[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107450313B - 基于自适应控制的无人机自动驾驶仪控制系统 - Google Patents

基于自适应控制的无人机自动驾驶仪控制系统 Download PDF

Info

Publication number
CN107450313B
CN107450313B CN201710610691.0A CN201710610691A CN107450313B CN 107450313 B CN107450313 B CN 107450313B CN 201710610691 A CN201710610691 A CN 201710610691A CN 107450313 B CN107450313 B CN 107450313B
Authority
CN
China
Prior art keywords
lat
unmanned aerial
aerial vehicle
adaptive
reference model
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
Application number
CN201710610691.0A
Other languages
English (en)
Other versions
CN107450313A (zh
Inventor
许玥
甄子洋
杨政
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201710610691.0A priority Critical patent/CN107450313B/zh
Publication of CN107450313A publication Critical patent/CN107450313A/zh
Application granted granted Critical
Publication of CN107450313B publication Critical patent/CN107450313B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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)
  • Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了基于自适应控制的无人机自动驾驶仪控制系统,涉及航空宇航推进控制技术领域,能够针对含有参数不确定的无人机模型,为无人机设计能够快速、精确跟踪期望速度、高度、航向等指令的自动驾驶仪控制系统。本发明将无人机的非线性模型基于小扰动原理线性化,根据所需控制量的相对阶次,建立自适应控制系统的参考模型。设计自适应控制律在线更新控制器参数,使无人机能够较为精准地跟踪给定指令。本发明保证了整个闭环系统良好的跟踪性和稳定性,并且使系统具有一定的鲁棒性能。

