【无人机】多旋翼无人机软着陆 matlab仿真-优快云博客

本文链接：https://blog.youkuaiyun.com/Matlab245/article/details/144777145

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥 内容介绍

多旋翼无人机（UAV）在抓取、操控和检测任务中，需要实现无冲击的软着陆。尤其在一次性着陆场景下，由于气动效应的影响，这一挑战更为突出。HYFLIERS项目中的一个关键任务便是让多旋翼UAV着陆于管架上进行检测，主要测量管道的厚度和腐蚀程度。管架的存在会由于螺旋桨在着陆阶段产生的诱导气流而产生未知扰动，这给系统建模带来了显著的困难。

本文针对这一问题，对多旋翼UAV在两种着陆场景下的建模进行了研究：地面着陆和管架着陆。地面效应的建模相对直接，然而管架着陆则引入了更大的系统模型不确定性。气动扰动的来源可能包括外部风力，以及UAV螺旋桨在靠近地面或管道时产生的诱导气流。本文提出了一种考虑地面效应的多旋翼一次性软着陆解决方案。首先，计算旋翼在近地面环境下产生的诱导风场，并建立近地面风场反射模型。然后，将该风场模型整合到多旋翼动力学模型中，并考虑地面反射风的影响。由于UAV下方气流干扰及其行为的不确定性，模型中存在固有不确定性，因此本文选择鲁棒非线性控制策略来控制系统。滑模控制器的修正增益基于稳态推力确定，该推力值可作为不确定性上限。仿真结果成功地展示了该软着陆方法在考虑地面效应情况下的优势，着陆过程中，最终输入推力在靠近管架时平滑下降，有效补偿了地面效应推力。

接下来，我们将对上述内容进行更详细的阐述。

一、问题描述及建模

多旋翼UAV在执行管架检测任务时，面临着一次性精准着陆的挑战。着陆过程中，螺旋桨产生的下洗气流会与地面或管架发生复杂的相互作用，产生显著的地面效应。这种地面效应会改变气动力学特性，增加系统的不确定性，进而影响着陆的平稳性和精度。精确建模这种地面效应是实现软着陆的关键。

传统的基于地面效应的模型通常假设地面为平坦且刚性的。然而，在管架着陆场景中，管架的几何结构复杂，使得气流的干扰和反射变得难以预测。因此，精确建模管架对气流的影响成为一个具有挑战性的课题。本文采用分步建模的策略。首先，针对平坦地面，建立了相对简单的地面效应模型，考虑了近地面诱导风场的反射。该模型基于动量理论和镜像法，计算下洗气流在地面的反射，并将其与外部风场叠加，得到UAV所受的总气动力。

对于管架着陆场景，由于管架结构的复杂性，精确模拟气流在管架间的干扰和反射变得极其困难。因此，本文采用了一种更具鲁棒性的方法：将管架的影响视为系统模型中的不确定性因素。这种不确定性主要体现在：

管架几何形状的不确定性: 管架的具体尺寸和形状可能存在偏差，导致气流干扰难以精确预测。
气流干扰的不确定性: 螺旋桨诱导气流与管架的相互作用非常复杂，其结果难以通过简单的模型进行精确预测。

二、鲁棒非线性控制策略

由于模型中存在不确定性，传统的线性控制方法难以保证系统的稳定性和鲁棒性。因此，本文采用滑模控制方法，该方法对模型不确定性和外部扰动具有较强的鲁棒性。

滑模控制器的设计基于系统模型和不确定性上限的估计。稳态推力被选择作为不确定性上限，这源于其代表了系统所能承受的最大推力变化。通过选择合适的滑模面和控制律，可以保证系统状态收敛到期望的着陆状态，并实现平滑的软着陆。修正增益的选取则需要仔细考虑系统动态特性以及不确定性范围，以确保系统的稳定性和性能。

三、仿真结果与分析

本文进行了详细的仿真实验，验证了所提出方法的有效性。仿真结果显示，在考虑地面效应的情况下，所设计的滑模控制器能够有效地补偿地面效应推力，使多旋翼UAV实现平滑的软着陆。最终输入推力在靠近管架时平滑下降，避免了因地面效应引起的冲击。这证明了该方法在实际应用中的可行性。

四、结论与未来工作

本文提出了一种基于鲁棒非线性控制的多旋翼UAV一次性软着陆方法，该方法有效地考虑了地面效应的影响。仿真结果验证了该方法的有效性和鲁棒性。未来工作将集中于：

更精确的地面效应模型: 针对管架等复杂场景，开发更精确的气动模型，减少模型不确定性。这可能需要结合CFD模拟和实验验证。
自适应控制策略: 研究自适应控制策略，以进一步提高系统的鲁棒性和适应性，应对更复杂的着陆环境。
实验验证: 将所提出的方法应用于实际的实验平台进行验证，验证其在实际环境中的有效性。

总之，本文的研究为多旋翼UAV在复杂环境下的精准着陆提供了新的思路和方法，为其在实际应用中的推广奠定了基础。未来的研究将致力于提高模型精度和控制策略的鲁棒性，以满足更苛刻的实际应用需求。

📣 部分代码

N=999;

Nt=tf/N;

t=0:tf/N:tf;

% Final condition----------------------------------------------------------

kesi_1_des=[0;0;0];

dkesi_1_des=[0;0;0];

dkesi_2_des=[0;0;0];

psi_des=0;

% Control parameters-------------------------------------------------------

lambdat=0.2*eye(3);

lambdao=0.5*eye(3);

KSMCo=0.1*eye(3);

etat=[1;1;1];

c1=1.1;

⛳️ 运行结果

🔗 参考文献

S. R. Nekoo, J. A. Acosta, G. Heredia and A. Ollero, "Soft-Landing of Multi-Rotor Drones using a Robust Nonlinear Control and Wind Modeling," 2021 International Conference on Unmanned Aircraft Systems (ICUAS), Athens, Greece, June, pp. 1070-1079.