基于在線估計(jì)的多旋翼無(wú)人機(jī)抗擾動(dòng)方法：理論、實(shí)踐與創(chuàng)新一、引言1.1研究背景與意義多旋翼無(wú)人機(jī)憑借其垂直起降、懸停穩(wěn)定、操作靈活等顯著優(yōu)勢(shì)，在當(dāng)今社會(huì)的眾多領(lǐng)域中得到了廣泛應(yīng)用。在農(nóng)業(yè)領(lǐng)域，多旋翼無(wú)人機(jī)可用于農(nóng)作物的病蟲(chóng)害監(jiān)測(cè)、農(nóng)藥噴灑以及農(nóng)田測(cè)繪等工作，能夠大幅提高農(nóng)業(yè)生產(chǎn)的效率和精準(zhǔn)度。通過(guò)搭載高分辨率的攝像頭和專業(yè)的農(nóng)業(yè)監(jiān)測(cè)設(shè)備，無(wú)人機(jī)可以快速掃描大片農(nóng)田，及時(shí)發(fā)現(xiàn)農(nóng)作物的生長(zhǎng)異常，為農(nóng)民提供準(zhǔn)確的決策依據(jù)，助力精準(zhǔn)農(nóng)業(yè)的發(fā)展。在物流配送行業(yè)，多旋翼無(wú)人機(jī)能夠?qū)崿F(xiàn)小包裹的快速投遞，特別是在一些交通不便或偏遠(yuǎn)地區(qū)，無(wú)人機(jī)配送可以突破地理限制，提高配送效率，降低物流成本，為用戶提供更加便捷的服務(wù)。在應(yīng)急救援領(lǐng)域，多旋翼無(wú)人機(jī)更是發(fā)揮著不可替代的作用。在地震、火災(zāi)、洪水等自然災(zāi)害發(fā)生時(shí)，無(wú)人機(jī)可以迅速抵達(dá)現(xiàn)場(chǎng)，進(jìn)行災(zāi)情偵察、物資運(yùn)輸以及人員搜索等任務(wù)。它們能夠在復(fù)雜的環(huán)境中飛行，為救援人員提供實(shí)時(shí)的現(xiàn)場(chǎng)信息，幫助制定救援方案，極大地提高了救援工作的效率和成功率。盡管多旋翼無(wú)人機(jī)在各個(gè)領(lǐng)域展現(xiàn)出了巨大的潛力和應(yīng)用價(jià)值，但在實(shí)際飛行過(guò)程中，它會(huì)不可避免地受到各種擾動(dòng)的影響。從外部環(huán)境來(lái)看，風(fēng)力是最為常見(jiàn)且影響較大的擾動(dòng)因素之一。自然風(fēng)的大小和方向具有不確定性，當(dāng)無(wú)人機(jī)在飛行中遭遇強(qiáng)風(fēng)時(shí)，風(fēng)力會(huì)對(duì)其產(chǎn)生額外的作用力和力矩，導(dǎo)致無(wú)人機(jī)的姿態(tài)發(fā)生改變，偏離預(yù)定的飛行軌跡。例如，在山區(qū)等風(fēng)力復(fù)雜多變的區(qū)域執(zhí)行任務(wù)時(shí)，無(wú)人機(jī)可能會(huì)受到突然出現(xiàn)的強(qiáng)風(fēng)切變影響，瞬間失去平衡，面臨墜毀的危險(xiǎn)。此外，氣流擾動(dòng)也不容忽視。在大氣邊界層中，存在著各種不規(guī)則的氣流，如熱氣流、湍流等，這些氣流會(huì)使無(wú)人機(jī)的飛行狀態(tài)變得不穩(wěn)定，增加飛行控制的難度。從無(wú)人機(jī)自身內(nèi)部因素而言，電機(jī)的力矩波動(dòng)會(huì)導(dǎo)致無(wú)人機(jī)動(dòng)力輸出的不穩(wěn)定。由于電機(jī)制造工藝的差異以及運(yùn)行過(guò)程中的磨損，電機(jī)在轉(zhuǎn)動(dòng)時(shí)產(chǎn)生的力矩并非完全恒定，這種力矩波動(dòng)會(huì)傳遞到無(wú)人機(jī)的螺旋槳上，進(jìn)而影響無(wú)人機(jī)的飛行穩(wěn)定性。同時(shí)，負(fù)載擾動(dòng)也是一個(gè)重要問(wèn)題。當(dāng)無(wú)人機(jī)搭載不同重量或形狀的負(fù)載時(shí)，負(fù)載的分布和重心變化會(huì)對(duì)無(wú)人機(jī)的動(dòng)力學(xué)特性產(chǎn)生影響，導(dǎo)致飛行過(guò)程中出現(xiàn)晃動(dòng)或姿態(tài)失控的情況。這些擾動(dòng)的存在嚴(yán)重威脅著多旋翼無(wú)人機(jī)飛行的安全性和穩(wěn)定性。一旦無(wú)人機(jī)在飛行中受到較大擾動(dòng)而失去控制，不僅會(huì)導(dǎo)致任務(wù)失敗，造成經(jīng)濟(jì)損失，還可能對(duì)地面人員和財(cái)產(chǎn)安全構(gòu)成嚴(yán)重威脅。例如，在城市中進(jìn)行航拍或物流配送的無(wú)人機(jī)，如果受到擾動(dòng)失控墜落，可能會(huì)砸傷行人或損壞建筑物。為了確保多旋翼無(wú)人機(jī)能夠在復(fù)雜多變的環(huán)境中安全、穩(wěn)定地飛行，充分發(fā)揮其在各個(gè)領(lǐng)域的應(yīng)用價(jià)值，深入研究抗擾動(dòng)方法具有至關(guān)重要的現(xiàn)實(shí)意義。通過(guò)有效的抗擾動(dòng)方法，可以提高無(wú)人機(jī)對(duì)各種擾動(dòng)的抵抗能力，使其在面對(duì)外界干擾時(shí)能夠迅速調(diào)整姿態(tài)和飛行軌跡，保持穩(wěn)定的飛行狀態(tài)。這不僅有助于提升無(wú)人機(jī)在現(xiàn)有應(yīng)用場(chǎng)景中的工作效率和可靠性，還能夠拓展其在更復(fù)雜、惡劣環(huán)境下的應(yīng)用范圍，如在極端天氣條件下的應(yīng)急救援、在高海拔地區(qū)的資源勘探等，為無(wú)人機(jī)技術(shù)的進(jìn)一步發(fā)展和廣泛應(yīng)用奠定堅(jiān)實(shí)的基礎(chǔ)。1.2國(guó)內(nèi)外研究現(xiàn)狀多旋翼無(wú)人機(jī)抗擾動(dòng)技術(shù)的研究一直是無(wú)人機(jī)領(lǐng)域的重要課題，國(guó)內(nèi)外眾多學(xué)者和研究機(jī)構(gòu)在此方面投入了大量精力，取得了一系列具有重要價(jià)值的成果。在經(jīng)典控制方法方面，PID控制憑借其原理簡(jiǎn)單、易于實(shí)現(xiàn)的特點(diǎn)，在多旋翼無(wú)人機(jī)發(fā)展初期得到了廣泛應(yīng)用。PID控制通過(guò)對(duì)偏差的比例（P）、積分（I）和微分（D）進(jìn)行運(yùn)算，輸出控制量來(lái)調(diào)節(jié)無(wú)人機(jī)的姿態(tài)和位置。例如，在一些簡(jiǎn)單的無(wú)人機(jī)飛行場(chǎng)景中，通過(guò)合理調(diào)整PID參數(shù)，可以使無(wú)人機(jī)保持相對(duì)穩(wěn)定的飛行狀態(tài)。然而，PID控制存在明顯的局限性。由于多旋翼無(wú)人機(jī)具有強(qiáng)非線性、強(qiáng)耦合以及參數(shù)時(shí)變的特性，PID控制在面對(duì)復(fù)雜多變的飛行環(huán)境和不確定性因素時(shí)，難以精確地對(duì)無(wú)人機(jī)進(jìn)行控制。當(dāng)無(wú)人機(jī)遭遇較大的外界擾動(dòng)，如強(qiáng)風(fēng)或氣流突變時(shí)，PID控制的響應(yīng)速度較慢，無(wú)法及時(shí)有效地抑制擾動(dòng)，導(dǎo)致無(wú)人機(jī)的飛行姿態(tài)和軌跡出現(xiàn)較大偏差。而且，PID控制需要針對(duì)不同的飛行工況進(jìn)行繁瑣的參數(shù)整定，這在實(shí)際應(yīng)用中具有一定的難度和局限性。隨著控制理論的不斷發(fā)展，現(xiàn)代控制方法逐漸被引入到多旋翼無(wú)人機(jī)抗擾動(dòng)控制研究中。自適應(yīng)控制算法能夠根據(jù)無(wú)人機(jī)的實(shí)時(shí)運(yùn)行狀態(tài)和環(huán)境變化自動(dòng)調(diào)整控制參數(shù)，以適應(yīng)系統(tǒng)的不確定性。在面對(duì)風(fēng)擾等外部環(huán)境變化時(shí)，自適應(yīng)控制可以通過(guò)在線辨識(shí)系統(tǒng)參數(shù)，實(shí)時(shí)調(diào)整控制器的參數(shù)，從而使無(wú)人機(jī)保持穩(wěn)定的飛行狀態(tài)。但自適應(yīng)控制對(duì)系統(tǒng)模型的精確性要求較高，若模型存在較大誤差，或者在復(fù)雜環(huán)境下系統(tǒng)參數(shù)變化過(guò)快，自適應(yīng)控制的性能會(huì)受到顯著影響?；？刂谱鳛橐环N非線性控制方法，具有對(duì)系統(tǒng)參數(shù)變化和外部擾動(dòng)不敏感的優(yōu)點(diǎn)，能夠在有限時(shí)間內(nèi)使系統(tǒng)狀態(tài)到達(dá)滑模面，并沿著滑模面運(yùn)動(dòng)。在多旋翼無(wú)人機(jī)抗擾動(dòng)控制中，滑?？刂瓶梢钥焖夙憫?yīng)外界擾動(dòng)，通過(guò)設(shè)計(jì)合適的滑模面和控制律，能夠有效地抑制擾動(dòng)對(duì)無(wú)人機(jī)飛行的影響。然而，滑?？刂埔泊嬖诙墩駟?wèn)題，抖振會(huì)消耗系統(tǒng)能量，影響系統(tǒng)的控制精度和穩(wěn)定性，甚至可能導(dǎo)致系統(tǒng)的損壞。為了解決抖振問(wèn)題，學(xué)者們提出了各種改進(jìn)的滑?？刂品椒?，如邊界層法、自適應(yīng)滑?？刂频龋@些方法在一定程度上又增加了控制算法的復(fù)雜性。近年來(lái)，基于在線估計(jì)的抗擾動(dòng)方法成為研究熱點(diǎn)。這類方法通過(guò)實(shí)時(shí)估計(jì)無(wú)人機(jī)所受到的擾動(dòng)，然后在控制器中對(duì)擾動(dòng)進(jìn)行補(bǔ)償，從而提高無(wú)人機(jī)的抗擾動(dòng)能力。擴(kuò)展?fàn)顟B(tài)觀測(cè)器（ESO）是一種常用的擾動(dòng)估計(jì)方法，它能夠?qū)⑾到y(tǒng)的未知擾動(dòng)擴(kuò)展為新的狀態(tài)變量，并進(jìn)行實(shí)時(shí)估計(jì)。在多旋翼無(wú)人機(jī)控制中，ESO可以快速準(zhǔn)確地估計(jì)出風(fēng)擾、負(fù)載擾動(dòng)等外部擾動(dòng)，為控制器提供有效的擾動(dòng)信息?；贓SO的自抗擾控制（ADRC）在多旋翼無(wú)人機(jī)抗擾動(dòng)控制中取得了較好的應(yīng)用效果，通過(guò)將估計(jì)出的擾動(dòng)進(jìn)行補(bǔ)償，ADRC能夠顯著提高無(wú)人機(jī)在復(fù)雜環(huán)境下的穩(wěn)定性和抗擾動(dòng)能力。但ESO在估計(jì)高階擾動(dòng)或復(fù)雜動(dòng)態(tài)擾動(dòng)時(shí)，可能會(huì)出現(xiàn)估計(jì)精度下降的問(wèn)題，影響抗擾動(dòng)效果。此外，數(shù)據(jù)驅(qū)動(dòng)的方法也逐漸應(yīng)用于無(wú)人機(jī)擾動(dòng)估計(jì)。