自抗干扰的装配机器人阻抗控制技术

为了提升机器人装配作业的精确性和柔顺性,提出改进型自抗扰阻抗控制策略.该策略通过自抗扰控制器生成新期望力来调整机器人末端工具坐标系的位置,实现精确的力跟踪.通过扰动观测器观测环境信息并补偿控制系统的期望力,提高控制系统对环境参数的适应性.引入阻抗模型改进扰动观测器,使观测器的响应速度增大,力跟踪的精度提高.基于六自由度机器人的精密轴孔装配实验结果表明,与传统阻抗控制相比,基于自抗扰控制（ADRC）的阻抗控制能够在较小的接触力误差下完成装配,且基于改进型自抗扰控制的阻抗控制的力平均误差比改进前自抗扰控制减小12.0%～28.2%.     

基于NLESO的倾转动力无人机垂直起降模态轨迹跟踪控制

针对存在复杂不确定性的倾转动力无人机垂直起降模态，进行轨迹跟踪控制研究，提出了一种基于非线性扩张状态观测器(NLESO)的内外双环滑模控制方案。基于倾转动力无人机特点，依次建立其动力系统模型、机体与操纵舵面空气动力模型以及动力学方程，完成动力学建模工作；将各种内外部扰动视作集总干扰，设计NLESO对其进行估计与补偿；基于NLESO与滑模控制方法设计了垂直起降模态的位置与姿态双环控制器；设计Lyapunov函数对NLESO以及整个控制系统进行了稳定性分析。仿真实验表明，文中所提出方法针对复杂扰动具有较强的抑制能力，显著提升了倾转动力无人机垂直起降模态的轨迹跟踪精度与响应速度。     

神经网络自抗扰全垫升气垫船航迹控制

针对全垫升气垫船与常规水面船相比,非线性强,可操纵性较差,设计了神经网络自抗扰航迹引导控制器及航向控制器,以提高其航迹控制效果.利用非线性跟踪微分器(TD)提取微分信号并安排过渡过程.利用扩张状态观测器(ESO)对系统内、外扰动进行观测,并进行扰动补偿.利用非线性状态误差反馈控制律(NLSEF)提供精确控制量.为了提高自抗扰控制器( ADRC)的自适应性,利用递归网模型(RNM)对系统进行辨识,根据辨识信息对ADRC控制参数进行在线整定.仿真结果表明:在强扰动作用下,所设计航迹控制系统能够使全垫升气垫船精确地保持在计划航线上,具有自适应性强、超调量小、鲁棒性强等特点.     

非线性自抗扰控制器在船舶减摇鳍系统中的应用

为了保证减摇系统在各种工况下都能获得理想的减摇效果，基于自抗扰控制（ADRC）方法进行了减摇控制系统的研究，针对船舶横摇运动的非线性与不确定性，采用扩张状态观测器对船舶横摇运动姿态进行估计，利用非线性控制策略提高控制品质与鲁棒性，完成了非线性状态反馈减摇控制系统的设计，对ADRC减摇系统进行了数字仿真，仿真结果表明，所设计的ADRC减摇系统减摇效果显著，鲁棒性好，适应性强。     

基于terminal滑模与控制分配的飞翼布局无人机姿态控制

对于风场扰动中的飞翼布局无人机,需要考虑模型参数不确定和外界干扰对姿态控制的影响,以及解决操纵面冗余、附加力效应显著、多轴操纵耦合、舵效非线性等特殊问题。采用基于扩张状态观测器的terminal滑模和多目标非线性控制分配对姿态角的跟踪控制问题进行了研究,将扩张状态观测器与基于饱和函数的terminal滑模控制器相结合,在名义滑模控制律的基础上采用扩张状态观测器实现对干扰的估计和补偿,有效提高了系统的鲁棒性和控制精度,并且充分利用冗余操纵面,根据飞行任务需求,实现对多种目标综合权衡的非线性控制分配。     

基于滑模的外部干扰四旋翼姿态线性自抗扰控制

结合滑模控制(sliding mode control, SMC)和线性自抗扰控制(linear active disturbance rejection control, LADRC)的优点,针对具有外部扰动的四旋翼无人机(unmanned aerial vehicle, UAV)的姿态控制问题,设计了一种SMC和LADRC相结合的控制方案。SMC可以增强控制器的鲁棒性,加快响应速度。利用线性扩展状态观测器(Linear Extended State Observer, LESO)估计系统的内外扰动,PD控制器对扰动进行补偿。此外,为了简化参数设置,在控制器中引入了自适应控制。然后用李雅普诺夫理论证明了系统的稳定性。最后将仿真结果与LADRC的进行了比较,结果表明该方法在具有外部扰动的情况下也能快速有效地跟踪参考输入。     