Description

基于自适应控制的无人机自动驾驶仪控制系统
技术领域
本发明涉及航空航宇推进控制技术领域,尤其涉及基于自适应控制的无人机自动驾驶仪控制系统。
背景技术
无人机(UAV)是一种由动力驱动、无人驾驶、可重复使用航空器的简称。由于其低廉的成本、重量轻、体积小、适应性强和灵活机动的特点,在军事和国民经济的各个领域得到了越来越广泛的应用,受到了全世界各个国家的高度重视。无人机飞控系统的性能对无人机的飞行控制具有极大的影响,其中自动驾驶仪作为无人机的“大脑”,是无人机飞行控制系统的核心部件。为了更好的实现稳定飞行和轨迹跟踪,要求自动驾驶仪具有高精度、高效率的性能,这极大地推动了先进控制方法的发展。
控制器是自动驾驶仪控制系统的核心,也是整个无人机的中央控制单元。控制器根据控制指令和无人机实时采集到的飞行姿态数据,按照预先设计的控制算法进行决策,控制各个执行机构使无人机以一定的姿态和航迹安全飞行。同时,控制器还负责无人机上各个模块的协调工作。其基本功能有:(1)保持飞机按给定的高度、航线稳定飞行;(2)控制飞机按给定的航向角飞行;(3)控制飞机按给定的姿态角机动飞行;(4)控制飞机按预定程序自主飞行;(5)随着高度和速度的变化等自动调整,保持最优状态。因此,采用先进的控制方法设计无人机的自动驾驶仪控制系统对提高无人机的自主飞行能力有极大的作用。
然而,无人机的模型参数不确定性对自动驾驶仪控制系统的设计带来了很多技术上的难点。首先,自动驾驶仪控制系统在各种外界干扰和内部参数变化要求下必须具有较强的稳定性和鲁棒性。其次,在产生突发情况下,自动驾驶仪控制系统反应时间不能过长,要保证实时性。无人机在飞行时由于受到飞行环境的影响,其模型参数可能会产生不确定性,导致不能得到其精确的模型。因此,如果根据已知的模型参数设计固定的控制增益,会使得无人机的自动驾驶仪控制系统难以工作在最优状态。
PID控制由于其结构简单、鲁棒性强以及容易实现等特点,被广泛的运用于工业过程控制之中。在计算机进入到控制领域后,PID控制算法集成到许多硬件产品中,得到了进一步的推广。但是无人机自动驾驶仪飞行控制系统比较复杂,含有不确定因素,而所需满足的性能指标却很高,因此常规PID控制方法,已经无法满足无人机自动驾驶仪控制系统的要求。
综上,现有技术中缺乏针对参数不确定无人机模型的控制方法,不能满足无人机自动驾驶的快速、准确的要求,并且难以使得整个闭环系统具有稳定性和鲁棒性。
发明内容
本发明提供基于自适应控制的无人机自动驾驶仪控制系统,针对无人机参数不确定的情况,利用状态反馈输出跟踪的模型参考自适应方法,实现无人机在飞行过程中能够快速、准确地跟踪指令的飞行控制效果。
为达到上述目的,本发明采用如下技术方案:
基于自适应控制的无人机自动驾驶仪控制系统,控制系统利用状态反馈输出跟踪的模型参考自适应方法设计而成,包括参考模型、标称控制器和自适应控制律,输入值包括无人机的飞行参数和飞行指令,输出值为无人机的控制输入量u(t),其中,所述飞行参数包括飞行速度V、飞行高度H、偏航角ψ;所述飞行指令包括飞行速度指令Vc、飞行高度指令Hc和偏航角指令ψc
进一步的,所述参考模型的输出为
Figure BDA0001359441110000031
Figure BDA0001359441110000032
其中,Δym_lon(t)=[ΔVm(t),ΔHm(t)]T,Δym_lat(t)=Δψm为参考模型输出,Δrlon(t)=[ΔVc(t),ΔHc(t)]T,Δrlat(t)=Δψc(t)为参考模型输入,ΔVc(t)为速度指令信号,ΔHc(t)为高度指令信号,Δψc(t)为偏航角指令信号;Wm_lon(s),Wm_lat(s)为参考模型的传递函数,ξm_lon(s),ξm_lat(s)为关联矩阵,且
Figure BDA0001359441110000033
Figure BDA0001359441110000034
进一步的,所述参考模型包含纵向参考模型和横侧向参考模型。
进一步的,所述纵向参考模型的传递函数为
Figure BDA0001359441110000035
包括针对所述飞行速度V的一阶环节和针对所述飞行高度H的三阶环节,其中,p1,p2,p3,p4是配置的稳定极点,稳定极点的值在复平面的左半开平面。