通過(guò)收集大量的飛行數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行分析和處理，建立擾動(dòng)估計(jì)模型。一種基于數(shù)據(jù)驅(qū)動(dòng)的無(wú)人機(jī)風(fēng)擾模型在線風(fēng)擾估計(jì)方法，能夠在不依賴復(fù)雜風(fēng)擾機(jī)理模型的前提下，根據(jù)預(yù)先收集的飛行記錄數(shù)據(jù)，采用數(shù)據(jù)驅(qū)動(dòng)的方式訓(xùn)練，利用最小二乘算法，在線對(duì)神經(jīng)網(wǎng)絡(luò)特征量進(jìn)行線性組合，以實(shí)現(xiàn)對(duì)風(fēng)擾量的實(shí)時(shí)估計(jì)。這種方法能夠充分利用數(shù)據(jù)中的信息，對(duì)復(fù)雜的擾動(dòng)模式具有更好的適應(yīng)性，但需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，且模型的泛化能力有待進(jìn)一步提高。在實(shí)際應(yīng)用中，不同的飛行環(huán)境和任務(wù)需求對(duì)擾動(dòng)估計(jì)的精度和實(shí)時(shí)性要求不同，現(xiàn)有的基于在線估計(jì)的抗擾動(dòng)方法在面對(duì)多樣化的應(yīng)用場(chǎng)景時(shí)，還存在一定的局限性，需要進(jìn)一步的研究和改進(jìn)。1.3研究目標(biāo)與內(nèi)容本研究旨在基于在線估計(jì)技術(shù)，提出一種高效的多旋翼無(wú)人機(jī)抗擾動(dòng)方法，顯著提高無(wú)人機(jī)在復(fù)雜環(huán)境下飛行的穩(wěn)定性和可靠性，確保其能夠準(zhǔn)確地跟蹤預(yù)定軌跡，有效完成各類任務(wù)。具體而言，通過(guò)對(duì)多旋翼無(wú)人機(jī)動(dòng)力學(xué)模型的深入分析，結(jié)合先進(jìn)的在線估計(jì)算法，實(shí)現(xiàn)對(duì)各種擾動(dòng)的實(shí)時(shí)精確估計(jì)，并在此基礎(chǔ)上設(shè)計(jì)出針對(duì)性強(qiáng)、魯棒性高的抗擾動(dòng)控制策略，以克服現(xiàn)有方法在抗擾動(dòng)能力、適應(yīng)性和計(jì)算效率等方面的不足。為實(shí)現(xiàn)上述目標(biāo)，本研究將圍繞以下幾個(gè)方面展開(kāi)：多旋翼無(wú)人機(jī)動(dòng)力學(xué)模型研究：運(yùn)用牛頓-歐拉方法，綜合考慮無(wú)人機(jī)的剛體動(dòng)力學(xué)特性、旋轉(zhuǎn)矩陣以及推力與扭矩方程等因素，建立精確的多旋翼無(wú)人機(jī)動(dòng)力學(xué)模型。充分考慮電機(jī)的動(dòng)態(tài)特性、螺旋槳的空氣動(dòng)力學(xué)特性以及機(jī)身的慣性特性等，確保模型能夠準(zhǔn)確反映無(wú)人機(jī)在各種飛行狀態(tài)下的動(dòng)力學(xué)行為。同時(shí)，對(duì)模型進(jìn)行線性化處理和參數(shù)辨識(shí)，為后續(xù)的控制算法設(shè)計(jì)提供可靠的基礎(chǔ)。擾動(dòng)類型及特性分析：系統(tǒng)地研究多旋翼無(wú)人機(jī)在實(shí)際飛行中可能遇到的各種擾動(dòng)，包括風(fēng)力、氣流擾動(dòng)、電機(jī)力矩波動(dòng)、負(fù)載擾動(dòng)等。深入分析每種擾動(dòng)的產(chǎn)生機(jī)制、變化規(guī)律以及對(duì)無(wú)人機(jī)飛行性能的影響程度。通過(guò)理論分析、數(shù)值模擬和實(shí)驗(yàn)測(cè)試等手段，獲取擾動(dòng)的特性參數(shù)，如擾動(dòng)的幅值、頻率、相位等，為擾動(dòng)估計(jì)和抗擾動(dòng)控制提供重要依據(jù)。在線估計(jì)技術(shù)研究：探索適用于多旋翼無(wú)人機(jī)擾動(dòng)估計(jì)的在線估計(jì)方法，如擴(kuò)展?fàn)顟B(tài)觀測(cè)器（ESO）、卡爾曼濾波器及其改進(jìn)算法等。對(duì)這些方法的原理、性能和適用范圍進(jìn)行深入研究，分析它們?cè)谔幚聿煌愋蛿_動(dòng)時(shí)的優(yōu)勢(shì)和局限性。結(jié)合多旋翼無(wú)人機(jī)的動(dòng)力學(xué)特性和擾動(dòng)特點(diǎn)，對(duì)現(xiàn)有在線估計(jì)方法進(jìn)行改進(jìn)和優(yōu)化，提高擾動(dòng)估計(jì)的精度和實(shí)時(shí)性。針對(duì)ESO在估計(jì)高階擾動(dòng)時(shí)精度下降的問(wèn)題，提出一種基于自適應(yīng)參數(shù)調(diào)整的ESO改進(jìn)方法，根據(jù)擾動(dòng)的復(fù)雜程度實(shí)時(shí)調(diào)整觀測(cè)器的參數(shù)，以提高估計(jì)精度?？箶_動(dòng)控制策略設(shè)計(jì)：基于在線估計(jì)得到的擾動(dòng)信息，設(shè)計(jì)有效的抗擾動(dòng)控制策略。將擾動(dòng)補(bǔ)償思想融入到傳統(tǒng)的控制算法中，如PID控制、滑?？刂频?，形成具有抗擾動(dòng)能力的復(fù)合控制算法。通過(guò)理論分析和仿真驗(yàn)證，確定控制算法的參數(shù)和結(jié)構(gòu)，確保其能夠快速、準(zhǔn)確地抵消擾動(dòng)的影響，使無(wú)人機(jī)保持穩(wěn)定的飛行狀態(tài)。針對(duì)滑模控制的抖振問(wèn)題，提出一種基于邊界層和自適應(yīng)趨近律的滑?？箶_動(dòng)控制方法，在邊界層內(nèi)采用自適應(yīng)趨近律，根據(jù)系統(tǒng)狀態(tài)和擾動(dòng)情況實(shí)時(shí)調(diào)整趨近速度，在有效抑制抖振的同時(shí)，保證系統(tǒng)的快速響應(yīng)和抗擾動(dòng)性能。實(shí)驗(yàn)驗(yàn)證與分析：搭建多旋翼無(wú)人機(jī)實(shí)驗(yàn)平臺(tái)，進(jìn)行一系列的實(shí)驗(yàn)驗(yàn)證。在不同的飛行環(huán)境和任務(wù)場(chǎng)景下，對(duì)所提出的抗擾動(dòng)方法進(jìn)行實(shí)際飛行測(cè)試，采集無(wú)人機(jī)的飛行數(shù)據(jù)，包括姿態(tài)、位置、速度等信息。通過(guò)對(duì)實(shí)驗(yàn)數(shù)據(jù)的分析，評(píng)估抗擾動(dòng)方法的性能，驗(yàn)證其在提高無(wú)人機(jī)穩(wěn)定性、抗擾動(dòng)能力和軌跡跟蹤精度方面的有效性。同時(shí)，與現(xiàn)有抗擾動(dòng)方法進(jìn)行對(duì)比實(shí)驗(yàn)，分析本研究方法的優(yōu)勢(shì)和不足之處，為進(jìn)一步改進(jìn)和完善提供依據(jù)。1.4研究方法與技術(shù)路線本研究綜合運(yùn)用理論分析、建模仿真和實(shí)驗(yàn)驗(yàn)證等多種研究方法，確保研究的科學(xué)性、可靠性和有效性。理論分析方面，深入剖析多旋翼無(wú)人機(jī)的動(dòng)力學(xué)原理，運(yùn)用牛頓-歐拉方程等力學(xué)理論，結(jié)合無(wú)人機(jī)的結(jié)構(gòu)特點(diǎn)和飛行特性，建立精確的動(dòng)力學(xué)模型。對(duì)無(wú)人機(jī)在飛行過(guò)程中所受的各種力和力矩進(jìn)行詳細(xì)分析，推導(dǎo)其運(yùn)動(dòng)方程，為后續(xù)的控制算法設(shè)計(jì)和擾動(dòng)估計(jì)提供堅(jiān)實(shí)的理論基礎(chǔ)。同時(shí)，對(duì)不同的在線估計(jì)方法和抗擾動(dòng)控制策略進(jìn)行理論研究，分析其優(yōu)缺點(diǎn)和適用條件，為方法的選擇和改進(jìn)提供理論依據(jù)。建模仿真方面，利用Matlab、Simulink等專業(yè)軟件搭建多旋翼無(wú)人機(jī)的仿真模型。在模型中，精確模擬無(wú)人機(jī)的動(dòng)力學(xué)特性、傳感器噪聲以及各種實(shí)際飛行中的擾動(dòng)因素。通過(guò)仿真實(shí)驗(yàn)，對(duì)不同的控制算法和擾動(dòng)估計(jì)方法進(jìn)行性能測(cè)試和分析，快速驗(yàn)證算法的可行性和有效性，對(duì)比不同方法的優(yōu)劣，為算法的優(yōu)化和改進(jìn)提供數(shù)據(jù)支持。在研究基于ESO的抗擾動(dòng)控制算法時(shí)，通過(guò)Simulink仿真，對(duì)比傳統(tǒng)ESO和改進(jìn)后的ESO在估計(jì)擾動(dòng)時(shí)的精度和抗擾動(dòng)效果，直觀地展示改進(jìn)算法的優(yōu)勢(shì)。實(shí)驗(yàn)驗(yàn)證方面，搭建多旋翼無(wú)人機(jī)實(shí)驗(yàn)平臺(tái)，選用性能可靠的無(wú)人機(jī)硬件設(shè)備，包括飛控系統(tǒng)、電機(jī)、螺旋槳等，并配備高精度的傳感器，如陀螺儀、加速度計(jì)、磁力計(jì)等，用于采集無(wú)人機(jī)的飛行數(shù)據(jù)。在不同的環(huán)境條件下進(jìn)行實(shí)際飛行實(shí)驗(yàn)，如室內(nèi)無(wú)風(fēng)環(huán)境、室外有風(fēng)環(huán)境以及存在復(fù)雜氣流的環(huán)境等，對(duì)所提出的抗擾動(dòng)方法進(jìn)行全面的測(cè)試和驗(yàn)證。通過(guò)實(shí)驗(yàn)數(shù)據(jù)的分析，評(píng)估抗擾動(dòng)方法在實(shí)際應(yīng)用中的性能表現(xiàn)，進(jìn)一步優(yōu)化和完善算法。本研究的技術(shù)路線如圖1所示，首先開(kāi)展多旋翼無(wú)人機(jī)動(dòng)力學(xué)模型的研究工作，運(yùn)用牛頓-歐拉方法建立精確的動(dòng)力學(xué)模型，并對(duì)其進(jìn)行線性化處理和參數(shù)辨識(shí)，為后續(xù)研究提供基礎(chǔ)。接著，深入分析多旋翼無(wú)人機(jī)在實(shí)際飛行中可能遇到的各種擾動(dòng)類型及其特性，通過(guò)理論分析、數(shù)值模擬和實(shí)驗(yàn)測(cè)試等手段獲取擾動(dòng)特性參數(shù)?；趯?duì)擾動(dòng)的認(rèn)識(shí)，研究適用于多旋翼無(wú)人機(jī)擾動(dòng)估計(jì)的在線估計(jì)技術(shù)，選擇并改進(jìn)如擴(kuò)展?fàn)顟B(tài)觀測(cè)器（ESO）、卡爾曼濾波器等方法，提高擾動(dòng)估計(jì)的精度和實(shí)時(shí)性。