【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
天途小编8 小时前
消费级无人机续航现状、限制因素及突破方法
无人机
长沙京卓10 小时前
【无人机算法】低空经济下无人机巡检检测识别算法(城市、林业、水利)
算法·无人机
EasyDSS14 小时前
视频推流平台EasyDSS无人机推流直播技术在野外监测中的智能应用
音视频·无人机
智驱力人工智能14 小时前
山区搜救无人机人员检测算法 技术攻坚与生命救援的融合演进 城市高空无人机人群密度分析 多模态融合无人机识别系统
人工智能·深度学习·算法·架构·无人机·边缘计算
Abona14 小时前
3C电子产品、汽车、无人机、机器人:产品体系与对应高校专业及核心课程全梳理
机器人·汽车·无人机
Deepoch14 小时前
无人机产业变革前夜:当飞行器开始“思考”
人工智能·科技·无人机·开发板·具身模型·deepoc·无人机开发板
智驱力人工智能15 小时前
高速公路无人机车流密度监测 构建动态交通新维度 基于YOLOv8的无人机车辆检测算法 边缘计算无人机交通监测设备
人工智能·安全·yolo·目标检测·视觉检测·无人机·边缘计算
天途小编1 天前
无人机操控模式适用场景全解
无人机
Together_CZ1 天前
AI助力构建生态环境治理,基于最新超图增强型自适应视觉感知YOLOv13全系列【n/s/l/x】参数模型开发构建无人机巡检场景下随意堆放建筑垃圾检测预警系统
目标检测·无人机·yolov13·生态环境治理·超图增强型自适应视觉感知·无人机巡检场景·随意堆放建筑垃圾检测预警
云卓SKYDROID1 天前
无人机姿态控制技术要点概述
无人机·遥控器·姿态·高科技·云卓科技