XiaoMi-AI文件搜索系统
World File Search System轨迹跟踪
用于灵活飞机轨迹跟踪和负载减轻的非线性增量控制
本文提出了一种用于柔性飞机同时进行轨迹跟踪和载荷减轻的非线性控制结构。通过利用控制冗余，在不降低刚体指令跟踪性能的情况下减轻了阵风和机动载荷。所提出的控制结构包含四个级联控制环路：位置控制、飞行路径控制、姿态控制和最优多目标机翼控制。由于位置运动学不受模型不确定性的影响，因此采用非线性动态逆控制。相反，飞行路径动力学受到模型不确定性和大气扰动的干扰；因此采用增量滑模控制。基于 Lyapunov 的分析表明，该方法可以同时降低模型依赖性和传统滑模控制方法的最小可能增益。此外，姿态动力学为严格反馈形式，因此采用增量反步滑模控制。此外，设计了一种新型负载参考生成器，以区分执行机动所需的负载和过载负载。负载参考由内环最优机翼控制器实现，而过载负载由襟翼自然化，而不会影响外环跟踪性能。通过空间冯·卡门湍流场中的轨迹跟踪任务和阵风负载缓解任务验证了所提出的控制架构的优点。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测的系统识别和 LQR 控制器设计
摘要：本文介绍了一种当并非所有状态都可用时，针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
通过设计第三种方法实现四轴飞行器的轨迹跟踪控制...
[1] L. Derafa、L. Fridman、A. Benallegue 和 A. Ouldali，“四旋翼直升机姿态跟踪问题的超扭转控制算法”，载于《可变结构系统 (VSS)》，2010 年第 11 届国际研讨会，2010 年，第 62-67 页。[在线]。可访问：http://ieeexplore.ieee.org /stamp/stamp.jsp?arnumber=5544726 [2] A. Rabhi、M. Chadli 和 C. Pegard，“四旋翼飞行器的鲁棒模糊控制稳定”，载于《先进机器人技术 (ICAR)》，2011 年第 15 届国际会议，2011 年，第471-475 页。[在线]。可访问：http://ieeexplore .ieee.org =6088629 / stamp/ stamp。JSP?ar 编号 [3] H. Khebbache、B. Sait、F. Yacef 和 Y. Soukkou，“在执行器故障情况下对四旋翼飞行器进行稳健稳定”，《国际信息技术、控制和自动化杂志》，第 2 卷，第 2 期。2，2012 年，第 1-13 页。[4] P. Johan From、J. Tommy Gravdahl、K. Ytterstad Pettersen，《车辆操纵器系统》，Verlag，伦敦：Springler，2014 年。[5] Atheer L. Salih、M. Moghavvemi、Haider A. F. Mohamed、Khalaf Sallom Gaeid，《四旋翼无人机的建模和 PID 控制器设计》，IEEE，2010 年。[6] D. Lee、H. Jin Kim 和 S. Sastry，“四旋翼直升机的反馈线性化与自适应滑模控制”，《国际控制自动化与系统杂志》，第 3 卷，第 1 期。7，页。页。419-428，2009 年。[7] O. Gherouat、D. Matouk、A. Hassam 和 F. Abdessemed，“四旋翼无人机的建模和滑模控制”，J.自动化与系统工程，卷。10，号。3，页。150-157，2016 年。[8] Abraham Villanueva、B. Castillo-Toledo 和 Eduardo Bayro-Corrochano，“四旋翼多模式飞行滑模控制系统”，2015 年国际无人机系统会议 (ICUAS)，美国科罗拉多州丹佛市，2015 年 6 月。[9] 易奎、顾锋、杨丽英、何玉清、韩建达，“四旋翼吊挂系统滑模控制”，第 36 届中国控制会议论文集，中国大连，2017 年 7 月 26-28 日。[10] A. Benallegue、A. Mokhtari 和 L. Fridman， “四旋翼无人机的反馈线性化和高阶滑模观测器”，《VariableStructure Systems》，2006 年。VSS’06。国际研讨会，2006 年，第365–372。5887–[在线]。可访问：http://ieee xplore.ieee.org/stamp/stamp.jsp?arnumber=1644545 [11] T. Madani 和 A. Benallegue，“四旋翼无人机的滑模观测器和反步控制”，美国控制会议，2007 年。ACC ’07，2007 年，第
风现象的建模及其对无人机轨迹跟踪性能的影响分析
本论文受版权和/或相关权利保护。它由西弗吉尼亚大学研究资料库在获得权利持有人许可的情况下提供给您。您可以自由地以适用于您的使用的版权和相关权利立法允许的任何方式使用本论文。对于其他用途，您必须直接获得权利持有人的许可，除非记录和/或作品本身中的 Creative Commons 许可证表明了其他权利。西弗吉尼亚大学研究资料库的授权管理员已接受本论文并将其纳入西弗吉尼亚大学研究生论文、学位论文和问题报告集合。有关更多信息，请联系 researchrepository@mail.wvu.edu。
飞机识别、轨迹跟踪和预测最终...
介绍了改进飞机识别和轨迹预测方法的技术。这项工作是对高级跟踪器的扩展，它使用平移和姿态数据来提高轨迹跟踪和预测的准确性。这项工作中的新扩展涉及基于曲率半径估计器的新跟踪算法的开发、在预测间隔期间使用基于回归的人工测量以及基于远程轨迹测量的被跟踪车辆的飞机识别技术的开发。该程序使用在训练飞行中获得的 F-14A、AV-8B 和 A6 飞机的实际位置和姿态轨迹数据进行评估。