XiaoMi-AI文件搜索系统
World File Search System控制律
由 stsmc 引导和控制的垂直起降飞机
本文介绍了在非参数不确定性（阵风和风扰动）下悬停飞行的垂直起降 (VTOL) 无人机 (UAV) 的滚转运动的最佳滑模控制 (SMC) 和最佳超扭转滑模控制 (STSMC) 的设计。本文对受控滚转运动进行了稳定性分析，并基于 Lyapunov 定理证明了渐近误差收敛。据此，针对受不确定性影响的飞机系统制定了控制律。为了避免在选择设计参数时进行反复试验并提高 SMC 和 STSMC 的性能，建议使用灰狼优化进行调整。基于数值模拟，对最佳和非最佳控制器以及最佳 SMSTC 和最佳 SMC 进行了比较研究，比较了跟踪误差和控制信号中的抖动行为。数值模拟表明，GWO 可以提高 SMC 和 STSMC 的性能。此外，在跟踪误差和控制信号抖动效应方面，最佳 STSMC 比最佳 SMC 具有更好的动态性能。
基于超扭转算法的四旋翼飞机轨迹跟踪控制实时改进
摘要：本文介绍了微型自主四旋翼直升机系统 (X4 原型) 的轨迹跟踪控制的开发和实验验证，该系统使用基于二阶滑模技术的稳健算法控制，也称为户外环境中的超扭转算法。这种非线性控制策略保证在存在外部干扰或模型不确定性影响我们的四旋翼直升机的适当行为的情况下，在有限时间内收敛到所需路径 r (t)。为此，选择多项式平滑曲线轨迹作为参考信号，其中函数的相应导数是有界的。此外，我们考虑了作用于飞行器的阵风干扰，并在先进的自动驾驶系统中预先编程了参考信号。提出的解决方案包括使用 GPS 测量实施基于超扭转控制的实时控制律，以获得 xy 平面中的位置以实现所需的轨迹。给出了轨迹跟踪控制的仿真和实验结果，以证明所提出的非线性控制器在有风条件下的性能和鲁棒性。
具有动态结构参数的滑臂四轴飞行器飞行控制
摘要 — 介绍了一种新型四轴飞行器的概念设计和飞行控制器。该设计能够在飞行过程中改变无人机的形状，以实现位置和姿态控制。我们考虑动态重心 ( CoG )，它会导致无人机的转动惯量 ( MoI ) 参数不断变化。这些动态结构参数在系统的稳定性和控制中起着至关重要的作用。四轴飞行器臂长是一个可变参数，它由基于姿态反馈的控制律驱动。MoI 参数是实时计算的，并纳入系统的运动方程中。无人机利用螺旋桨的角运动和可变的四轴飞行器臂长进行位置和导航控制。重心的运动空间是一个设计参数，它受执行器限制和系统稳定性要求的限制。提供了有关运动方程、飞行控制器设计和该系统可能应用的详细信息。此外，通过航路点导航任务和复杂轨迹跟踪的比较数值模拟对所提出的变形无人机系统进行了评估。
四旋翼飞行器精确准悬停控制的风速估计
本文重点研究了无风传感器的四旋翼飞行器的控制，这些飞行器需要在存在中等但未知的阵风的情况下准确跟踪低速轨迹。通过将风扰动建模为外源输入，并假设可以通过准静态飞行器运动补偿其影响，本文提出了一种创新的估计和控制方案，该方案包括一个线性动态滤波器，用于估计此类未知输入，并且只需要位置和姿态信息。该滤波器建立在未知输入观察器理论的结果之上，允许在不测量风本身的情况下估计风和飞行器状态。可以使用简单的反馈控制律来补偿由扰动引起的偏移位置误差。只要有相应的应用转子速度，所提出的滤波器就与用于消除跟踪误差的恢复控制方案无关。首先使用机器人操作系统中间件和 Gazebo 模拟器在模拟环境中检查该解决方案，然后使用四旋翼飞行器系统在真实风源下飞行进行实验验证。
模糊逻辑在人工智能中的位置
到目前为止，“模糊逻辑”一词通常指一种特定的控制工程方法，该方法利用常识控制规则的数值表示，以便通过插值合成控制律。这种方法与神经网络有许多共同特征。它现在主要关注数值函数的有效编码和近似，目前与知识表示问题的关系越来越少。然而，这是对模糊逻辑的非常狭隘的看法，与人工智能关系不大。扫描模糊集文献，人们意识到模糊逻辑也可能指另外两个与 M 相关的主题：多值逻辑和近似推理。虽然多值逻辑流非常以数学为导向，但 Zadeh 设想的近似推理概念与人工智能研究的主流程序更相关：他在 1979 年写道：“近似推理理论涉及从一组不精确的前提中推导出可能不精确的结论”。在下文中，我们将使用术语“模糊逻辑”来指代任何一种旨在用于推理机制的基于模糊集的方法。
使用基于图像的视觉伺服技术实现客机着陆
cos 2 θ L +cos 2 θ R − 2 （ θ L + θ R − 2 θ C ） + K 2 x f + K 3 ˙ x f + K 4 ˙ φ （12） 当将其应用于具有与第 4.1 节中相同的特征结构分配策略的基准时，制导律增益变为： K 1 ， 2 ， 3 ， 4 = [0 . 22 ， 110 . 89 ， 405 . 9 ， − 1 . 23] （13） 图 5 显示了两个不同的起始位置（∆Y 0 = 20m 或 ∆Y 0 = 100m）。 当飞机接近期望位置时，结果很好（即接近基线），但是当位置远离着陆轴时，制导律无法以适当的方式执行。事实上，飞机并没有降落在跑道上。为了解决这个问题，在（Bourquardez and Chaumette，2007b）中提出了一种参考轨迹策略，然而它的生成假设初始位置是已知的（这超出了我们的假设）。顺便说一句，（12）表明跑道尺寸已经通过参数 H = L 应用于控制律本身（13）中
CONDUIT—一种全新的多学科集成环境...