根據(jù)在線估計(jì)得到的擾動(dòng)信息，設(shè)計(jì)有效的抗擾動(dòng)控制策略，將擾動(dòng)補(bǔ)償思想融入傳統(tǒng)控制算法中，形成復(fù)合控制算法，并通過(guò)理論分析和仿真驗(yàn)證確定算法參數(shù)和結(jié)構(gòu)。搭建多旋翼無(wú)人機(jī)實(shí)驗(yàn)平臺(tái)，在不同環(huán)境和任務(wù)場(chǎng)景下進(jìn)行實(shí)驗(yàn)驗(yàn)證，對(duì)所提出的抗擾動(dòng)方法進(jìn)行實(shí)際飛行測(cè)試，通過(guò)分析實(shí)驗(yàn)數(shù)據(jù)評(píng)估其性能，與現(xiàn)有方法進(jìn)行對(duì)比，總結(jié)優(yōu)勢(shì)與不足，為進(jìn)一步改進(jìn)提供依據(jù)。[此處插入技術(shù)路線圖]圖1技術(shù)路線圖二、多旋翼無(wú)人機(jī)的動(dòng)力學(xué)模型與擾動(dòng)分析2.1多旋翼無(wú)人機(jī)的結(jié)構(gòu)與工作原理多旋翼無(wú)人機(jī)主要由旋翼布局、動(dòng)力系統(tǒng)、控制系統(tǒng)等關(guān)鍵部分構(gòu)成，各部分相互協(xié)作，共同實(shí)現(xiàn)無(wú)人機(jī)的穩(wěn)定飛行與精確控制。旋翼布局是多旋翼無(wú)人機(jī)的顯著特征，常見(jiàn)的布局形式包括四旋翼、六旋翼和八旋翼等。以四旋翼無(wú)人機(jī)為例，其四個(gè)旋翼通常呈“X”型或“十”字型分布于機(jī)身的四個(gè)機(jī)臂末端。這種布局方式使得無(wú)人機(jī)在飛行過(guò)程中能夠通過(guò)調(diào)節(jié)不同旋翼的轉(zhuǎn)速，產(chǎn)生不同方向的力和力矩，從而實(shí)現(xiàn)靈活的飛行控制。在四旋翼無(wú)人機(jī)中，當(dāng)需要進(jìn)行橫滾運(yùn)動(dòng)時(shí)，可通過(guò)增大一側(cè)兩個(gè)旋翼的轉(zhuǎn)速，同時(shí)減小另一側(cè)兩個(gè)旋翼的轉(zhuǎn)速，使機(jī)身兩側(cè)產(chǎn)生升力差，進(jìn)而實(shí)現(xiàn)繞x軸的橫滾轉(zhuǎn)動(dòng)。不同的旋翼布局在飛行性能和應(yīng)用場(chǎng)景上各有優(yōu)劣。四旋翼無(wú)人機(jī)結(jié)構(gòu)相對(duì)簡(jiǎn)單，成本較低，具有較好的機(jī)動(dòng)性，適合在空間有限的環(huán)境中執(zhí)行任務(wù)，如室內(nèi)拍攝、小型區(qū)域的巡檢等；六旋翼和八旋翼無(wú)人機(jī)由于旋翼數(shù)量較多，動(dòng)力冗余較大，在飛行穩(wěn)定性方面表現(xiàn)更為出色，能夠搭載更重的負(fù)載，常用于需要長(zhǎng)時(shí)間穩(wěn)定飛行或?qū)ω?fù)載能力要求較高的任務(wù)，如大型測(cè)繪、物流配送等。動(dòng)力系統(tǒng)是多旋翼無(wú)人機(jī)飛行的動(dòng)力來(lái)源，主要包括電機(jī)、電調(diào)、螺旋槳和電池。無(wú)刷直流電機(jī)因其具有效率高、噪音低、壽命長(zhǎng)等優(yōu)點(diǎn)，被廣泛應(yīng)用于多旋翼無(wú)人機(jī)中。電機(jī)的關(guān)鍵參數(shù)KV值，即每升高1V電壓，電機(jī)增加的轉(zhuǎn)速值，對(duì)無(wú)人機(jī)的飛行性能有著重要影響。一般來(lái)說(shuō)，大軸距的無(wú)人機(jī)需要配備低KV值、大尺寸的螺旋槳，以產(chǎn)生較高的拉力，滿足其對(duì)動(dòng)力的需求；而小軸距的無(wú)人機(jī)則適合搭配高KV值、小尺寸的螺旋槳，以便實(shí)現(xiàn)更精細(xì)的速度調(diào)節(jié)。電子調(diào)速器（電調(diào)）負(fù)責(zé)接收飛控系統(tǒng)發(fā)出的PWM信號(hào)，通過(guò)調(diào)節(jié)電機(jī)的輸入電壓和電流，精確控制電機(jī)的轉(zhuǎn)速。電調(diào)還具備多種保護(hù)功能，如啟動(dòng)保護(hù)、溫度保護(hù)、過(guò)負(fù)荷保護(hù)等，能夠有效保障動(dòng)力系統(tǒng)的安全穩(wěn)定運(yùn)行。螺旋槳是將電機(jī)的旋轉(zhuǎn)機(jī)械能轉(zhuǎn)化為空氣動(dòng)力的關(guān)鍵部件，其材質(zhì)和結(jié)構(gòu)對(duì)無(wú)人機(jī)的飛行效率和穩(wěn)定性起著重要作用。常見(jiàn)的螺旋槳材質(zhì)有碳纖維、木槳和注塑槳等。碳纖維螺旋槳具有優(yōu)異的硬度和合適的槳型，效率較高，但價(jià)格相對(duì)昂貴；木槳通常由櫸木制成，硬度高、重量輕，經(jīng)過(guò)特殊處理后不怕受潮，在早期航空領(lǐng)域應(yīng)用廣泛；注塑槳?jiǎng)t因其價(jià)格親民，成為一般使用者的常見(jiàn)選擇。電池為整個(gè)動(dòng)力系統(tǒng)和其他電子設(shè)備提供電力支持，鋰聚合物電池憑借其性能高、體積小、質(zhì)量輕、容量大、散熱快等優(yōu)點(diǎn)，在無(wú)人機(jī)領(lǐng)域得到了廣泛應(yīng)用?？刂葡到y(tǒng)是多旋翼無(wú)人機(jī)的“大腦”，負(fù)責(zé)實(shí)現(xiàn)飛行姿態(tài)的穩(wěn)定控制和任務(wù)的精確執(zhí)行。它主要由飛行控制器、傳感器和遙控器組成。飛行控制器集成了多種高精度的感應(yīng)元件，如陀螺儀、加速度計(jì)、角速度計(jì)、氣壓計(jì)、GPS及指南針模塊（可選配）等，以及核心控制電路。通過(guò)高效的控制算法，飛行控制器能夠?qū)崟r(shí)精準(zhǔn)地感知并計(jì)算出無(wú)人機(jī)的飛行姿態(tài)、速度、位置等關(guān)鍵數(shù)據(jù)，并根據(jù)這些數(shù)據(jù)向電調(diào)發(fā)送控制信號(hào)，實(shí)現(xiàn)對(duì)電機(jī)轉(zhuǎn)速的精確控制，從而確保無(wú)人機(jī)的穩(wěn)定飛行。傳感器在控制系統(tǒng)中扮演著至關(guān)重要的角色，它們?yōu)轱w行控制器提供了豐富的實(shí)時(shí)信息。陀螺儀主要用于測(cè)量無(wú)人機(jī)的角速度，通過(guò)對(duì)角速度的積分，可以得到無(wú)人機(jī)的姿態(tài)角度，從而實(shí)現(xiàn)對(duì)姿態(tài)的精確控制。加速度計(jì)則用于測(cè)量無(wú)人機(jī)在三個(gè)坐標(biāo)軸方向上的加速度，為飛行控制器提供加速度信息，輔助姿態(tài)解算和飛行控制。氣壓計(jì)通過(guò)測(cè)量大氣壓力的變化，來(lái)計(jì)算無(wú)人機(jī)的高度，實(shí)現(xiàn)定高飛行控制。GPS模塊能夠?qū)崟r(shí)獲取無(wú)人機(jī)的地理位置信息，結(jié)合其他傳感器數(shù)據(jù)，實(shí)現(xiàn)無(wú)人機(jī)的定位和導(dǎo)航功能，使無(wú)人機(jī)能夠按照預(yù)定的航線飛行。遙控器作為操作人員與無(wú)人機(jī)之間的交互設(shè)備，負(fù)責(zé)發(fā)送控制指令，實(shí)現(xiàn)對(duì)無(wú)人機(jī)飛行狀態(tài)的遠(yuǎn)程控制。操作人員通過(guò)遙控器上的搖桿、按鈕等輸入設(shè)備，向無(wú)人機(jī)發(fā)送各種指令，如起飛、降落、懸停、前進(jìn)、后退、左右移動(dòng)等。遙控器與無(wú)人機(jī)之間通過(guò)無(wú)線通信技術(shù)進(jìn)行數(shù)據(jù)傳輸，確保指令的快速準(zhǔn)確傳達(dá)。多旋翼無(wú)人機(jī)的飛行原理基于牛頓第三定律，即作用力與反作用力定律。當(dāng)電機(jī)帶動(dòng)螺旋槳高速旋轉(zhuǎn)時(shí)，螺旋槳對(duì)空氣產(chǎn)生向下的推力，同時(shí)空氣對(duì)螺旋槳產(chǎn)生大小相等、方向相反的反作用力，這個(gè)反作用力即為無(wú)人機(jī)飛行的升力。通過(guò)調(diào)節(jié)不同旋翼的轉(zhuǎn)速，改變各旋翼產(chǎn)生的升力大小，多旋翼無(wú)人機(jī)可以實(shí)現(xiàn)多種飛行運(yùn)動(dòng)。在垂直運(yùn)動(dòng)方面，當(dāng)四個(gè)旋翼的轉(zhuǎn)速同時(shí)增加時(shí)，總的拉力增大，當(dāng)總拉力大于無(wú)人機(jī)自身重力時(shí)，無(wú)人機(jī)便會(huì)垂直上升；反之，當(dāng)四個(gè)旋翼轉(zhuǎn)速同時(shí)減小時(shí)，總拉力減小，當(dāng)總拉力小于重力時(shí)，無(wú)人機(jī)則垂直下降。若四個(gè)旋翼產(chǎn)生的升力等于無(wú)人機(jī)的重力，無(wú)人機(jī)就能保持懸停狀態(tài)。在俯仰運(yùn)動(dòng)中，通過(guò)增大或減小前后兩個(gè)旋翼的轉(zhuǎn)速，同時(shí)保持另外兩個(gè)旋翼轉(zhuǎn)速不變，使機(jī)身前后產(chǎn)生升力差，從而實(shí)現(xiàn)繞y軸的俯仰轉(zhuǎn)動(dòng)。例如，當(dāng)增大前方旋翼的轉(zhuǎn)速，減小后方旋翼的轉(zhuǎn)速時(shí)，機(jī)身會(huì)向前傾斜，產(chǎn)生向前的俯仰運(yùn)動(dòng)。橫滾運(yùn)動(dòng)的實(shí)現(xiàn)原理與俯仰運(yùn)動(dòng)類似，通過(guò)調(diào)節(jié)左右兩個(gè)旋翼的轉(zhuǎn)速，改變機(jī)身左右兩側(cè)的升力，實(shí)現(xiàn)繞x軸的橫滾轉(zhuǎn)動(dòng)。而偏航運(yùn)動(dòng)則是借助旋翼產(chǎn)生的反扭矩來(lái)實(shí)現(xiàn)。由于旋翼轉(zhuǎn)動(dòng)過(guò)程中會(huì)受到空氣阻力作用，產(chǎn)生與轉(zhuǎn)動(dòng)方向相反的反扭矩，通過(guò)調(diào)整對(duì)角線上兩個(gè)旋翼的轉(zhuǎn)速，使反扭矩不平衡，機(jī)身便會(huì)在富余反扭矩的作用下繞z軸轉(zhuǎn)動(dòng)，實(shí)現(xiàn)偏航運(yùn)動(dòng)。當(dāng)增大一對(duì)對(duì)角線上旋翼的轉(zhuǎn)速，同時(shí)減小另一對(duì)對(duì)角線上旋翼的轉(zhuǎn)速時(shí)，機(jī)身會(huì)在反扭矩差的作用下繞z軸旋轉(zhuǎn)，改變飛行方向。2.2動(dòng)力學(xué)模型的建立為了實(shí)現(xiàn)對(duì)多旋翼無(wú)人機(jī)的精準(zhǔn)控制和抗擾動(dòng)研究，建立精確的動(dòng)力學(xué)模型是至關(guān)重要的基礎(chǔ)。