针对固定翼无人机纵向姿态控制中存在模型不确定性和外部干扰等问题,本文提出了一种基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的自适应滑模控制方法。该方法利用RBF逼近姿态控制系统中的未建模动态,通过设...针对固定翼无人机纵向姿态控制中存在模型不确定性和外部干扰等问题,本文提出了一种基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的自适应滑模控制方法。该方法利用RBF逼近姿态控制系统中的未建模动态,通过设计的自适应律实时调整神经网络权值,实现对模型误差和外部干扰的有效补偿。同时,基于Lyapunov稳定性理论设计了固定翼无人机的纵向姿态滑模控制律,确保闭环系统的全局稳定性和有限时间收敛特性。仿真结果表明,与传统PID控制及滑模控制方法相比,本文方法在存在参数摄动和外部干扰的情况下,能够显著提高固定翼无人机纵向姿态控制系统的跟踪精度和鲁棒性能。展开更多
固定翼微型飞行器(Micro air vehicle,MAV)速度低、转动惯量小,飞行过程中在大气扰动下迎角易发生较大变化,俯仰角又会在迎角恢复力矩作用下振荡,纵向静稳定性对MAV的俯仰姿态控制品质有一定的影响。为了提高MAV的俯仰姿态控制品质,本...固定翼微型飞行器(Micro air vehicle,MAV)速度低、转动惯量小,飞行过程中在大气扰动下迎角易发生较大变化,俯仰角又会在迎角恢复力矩作用下振荡,纵向静稳定性对MAV的俯仰姿态控制品质有一定的影响。为了提高MAV的俯仰姿态控制品质,本文首先提出了一种不同纵向静稳定性下MAV俯仰姿态控制品质的评估方法,该方法定义俯仰角振荡过程中的方差与极差来表征俯仰姿态控制品质,之后以控制品质最优为目标分别对不同静稳定性下MAV飞行姿态控制系统的控制参数进行调整。通过研究不同静稳定性下的最优控制品质变化规律,获得MAV纵向静稳定性对俯仰姿态控制品质的影响。结果表明,俯仰姿态控制品质与纵向静稳定性之间呈现一定的非线性规律,纵向静稳定性或静不稳定性的增强都将导致MAV在大气扰动下俯仰姿态的振荡程度增强,取得纵向中立稳定的MAV将有着最优的俯仰姿态控制品质。展开更多
文摘针对固定翼无人机纵向姿态控制中存在模型不确定性和外部干扰等问题,本文提出了一种基于径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的自适应滑模控制方法。该方法利用RBF逼近姿态控制系统中的未建模动态,通过设计的自适应律实时调整神经网络权值,实现对模型误差和外部干扰的有效补偿。同时,基于Lyapunov稳定性理论设计了固定翼无人机的纵向姿态滑模控制律,确保闭环系统的全局稳定性和有限时间收敛特性。仿真结果表明,与传统PID控制及滑模控制方法相比,本文方法在存在参数摄动和外部干扰的情况下,能够显著提高固定翼无人机纵向姿态控制系统的跟踪精度和鲁棒性能。
文摘固定翼微型飞行器(Micro air vehicle,MAV)速度低、转动惯量小,飞行过程中在大气扰动下迎角易发生较大变化,俯仰角又会在迎角恢复力矩作用下振荡,纵向静稳定性对MAV的俯仰姿态控制品质有一定的影响。为了提高MAV的俯仰姿态控制品质,本文首先提出了一种不同纵向静稳定性下MAV俯仰姿态控制品质的评估方法,该方法定义俯仰角振荡过程中的方差与极差来表征俯仰姿态控制品质,之后以控制品质最优为目标分别对不同静稳定性下MAV飞行姿态控制系统的控制参数进行调整。通过研究不同静稳定性下的最优控制品质变化规律,获得MAV纵向静稳定性对俯仰姿态控制品质的影响。结果表明,俯仰姿态控制品质与纵向静稳定性之间呈现一定的非线性规律,纵向静稳定性或静不稳定性的增强都将导致MAV在大气扰动下俯仰姿态的振荡程度增强,取得纵向中立稳定的MAV将有着最优的俯仰姿态控制品质。