进一步的,所述横侧向参考模型的传递函数为
Figure BDA0001359441110000036
针对所述偏航角ψ的一阶环节,其中,p5是配置的稳定极点,稳定极点的值在复平面的左半开平面。
进一步的,所述标称控制器的表达式为:
Figure BDA0001359441110000041
Figure BDA0001359441110000042
其中,
Figure BDA0001359441110000043
是标称控制器参数,
Figure BDA0001359441110000044
Figure BDA0001359441110000045
Figure BDA0001359441110000046
K0,lat=-C1,latAlat+p5C1,lat
Figure BDA0001359441110000047
Figure BDA0001359441110000048
Alon,Alat,Blon,Blat,C1,lon,C2,lon,C1,lat为模型参数矩阵,li=ρi为系统的相对阶,ρi为第i个输入输出传递函数中分母阶次和分子阶次之差;
Figure BDA0001359441110000049
为纵向状态量,
Figure BDA00013594411100000410
为横侧向状态量,ΔV(t)为速度增量,Δα(t)为迎角增量,Δq(t)为俯仰角速度增量,Δθ(t)为俯仰角增量,ΔH(t)为高度增量,Δβ(t)为侧滑角增量,Δr(t)为偏航角速度增量,Δψ(t)为偏航角增量。
进一步的,所述自适应控制律,是纵向和横侧向统一的自适应控制律,表达式为:
Figure BDA00013594411100000411
Figure BDA00013594411100000412
K2为纵向、横侧向控制参数的统一表达,
Figure BDA00013594411100000413
K2是标称控制器参数的估计值,
Figure BDA00013594411100000414
K2的控制律包括自适应控制参数函数和误差更新函数,其中,自适应控制参数函数为:
Figure BDA0001359441110000051
误差更新函数为:
Figure BDA0001359441110000052
其中,定义了一些辅助变量包括:
f(s)是稳定的多项式,h(s)=1/f(s),且h(s)ξm(s)为真矩阵;
ω(t)=[ΔxT(t),ΔrT(t)]T为新的状态量函数;
ζ(t)=h(s)[ω](t)为自适应更新函数中间变量;
ξ(t)=ΘT(t)ζ(t)-h(s)[ΘTω](t)为自适应更新函数中间变量,其中ΘT(t)=[K1 T(t),K2(t)]为自适应控制器参数;
ε(t)=Kph(s)[Δu-Θ*Tω](t)+Ψ(t)ξ(t)为估计误差,其中Kp为高频增益矩阵,Δu为纵向和横侧向统一的自适应控制律,
Figure BDA0001359441110000053
为标称控制器参数,Ψ(t)为误差更新函数;
Figure BDA0001359441110000054
为归一化函数;
SP∈RM×M为可调自适应增益矩阵,使得
Figure BDA0001359441110000055
Γ=ΓT>0为可调自适应增益矩阵。
进一步的,所述无人机自动驾驶仪的控制输入量为u(t)=Δu(t)+u*
其中(x*,u*)为线性化的平衡点,Δu(t)是所设计的自适应控制器,其中,平衡点(x*,u*)是指系统的状态和输入的平衡点值,是通过将非线性模型根据小扰动原理线性化得到的。在平衡状态下,无人机可以保持稳定飞行。x*为状态量的平衡点值,即V、α、H等状态量的平衡点值;u*为输入量的平衡点值,即升降舵、油门、副翼、方向舵的平衡点值。
本发明的有益效果是:
本发明利用基于状态方程设计的控制系统,并不依赖于控制系统本身的特性,当无人机本身参数存在不确定性时,本发明能够实时更新控制系统,使得系统具有对输入指令快速、精确响应的能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的结构原理示意图;
图2为本发明实施例中速度跟踪响应曲线;
图3为本发明实施例中高度跟踪响应曲线;