多旋翼無(wú)人機(jī)的運(yùn)動(dòng)可以分解為平移運(yùn)動(dòng)和旋轉(zhuǎn)運(yùn)動(dòng)，下面將分別對(duì)這兩種運(yùn)動(dòng)進(jìn)行動(dòng)力學(xué)分析，并建立相應(yīng)的方程。2.2.1平移運(yùn)動(dòng)動(dòng)力學(xué)方程在建立多旋翼無(wú)人機(jī)的平移運(yùn)動(dòng)動(dòng)力學(xué)方程時(shí)，以四旋翼無(wú)人機(jī)為例進(jìn)行分析。假設(shè)無(wú)人機(jī)的質(zhì)量為m，在慣性坐標(biāo)系下的位置向量為\boldsymbol{r}=[x,y,z]^T，速度向量為\boldsymbol{v}=[\dot{x},\dot{y},\dot{z}]^T，加速度向量為\boldsymbol{a}=[\ddot{x},\ddot{y},\ddot{z}]^T。根據(jù)牛頓第二定律\boldsymbol{F}=m\boldsymbol{a}，對(duì)無(wú)人機(jī)進(jìn)行受力分析。無(wú)人機(jī)在飛行過(guò)程中受到的外力主要包括重力\boldsymbol{G}、旋翼產(chǎn)生的總推力\boldsymbol{T}以及外界擾動(dòng)\boldsymbol6116116。重力的大小為mg，方向豎直向下，在慣性坐標(biāo)系下可表示為\boldsymbol{G}=[0,0,-mg]^T，其中g(shù)為重力加速度。旋翼產(chǎn)生的總推力\boldsymbol{T}是由四個(gè)旋翼旋轉(zhuǎn)產(chǎn)生的升力合成得到的，其方向沿機(jī)體坐標(biāo)系的z軸正方向。在慣性坐標(biāo)系下，總推力\boldsymbol{T}需要通過(guò)旋轉(zhuǎn)矩陣\boldsymbol{R}進(jìn)行轉(zhuǎn)換。旋轉(zhuǎn)矩陣\boldsymbol{R}用于描述機(jī)體坐標(biāo)系與慣性坐標(biāo)系之間的姿態(tài)關(guān)系，它是由無(wú)人機(jī)的三個(gè)姿態(tài)角，即滾轉(zhuǎn)角\phi、俯仰角\theta和偏航角\psi決定的。根據(jù)歐拉角的旋轉(zhuǎn)順序，先繞x軸旋轉(zhuǎn)\phi角，再繞y軸旋轉(zhuǎn)\theta角，最后繞z軸旋轉(zhuǎn)\psi角，得到的旋轉(zhuǎn)矩陣\boldsymbol{R}表達(dá)式為：\boldsymbol{R}=\begin{bmatrix}\cos\theta\cos\psi&\sin\phi\sin\theta\cos\psi-\cos\phi\sin\psi&\cos\phi\sin\theta\cos\psi+\sin\phi\sin\psi\\\cos\theta\sin\psi&\sin\phi\sin\theta\sin\psi+\cos\phi\cos\psi&\cos\phi\sin\theta\sin\psi-\sin\phi\cos\psi\\-\sin\theta&\sin\phi\cos\theta&\cos\phi\cos\theta\end{bmatrix}在機(jī)體坐標(biāo)系下，總推力\boldsymbol{T}可表示為\boldsymbol{T}=[0,0,u_1]^T，其中u_1為總推力的大小，它與四個(gè)旋翼的轉(zhuǎn)速\omega_i（i=1,2,3,4）有關(guān)，通?？杀硎緸閡_1=b(\omega_1^2+\omega_2^2+\omega_3^2+\omega_4^2)，b為與旋翼升力系數(shù)相關(guān)的常數(shù)。通過(guò)旋轉(zhuǎn)矩陣\boldsymbol{R}將總推力轉(zhuǎn)換到慣性坐標(biāo)系下，得到在慣性坐標(biāo)系下的總推力為\boldsymbol{R}^T\boldsymbol{T}。外界擾動(dòng)\boldsymbol1166666是指在飛行過(guò)程中無(wú)人機(jī)受到的除重力和總推力之外的其他不確定外力，如風(fēng)力、氣流擾動(dòng)等，在慣性坐標(biāo)系下表示為\boldsymbol1661111=[d_x,d_y,d_z]^T。綜合以上受力分析，根據(jù)牛頓第二定律，可得到多旋翼無(wú)人機(jī)在慣性坐標(biāo)系下的平移運(yùn)動(dòng)動(dòng)力學(xué)方程為：m\begin{bmatrix}\ddot{x}\\\ddot{y}\\\ddot{z}\end{bmatrix}=\boldsymbol{R}^T\begin{bmatrix}0\\0\\u_1\end{bmatrix}+\begin{bmatrix}0\\0\\-mg\end{bmatrix}+\begin{bmatrix}d_x\\d_y\\d_z\end{bmatrix}該方程描述了多旋翼無(wú)人機(jī)在平移運(yùn)動(dòng)過(guò)程中，位置的二階導(dǎo)數(shù)（即加速度）與所受外力之間的關(guān)系，為后續(xù)的控制算法設(shè)計(jì)和擾動(dòng)估計(jì)提供了重要的基礎(chǔ)。2.2.2旋轉(zhuǎn)運(yùn)動(dòng)動(dòng)力學(xué)方程多旋翼無(wú)人機(jī)的旋轉(zhuǎn)運(yùn)動(dòng)主要涉及滾轉(zhuǎn)、俯仰和偏航三個(gè)方向的轉(zhuǎn)動(dòng)，其動(dòng)力學(xué)特性由轉(zhuǎn)動(dòng)慣量和所受力矩決定。假設(shè)無(wú)人機(jī)的慣性矩陣為\boldsymbol{J}，它是一個(gè)3\times3的對(duì)角矩陣，對(duì)角元素分別為繞x軸、y軸和z軸的轉(zhuǎn)動(dòng)慣量J_x、J_y和J_z，即\boldsymbol{J}=\text{diag}(J_x,J_y,J_z)。在機(jī)體坐標(biāo)系下，角速度向量為\boldsymbol{\omega}=[p,q,r]^T，其中p、q、r分別為繞x軸、y軸和z軸的角速度。角加速度向量為\dot{\boldsymbol{\omega}}=[\dot{p},\dot{q},\dot{r}]^T。無(wú)人機(jī)在旋轉(zhuǎn)運(yùn)動(dòng)過(guò)程中受到的力矩主要包括由四個(gè)旋翼轉(zhuǎn)速差異產(chǎn)生的控制力矩\boldsymbol{\tau}以及外界擾動(dòng)力矩\boldsymbol6666161_m?？刂屏豛boldsymbol{\tau}與四個(gè)旋翼的轉(zhuǎn)速\omega_i密切相關(guān)，通過(guò)調(diào)節(jié)不同旋翼的轉(zhuǎn)速，可以產(chǎn)生不同方向的控制力矩，實(shí)現(xiàn)對(duì)無(wú)人機(jī)姿態(tài)的控制。在機(jī)體坐標(biāo)系下，控制力矩\boldsymbol{\tau}可表示為\boldsymbol{\tau}=[\tau_x,\tau_y,\tau_z]^T，其中\(zhòng)tau_x、\tau_y、\tau_z分別為繞x軸、y軸和z軸的控制力矩。它們與旋翼轉(zhuǎn)速的關(guān)系可以通過(guò)動(dòng)力學(xué)分析得到，例如\tau_x=l(b\omega_1^2-b\omega_2^2+b\omega_3^2-b\omega_4^2)，\tau_y=l(b\omega_1^2+b\omega_2^2-b\omega_3^2-b\omega_4^2)，\tau_z=d(c\omega_1^2-c\omega_2^2+c\omega_3^2-c\omega_4^2)，其中l(wèi)為機(jī)臂長(zhǎng)度，d為與反扭矩系數(shù)相關(guān)的常數(shù)，c為與旋翼反扭矩系數(shù)相關(guān)的常數(shù)。外界擾動(dòng)力矩\boldsymbol6116616_m是由外界環(huán)境因素引起的不確定力矩，如風(fēng)力、氣流擾動(dòng)等對(duì)無(wú)人機(jī)產(chǎn)生的額外力矩，在機(jī)體坐標(biāo)系下表示為\boldsymbol6611161_m=[d_{mx},d_{my},d_{mz}]^T。根據(jù)剛體動(dòng)力學(xué)的歐拉方程，多旋翼無(wú)人機(jī)在機(jī)體坐標(biāo)系下的旋轉(zhuǎn)運(yùn)動(dòng)動(dòng)力學(xué)方程為：\boldsymbol{J}\begin{bmatrix}\dot{p}\\\dot{q}\\\dot{r}\end{bmatrix}=-\begin{bmatrix}qr\\pr\\-pq\end{bmatrix}\boldsymbol{J}\begin{bmatrix}p\\q\\r\end{bmatrix}+\begin{bmatrix}\tau_x\\\tau_y\\\tau_z\end{bmatrix}+\begin{bmatrix}d_{mx}\\d_{my}\\d_{mz}\end{bmatrix}方程左邊表示慣性矩陣與角加速度向量的乘積，反映了無(wú)人機(jī)抵抗轉(zhuǎn)動(dòng)狀態(tài)改變的能力。方程右邊第一項(xiàng)為科里奧利力和離心力產(chǎn)生的耦合項(xiàng)，它體現(xiàn)了角速度之間的相互作用對(duì)轉(zhuǎn)動(dòng)的影響。第二項(xiàng)為控制力矩，是通過(guò)調(diào)整旋翼轉(zhuǎn)速來(lái)實(shí)現(xiàn)對(duì)無(wú)人機(jī)姿態(tài)控制的關(guān)鍵因素。第三項(xiàng)為外界擾動(dòng)力矩，它會(huì)干擾無(wú)人機(jī)的正常旋轉(zhuǎn)運(yùn)動(dòng)，對(duì)飛行穩(wěn)定性產(chǎn)生不利影響。該旋轉(zhuǎn)運(yùn)動(dòng)動(dòng)力學(xué)方程描述了多旋翼無(wú)人機(jī)在旋轉(zhuǎn)運(yùn)動(dòng)過(guò)程中，角速度的變化率（即角加速度）與所受力矩之間的關(guān)系，對(duì)于理解無(wú)人機(jī)的姿態(tài)控制和抗擾動(dòng)性能具有重要意義。通過(guò)對(duì)這個(gè)方程的分析和求解，可以為設(shè)計(jì)有效的抗擾動(dòng)控制策略提供理論依據(jù)。在實(shí)際應(yīng)用中，需要根據(jù)具體的無(wú)人機(jī)參數(shù)和飛行環(huán)境，對(duì)該方程進(jìn)行進(jìn)一步的分析和處理，以實(shí)現(xiàn)對(duì)無(wú)人機(jī)旋轉(zhuǎn)運(yùn)動(dòng)的精確控制和穩(wěn)定飛行。2.3常見(jiàn)擾動(dòng)類型及影響分析2.3.1風(fēng)擾動(dòng)風(fēng)擾動(dòng)是多旋翼無(wú)人機(jī)在飛行過(guò)程中面臨的最為常見(jiàn)且影響顯著的外部干擾因素之一，它涵蓋了多種不同類型的風(fēng)況，每種風(fēng)況對(duì)無(wú)人機(jī)飛行姿態(tài)和軌跡的影響各具特點(diǎn)。