自抗扰技术在四旋翼飞行姿态控制中的应用

介绍了自抗扰控制器的结构组成,包括跟踪微分器、扩张状态观测器以及非线性状态误差反馈律,并给出了各部分的典型算法．针对四旋翼盘旋系统的姿态控制问题,设计了连续型和离散型两种自抗扰控制器,在Simulink下搭建了仿真结构图,并进行了参数整定．仿真结果表明,文中所设计的自抗扰控制器可以满足控制精度及快速性的要求,并且具有强鲁棒性、抗干扰性能以及对非线性强耦合系统的解耦能力．     

面向执行机构故障的四旋翼无人机主动容错飞行控制方法研究

四旋翼无人机在执行高负荷、长航时任务时,桨叶的疲劳断裂易导致无人机失控甚至坠毁。针对这一问题,提出了一种基于积分滑模控制的四旋翼无人机主动容错飞行控制方法。首先通过运动学和动力学分析建立了执行机构故障时无人机的非线性模型,再构造观测器对执行机构故障进行实时观测,并据此设计积分滑模控制律对无人机的位置和姿态控制回路进行补偿。数字仿真和飞行实验结果均表明所给出的方法具有较强的容错能力,在单只桨叶部分断裂的情况下,该方法可有效地实现无人机的位置和姿态稳定并具有良好的动、静态特性。     

基于等效滑模控制法的四旋翼无人机自抗扰控制器设计

针对带有扰动及不确定性的四旋翼无人机的稳定性问题，提出一种基于等效滑模控制法的自抗扰控制器.首先根据机体坐标系和地面坐标系的转化，结合牛顿第二定律和牛顿-欧拉公式，构造无人机的动力学模型.然后设计拓展状态观测器，用来恢复系统状态及对系统所有扰动和不确定性估计，以实现误差快速收敛和提高估计精度.基于自抗扰控制器提出等效滑模控制器的概念，将控制输出分成等效控制项和切换鲁棒控制项，再与非奇异终端滑模控制相结合，避免奇异问题.通过李雅普诺夫稳定性理论证明，设计的自抗扰控制器可以实现系统渐近稳定.数值仿真例子验证了抗扰动性能和鲁棒性.     

板球系统的非线性摩擦补偿控制

为提高位置控制精度,提出了基于非线性观测器的板球系统摩擦非线性补偿控制方法。在扩展的系统状态空间中构造了非线性状态观测器估计摩擦力。由输入输出精确反馈线性化和最优控制理论设计了考虑摩擦补偿的镇定位置控制器。根据变结构控制理论设计了可精确消除摩擦的跟踪位置控制器。仿真结果说明了上述摩擦非线性补偿控制方法的可行性。镇定控制实验表明非线性摩擦补偿控制明显减小了稳态位置偏差。跟踪控制实验表明摩擦补偿控制明显提高了轨迹跟踪控制精度。     

三容系统的自解耦控制器设计与仿真

利用自解耦控制方法(SDC)研究三容系统的液位控制。首先使用线性扩张状态观测器对三容系统中的耦合、非线性部分和扰动进行估计及补偿,进而通过设计合适的控制律来实现系统中每个子系统的自解耦。仿真结果表明,与传统的自抗扰控制相比,自解耦控制方法对期望的液位值具有良好的随动跟踪性能、较快的响应速度、鲁棒性更好。     

基于反步法的板球系统自抗扰控制器设计

针对板球系统中存在的未知扰动、板与球之间的摩擦力等因素影响轨迹跟踪精度这一问题,研究了板球系统的自抗扰控制策略。首先建立板球系统的数学模型,通过适当简化、线性化与解耦得到线性模型;然后采用全程快速微分器对带有噪声干扰的输入信号进行滤波处理,进而设计高阶扩张状态观测器估计系统内部未知扰动;最后基于反步法设计非线性反馈控制器,并利用Lyapunov稳定性理论证明了闭环系统的稳定性。仿真结果表明,改进的自抗扰控制器能够有效滤除噪声干扰,提高了轨迹跟踪精度。     

基于观测器的四旋翼无人机故障诊断方法

针对具有非线性项和扰动的四旋翼无人机系统,提出一种基于中间观测器的故障诊断算法,该算法不仅能估计系统的状态,而且能同时对无人机的执行器故障、传感器故障和扰动进行估计。首先,为便于处理传感器故障和扰动,对原系统进行增广;其次,引入一个中间变量,对增广后的系统设计中间观测器,利用该观测器可以得到系统状态、故障和扰动的估计,并采用Lyapunov函数证明了误差系统一致最终有界;最后,通过四旋翼无人机系统的仿真,验证了本文提出的方法可以很好地估计出故障和扰动。