图4为本发明实施例中偏航角跟踪响应曲线。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合具体实施方式对本发明作进一步详细描述。
本发明实施例提供了基于自适应控制的无人机自动驾驶仪控制系统,结构示意图如图1所示,包括参考模型、标称控制器和自适应控制律,无人机的飞行参数包括:飞行速度V、飞行高度H、偏航角ψ,追踪飞行速度指令Vc、飞行高度指令Hc以及偏航角指令ψc
以某型无人机为例,将其非线性模型基于小扰动原理线性化,并进行解耦,得到纵向和横侧向的状态方程表达式
Figure BDA0001359441110000071
Figure BDA0001359441110000072
Figure BDA0001359441110000073
Figure BDA0001359441110000074
其中,Alon,Blon,Alat,Blat是无人机模型的参数矩阵,ΔV(t)为速度增量,Δα(t)为迎角增量,Δq(t)为俯仰角速度增量,Δθ(t)为俯仰角增量,ΔH(t)为高度增量,Δδe(t)为升降舵增量,ΔδT(t)为油门开度增量,Δβ(t)为侧滑角增量,Δr(t)为偏航角速度增量,Δψ(t)为偏航角增量,Δδr为方向舵增量。
本发明的目标是在无人机模型参数矩阵Alon,Blon,Alat,Blat存在不确定性的情况下,使得无人机的输出能快速、准确跟踪给定的速度、高度和偏航角指令rlon(t)=[Vc(t)Hc(t)]T,rlat(t)=ψc(t),t≥0。
假设1:G(s)=C(sI-A)-1B的所有零点稳定,并且系统(A,B,C)可控且可观测。
假设2:G(s)严格有理,满秩,并且存在一个已知的关联矩阵ξm(s)。通常,关联矩阵可取为对角矩阵:
ξm(s)=diag{d1(s),d2(s),…,dM(s)}
式中,
Figure BDA0001359441110000075
是满足阶为li=ρi的首一稳定多项式,ρi为系统的相对阶,它为第i个输入输出传递函数中分母阶次和分子阶次之差;此时关联矩阵不依赖于系统的参数。高频增益矩阵定义为:
Figure BDA0001359441110000081
该矩阵有界,并且非奇异。
假设3:存在已知矩阵SP∈RM×M满足
Figure BDA0001359441110000082
无人机自动驾驶仪控制系统包括纵向控制器和横侧向控制器,飞行速度V、飞行高度H的控制包含在纵向控制器中,偏航角ψ的控制包含在横侧向控制器中。根据模型阶次,在纵向控制器中,为速度V、高度H设计一阶、三阶参考模型,在横侧向控制器中,为偏航角ψ设计一阶参考模型。
参考模型的输出为
Figure BDA0001359441110000083
Figure BDA0001359441110000084
式中,Δym_lon(t)=[ΔVm,ΔHm]T,Δym_lat(t)=Δψm为参考模型输出,Δrlon(t),Δrlat(t)为参考模型输入,Wm_lon(s),Wm_lat(s)为参考模型的传递函数,ξm_lon(s),ξm_lat(s)为关联矩阵。
参考模型包含纵向参考模型和横侧向参考模型。纵向参考模型针对的传递函数为
Figure BDA0001359441110000091
由一阶环节和三阶环节组成,一阶环节针对飞行速度V,三阶环节针对飞行高度H,p1,p2,p3,p4是配置的稳定极点;飞行速度V的相对阶次是一阶,所以选择一阶惯性环节;飞行高度H的相对阶次是三阶,所以选择三阶惯性环节。横侧向参考模型的传递函数为
Figure BDA0001359441110000092
针对偏航角ψ,由一阶环节组成,p5是配置的稳定极点;偏航角ψ的相对阶次是一阶,所以选择一阶惯性环节。
标称控制器的表达式如下
Figure BDA0001359441110000093
Figure BDA0001359441110000094
其中,
Figure BDA0001359441110000095
是标称控制器参数,
Figure BDA0001359441110000096
Figure BDA0001359441110000097
Figure BDA0001359441110000098
K0,lat=-C1,latAlat+p5C1,lat