自然風(fēng)的大小和方向呈現(xiàn)出復(fù)雜的動(dòng)態(tài)變化，其強(qiáng)度范圍從微風(fēng)到強(qiáng)風(fēng)不等，方向也可能隨時(shí)改變。當(dāng)多旋翼無(wú)人機(jī)遭遇自然風(fēng)時(shí)，風(fēng)力會(huì)對(duì)其產(chǎn)生額外的作用力和力矩。在水平方向上，風(fēng)力會(huì)使無(wú)人機(jī)受到一個(gè)與風(fēng)向相同的推力，導(dǎo)致無(wú)人機(jī)在水平方向上產(chǎn)生位移，偏離預(yù)定的飛行軌跡。在進(jìn)行航拍任務(wù)時(shí)，如果無(wú)人機(jī)遭遇側(cè)向的自然風(fēng)，風(fēng)力會(huì)將無(wú)人機(jī)吹離原來(lái)的拍攝位置，使得拍攝的畫面無(wú)法覆蓋預(yù)定的區(qū)域，影響拍攝效果。在垂直方向上，自然風(fēng)的垂直分量會(huì)改變無(wú)人機(jī)的升力平衡，若垂直向上的風(fēng)力較大，會(huì)使無(wú)人機(jī)上升速度加快；反之，若垂直向下的風(fēng)力較大，則會(huì)增加無(wú)人機(jī)下降的速度，甚至可能導(dǎo)致無(wú)人機(jī)失控墜落。在山區(qū)飛行時(shí)，由于地形復(fù)雜，自然風(fēng)的垂直分量變化劇烈，無(wú)人機(jī)可能會(huì)突然受到強(qiáng)烈的垂直向下的風(fēng)力作用，導(dǎo)致高度迅速下降，面臨墜毀的危險(xiǎn)。橫風(fēng)是指與無(wú)人機(jī)飛行方向垂直的風(fēng)，它對(duì)無(wú)人機(jī)的飛行穩(wěn)定性構(gòu)成了嚴(yán)重威脅。當(dāng)無(wú)人機(jī)遭遇橫風(fēng)時(shí)，橫風(fēng)會(huì)在機(jī)身一側(cè)產(chǎn)生一個(gè)側(cè)向力，使無(wú)人機(jī)向一側(cè)偏移。在城市中飛行時(shí)，高樓大廈之間形成的狹管效應(yīng)會(huì)導(dǎo)致橫風(fēng)增強(qiáng)，無(wú)人機(jī)在穿越這些區(qū)域時(shí)，很容易受到橫風(fēng)的影響而偏離預(yù)定航線。為了抵抗橫風(fēng)的影響，無(wú)人機(jī)需要通過(guò)調(diào)整旋翼的轉(zhuǎn)速來(lái)產(chǎn)生一個(gè)反向的力矩，以保持機(jī)身的平衡和飛行方向的穩(wěn)定。但這種調(diào)整會(huì)增加無(wú)人機(jī)的能量消耗，同時(shí)也對(duì)飛控系統(tǒng)的響應(yīng)速度和控制精度提出了更高的要求。如果飛控系統(tǒng)無(wú)法及時(shí)準(zhǔn)確地調(diào)整旋翼轉(zhuǎn)速，無(wú)人機(jī)就可能無(wú)法保持穩(wěn)定的飛行狀態(tài)，甚至可能發(fā)生側(cè)翻事故。陣風(fēng)是一種突然出現(xiàn)且持續(xù)時(shí)間較短的強(qiáng)風(fēng)，其特點(diǎn)是風(fēng)速在短時(shí)間內(nèi)急劇變化。陣風(fēng)對(duì)多旋翼無(wú)人機(jī)的影響尤為嚴(yán)重，它會(huì)使無(wú)人機(jī)的姿態(tài)瞬間發(fā)生劇烈改變。當(dāng)無(wú)人機(jī)遭遇陣風(fēng)時(shí)，由于風(fēng)速的突然增大，會(huì)在無(wú)人機(jī)上產(chǎn)生一個(gè)瞬間的沖擊力，導(dǎo)致無(wú)人機(jī)的姿態(tài)出現(xiàn)突變，如突然翻滾、俯仰或偏航。在海邊等風(fēng)力變化較大的區(qū)域飛行時(shí)，無(wú)人機(jī)可能會(huì)突然遭遇陣風(fēng)，導(dǎo)致飛行姿態(tài)失控，若不能及時(shí)恢復(fù)控制，就會(huì)造成無(wú)人機(jī)墜毀。陣風(fēng)的突然性和不確定性使得無(wú)人機(jī)的飛行安全面臨極大的挑戰(zhàn)，要求無(wú)人機(jī)的飛控系統(tǒng)具備快速響應(yīng)和強(qiáng)大的抗擾動(dòng)能力，能夠在短時(shí)間內(nèi)對(duì)陣風(fēng)引起的姿態(tài)變化做出準(zhǔn)確的調(diào)整，以確保無(wú)人機(jī)的穩(wěn)定飛行。2.3.2氣流擾動(dòng)氣流擾動(dòng)是多旋翼無(wú)人機(jī)飛行過(guò)程中另一個(gè)重要的干擾因素，其產(chǎn)生原因復(fù)雜多樣，對(duì)無(wú)人機(jī)的穩(wěn)定性和飛行性能有著顯著的影響。地形地貌的差異是導(dǎo)致氣流擾動(dòng)的一個(gè)重要因素。在山區(qū)，由于山脈的阻擋和地形的起伏，氣流在流動(dòng)過(guò)程中會(huì)受到強(qiáng)烈的干擾。當(dāng)氣流遇到山脈時(shí)，會(huì)被迫抬升或繞流，形成復(fù)雜的氣流模式。在山脈的迎風(fēng)面，氣流會(huì)被向上抬升，形成上升氣流；而在背風(fēng)面，氣流則會(huì)產(chǎn)生下沉和渦旋，形成下沉氣流和湍流。這些復(fù)雜的氣流會(huì)使無(wú)人機(jī)在飛行過(guò)程中受到不穩(wěn)定的作用力，導(dǎo)致飛行姿態(tài)難以控制。當(dāng)無(wú)人機(jī)在山區(qū)飛行時(shí)，可能會(huì)突然進(jìn)入上升氣流區(qū)域，導(dǎo)致高度迅速上升；而當(dāng)進(jìn)入下沉氣流區(qū)域時(shí)，高度又會(huì)急劇下降，這對(duì)無(wú)人機(jī)的飛行安全構(gòu)成了極大的威脅。在峽谷等狹窄地形中，氣流會(huì)因?yàn)榈匦蔚募s束而加速，形成高速氣流，這種高速氣流會(huì)對(duì)無(wú)人機(jī)產(chǎn)生強(qiáng)大的沖擊力，增加無(wú)人機(jī)控制的難度。大氣對(duì)流也是產(chǎn)生氣流擾動(dòng)的重要原因之一。在大氣邊界層中，由于太陽(yáng)輻射、地面加熱等因素的影響，空氣會(huì)發(fā)生垂直方向的對(duì)流運(yùn)動(dòng)。這種對(duì)流運(yùn)動(dòng)會(huì)導(dǎo)致不同高度和位置的氣流速度和方向存在差異，形成不規(guī)則的氣流擾動(dòng)。在炎熱的天氣條件下，地面受熱不均，會(huì)形成熱對(duì)流，熱對(duì)流會(huì)使空氣中產(chǎn)生上升和下沉的氣流柱。無(wú)人機(jī)在穿越這些氣流柱時(shí)，會(huì)受到不穩(wěn)定的氣流作用，導(dǎo)致飛行姿態(tài)發(fā)生波動(dòng)。大氣中的鋒面、氣旋等天氣系統(tǒng)也會(huì)引發(fā)強(qiáng)烈的大氣對(duì)流，形成復(fù)雜的氣流場(chǎng)。在這些天氣系統(tǒng)附近飛行的無(wú)人機(jī)，會(huì)受到劇烈的氣流擾動(dòng)影響，飛行穩(wěn)定性受到嚴(yán)重挑戰(zhàn)。紊流是氣流擾動(dòng)的一種表現(xiàn)形式，它是指氣流在流動(dòng)過(guò)程中呈現(xiàn)出的不規(guī)則、紊亂的流動(dòng)狀態(tài)。紊流中包含了各種尺度的渦旋，這些渦旋會(huì)對(duì)無(wú)人機(jī)產(chǎn)生隨機(jī)的作用力和力矩。當(dāng)無(wú)人機(jī)處于紊流環(huán)境中時(shí)，其受到的力和力矩在短時(shí)間內(nèi)會(huì)發(fā)生快速變化，使得無(wú)人機(jī)的姿態(tài)和飛行軌跡變得極不穩(wěn)定。紊流會(huì)導(dǎo)致無(wú)人機(jī)的姿態(tài)傳感器測(cè)量數(shù)據(jù)出現(xiàn)噪聲和波動(dòng)，影響飛控系統(tǒng)對(duì)無(wú)人機(jī)狀態(tài)的準(zhǔn)確判斷，進(jìn)而降低飛控系統(tǒng)的控制精度和穩(wěn)定性。在高空飛行時(shí)，由于大氣環(huán)境更為復(fù)雜，紊流的強(qiáng)度和頻率可能會(huì)增加，無(wú)人機(jī)受到的影響也會(huì)更加嚴(yán)重。2.3.3負(fù)載擾動(dòng)負(fù)載擾動(dòng)是影響多旋翼無(wú)人機(jī)飛行穩(wěn)定性和性能的重要內(nèi)部因素之一，它主要源于負(fù)載的變化或不平衡，對(duì)無(wú)人機(jī)的重心和飛行狀態(tài)產(chǎn)生顯著影響。當(dāng)多旋翼無(wú)人機(jī)掛載不同重量或形狀的負(fù)載時(shí)，負(fù)載的分布和重心變化會(huì)直接改變無(wú)人機(jī)的動(dòng)力學(xué)特性。負(fù)載的重量增加會(huì)導(dǎo)致無(wú)人機(jī)的總重量增大，從而需要更大的升力來(lái)維持飛行。這就要求無(wú)人機(jī)的電機(jī)提高轉(zhuǎn)速，以產(chǎn)生足夠的拉力。如果電機(jī)的功率有限，無(wú)法提供足夠的升力，無(wú)人機(jī)可能會(huì)出現(xiàn)飛行高度下降、速度減慢等問(wèn)題。當(dāng)無(wú)人機(jī)掛載較重的拍攝設(shè)備時(shí)，為了保持飛行高度，電機(jī)需要消耗更多的能量，導(dǎo)致無(wú)人機(jī)的續(xù)航時(shí)間縮短。負(fù)載的重心位置對(duì)無(wú)人機(jī)的飛行穩(wěn)定性也至關(guān)重要。如果負(fù)載的重心偏離無(wú)人機(jī)的幾何中心，會(huì)使無(wú)人機(jī)在飛行過(guò)程中產(chǎn)生額外的力矩，導(dǎo)致姿態(tài)不穩(wěn)定。當(dāng)負(fù)載安裝位置偏向一側(cè)時(shí)，會(huì)使無(wú)人機(jī)在飛行時(shí)向一側(cè)傾斜，需要通過(guò)調(diào)整旋翼轉(zhuǎn)速來(lái)保持平衡，這增加了飛行控制的難度。負(fù)載的不平衡也是引發(fā)負(fù)載擾動(dòng)的一個(gè)重要原因。在實(shí)際應(yīng)用中，由于負(fù)載的安裝誤差、部件磨損或變形等因素，可能會(huì)導(dǎo)致負(fù)載在無(wú)人機(jī)上的分布不均勻，從而產(chǎn)生不平衡。負(fù)載不平衡會(huì)使無(wú)人機(jī)在飛行時(shí)受到一個(gè)周期性變化的干擾力矩，這個(gè)力矩會(huì)導(dǎo)致無(wú)人機(jī)的姿態(tài)發(fā)生周期性的波動(dòng)。當(dāng)無(wú)人機(jī)掛載的云臺(tái)相機(jī)出現(xiàn)安裝不平衡時(shí)，在飛行過(guò)程中，相機(jī)的不平衡會(huì)產(chǎn)生一個(gè)周期性的離心力，這個(gè)離心力會(huì)通過(guò)云臺(tái)傳遞到無(wú)人機(jī)上，使無(wú)人機(jī)產(chǎn)生周期性的晃動(dòng)，影響拍攝質(zhì)量和飛行穩(wěn)定性。隨著無(wú)人機(jī)飛行速度和姿態(tài)的變化，負(fù)載不平衡產(chǎn)生的干擾力矩也會(huì)發(fā)生變化，進(jìn)一步增加了無(wú)人機(jī)飛行控制的復(fù)雜性。