基于自适应RBF神经网络具有模型不确定性的四旋翼无人机指定时间预设性能控制方法

四旋翼无人机具有强耦合和欠驱动的特点,在飞行过程中很容易受到外界干扰,进而影响整个无人机系统的稳定性和精度。为此,提出了一种基于RBF神经网络的指定时间预设性能约束控制策略。首先,针对四旋翼无人机的不确定数学模型难以精确建立,并且在执行任务过程中存在外部未知扰动问题,提出了一种基于指定时间预设性能控制方法,将四旋翼无人机的轨迹跟踪问题转换为对位置子系统和姿态子系统的期望指令跟踪问题;其次,在设计控制器过程中,为了解决“微分爆炸”问题产生的滤波器误差,引入一种新型滤波误差补偿方法,通过RBF神经网络逼近外部未知扰动,并将预测结果补偿给控制器以提高轨迹跟踪的鲁棒性。最后,应用仿真模拟方法验证无人机控制系统稳定性和性能优势,通过飞行试验验证,微风聚拢环境下实际飞行轨迹与仿真模拟结果趋于一致,自主轨迹跟踪起降位置偏差小于1 cm,证明了所提出算法的有效性。

具有预设瞬稳态性能的有限时间智能车辆固定构型编队控制

智能车辆固定构型编队的瞬态性能(如编队误差收敛速度和超调量)对车辆协同动作及车辆行驶安全至关重要。针对含有模型不确定和外部扰动的车辆固定构型编队问题,提出一种考虑预设瞬态性能和稳态性能约束的有限时间车辆编队控制方法。首先,引入一种扰动观测器,实现对由模型不确定和外部扰动构成的复合扰动的有限时间有效估计;其次,将因车载传感器感知能力受限所造成的有限感知距离和有限视角转化为编队误差性能约束,预设非对称时变性能指标规范车辆编队误差的瞬态性能和稳态性能,并构建编队误差转换函数将有约束问题转化为无约束问题;然后,基于扰动观测器、预设性能指标和编队误差转换函数,采用指令滤波和有限时间控制思想,构造了可使车辆编队误差保持在预设区域并在有限时间内收敛的纵横向一体化的有限时间固定构型编队控制器,同时避免了传统反演控制中的复杂性爆炸问题,利用李雅普诺夫稳定性理论验证了车辆固定构型编队系统的稳定性;最后,进行了MATLAB仿真试验,验证所提有限时间固定构型编队控制方法的有效性。试验结果表明:所提出的方法可在保证车辆连通性且避免碰撞的同时,使得车辆编队误差于有限时间内收敛至关于0的小邻域内,加快了收敛速度,增强了其抗干扰能力,从而提高了控制性能。