Figure BDA0001359441110000099
Figure BDA00013594411100000910
Alon,Alat,Blon,Blat,C1,lon,C2,lon,C1,lat为模型参数矩阵,li=ρi为系统的相对阶,ρi是第i个输入输出传递函数中分母阶次和分子阶次之差。
为了使得设计简便,将纵向和横侧向控制统一起来设计,首先,将标称控制律代入系统中,得到闭环系统
Figure BDA0001359441110000101
输出跟踪误差为
Figure BDA0001359441110000102
式中,
Figure BDA0001359441110000103
为高频增益矩阵,
Figure BDA0001359441110000104
为标称控制器参数,
Figure BDA0001359441110000105
为自适应控制器参数,ω(t)=[ΔxT(t),ΔrT(t)]T为新的状态量函数,
Figure BDA0001359441110000106
为参数误差。
为得到自适应控制器的参数向量ΘT(t)的控制律,令
Figure BDA0001359441110000107
Ψ*=Kp,相对阶ρM的稳定多项式为f(s),h(s)=1/f(s)且h(s)ξm(s)为真矩阵,定义估计误差为
ε(t)=Kph(s)[Δu-Θ*Tω](t)+Ψ(t)ξ(t) (8)
式中,Ψ(t)是Ψ*的估计误差,并且
ζ(t)=h(s)[ω](t)
ξ(t)=ΘT(t)ζ(t)-h(s)[Δu](t)
估计误差还可以写成
Figure BDA0001359441110000108
式中,
Figure BDA0001359441110000109
选择以下自适应控制律
Figure BDA00013594411100001010
Figure BDA00013594411100001011
式中,Γ=ΓT>0,
Figure BDA00013594411100001012
Figure BDA00013594411100001013
得到自适应控制器如下
Figure BDA0001359441110000111
式中,
Figure BDA0001359441110000112
K2(t)为标称控制参数
Figure BDA0001359441110000113
的自适应估计量。
定义跟踪误差e(t)=Δy(t)-Δym(t),可以找到一个正定的方程
Figure BDA0001359441110000114
其对时间的导数为
Figure BDA0001359441110000115
根据李雅普诺夫稳定性定理可知,输出误差e(t),Θ(t),Ψ(t)都有界,因此
Figure BDA0001359441110000116
有界。那么
Figure BDA0001359441110000117
即输出能够渐进跟踪参考输出。
本实施例的数值仿真验证如下,无人机保持H=100m,ψ=0°水平直线飞行,期望速度在0s时由V=20m/s变为V=25m/s,如图2所示;无人机保持V=20m/s,ψ=0°水平直线飞行,期望高度在0s时由H=100m变为H=110m,如图3所示;无人机保持V=20m/s,H=100m水平直线飞行,期望航向角在0s时由ψ=0°变为ψ=1°,如图4所示。
从上述仿真结果看出,采用基于自适应控制的无人机自动驾驶仪控制系统,无人机能够在平衡状态稳定飞行,并且能够快速精确地跟踪期望速度Vc、期望高度Hc、期望偏航角ψc,说明该自适应控制系统拥有较好的跟踪性和鲁棒性。
本发明的有益效果是:
本发明通过自适应控制律实时调节控制参数,使得参数逐渐逼近其理想值,在参数存在不确定时,控制参数会随着不确定变化,使得系统的输出误差逐渐趋向于零,针对无人机参数不确定的情况,利用状态反馈输出跟踪的模型参考自适应方法,实现无人机在飞行过程中能够快速、准确地跟踪指令的飞行控制效果;
本发明的自适应控制律不仅能抑制参数不确定对系统的影响,而且保证了闭环系统的全局稳定性,具有较好的跟踪性能和鲁棒性能;
自适应控制设计较为简便,可以应用在线性和非线性系统中,适用性较为广泛。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (2)