為了減小負(fù)載不平衡對(duì)無(wú)人機(jī)飛行的影響，需要在安裝負(fù)載時(shí)進(jìn)行嚴(yán)格的平衡調(diào)試，確保負(fù)載均勻分布在無(wú)人機(jī)上。同時(shí)，飛控系統(tǒng)也需要具備一定的抗負(fù)載擾動(dòng)能力，能夠?qū)崟r(shí)監(jiān)測(cè)和調(diào)整無(wú)人機(jī)的姿態(tài)，以保持穩(wěn)定的飛行狀態(tài)。2.3.4其他擾動(dòng)除了上述常見(jiàn)的風(fēng)擾動(dòng)、氣流擾動(dòng)和負(fù)載擾動(dòng)外，多旋翼無(wú)人機(jī)在飛行過(guò)程中還可能受到其他多種擾動(dòng)因素的影響，這些擾動(dòng)同樣會(huì)對(duì)無(wú)人機(jī)的飛行安全和性能產(chǎn)生不可忽視的作用。電磁干擾是一種常見(jiàn)的外部擾動(dòng)源，它可能來(lái)自周圍的電子設(shè)備、通信基站、高壓電線等。電磁干擾會(huì)對(duì)無(wú)人機(jī)的通信和控制信號(hào)產(chǎn)生嚴(yán)重影響。當(dāng)無(wú)人機(jī)受到電磁干擾時(shí)，其與遙控器或地面控制站之間的通信信號(hào)可能會(huì)出現(xiàn)中斷、誤碼或延遲等問(wèn)題。通信信號(hào)中斷會(huì)導(dǎo)致無(wú)人機(jī)失去與操作人員的聯(lián)系，無(wú)法接收控制指令，從而可能出現(xiàn)失控的情況。誤碼則可能使無(wú)人機(jī)接收到錯(cuò)誤的指令，導(dǎo)致飛行姿態(tài)和軌跡發(fā)生異常改變。電磁干擾還可能影響無(wú)人機(jī)內(nèi)部的電子設(shè)備，如飛控系統(tǒng)、傳感器等的正常工作。干擾信號(hào)可能會(huì)使傳感器輸出錯(cuò)誤的數(shù)據(jù)，誤導(dǎo)飛控系統(tǒng)對(duì)無(wú)人機(jī)狀態(tài)的判斷，進(jìn)而影響飛控系統(tǒng)的控制決策。在靠近通信基站或高壓電線的區(qū)域飛行時(shí)，無(wú)人機(jī)更容易受到電磁干擾的影響，因此需要特別注意飛行安全。電機(jī)故障也是影響多旋翼無(wú)人機(jī)飛行的一個(gè)重要擾動(dòng)因素。電機(jī)是無(wú)人機(jī)產(chǎn)生動(dòng)力的關(guān)鍵部件，一旦電機(jī)出現(xiàn)故障，如電機(jī)轉(zhuǎn)速不穩(wěn)定、停轉(zhuǎn)或輸出力矩異常等，會(huì)直接破壞無(wú)人機(jī)的動(dòng)力平衡。當(dāng)某個(gè)電機(jī)的轉(zhuǎn)速不穩(wěn)定時(shí)，會(huì)導(dǎo)致該電機(jī)產(chǎn)生的拉力發(fā)生變化，使得無(wú)人機(jī)的四個(gè)旋翼產(chǎn)生的升力不平衡，從而引起無(wú)人機(jī)的姿態(tài)發(fā)生傾斜和晃動(dòng)。如果電機(jī)突然停轉(zhuǎn)，無(wú)人機(jī)將失去一個(gè)方向的動(dòng)力，導(dǎo)致嚴(yán)重的飛行事故。電機(jī)故障還可能引發(fā)連鎖反應(yīng)，影響其他電機(jī)的正常工作。當(dāng)一個(gè)電機(jī)出現(xiàn)故障后，為了維持飛行，其他電機(jī)可能需要增加負(fù)載，這會(huì)導(dǎo)致它們的工作溫度升高、磨損加劇，增加了其他電機(jī)出現(xiàn)故障的風(fēng)險(xiǎn)。電機(jī)故障的原因可能包括電機(jī)本身的質(zhì)量問(wèn)題、長(zhǎng)時(shí)間使用導(dǎo)致的磨損、過(guò)熱保護(hù)觸發(fā)等。為了提高無(wú)人機(jī)的可靠性，需要對(duì)電機(jī)進(jìn)行定期的維護(hù)和檢查，及時(shí)發(fā)現(xiàn)并更換有故障的電機(jī)。同時(shí)，飛控系統(tǒng)也應(yīng)具備一定的容錯(cuò)能力，在電機(jī)出現(xiàn)故障時(shí)能夠采取相應(yīng)的應(yīng)急措施，如調(diào)整其他電機(jī)的轉(zhuǎn)速以維持飛行姿態(tài)，或引導(dǎo)無(wú)人機(jī)安全降落。三、在線估計(jì)技術(shù)在多旋翼無(wú)人機(jī)抗擾動(dòng)中的應(yīng)用原理3.1在線估計(jì)技術(shù)概述在線估計(jì)技術(shù)是一種基于實(shí)時(shí)測(cè)量數(shù)據(jù)對(duì)系統(tǒng)狀態(tài)和未知參數(shù)進(jìn)行估計(jì)的技術(shù)，它能夠在系統(tǒng)運(yùn)行過(guò)程中不斷更新估計(jì)結(jié)果，以適應(yīng)系統(tǒng)狀態(tài)的動(dòng)態(tài)變化。在多旋翼無(wú)人機(jī)的飛行過(guò)程中，在線估計(jì)技術(shù)通過(guò)對(duì)無(wú)人機(jī)的各種傳感器數(shù)據(jù)，如陀螺儀、加速度計(jì)、GPS等測(cè)量數(shù)據(jù)的實(shí)時(shí)采集和分析，來(lái)估計(jì)無(wú)人機(jī)的姿態(tài)、位置、速度等狀態(tài)變量，以及飛行過(guò)程中所受到的各種擾動(dòng)。在線估計(jì)技術(shù)的核心在于能夠根據(jù)系統(tǒng)的實(shí)時(shí)輸入和輸出數(shù)據(jù)，運(yùn)用特定的算法對(duì)系統(tǒng)狀態(tài)進(jìn)行遞歸估計(jì)。以卡爾曼濾波為例，它是一種常用的線性最小方差估計(jì)方法，基于系統(tǒng)的狀態(tài)空間模型，通過(guò)預(yù)測(cè)和更新兩個(gè)步驟對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)。在預(yù)測(cè)步驟中，利用上一時(shí)刻的狀態(tài)估計(jì)值和系統(tǒng)的狀態(tài)轉(zhuǎn)移方程，預(yù)測(cè)當(dāng)前時(shí)刻的狀態(tài)；在更新步驟中，將預(yù)測(cè)值與當(dāng)前時(shí)刻的測(cè)量值進(jìn)行融合，通過(guò)卡爾曼增益對(duì)預(yù)測(cè)值進(jìn)行修正，得到更準(zhǔn)確的狀態(tài)估計(jì)值?？柭鼮V波假設(shè)系統(tǒng)噪聲和測(cè)量噪聲均服從高斯分布，在滿足這一假設(shè)的情況下，能夠提供最優(yōu)的狀態(tài)估計(jì)。其優(yōu)點(diǎn)在于計(jì)算量相對(duì)較小，適用于實(shí)時(shí)性要求較高的系統(tǒng)，在多旋翼無(wú)人機(jī)的狀態(tài)估計(jì)中，能夠快速準(zhǔn)確地估計(jì)無(wú)人機(jī)的位置和速度，為飛行控制提供可靠的數(shù)據(jù)支持。然而，實(shí)際的多旋翼無(wú)人機(jī)系統(tǒng)往往具有較強(qiáng)的非線性特性，傳統(tǒng)的卡爾曼濾波在處理非線性系統(tǒng)時(shí)存在局限性。擴(kuò)展卡爾曼濾波（EKF）則是針對(duì)非線性系統(tǒng)的一種改進(jìn)方法，它通過(guò)對(duì)非線性系統(tǒng)進(jìn)行線性化處理，將非線性函數(shù)在當(dāng)前估計(jì)點(diǎn)處進(jìn)行泰勒級(jí)數(shù)展開(kāi)，忽略高階項(xiàng)，近似為線性函數(shù)，然后再應(yīng)用卡爾曼濾波算法進(jìn)行狀態(tài)估計(jì)。在無(wú)人機(jī)的姿態(tài)估計(jì)中，EKF可以將非線性的姿態(tài)運(yùn)動(dòng)學(xué)方程線性化，從而實(shí)現(xiàn)對(duì)無(wú)人機(jī)姿態(tài)的估計(jì)。但EKF的線性化過(guò)程會(huì)引入截?cái)嗾`差，當(dāng)系統(tǒng)的非線性程度較高時(shí)，估計(jì)精度會(huì)受到較大影響。為了克服EKF的局限性，無(wú)跡卡爾曼濾波（UKF）應(yīng)運(yùn)而生。UKF采用無(wú)跡變換（UT）來(lái)處理非線性問(wèn)題，它通過(guò)一組確定性的采樣點(diǎn)（稱為sigma點(diǎn)）來(lái)捕捉非線性函數(shù)的統(tǒng)計(jì)特性。這些sigma點(diǎn)經(jīng)過(guò)非線性變換后，可以更準(zhǔn)確地估計(jì)狀態(tài)分布。與EKF相比，UKF不需要對(duì)非線性函數(shù)進(jìn)行線性化，能夠更好地處理高度非線性的系統(tǒng)，提供更高的估計(jì)精度。在無(wú)人機(jī)的狀態(tài)估計(jì)中，UKF在處理復(fù)雜的飛行姿態(tài)變化和強(qiáng)擾動(dòng)情況下，能夠更準(zhǔn)確地估計(jì)無(wú)人機(jī)的狀態(tài)。但UKF的計(jì)算復(fù)雜度相對(duì)較高，需要處理多個(gè)sigma點(diǎn)，在高維狀態(tài)空間中計(jì)算量較大。粒子濾波（PF）是另一種適用于非線性、非高斯系統(tǒng)的在線估計(jì)方法，它基于蒙特卡羅方法，通過(guò)一組加權(quán)粒子來(lái)近似系統(tǒng)狀態(tài)的后驗(yàn)概率分布。粒子濾波的核心思想是通過(guò)從后驗(yàn)概率中抽取的隨機(jī)狀態(tài)粒子來(lái)表達(dá)其分布，通過(guò)對(duì)這些粒子的權(quán)重進(jìn)行重要性重采樣，最終獲得對(duì)狀態(tài)估計(jì)的準(zhǔn)確性更高的結(jié)果。在多旋翼無(wú)人機(jī)的目標(biāo)跟蹤和狀態(tài)估計(jì)中，粒子濾波能夠處理非線性運(yùn)動(dòng)軌跡和非高斯觀測(cè)噪聲，具有較強(qiáng)的魯棒性。但粒子濾波需要大量的粒子來(lái)保證估計(jì)精度，計(jì)算量較大，且存在粒子退化問(wèn)題，即在重采樣過(guò)程中，可能會(huì)導(dǎo)致大量粒子的權(quán)重趨近于零，只有少數(shù)粒子對(duì)估計(jì)結(jié)果有貢獻(xiàn)，從而降低估計(jì)的準(zhǔn)確性。在線估計(jì)技術(shù)在多旋翼無(wú)人機(jī)抗擾動(dòng)中起著關(guān)鍵作用。準(zhǔn)確的狀態(tài)估計(jì)是實(shí)現(xiàn)無(wú)人機(jī)穩(wěn)定飛行和有效抗擾動(dòng)控制的基礎(chǔ)。通過(guò)實(shí)時(shí)估計(jì)無(wú)人機(jī)的姿態(tài)、位置和速度等狀態(tài)變量，飛控系統(tǒng)能夠及時(shí)了解無(wú)人機(jī)的飛行狀態(tài)，為控制決策提供準(zhǔn)確依據(jù)。當(dāng)無(wú)人機(jī)受到風(fēng)擾、氣流擾動(dòng)等外界干擾時(shí)，在線估計(jì)技術(shù)可以快速估計(jì)出擾動(dòng)的大小和方向，飛控系統(tǒng)根據(jù)估計(jì)結(jié)果調(diào)整控制策略，通過(guò)改變旋翼的轉(zhuǎn)速和姿態(tài)，產(chǎn)生相應(yīng)的控制力和力矩，來(lái)抵消擾動(dòng)的影響，使無(wú)人機(jī)恢復(fù)到穩(wěn)定的飛行狀態(tài)。