平飞

具有可证明稳定性的涵道风扇无人机悬停至高速平飞过渡的神经网络控制

摘要 本文主要研究涵道风扇垂直起降 (VTOL) 无人机 (UAV) 的过渡控制。为了实现从悬停到高速飞行的稳定过渡，提出了一种基于神经网络的控制器来学习系统动态并补偿飞机动态和所需动态性能之间的跟踪误差。首先，我们推导了飞机全包络动力学的非线性系统模型。然后，我们提出了一种基于神经网络的新型控制方案并将其应用于欠驱动飞机系统。所提出的控制器的主要特征包括投影算子、状态预测器和动态形成的自适应输入。证明并保证在整个神经网络学习过程中，状态预测器和神经网络权重的跟踪误差都有上限。高度自适应的输入形成动态结构，有助于实现所提出的控制器可靠的快速收敛性能，尤其是在高频扰动条件下。从而使飞行器的闭环系统能够以期望的动态性能跟踪一定的轨迹，仿真和实飞试验均取得了满意的结果，完成了设计的飞行路线。