【无人机设计与技术】自抗扰控制(ADRC)的建模与仿真研究

摘要

本文针对四旋翼无人机姿态控制系统进行了基于自抗扰控制(ADRC)的建模与仿真研究。通过MATLAB/Simulink仿真平台,实现了无人机的姿态控制模型,并采用自抗扰控制器(ADRC)对无人机的姿态进行控制。本文详细介绍了自抗扰控制器的设计方法和应用,通过对无人机的俯仰角、滚转角和偏航角的控制,验证了ADRC控制器在四旋翼无人机系统中的高效性和鲁棒性。仿真结果表明,ADRC控制器能够在不同扰动条件下保持系统的稳定性和快速响应。

理论

四旋翼无人机的动力学与运动学模型

四旋翼无人机的动力学模型基于牛顿-欧拉方程,其描述了旋翼产生的推力和力矩作用下无人机的运动特性。动力学方程如下:

m \\ddot{r} = R F - mg

I \\dot{\\omega} = \\tau - \\omega \\times I \\omega

其中,(m) 为无人机质量,(R) 为旋转矩阵,(F) 为总推力,(\omega) 为角速度,(I) 为惯性矩阵,(\tau) 为力矩。

自抗扰控制器(ADRC)

ADRC 是一种非线性控制方法,通过扩张状态观测器(ESO)实时估计系统状态及外部扰动,并通过非线性误差反馈控制(NLSEF)来补偿系统中的不确定性。自抗扰控制的核心部分包括:

  1. 扩张状态观测器(ESO):用于实时观测系统状态和外部扰动,更新后的状态用于补偿未知扰动。

  2. 非线性误差反馈(NLSEF):通过对误差的非线性函数计算输出,增强系统的动态性能。

ADRC 控制器设计可以分为三个环节:

  1. 跟踪微分器(TD):对期望轨迹进行平滑处理。

  2. 扩张状态观测器(ESO):估计系统状态及外界扰动。

  3. 非线性状态误差反馈(NLSEF):基于ESO估计的状态进行非线性反馈控制。

实验结果

通过MATLAB/Simulink仿真平台,对无人机姿态控制进行了测试,分别验证了系统在俯仰、滚转和偏航角控制中的表现。

  1. 连续型ADRC控制仿真:系统响应曲线表明,ADRC控制器在俯仰角、滚转角和偏航角控制中的表现快速、平稳,具有较好的动态特性和稳态性能。

  2. 离散型ADRC控制仿真:与连续型相比,离散型ADRC控制器在数字化控制中的响应同样迅速,能够有效应对突加扰动,保持系统的稳定性。

仿真结果显示,无论在连续控制还是离散控制中,ADRC控制器都能够在较短时间内使系统稳定,且具有较强的抗扰动能力。

部分代码

以下为ADRC姿态控制的部分MATLAB代码:

复制代码
% 初始化参数
m = 1.5;  % 无人机质量
g = 9.81; % 重力加速度

% ADRC控制器参数
beta1_yaw = 30; beta2_yaw = 300; beta3_yaw = 1000;
beta1_pitch = 150; beta2_pitch = 300; beta3_pitch = 1000;
beta1_roll = 180; beta2_roll = 120; beta3_roll = 1000;

% 控制器设计
sim_time = 20;  % 仿真时间
yaw_ref = 5;    % 偏航角参考值
pitch_ref = 3;  % 俯仰角参考值
roll_ref = 2;   % 滚转角参考值

% 调用Simulink仿真模型
sim('quadcopter_ADRC_model');

% 绘制结果
figure;
subplot(3,1,1);
plot(tout, yaw_response, 'r', 'LineWidth', 2);
title('偏航角控制响应');
xlabel('时间(s)');
ylabel('角度(°)');

subplot(3,1,2);
plot(tout, pitch_response, 'b', 'LineWidth', 2);
title('俯仰角控制响应');
xlabel('时间(s)');
ylabel('角度(°)');

subplot(3,1,3);
plot(tout, roll_response, 'g', 'LineWidth', 2);
title('滚转角控制响应');
xlabel('时间(s)');
ylabel('角度(°)');

参考文献

  1. Han, J. (2009). Auto-Disturbance-Rejection Control Technique . Control Theory and Applications, 30(12), 1553-1564.

  2. Gao, Z. (2006). Scaling and Bandwidth-Parameterization Based Controller Tuning . Proceedings of the American Control Conference, 4989-4996.

  3. Bouabdallah, S., Murrieri, P., & Siegwart, R. (2004). Design and Control of an Indoor Micro Quadrotor . Proceedings of the IEEE International Conference on Robotics and Automation.

相关推荐
动物园猫4 小时前
红外无人机目标检测数据集:4,500+张图像 | 目标检测
人工智能·目标检测·无人机
YOLO数据集集合1 天前
UAVDT 无人机车辆检测数据集 - 无人机航拍 | 车辆检测 | 目标检测 | YOLO格式 | 智能交通 | 城市管理 | 多类别数据集 | 计算机视觉
人工智能·yolo·目标检测·机器学习·计算机视觉·目标跟踪·无人机
FPC工厂——皇榜科技1 天前
48小时快速打样!无人机迭代这么快,可PCB交付跟不上怎么赢?
科技·无人机·pcb工艺
进制树2 天前
【飞控开发实战·㉒】ROS2无人机应用开发实战:Offboard控制、航点任务、AprilTag降落与避障系统
开发语言·安全·无人机·课程设计
YOLO数据集集合2 天前
火情监测新方案:无人机红外-可见光多模态火点烟雾数据集(含YOLOv11实战)
人工智能·yolo·计算机外设·无人机·无人机数据集·可见光多模态
进制树3 天前
【飞控开发实战·⑲】ROS2无人机开发环境搭建:Jazzy安装、工作空间与hello_drone节点实战
开发语言·安全·无人机·课程设计
向哆哆4 天前
无人机灾害场景人体目标检测数据集分享(适用于YOLO系列深度学习分类检测任务)
yolo·目标检测·无人机
haishikeji696_4 天前
市域低空巡查平台架构|无人机管理系统、飞控管理平台、无人机巡检平台、无人机智慧巡查系统
架构·无人机·低空经济·无人机管理系统·飞控管理平台
Ricardo-Yang4 天前
无人机单目深度估计测试:ZipDepth 与 AerialMetric
人工智能·算法·机器学习·计算机视觉·无人机
沈阳昊天环宇无人机小编辑6 天前
无人机测绘点云实操体验与丹东作业筹备展望,沈阳无人机外出测绘作业
无人机