多旋翼无人机的滑模控制器设计与稳定性分析

发布时间：2020-04-07 12:18

【摘要】：在众多类型的多旋翼无人机中,四旋翼和三旋翼无人机都属于多旋翼小型无人飞行器,在民用和军事等相关领域拥有广阔的发展前景。但是目前多旋翼无人机的飞行控制技术依然面临着诸多困难,例如作为一个多输入、多输出的欠驱动系统,多旋翼无人机具有强耦合特性、非线性动力学特性、系统建模不确定性以及外部气流干扰等特点,这使得多旋翼无人机的控制变得十分复杂。本文利用滑模控制方法研究了四旋翼和三旋翼无人机的姿态调节和方位跟踪的控制问题,主要内容如下:1.针对一类四旋翼无人机,研究了其姿态调节问题。根据四旋翼无人机姿态角的非线性模型,设计了一种新型的基于Super-Twisting算法的非奇异终端滑模控制器,保证了四旋翼无人机的姿态角跟踪误差能够在有限时间内收敛到零,提高了系统的收敛速度和抗干扰能力。最终利用Lyapunov稳定性理论证明了该闭环系统的稳定性,2.针对四旋翼无人机的六自由度全状态非线性模型,由于其模型的强耦合特性,本文将该系统分解为全驱动子系统和欠驱动子系统的关联。针对全驱动子系统,设计了一种基于Super-Twisting算法的非奇异终端滑模控制器,保证姿态角及方位量的跟踪误差在有限时间内收敛到零。对欠驱动子系统,通过坐标变换重新建立欠驱动子系统的动态方程,并基于此动态方程设计了一种滑模控制器,保证欠驱动子系统的姿态和方位跟踪误差渐近收敛到零。最后利用Lyapunov稳定性理论证明该闭环系统的稳定性。3.针对一类三旋翼无人机,基于其机体结构及飞行原理建立了全状态非线性模型。本文将该系统分解为全驱动子系统和欠驱动子系统的关联,并提出了一种复合的滑模控制方法,解决了三旋翼无人机的姿态角和方位量的调节和跟踪控制问题。最后利用Lyapunov稳定性理论证明了该闭环系统的稳定性。
【图文】：

框图,旋翼机,PID控制,框图

但已经成功应用于多旋翼无人机的控制设计中。图1.1 给出了针对无人机 PID 控制技术的一般性框图。图 1.1 旋翼机 PID 控制法框图Fig.1.1 Block diagram of PID controller applied to the quadrotor线性二次型调节器（LQR）最优控制法广泛实践于无人机的控制中。Cowling等[9]将一种简单的路径跟踪 LQR 控制器应用于无人机的全状态模型，该控制器在存在风力影响和外部干扰的情况下，无人机依然准确追踪理想路径。在结合一类线性二次型观测器（LQE）和卡尔曼滤波器后，，LQR 算法转换成线性二次型高斯（LQG）算法，该算法适用于存在高斯噪声和不完整状态信息的系统。为了保持无人机在悬停模式下机身姿态的稳定，文献[10]提出了一种含有积分项的 LQG 算法。图 1.2 给出了应用于多旋翼无人机的 LQG 控制算法的原理框图。

框图,旋翼机,LQG控制,框图

图 1.2 旋翼机 LQG 控制法框图Fig.1.2 Block diagram of LQG controller applied to the quadrotor反步控制（Backstepping control）作为一种递归算法，其优势在于算法收敛速度快，需要的计算资源少。Madani 等[11]通过 backstepping 算法稳定了一个由欠驱动，全驱动和螺旋桨子系统组成的四旋翼无人机系统，且该算法对无人机的方位和偏航角具有良好的跟踪性。文献[12]提出了一种结合神经网络控制和反步法的非线性自适应控制器，其中反步法用于无人机平移位置和偏航角的跟踪控制。文献[13]应用 backstepping 算法对四旋翼无人机的姿态角进行跟踪控制。自适应控制算法旨在适应系统中参数的变化，其中参数可以是未知的或者随时间发生变化。Diao 等在文献[14]中采用一种连续的时变自适应控制器，解决无人机模型中存在质量不确定、惯性力矩以及气动阻尼系数未知等问题。针对无人机重心发生动态变化的问题，Palunko 等[15]提出一种基于反馈线性化的
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V279;V249.1

【参考文献】