精確的擾動(dòng)估計(jì)能夠使無(wú)人機(jī)提前對(duì)擾動(dòng)做出響應(yīng)，減少擾動(dòng)對(duì)飛行軌跡和姿態(tài)的影響，提高飛行的穩(wěn)定性和可靠性。在線估計(jì)技術(shù)還可以與其他控制算法相結(jié)合，形成更加完善的抗擾動(dòng)控制方案，進(jìn)一步提升無(wú)人機(jī)的抗擾動(dòng)性能。三、在線估計(jì)技術(shù)在多旋翼無(wú)人機(jī)抗擾動(dòng)中的應(yīng)用原理3.2常用在線估計(jì)方法3.2.1擴(kuò)展卡爾曼濾波（EKF）擴(kuò)展卡爾曼濾波（EKF）是一種廣泛應(yīng)用于非線性系統(tǒng)狀態(tài)估計(jì)的方法，它在多旋翼無(wú)人機(jī)的狀態(tài)估計(jì)和抗擾動(dòng)控制中具有重要作用。EKF的基本原理是通過(guò)對(duì)非線性系統(tǒng)進(jìn)行線性化處理，將其近似為線性系統(tǒng)，然后應(yīng)用卡爾曼濾波算法進(jìn)行狀態(tài)估計(jì)。在多旋翼無(wú)人機(jī)的應(yīng)用中，其動(dòng)力學(xué)模型通常呈現(xiàn)出非線性特性。以無(wú)人機(jī)的姿態(tài)估計(jì)為例，無(wú)人機(jī)的姿態(tài)運(yùn)動(dòng)學(xué)方程涉及到三角函數(shù)運(yùn)算，這使得方程具有非線性。假設(shè)多旋翼無(wú)人機(jī)的狀態(tài)向量為\boldsymbol{x}，包括位置、速度、姿態(tài)角等信息，系統(tǒng)的狀態(tài)轉(zhuǎn)移方程可以表示為\boldsymbol{x}_{k}=f(\boldsymbol{x}_{k-1},\boldsymbol{u}_{k-1},\boldsymbol{w}_{k-1})，其中f是非線性函數(shù)，\boldsymbol{u}_{k-1}是控制輸入，\boldsymbol{w}_{k-1}是過(guò)程噪聲。觀測(cè)方程可以表示為\boldsymbol{z}_{k}=h(\boldsymbol{x}_{k},\boldsymbol{v}_{k})，其中h也是非線性函數(shù)，\boldsymbol{v}_{k}是觀測(cè)噪聲。為了應(yīng)用卡爾曼濾波算法，EKF采用一階泰勒級(jí)數(shù)展開(kāi)對(duì)非線性函數(shù)f和h進(jìn)行線性化。在當(dāng)前估計(jì)點(diǎn)\hat{\boldsymbol{x}}_{k|k-1}處，對(duì)狀態(tài)轉(zhuǎn)移方程f進(jìn)行線性化，得到近似的線性狀態(tài)轉(zhuǎn)移方程\boldsymbol{x}_{k}\approxF_{k-1}\boldsymbol{x}_{k-1}+B_{k-1}\boldsymbol{u}_{k-1}+\boldsymbol{w}_{k-1}，其中F_{k-1}是狀態(tài)轉(zhuǎn)移矩陣，它是f關(guān)于\boldsymbol{x}_{k-1}在\hat{\boldsymbol{x}}_{k|k-1}處的雅可比矩陣，即F_{k-1}=\frac{\partialf}{\partial\boldsymbol{x}_{k-1}}|_{\hat{\boldsymbol{x}}_{k|k-1}}，B_{k-1}是控制輸入矩陣。對(duì)觀測(cè)方程h進(jìn)行線性化，得到近似的線性觀測(cè)方程\boldsymbol{z}_{k}\approxH_{k}\boldsymbol{x}_{k}+\boldsymbol{v}_{k}，其中H_{k}是觀測(cè)矩陣，它是h關(guān)于\boldsymbol{x}_{k}在\hat{\boldsymbol{x}}_{k|k-1}處的雅可比矩陣，即H_{k}=\frac{\partialh}{\partial\boldsymbol{x}_{k}}|_{\hat{\boldsymbol{x}}_{k|k-1}}。在完成線性化后，EKF按照卡爾曼濾波的預(yù)測(cè)和更新步驟進(jìn)行狀態(tài)估計(jì)。在預(yù)測(cè)步驟中，根據(jù)上一時(shí)刻的狀態(tài)估計(jì)值\hat{\boldsymbol{x}}_{k-1|k-1}和線性化后的狀態(tài)轉(zhuǎn)移方程，預(yù)測(cè)當(dāng)前時(shí)刻的狀態(tài)\hat{\boldsymbol{x}}_{k|k-1}=F_{k-1}\hat{\boldsymbol{x}}_{k-1|k-1}+B_{k-1}\boldsymbol{u}_{k-1}，同時(shí)預(yù)測(cè)狀態(tài)協(xié)方差矩陣P_{k|k-1}=F_{k-1}P_{k-1|k-1}F_{k-1}^T+Q_{k-1}，其中Q_{k-1}是過(guò)程噪聲協(xié)方差矩陣。在更新步驟中，將預(yù)測(cè)值\hat{\boldsymbol{x}}_{k|k-1}與當(dāng)前時(shí)刻的觀測(cè)值\boldsymbol{z}_{k}進(jìn)行融合，通過(guò)卡爾曼增益K_{k}=P_{k|k-1}H_{k}^T(H_{k}P_{k|k-1}H_{k}^T+R_{k})^{-1}對(duì)預(yù)測(cè)值進(jìn)行修正，得到更準(zhǔn)確的狀態(tài)估計(jì)值\hat{\boldsymbol{x}}_{k|k}=\hat{\boldsymbol{x}}_{k|k-1}+K_{k}(\boldsymbol{z}_{k}-H_{k}\hat{\boldsymbol{x}}_{k|k-1})，同時(shí)更新?tīng)顟B(tài)協(xié)方差矩陣P_{k|k}=(I-K_{k}H_{k})P_{k|k-1}，其中R_{k}是觀測(cè)噪聲協(xié)方差矩陣。EKF在無(wú)人機(jī)狀態(tài)估計(jì)中具有一定的優(yōu)勢(shì)，它的計(jì)算速度相對(duì)較快，存儲(chǔ)量較低，在工程應(yīng)用方面具有明顯的優(yōu)勢(shì)。在一些對(duì)實(shí)時(shí)性要求較高的無(wú)人機(jī)應(yīng)用場(chǎng)景中，如無(wú)人機(jī)的實(shí)時(shí)導(dǎo)航和避障，EKF能夠快速處理傳感器數(shù)據(jù)，提供實(shí)時(shí)的狀態(tài)估計(jì)，滿足系統(tǒng)對(duì)實(shí)時(shí)性的要求。在高斯白噪聲且非線性強(qiáng)度低的環(huán)境中，EKF算法穩(wěn)定、收斂速度較快、估計(jì)精度較高。在無(wú)人機(jī)飛行環(huán)境較為穩(wěn)定，外界干擾較小的情況下，EKF能夠有效地估計(jì)無(wú)人機(jī)的狀態(tài)，保證飛行的穩(wěn)定性。然而，EKF也存在一些局限性。由于EKF需要對(duì)非線性函數(shù)進(jìn)行線性化處理，這一過(guò)程會(huì)引入截?cái)嗾`差。當(dāng)系統(tǒng)的非線性程度較高時(shí)，線性化誤差容易增大，導(dǎo)致估計(jì)精度明顯下降，甚至可能出現(xiàn)濾波發(fā)散的情況。在無(wú)人機(jī)進(jìn)行高速機(jī)動(dòng)飛行或受到強(qiáng)風(fēng)、氣流等強(qiáng)擾動(dòng)時(shí)，其動(dòng)力學(xué)模型的非線性特性更加顯著，EKF的線性化近似不再準(zhǔn)確，從而使得估計(jì)精度大幅降低。EKF需要計(jì)算雅可比矩陣，這在某些情況下可能比較復(fù)雜，增加了算法的實(shí)現(xiàn)難度和計(jì)算量。在高維狀態(tài)空間中，雅可比矩陣的計(jì)算量會(huì)顯著增加，影響算法的實(shí)時(shí)性和效率。3.2.2無(wú)跡卡爾曼濾波（UKF）無(wú)跡卡爾曼濾波（UKF）是一種針對(duì)非線性系統(tǒng)狀態(tài)估計(jì)的有效方法，它在處理非線性問(wèn)題時(shí)具有獨(dú)特的優(yōu)勢(shì)，尤其適用于多旋翼無(wú)人機(jī)這種具有復(fù)雜非線性動(dòng)力學(xué)特性的系統(tǒng)。UKF的基本原理是基于無(wú)跡變換（UT），通過(guò)一組確定性的采樣點(diǎn)（稱為sigma點(diǎn)）來(lái)捕捉非線性函數(shù)的統(tǒng)計(jì)特性，從而更準(zhǔn)確地估計(jì)狀態(tài)分布。在多旋翼無(wú)人機(jī)的應(yīng)用中，假設(shè)無(wú)人機(jī)的狀態(tài)向量為\boldsymbol{x}，與EKF不同，UKF不是對(duì)非線性系統(tǒng)進(jìn)行線性化近似，而是通過(guò)無(wú)跡變換來(lái)處理非線性問(wèn)題。首先，根據(jù)當(dāng)前的狀態(tài)估計(jì)值\hat{\boldsymbol{x}}_{k-1|k-1}和狀態(tài)協(xié)方差矩陣P_{k-1|k-1}，生成一組sigma點(diǎn)\chi_{k-1}。sigma點(diǎn)的數(shù)量通常為2n+1個(gè)，其中n是狀態(tài)向量\boldsymbol{x}的維數(shù)。這些sigma點(diǎn)圍繞著當(dāng)前狀態(tài)估計(jì)值分布，能夠較好地反映狀態(tài)的不確定性。生成sigma點(diǎn)的公式為：\chi_{k-1}^0=\hat{\boldsymbol{x}}_{k-1|k-1}\chi_{k-1}^i=\hat{\boldsymbol{x}}_{k-1|k-1}+(\sqrt{(n+\lambda)P_{k-1|k-1}})_i,\quadi=1,2,\cdots,n\chi_{k-1}^i=\hat{\boldsymbol{x}}_{k-1|k-1}-(\sqrt{(n+\lambda)P_{k-1|k-1}})_i,\quadi=n+1,n+2,\cdots,2n其中，\lambda是一個(gè)縮放參數(shù)，通常取\lambda=\alpha^2(n+\kappa)-n，\alpha決定了sigma點(diǎn)的分布范圍，一般取一個(gè)較小的值（如0.001），\kappa是一個(gè)輔助參數(shù)，通常取0。然后，將這些sigma點(diǎn)通過(guò)非線性狀態(tài)轉(zhuǎn)移方程\boldsymbol{x}_{k}=f(\boldsymbol{x}_{k-1},\boldsymbol{u}_{k-1},\boldsymbol{w}_{k-1})進(jìn)行傳播，得到預(yù)測(cè)的sigma點(diǎn)\chi_{k|k-1}^i=f(\chi_{k-1}^i,\boldsymbol{u}_{k-1},\boldsymbol{w}_{k-1})，i=0,1,\cdots,2n。