针对四旋翼无人机在执行器故障下的位置与姿态控制问题,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。根据四旋翼无人机的高度非线性、强耦合、欠驱动等特性,将四旋翼无人机动...针对四旋翼无人机在执行器故障下的位置与姿态控制问题,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。根据四旋翼无人机的高度非线性、强耦合、欠驱动等特性,将四旋翼无人机动力学系统分为全驱动子系统和欠驱动子系统,充分考虑无上下限约束的模型不确定和未知扰动,提炼出各子系统的集合干扰项,通过定义执行器失效系数,推导出四旋翼无人机执行器失效故障情况下的动力学模型;利用RBFNN对包含模型参数不确定部分和外界干扰项在内的总干扰项进行估计,并基于Lyapunov理论证明了动力学系统的稳定性。仿真结果验证了所设计的四旋翼无人机控制方法的有效性。展开更多
文摘针对四旋翼无人机在执行器故障下的位置与姿态控制问题,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。根据四旋翼无人机的高度非线性、强耦合、欠驱动等特性,将四旋翼无人机动力学系统分为全驱动子系统和欠驱动子系统,充分考虑无上下限约束的模型不确定和未知扰动,提炼出各子系统的集合干扰项,通过定义执行器失效系数,推导出四旋翼无人机执行器失效故障情况下的动力学模型;利用RBFNN对包含模型参数不确定部分和外界干扰项在内的总干扰项进行估计,并基于Lyapunov理论证明了动力学系统的稳定性。仿真结果验证了所设计的四旋翼无人机控制方法的有效性。
