大同煤炭职业技术学院 王 奇

本文提出了一种基于神经网络和输出反馈的四旋翼无人机非线性控制器设计方案。在该方案中仅使用四个控制输入就可以控制无人机的六个自由度。此外，还引入了神经网络观测器来预测无人机的平动速度和角速度，其中仅考虑无人机的位置和姿态是可测量的。利用李雅普诺夫理论证明，位置、方向和速度跟踪误差，虚拟控制和观测器估计误差，在存在有界扰动和神经网络函数重构误差的情况下，每个神经网络的权值估计误差都是半全局一致最终有界的。在存在未知非线性动力学和干扰的情况下，证明了所提出的输出反馈控制方案的有效性。

1 四旋翼无人机动力学

无人机的控制输入u1和u2分别为转子角速度产生的推力和扭矩，可以通过推力和阻力系数进行计算，表述如下：

在式(1)中d为正标量，表示从四转子中心到转子轴的距离，Ct表示推力因子的正标量，Cd是表示阻力因子的正标量。一旦确定了无人机的控制输入，可以使用式(1)中的关系来确定所需的转子转速，以获得所需的推力和旋转扭矩。根据式(1)可知，每个转子的状态与总推力和旋转扭矩有关。因此，在建模过程中中，每个转子处叶片拍动的影响将组合为四转子动力学的单一非线性扰动。对于平动速度，叶片拍打导致推力纵向重定向，同时提升力减小。因此，在x轴和y轴方向上的扰动被建模为TL x，y=TI sinα，在z轴方向上的推力减小被建模为TL z=TI(1-cosα)，角速度矢量的扰动被描述为MH=Kα。……