针对四旋翼无人机在输入受限情况下的姿态跟踪控制问题, 提出了一种参数化控制方法。首先建立了四旋翼姿态误差二阶全驱模型, 采用一种参数化控制器, 使姿态误差系统等价于一阶定常闭环系统, 从而实现姿态角收敛至跟踪信号。考虑四旋翼输入受限及更好的跟踪性能, 采用智能优化的方法, 利用粒子群算法优化控制律中的参数矩阵。仿真实验表明: 与反步法相比, 提出的参数化控制器能够在输入受限情况下更快速地跟踪姿态指令, 具有更好的暂态性能, 实现了四旋翼高精度姿态跟踪控制。

针对四旋翼无人机(UAV)编队在切换拓扑下的执行器故障问题,提出了一种基于模糊系统的多智能体一致性容错控制方法。首先建立了四旋翼UAV多智能体的误差模型和执行器故障模型,然后利用模糊系统逼近四旋翼UAV的非线性部分,并设计了自适应律来估计执行器故障和外界干扰的不确定性,最后对一致性容错控制律的稳定性进行了分析,证明了其能够保证各UAV跟踪误差一致有界。仿真结果表明: 设计的一致性容错控制律具有良好的稳定性、鲁棒性和准确性,最大跟踪误差仅为0.3°,实现了在切换拓扑下包容非线性不确定性、外界干扰和执行器故障的UAV编队一致性容错控制。、<英文标题>Fault-Tolerant Multi-agent Consistency Control Based on Fuzzy System

针对四旋翼无人机(UAV)在输入受限情况下的执行器故障和干扰问题, 提出了一种鲁棒容错控制方法。首先建立了包含执行器故障、输入受限以及外界干扰的四旋翼UAV位置模型和姿态模型; 然后分别对位置环和姿态环进行了分析, 采用滑模滤波器对虚拟控制指令滤波, 并利用模糊系统逼近法估计出不确定项, 设计了鲁棒容错控制律; 最后证明了位置环和姿态环的稳定性。仿真实验结果表明: 提出的鲁棒容错控制方法能够在输入受限下快速准确跟踪指令信号, 与积分滑模容错控制律相比具有更好的控制效果, 实现了包容执行器故障和外界干扰的全状态鲁棒容错控制。

为提高四旋翼无人机对目标跟踪的动态性能和精度, 结合图像视觉伺服(IBVS)提出一种新型非奇异固定时间滑模控制方法, 实现了四旋翼无人机对速度指令和姿态指令的固定时间精确跟踪。首先通过透视投影建立虚拟图像平面, 利用图像矩推导出虚拟平面的四旋翼无人机动力学模型。在此基础上, 由固定时间稳定理论设计新型固定时间滑模面, 给出了精确的收敛时间估算方法, 分别结合四旋翼无人机动力学模型的位置环和姿态环设计了非奇异固定时间滑模控制器, 并基于Lyapunov理论证明了系统的稳定性。数值仿真表明, 所设计的控制器能避免无人机的超调问题并减小稳态误差, 具有良好的鲁棒性。

针对油动四旋翼欠驱动、时变环境误差大、高度非线性等问题，为得到更加精准的控制量，提出了基于自适应积分反步法与混合滤波算法相结合的控制算法，并将此算法应用到振动噪声大的油动四旋翼无人机的控制系统中。在相同的仿真条件下与积分反步法进行比较试验，结果表明，应用自适应积分反步法与混合滤波算法相结合的控制算法的无人机对较强的噪声干扰具有一定的鲁棒性，能使四旋翼稳定悬停，控制效果较为理想。

提出四旋翼利用机载摄像头进行自主循迹的方案。采用机器视觉模块OpenMV获取地面图像, 将图像分割成5个区域, 通过计算和分析每个区域的标志位来识别各种赛道元素, 得出无人机相对于路径的水平偏差以及与路径的夹角。利用线性自抗扰控制器(LADRC)设计位置外环, 速度内环采用PID控制器, 两者形成位置—速度串级控制, 去消除水平误差。采取bang-bang控制算法进行飞行器航向纠正。以跟踪“8”字形轨迹进行了实验, 结果表明, 该方案具有良好的路径识别效果, 能够使四旋翼准确稳定地跟踪地面黑色引导线飞行。

针对四旋翼无人机参数不确定性和对外部干扰敏感的问题, 提出一种基于线性自抗扰的轨迹跟踪控制系统设计方案。线性自抗扰能够很好地克服无人机的强耦合性、模型不确定性以及外部干扰问题。将四旋翼无人机的轨迹跟踪控制系统分为内外两个环路, 内环采用线性自抗扰控制器,外环采用简单的PD控制器。在仿真平台上对线性自抗扰控制系统进行轨迹跟踪实验, 并与传统的PID控制系统进行对比分析。通过仿真实验证明,所设计的线性自抗扰控制器不仅能够很好地估计并补偿系统所受内外部干扰, 而且对四旋翼无人机参数的不确定性具有较强的鲁棒性, 能够满足无人机姿态调节快速和高稳定度的控制要求, 性能指标明显优于PID控制器。

针对现有的四旋翼无人机频域参数辨识方法存在的不易兼顾频带宽度与精度, 且辨识过程效率较低等问题, 提出了一种改进的频域辨识算法。首先, 建立了悬停条件下四旋翼无人机的系统模型, 然后对基于四旋翼无人机平台的实测数据采用组合窗处理得到频率响应, 再将模式搜索中的K-平均聚类算法应用于辨识过程, 得到四旋翼无人机状态空间模型。结果表明, 该方法兼顾辨识精度与复杂度, 辨识得到的模型频率响应能与四旋翼无人机实际模型较好地拟合。

四旋翼无人机固有的欠驱动和强耦合特性使得其轨迹跟踪控制器设计成为难点。针对模型不确定和外界干扰的情况, 基于内外环控制结构的思想设计变负载四旋翼无人机的轨迹跟踪控制器。设计了一种自适应滑模控制器, 在外环中完成轨迹跟踪并生成期望的升力和姿态角;采用自抗扰控制技术设计内环控制器用于跟随期望的姿态角。在外界干扰下的轨迹跟踪仿真结果表明所设计的控制器具有良好的有效性和鲁棒性。

为解决四旋翼无人机在飞行时实时姿态测量的问题, 提高姿态估计精度, 设计了一种基于STM32的梯度下降姿态估计系统。该系统以STM32F427微处理器为主控制器, MPU6000和LSM303D作为姿态传感器, 实现了对姿态传感器数据采集以及姿态解算。系统对加速度计、磁罗盘进行预处理, 利用梯度下降滤波的方法估计误差四元数, 从而修正陀螺仪积分误差, 实现了姿态角的精确估计。最后, 通过搭建的飞行实验平台, 与Pixhawk飞控进行姿态角比较分析, 实验结果表明：采用梯度下降法的姿态估计系统能够稳定有效地估计无人机的姿态, 满足四旋翼无人机的飞行要求。