无人机滑模控制模块详解

1.什么是滑模控制?

滑模控制是一种变结构控制,属于非线性鲁棒控制方法。其核心思想是:

1.设计一个滑模面(SlidingSurface):一个在状态空间中的超平面或流形。当系统的状态轨迹被约束在这个面上时,系统将表现出预设的、理想的动态特性(如指数收敛),并且对匹配的干扰和模型不确定性具有完全鲁棒性。

2.设计控制律,将系统状态"驱赶"到滑模面上:控制律会故意地进行高频切换,一旦系统状态偏离滑模面,就以极大的控制力将其拉回。这个状态轨迹被强制"滑动"到平衡点的过程,就是"滑模"名称的由来。

核心比喻:就像让一个小球在一条不平整的斜槽中滚动。滑模面就是斜槽的"理想中线"。控制力就像在斜槽两侧快速、高频地敲击小球,让它始终沿着中线滚动,无论斜槽表面有多粗糙(代表干扰和不确定性),最终都能准确地滚到底部目标点。

2.无人机滑模控制模块的组成

一个典型的无人机(以最常见的四旋翼为例)滑模控制模块通常采用内外环级联结构:

滑模控制通常应用于姿态环,因为姿态动态非线性强、耦合度高,且对扰动(如风扰、模型误差)敏感。位置环有时也会使用。

一个滑模控制模块通常包含以下几个子模块:

a.状态误差计算模块

b.滑模面设计模块

c.控制律计算模块

d.抖振缓解模块

问题:理想的`sign(s)`函数会导致控制量在高频切换,在实际系统中由于延迟和惯性,会引发剧烈的抖振,损坏执行器(电机、电调)并激发未建模动态。

解决方案:

高阶滑模:如超螺旋算法,能在保持鲁棒性的同时,将抖振"平滑"到控制量的高阶导数中。

自适应滑模:自适应地调整切换增益`K`,使其刚好略大于实际干扰,避免过大的增益导致抖振。

3.设计步骤示例

1.建立模型:

2.定义误差:

3.设计滑模面:

4.设计控制律:

5.加入边界层:

4.高级变体与发展趋势

为了克服经典滑模的缺点,研究者提出了许多改进方案:

终端滑模:设计非线性滑模面,实现有限时间收敛,而非指数收敛。

积分滑模:消除稳态误差,提高跟踪精度。

自适应滑模:在线估计干扰上界或系统参数,自适应调整增益,减少保守性。

模糊/神经网络滑模:用智能方法逼近不确定项,降低对切换项的依赖。

高阶滑模:如超螺旋算法,无需系统状态的导数信息,且能显著抑制抖振。

相关推荐
workflower6 天前
SSH(Struts+Spring+Hibernate)
人工智能·机器学习·机器人·云计算·无人机
YOLO数据集集合6 天前
天空红外小目标检测数据集 | 红外小目标 天空目标检测 无人机检测 鸟类识别 低空安防9099期
人工智能·目标检测·计算机视觉·目标跟踪·无人机·无人机视角·直升机检测
Liaiyang667 天前
空圈容错视角下的无人机全链路审计:从理论框架到耦合式检验
人工智能·pytorch·python·深度学习·系统架构·自动驾驶·无人机
深蓝学院7 天前
15 m/s动态避障+15g无相机定位!浙大&微分智飞两篇新作:补齐微型敏捷无人机自主飞行能力
无人机
YOLO_DATA7 天前
遥感滑坡检测的数据集 2299 张 1类 yolo格式 遥感滑坡检测数据集
人工智能·深度学习·yolo·计算机视觉·无人机·yolo数据集·ai数据集
亥时科技7 天前
无人机和监控视频,真能一次性打通吗?
开源·无人机·ai巡检
XBWRJ7 天前
职业教育专业建设:《无人机装调维修师》的课程参考价值
无人机
YOLO数据集集合9 天前
小目标无人机、飞机、直升机检测数据集 | 小目标检测 无人机检测 空中目标识别 低空安防 反无人机9090期
深度学习·yolo·目标检测·无人机·飞机·小目标·直升机
PascalXie9 天前
无人机视觉模组算力选型:端侧AI集成方案对比
计算机视觉·无人机
YOLO数据集集合9 天前
全球无人机航拍树冠覆盖数据集 | 树冠分割 语义分割 无人机航拍 全球森林监测 GeoTIFF 生态恢复9083期
深度学习·yolo·目标检测·无人机·无人机视角·全球森林