1.基于自适应控制的无人机自动驾驶仪控制系统,其特征在于,包括参考模型、标称控制器和自适应控制律,输入值包括无人机的飞行参数和飞行指令,输出值为无人机的控制输入量u(t),其中,所述飞行参数包括飞行速度V、飞行高度H、偏航角ψ;所述飞行指令包括飞行速度指令Vc、飞行高度指令Hc和偏航角指令ψc
所述参考模型的输出为:
Figure FDA0002446020580000011
Figure FDA0002446020580000012
其中,Δym_lon(t)=[ΔVm(t),ΔHm(t)]T,Δym_lat(t)=Δψm为参考模型输出,Δrlon(t)=[ΔVc(t),ΔHc(t)]T,Δrlat(t)=Δψc(t)为参考模型输入,ΔVc(t)为速度指令信号,ΔHc(t)为高度指令信号,Δψc(t)为偏航角指令信号,Wm_lon(s),Wm_lat(s)为参考模型的传递函数,ξm_lon(s),ξm_lat(s)为关联矩阵,且
Figure FDA0002446020580000014
Figure FDA0002446020580000015
所述参考模型包含纵向参考模型和横侧向参考模型,所述纵向参考模型的传递函数为
Figure FDA0002446020580000016
包括针对所述飞行速度V的一阶环节和针对所述飞行高度H的三阶环节,其中,p1,p2,p3,p4是配置的稳定极点;
所述横侧向参考模型的传递函数为
Figure FDA0002446020580000017
针对所述偏航角ψ的一阶环节,其中,p5是配置的稳定极点;
所述标称控制器的表达式为:
Figure FDA0002446020580000018
Figure FDA0002446020580000021
其中,
Figure FDA0002446020580000022
是标称控制器参数,
Figure FDA0002446020580000023
Figure FDA0002446020580000024
Figure FDA0002446020580000025
K0,lat=-C1,latAlat+p5C1,lat
Figure FDA0002446020580000026
Figure FDA0002446020580000027
Alon,Alat,Blon,Blat,C1,lon,C2,lon,C1,lat为模型参数矩阵,li=ρi为系统的相对阶,ρi第i个输入输出传递函数中分母阶次和分子阶次之差;
Figure FDA0002446020580000028
为纵向状态量,
Figure FDA0002446020580000029
为横侧向状态量,ΔV(t)为速度增量,Δα(t)为迎角增量,Δq(t)为俯仰角速度增量,Δθ(t)为俯仰角增量,ΔH(t)为高度增量,Δβ(t)为侧滑角增量,Δr(t)为偏航角速度增量,Δψ(t)为偏航角增量;
所述自适应控制律的表达式为:
Figure FDA00024460205800000210
自适应更新参数为:
Figure FDA00024460205800000211
式中,Δx为状态量,Δr为参考输入,Δu为控制器输入,
Figure FDA00024460205800000212
和K2(t)为控制器参数,自适应更新参数Θ(t)为标称控制器参数
Figure FDA00024460205800000213
的趋近律;
所述自适应控制律包括自适应控制参数函数和误差更新函数,其中,自适应控制参数函数为:
Figure FDA00024460205800000214
误差更新函数为:
Figure FDA0002446020580000031
其中,定义一些辅助变量:
f(s)是稳定的多项式,h(s)=1/f(s),且h(s)ξm(s)为真矩阵;
ω(t)=[ΔxT(t),ΔrT(t)]T为新的状态量函数;
ζ(t)=h(s)[ω](t)为自适应更新函数中间变量;
ξ(t)=ΘT(t)ζ(t)-h(s)[ΘTω](t)为自适应更新函数中间变量;
ε(t)=Kph(s)[Δu-Θ*Tω](t)+Ψ(t)ξ(t)为估计误差;
Figure FDA0002446020580000032
为归一化函数;
SP∈RM×M为可调自适应增益矩阵,使得
Figure FDA0002446020580000033
Γ=ΓT>0为可调自适应增益矩阵。
2.根据权利要求1所述的基于自适应控制的无人机自动驾驶仪控制系统,其特征在于,所述无人机自动驾驶仪的控制输入量为u(t)=Δu(t)+u*
其中(x*,u*)为线性化的平衡点,Δu(t)是所述自适应控制器。
CN201710610691.0A 2017-07-25 2017-07-25 基于自适应控制的无人机自动驾驶仪控制系统 Active CN107450313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710610691.0A CN107450313B (zh) 2017-07-25 2017-07-25 基于自适应控制的无人机自动驾驶仪控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710610691.0A CN107450313B (zh) 2017-07-25 2017-07-25 基于自适应控制的无人机自动驾驶仪控制系统

