多约束条件下的四旋翼无人机自适应轨迹跟踪控制.pdfVIP

摘要

当前，四旋翼无人机由于其独特的结构和优点而受到各行各业的广大应用，其所

面临环境的复杂程度也在提升。无人机的飞行环境大部分情况都不会处于理想状态，

经常要面对风扰动之类等外部干扰。由于无人机系统本身非线性和作业环境的复杂性，

无人机不可避免的会受到内部不确定性和外部扰动等负面因素的影响。在不影响无人

机的控制性能的情况下避免外部扰动的影响依然是值得研究的课题。此外，高机动飞

行和外部扰动的存在使得无人机系统的执行器输入和姿态很容易超出物理条件的限

制，可能会造成控制性能下降甚至系统不稳定。在复杂环境中如何保证无人机控制系

统的轨迹跟踪性能和稳定性是一项具有挑战性的任务。本文考虑外部干扰，针对具有

内部不确定和输入输出约束的四旋翼无人机，设计自适应反步控制器实现高精度的控

制。具体研究工作如下：

(1)建立四旋翼无人机的动力学模型。对四旋翼无人机的组成结构和飞行原理进

行详细介绍，包括螺旋桨的工作原理、无人机的六种运动状态以及其在三维空间中的

飞行实现原理。分析无人机在实际飞行中可能面临的内部和外部干扰，讨论风速对飞

行稳定性的影响，并对风扰动进行了建模。根据刚体运动定律推导四旋翼无人机的位

置和姿态的数学模型，为后续控制器设计提供理论基础。

(2)针对具有外部干扰、内部不确定性和常数姿态约束的四旋翼无人机位置和姿

态轨迹跟踪问题，结合BarrierLyapunov函数（BarrierLyapunovfunction,BLF）、动态

面控制（DynamicSurfaceControl,DSC）、自适应神经网络和抗饱和辅助系统提出一种

基于BLF的自适应反步控制器。考虑到四旋翼无人机模型存在内部不确定项，采用

径向基神经网络来逼近未知函数，同时结合最小参数学习法提高神经网络权值的调整

速度。针对无人机系统存在扰动的问题，设计一个鲁棒项来平衡系统总干扰，提高抗

干扰性能。并且经过对比仿真实验，与基于Lyapunov函数的反步DSC相比，本文设

计的自适应反步控制器在复杂环境下依然具有良好的控制性能，跟踪误差很小。

(3)针对具有外部干扰，不对称时变姿态约束和输入饱和的四旋翼无人机，设计

一个基于不对称时变BarrierLyapunov（AsymmetricTime-varyingBarrierLyapunov

Function,ABLF）函数的自适应神经网络反步姿态控制器。采用ABLF来应对姿态受

限，更加符合实际情况，使得无人机姿态始终处于规定的范围内，并且保持很小的跟

踪误差。引入一个辅助系统来解决输入饱和问题，并避免在使用平滑函数近似输入饱

和的方法中跟踪误差对输入振幅的依赖。系统稳定性通过Lyapunov方法证明。仿真

结果表明，与反步DSC方法相比，基于ABLF的自适应神经网络反步控制器具有较

好的轨迹跟踪性能。

关键字：四旋翼无人机；反步控制；姿态约束；输入饱和；动态面控制

ABSTRACT

Atpresent,thefour-rotorUAViswidelyusedinallwalksoflifebecauseofitsunique

structureandadvantages,andthecomplexityoftheenvironmentitfacesisalsoincreasing.

Mostoftheflyingenvironmentofdroneswillnotbeinanidealstate,andtheyoftenface

externaldisturbancessuchaswinddisturbances.Duetothenon-linearityofUAVsystem

itselfandthecomplexityofoperatingenvironment,UAVwillinevitablybeaffectedby

negativefactorssuchasinternaluncertaintyandexternaldisturbance.Avoidingtheinfluence

ofexternaldisturbancewi