[论文解读] Feedback Linearization for Quadrotors UAV
本文提出了一种用于四旋翼无人机的反馈线性化（FL）方法，通过状态变换和非线性反馈将非线性动力学转化为线性输入-输出形式，将非线性项集中于指令层面。主要贡献是实现了无内部动态的完整输入-输出线性化，并通过与嵌入式模型控制（EMC）集成，实现对未知非线性项和扰动的估计与抑制，从而提升鲁棒性控制性能。
In the paper "Control Design for UAV Quadrotors via Embedded Model Control" [1], the authors designed a complete control unit for a UAV Quadrotor, based on the Embedded Model Control (EMC) methodology, in combination with the Feedback Linearization (FL); when applied to non-linear systems. Specifically, [1] proposes to use the FL as a novel way to design the internal model for the EMC state and disturbance predictor. To support the treatise in [1], in this report the feedback-linearized model of the UAV quadrotor leveraged in [1] is step-by-step derived.
研究动机与目标
- 解决高精度与鲁棒性控制非线性四旋翼动力学的挑战。
- 克服标准反馈线性化方法对非线性项知识完全准确的假设，该方法在模型不确定性下可能失效的问题。
- 通过选择合适的输出（包括偏航角 ψ），实现四旋翼无人机的完整输入-输出线性化。
- 将反馈线性化与嵌入式模型控制（EMC）集成，将非线性项视为未知扰动，实现实时估计与抑制。
- 通过定义一个域 D，确保解耦矩阵在倾斜角低于 π/2 时保持可逆，从而保证在剧烈机动中的适用性。
提出的方法
- 通过对命令仿射非线性系统应用反馈线性化，通过不断微分输出直至控制输入出现，实现输入-输出线性化。
- 基于输出的李导数构造状态变换 T(x)，形成新状态 z = [r, v, a, s, ψ, η]^T，表示级联积分器。
- 从系统动力学中推导解耦矩阵 E(x)；确保其在域 D = {x : ζ ≠ 0, |φ| < π/2, |θ| < π/2} 内可逆，以实现稳定线性化。
- 实施非线性反馈律 u = E⁻¹(v − b(x))，将系统转换为具有新指令 v 的线性形式。
- 当解耦矩阵不可逆时引入动态扩展，通过在指令中增加动态特性以恢复可逆性。
- 将最终模型重新表述为带有非线性项 h_r 和 h_ψ 集中于指令输入的线性系统，并将模型不确定性建模为扰动 d_r 和 d_ψ，从而支持基于EMC的扰动估计。
实验结果
研究问题
- RQ1反馈线性化能否成功应用于具有四个输入和三个输出的非方阵非线性四旋翼无人机模型？
- RQ2在何种条件下可实现四旋翼机的完整输入-输出线性化？如何避免内部动态？
- RQ3在反馈线性化控制系统中，如何有效处理模型不确定性与未建模非线性项？
- RQ4偏航角 ψ 作为附加输出在实现四旋翼机反馈线性化中起到什么作用？
- RQ5将反馈线性化与嵌入式模型控制（EMC）结合，如何提升对模型不准确性和扰动的鲁棒性？
主要发现
- 反馈线性化实现了总相对阶为14的完整输入-输出线性化，与系统阶数一致，从而消除了内部动态。
- 解耦矩阵 E(x) 在域 D 内非奇异，允许在倾斜角低于 π/2 时实现稳定线性化，支持剧烈机动。
- 通过变换成功将所有非线性项集中于指令层面，可通过非线性反馈实现其抵消。
- 最终模型 (18a)–(18f) 结构为级联积分器，非线性项 h_r 和 h_ψ 集中于指令输入，有利于扰动估计。
- 与EMC的集成使得非线性项和扰动能够实现实时估计与抑制，增强了鲁棒性，且无需依赖精确的模型知识。
- 该方法在执行器饱和和模型不确定性条件下仍具备实际可实施性，如受限域 D 所示，确保了解耦矩阵的可逆性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。