Publications (2)

Publication Number Publication Date
CN107450313A CN107450313A (zh) 2017-12-08
CN107450313B true CN107450313B (zh) 2020-07-07

Family

ID=60487591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710610691.0A Active CN107450313B (zh) 2017-07-25 2017-07-25 基于自适应控制的无人机自动驾驶仪控制系统

Country Status (1)

Country Link
CN (1) CN107450313B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109358645B (zh) * 2018-11-19 2021-07-06 南京航空航天大学 一种小型舰载无人机自适应绳钩回收制导航路及制导方法
CN110095987A (zh) * 2019-04-30 2019-08-06 中国电子科技集团公司第三十八研究所 基于鲁棒伺服控制与模型自适应控制的控制方法及控制器
CN110967973A (zh) * 2019-11-21 2020-04-07 南京航空航天大学 舰载机垂尾损伤故障自适应容错控制器设计方法及控制系统
CN113655718B (zh) * 2021-08-25 2024-08-13 的卢技术有限公司 基于滑模控制的自动驾驶车辆间距自适应控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102163059A (zh) * 2011-04-27 2011-08-24 南京航空航天大学 推力变向无人机的姿态控制系统及控制方法
CN103616816A (zh) * 2013-11-15 2014-03-05 南京航空航天大学 一种高超声速飞行器升降舵故障控制方法
CN104865970A (zh) * 2015-05-06 2015-08-26 南京航空航天大学 一种无人机飞行轨迹跟踪控制系统
CN106292294A (zh) * 2016-10-20 2017-01-04 南京航空航天大学 基于模型参考自适应控制的舰载无人机自动着舰控制装置
CN106444799A (zh) * 2016-07-15 2017-02-22 浙江工业大学 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102163059A (zh) * 2011-04-27 2011-08-24 南京航空航天大学 推力变向无人机的姿态控制系统及控制方法
CN103616816A (zh) * 2013-11-15 2014-03-05 南京航空航天大学 一种高超声速飞行器升降舵故障控制方法
CN104865970A (zh) * 2015-05-06 2015-08-26 南京航空航天大学 一种无人机飞行轨迹跟踪控制系统
CN106444799A (zh) * 2016-07-15 2017-02-22 浙江工业大学 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法
CN106292294A (zh) * 2016-10-20 2017-01-04 南京航空航天大学 基于模型参考自适应控制的舰载无人机自动着舰控制装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Direct Adaptive Control of Faulty UAVs Based on the Paralleled Integral and Fuzzy Control;Rui Hou, Fuyang Chen, and Wenti Luan;《Proceedings of the 2011 International Conference on Advanced Mechatronic Systems》;20110813;第552-555页 *
基于趋近律滑模最优控制的无人机撞网回收轨迹控制;李若兰,甄子洋,龚华军;《电光与控制》;20140930;第21卷(第9期);第58-60页、第84页 *
无人机编队飞行的自适应控制设计;王建宏,许莺,熊朝华;《华东交通大学学报》;20160229;第33卷(第1期);第1-8页 *

Also Published As

Publication number Publication date
CN107450313A (zh) 2017-12-08

Similar Documents

Publication Publication Date Title
CN107807663B (zh) 基于自适应控制的无人机编队保持控制方法
Efe Robust low altitude behavior control of a quadrotor rotorcraft through sliding modes
Gavilan et al. Adaptive control for aircraft longitudinal dynamics with thrust saturation
Eliker et al. Practical finite time adaptive robust flight control system for quad-copter UAVs
Sonneveldt et al. Nonlinear adaptive trajectory control applied to an F-16 model
Yu et al. Attitude tracking control of a quadrotor UAV in the exponential coordinates
CN105607473B (zh) 小型无人直升机的姿态误差快速收敛自适应控制方法
Zhang et al. UDE-based robust command filtered backstepping control for close formation flight
CN107450313B (zh) 基于自适应控制的无人机自动驾驶仪控制系统
Cai et al. Quadrotor waypoint-tracking control under exogenous disturbances based on equivalent-input-disturbance approach
Azinheira et al. Lateral control of airship with uncertain dynamics using incremental nonlinear dynamics inversion
JP2018018398A (ja) 適応制御方法、適応制御装置およびこの適応制御装置を備えた機器
CN107608385A (zh) 无人直升机编队控制方法及控制系统
Galffy et al. Nonlinear 3D path following control of a fixed-wing aircraft based on acceleration control
Sedlmair et al. Flight testing automatic landing control for unmanned aircraft including curved approaches
Ansari et al. Retrospective cost adaptive control of generic transport model under uncertainty and failure
Safwat et al. Robust Nonlinear Flight Controller For Small Unmanned Aircraft Vehicle based on Incremental BackStepping
Yamasaki et al. Robust path-following for UAV using pure pursuit guidance
Xiong et al. Disturbance Rejection in UAV's velocity and attitude control: Problems and solutions
Kim et al. Robust path following control via command-filtered backstepping scheme
CN110597281A (zh) 一种自动着舰纵向飞行控制系统参数获取方法
Safwat et al. Generic UAV autopilot prototype based on adaptive modified incremental backstepping
Islam et al. Modeling and simulation of longitudinal autopilot for general aviation aircraft
McIntosh et al. A Switching-Free Control Architecture for Transition Maneuvers of a Quadrotor Biplane Tailsitter
Jiang et al. Fast finite-time backstepping for helicopters under input constraints and perturbations

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