全球快速终端模糊滑动模式控制基于RBF神经网络的四旋翼无人机
Weidong Chen1, Yuanchun Ding2, Falu Weng1
1School of Electrical Engineering and Automation, Jiangxi University of Science and Technology, Ganzhou 341000, China.
Sensors (Basel, Switzerland)
|February 26, 2025
概括
使用辐射基函数 (RBF) 神经网络的新型控制方案提高了四旋翼无人机 (UAV) 的稳定性. 这种自适应模糊滑动模式控制器有效地管理干扰,模型不确定性和质量变化,以实现强大的飞行控制.
科学领域:
- 机器人和控制系统 机器人和控制系统
- 在工程领域的人工智能.
- 航空航天工程 航空航天工程
背景情况:
- 四旋翼无人机 (UAV) 容易受到外部干扰,模型不确定性和参数变化,如时间变化的质量.
- 现有的控制策略往往难以在这些具有挑战性的条件下提供强大的性能,需要先进的控制技术.
研究的目的:
- 为四旋翼无人机提出全球快速终端模糊滑动模式控制 (FSMC) 方案.
- 为了增强对外部干扰,系统模型不确定性和时间变化的质量的强度.
- 为了有效地消除滑动模式控制中固有的喋喋不休的现象.
主要方法:
- 四旋翼的动态模型被分解为外环和内环控制子系统.
- 具有自适应规律的自适应滑动模式控制器估计了外环的时间变化的质量和外部干扰.
- 全球快速终端模糊滑动模式控制器,结合辐射基函数 (RBF) 神经网络,旨在用于内环态度控制,近似模型不确定性.
主要成果:
- RBF神经网络有效地接近内部循环控制器中的系统模型不确定性.
- 适应性模糊控制器成功估计了开关增益,并减轻了外部干扰.
- 模拟表明,拟议的控制方案在各种不利条件下稳定四旋翼的有效性,包括消除喋喋不休.
结论:
- 拟议的全球快速终端模糊滑动模式控制方案为四旋翼无人机控制提供了强大而有效的解决方案.
- 整合RBF神经网络和自适应模糊逻辑显著改善了干扰排斥和处理模型不确定性的情况.
- 控制策略成功解决了聊天问题,为更可靠的无人机应用铺平了道路.