已经开发出一种用于飞机飞行控制设计、评估和集成的最先进的计算设施，称为 CONDUIT（控制设计者的统一接口）。本文介绍了 CONDUIT 工具和案例研究应用，用于解决复杂的旋翼和固定翼电传飞行控制问题。介绍了控制系统分析和设计优化方法，包括在 CONDUIT 中定义设计规范和系统模型，以及用于调整所选设计参数的多目标函数优化（CONSOL-OPTCAD）。设计示例基于飞行测试程序，该程序有大量数据可供验证。CONDUIT 用于根据相关的军事操纵品质和控制系统规格分析基线控制律。在这两个案例研究中，CONDUIT 成功地利用了前向回路和反馈动力学之间的权衡，从而显著改善了预期的操纵品质并最大限度地降低了所需的执行器权限。CONDUIT 系统为集成控制系统分析和设计提供了一个新环境，并有可能显著减少控制系统飞行测试优化的时间和成本。
以人为本的航空人工智能方法 - EASA
人工智能显然是支持飞机设计和运营的广泛应用的推动者。人工智能可以通过就日常任务提供建议（例如飞行剖面优化）或就飞机管理问题或飞行战术性质提供增强建议来协助机组人员，帮助机组人员在高工作量情况下做出决策（例如复飞或改道）。人工智能还可以根据运营环境和机组人员健康状况（例如压力、健康等）预测和预防某些危急情况，从而为机组人员提供支持。由于 2022 年 4 月发布了第一个关于基于机器学习的系统的可信度的特殊条件，1 级人工智能应用已经在通用航空领域进行认证。人工智能还可以用于几乎任何涉及数学优化问题的应用中，无需分析相关参数值和逻辑条件的所有可能组合。机器学习的典型应用可能是飞行控制律优化、传感器校准、油箱数量评估、结冰检测等等。此外，人工智能还可用于在机载系统中嵌入复杂模型，例如通过使用内存和处理效率更高的代理模型。
CONDUIT——一种新的多学科集成...
已经开发出一种用于飞机飞行控制设计、评估和集成的最先进的计算设施，称为 CONDUIT（控制设计者的统一接口）。本文介绍了 CONDUIT 工具和案例研究应用，用于解决复杂的旋翼和固定翼电传飞行控制问题。介绍了控制系统分析和设计优化方法，包括在 CONDUIT 中定义设计规范和系统模型，以及用于调整所选设计参数的多目标函数优化（CONSOL-OPTCAD）。设计示例基于飞行测试程序，该程序有大量数据可供验证。CONDUIT 用于根据相关的军事操纵品质和控制系统规格分析基线控制律。在这两个案例研究中，CONDUIT 成功地利用了前向回路和反馈动态之间的权衡，从而显著提高了预期的操纵品质并最大限度地降低了所需的执行器权限。 CONDUIT系统为综合控制系统分析与设计提供了一个新的环境，有潜力大幅减少控制系统飞行试验优化的时间和成本。
CONDUIT — 一种新的多学科集成环境...
开发了一种用于飞机飞行控制设计、评估和集成的最先进的计算设施，称为 CONDUIT（控制设计者的统一接口）。本文介绍了 CONDUIT 工具和案例研究应用，用于复杂的旋翼和固定翼电传飞行控制问题。介绍了控制系统分析和设计优化方法，包括在 CONDUIT 中定义设计规范和系统模型，以及用于调整所选设计参数的多目标函数优化（CONSOL-OPTCAD）。设计示例基于飞行测试程序，该程序有大量数据可供验证。CONDUIT 用于根据相关的军事操纵品质和控制系统规格分析基线控制律。在这两个案例研究中，CONDUIT 成功地利用了前向回路和反馈动力学之间的权衡，从而显著改善了预期的操纵品质并最大限度地降低了所需的执行器权限。CONDUIT 系统为集成控制系统分析和设计提供了一个新环境，并有可能显著减少控制系统飞行测试优化的时间和成本。