根據(jù)預(yù)測(cè)的sigma點(diǎn)，計(jì)算預(yù)測(cè)的狀態(tài)估計(jì)值\hat{\boldsymbol{x}}_{k|k-1}和預(yù)測(cè)的狀態(tài)協(xié)方差矩陣P_{k|k-1}：\hat{\boldsymbol{x}}_{k|k-1}=\sum_{i=0}^{2n}W_m^i\chi_{k|k-1}^iP_{k|k-1}=\sum_{i=0}^{2n}W_c^i(\chi_{k|k-1}^i-\hat{\boldsymbol{x}}_{k|k-1})(\chi_{k|k-1}^i-\hat{\boldsymbol{x}}_{k|k-1})^T+Q_{k-1}其中，W_m^i和W_c^i分別是均值加權(quán)系數(shù)和協(xié)方差加權(quán)系數(shù)，它們的計(jì)算與\lambda等參數(shù)有關(guān)。接下來(lái)，當(dāng)接收到新的觀測(cè)值\boldsymbol{z}_{k}時(shí)，將預(yù)測(cè)的sigma點(diǎn)通過(guò)非線性觀測(cè)方程\boldsymbol{z}_{k}=h(\boldsymbol{x}_{k},\boldsymbol{v}_{k})進(jìn)行變換，得到\boldsymbol{z}_{k|k-1}^i=h(\chi_{k|k-1}^i,\boldsymbol{v}_{k})，i=0,1,\cdots,2n。根據(jù)這些變換后的sigma點(diǎn)，計(jì)算觀測(cè)預(yù)測(cè)值\hat{\boldsymbol{z}}_{k|k-1}和觀測(cè)協(xié)方差矩陣P_{zz,k|k-1}，以及狀態(tài)與觀測(cè)的互協(xié)方差矩陣P_{xz,k|k-1}：\hat{\boldsymbol{z}}_{k|k-1}=\sum_{i=0}^{2n}W_m^i\boldsymbol{z}_{k|k-1}^iP_{zz,k|k-1}=\sum_{i=0}^{2n}W_c^i(\boldsymbol{z}_{k|k-1}^i-\hat{\boldsymbol{z}}_{k|k-1})(\boldsymbol{z}_{k|k-1}^i-\hat{\boldsymbol{z}}_{k|k-1})^T+R_{k}P_{xz,k|k-1}=\sum_{i=0}^{2n}W_c^i(\chi_{k|k-1}^i-\hat{\boldsymbol{x}}_{k|k-1})(\boldsymbol{z}_{k|k-1}^i-\hat{\boldsymbol{z}}_{k|k-1})^T最后，通過(guò)卡爾曼增益K_{k}=P_{xz,k|k-1}P_{zz,k|k-1}^{-1}對(duì)預(yù)測(cè)的狀態(tài)估計(jì)值進(jìn)行更新，得到更準(zhǔn)確的狀態(tài)估計(jì)值\hat{\boldsymbol{x}}_{k|k}=\hat{\boldsymbol{x}}_{k|k-1}+K_{k}(\boldsymbol{z}_{k}-\hat{\boldsymbol{z}}_{k|k-1})，同時(shí)更新?tīng)顟B(tài)協(xié)方差矩陣P_{k|k}=P_{k|k-1}-K_{k}P_{zz,k|k-1}K_{k}^T。與EKF相比，UKF在處理多旋翼無(wú)人機(jī)的非線性問(wèn)題時(shí)具有明顯的優(yōu)勢(shì)。UKF不需要對(duì)非線性函數(shù)進(jìn)行線性化，避免了線性化過(guò)程中引入的截?cái)嗾`差，因此能夠更準(zhǔn)確地處理高度非線性的系統(tǒng)，提供更高的估計(jì)精度。在無(wú)人機(jī)進(jìn)行復(fù)雜的姿態(tài)變化和強(qiáng)擾動(dòng)情況下，UKF能夠更準(zhǔn)確地估計(jì)無(wú)人機(jī)的狀態(tài)。在無(wú)人機(jī)進(jìn)行大角度轉(zhuǎn)彎或受到強(qiáng)風(fēng)干擾時(shí)，UKF能夠更快速、準(zhǔn)確地跟蹤無(wú)人機(jī)的狀態(tài)變化，相比EKF具有更好的性能表現(xiàn)。實(shí)驗(yàn)表明，在動(dòng)態(tài)飛行中，UKF的俯仰角誤差可控制在0.8?°以內(nèi)，而EKF為1.2?°。然而，UKF也存在一些缺點(diǎn)。由于UKF需要處理多個(gè)sigma點(diǎn)，其計(jì)算復(fù)雜度相對(duì)較高，在高維狀態(tài)空間中計(jì)算量會(huì)顯著增大，這可能會(huì)影響算法的實(shí)時(shí)性。在一些對(duì)實(shí)時(shí)性要求極高的無(wú)人機(jī)應(yīng)用場(chǎng)景中，UKF的計(jì)算量可能成為其應(yīng)用的限制因素。UKF在某些高維問(wèn)題中可能效率較低，需要進(jìn)一步優(yōu)化算法或采用并行計(jì)算等技術(shù)來(lái)提高計(jì)算效率。3.2.3粒子濾波（PF）粒子濾波（PF）是一種基于蒙特卡羅方法的非線性濾波算法，它在處理非線性、非高斯系統(tǒng)的狀態(tài)估計(jì)問(wèn)題上展現(xiàn)出了獨(dú)特的優(yōu)勢(shì)，在多旋翼無(wú)人機(jī)的抗擾動(dòng)控制中也有著重要的應(yīng)用。粒子濾波的核心思想是通過(guò)一組加權(quán)粒子來(lái)近似系統(tǒng)狀態(tài)的后驗(yàn)概率分布，從而實(shí)現(xiàn)對(duì)系統(tǒng)狀態(tài)的估計(jì)。在多旋翼無(wú)人機(jī)的飛行過(guò)程中，其面臨的環(huán)境和自身狀態(tài)變化往往呈現(xiàn)出非線性和非高斯的特性。以無(wú)人機(jī)的目標(biāo)跟蹤任務(wù)為例，目標(biāo)的運(yùn)動(dòng)軌跡可能是非線性的，同時(shí)傳感器測(cè)量存在噪聲，且噪聲分布可能不滿足高斯分布。假設(shè)多旋翼無(wú)人機(jī)的狀態(tài)向量為\boldsymbol{x}_k，觀測(cè)向量為\boldsymbol{z}_k，系統(tǒng)的狀態(tài)轉(zhuǎn)移方程為\boldsymbol{x}_k=f(\boldsymbol{x}_{k-1},\boldsymbol{u}_{k-1},\boldsymbol{w}_{k-1})，觀測(cè)方程為\boldsymbol{z}_k=h(\boldsymbol{x}_k,\boldsymbol{v}_k)，其中f和h是非線性函數(shù)，\boldsymbol{u}_{k-1}是控制輸入，\boldsymbol{w}_{k-1}是過(guò)程噪聲，\boldsymbol{v}_k是觀測(cè)噪聲。粒子濾波的基本步驟包括初始化、預(yù)測(cè)、更新和重采樣。在初始化階段，根據(jù)先驗(yàn)知識(shí)，在狀態(tài)空間中隨機(jī)生成一組粒子\{\boldsymbol{x}_0^{(i)}\}_{i=1}^N，并為每個(gè)粒子賦予相同的權(quán)重w_0^{(i)}=\frac{1}{N}，其中N是粒子的數(shù)量。這些粒子代表了初始時(shí)刻系統(tǒng)狀態(tài)的可能取值。在預(yù)測(cè)階段，根據(jù)系統(tǒng)的狀態(tài)轉(zhuǎn)移方程，將上一時(shí)刻的粒子\{\boldsymbol{x}_{k-1}^{(i)}\}_{i=1}^N傳播到當(dāng)前時(shí)刻，得到預(yù)測(cè)粒子\{\boldsymbol{x}_k^{(i)-}\}_{i=1}^N，即\boldsymbol{x}_k^{(i)-}=f(\boldsymbol{x}_{k-1}^{(i)},\boldsymbol{u}_{k-1},\boldsymbol{w}_{k-1}^{(i)})，其中\(zhòng)boldsymbol{w}_{k-1}^{(i)}是從過(guò)程噪聲分布中采樣得到的噪聲樣本。在更新階段，根據(jù)當(dāng)前時(shí)刻的觀測(cè)值\boldsymbol{z}_k，計(jì)算每個(gè)預(yù)測(cè)粒子的權(quán)重。權(quán)重的計(jì)算基于重要性采樣原理，通常使用觀測(cè)似然函數(shù)p(\boldsymbol{z}_k|\boldsymbol{x}_k^{(i)-})來(lái)衡量粒子與觀測(cè)值的匹配程度。更新后的粒子權(quán)重為w_k^{(i)}=w_{k-1}^{(i)}\frac{p(\boldsymbol{z}_k|\boldsymbol{x}_k^{(i)-})}{q(\boldsymbol{x}_k^{(i)}|\boldsymbol{x}_{k-1}^{(i)},\boldsymbol{z}_k)}，其中q(\boldsymbol{x}_k^{(i)}|\boldsymbol{x}_{k-1}^{(i)},\boldsymbol{z}_k)是重要性分布函數(shù)，它決定了如何從狀態(tài)空間中采樣新的粒子。在實(shí)際應(yīng)用中，為了簡(jiǎn)化計(jì)算，常選擇狀態(tài)轉(zhuǎn)移方程作為重要性分布函數(shù)，即q(\boldsymbol{x}_k^{(i)}|\boldsymbol{x}_{k-1}^{(i)},\boldsymbol{z}_k)=p(\boldsymbol{x}_k^{(i)}|\boldsymbol{x}_{k-1}^{(i)})，此時(shí)權(quán)重更新公式簡(jiǎn)化為w_k^{(i)}=w_{k-1}^{(i)}p(\boldsymbol{z}_k|\boldsymbol{x}_k^{(i)-})。然后對(duì)權(quán)重進(jìn)行歸一化處理，使得\sum_{i=1}^Nw_k^{(i)}=1。經(jīng)過(guò)多次迭代后，可能會(huì)出現(xiàn)粒子退化問(wèn)題，即大部分粒子的權(quán)重趨近于零，只有少數(shù)粒子對(duì)估計(jì)結(jié)果有貢獻(xiàn)。3.3基于在線估計(jì)的擾動(dòng)觀測(cè)與補(bǔ)償機(jī)制基于在線估計(jì)技術(shù)，構(gòu)建高效的擾動(dòng)觀測(cè)與補(bǔ)償機(jī)制是提升多旋翼無(wú)人機(jī)抗擾動(dòng)能力的關(guān)鍵。通過(guò)實(shí)時(shí)準(zhǔn)確地觀測(cè)無(wú)人機(jī)所受到的擾動(dòng)，并及時(shí)進(jìn)行補(bǔ)償，可以有效減小擾動(dòng)對(duì)無(wú)人機(jī)飛行狀態(tài)的影響，確保其穩(wěn)定、可靠地完成飛行任務(wù)。在擾動(dòng)觀測(cè)方面，以擴(kuò)展?fàn)顟B(tài)觀測(cè)器（ESO）為例，它是一種常用的能夠?qū)ο到y(tǒng)的未知擾動(dòng)進(jìn)行實(shí)時(shí)估計(jì)的方法。對(duì)于多旋翼無(wú)人機(jī)系統(tǒng)，假設(shè)其狀態(tài)方程為\dot{\boldsymbol{x}}=\boldsymbol{f}(\boldsymbol{x})+\boldsymbolu+\boldsymbol6666666，其中\(zhòng)boldsymbol{x}是系統(tǒng)狀態(tài)向量，\boldsymbol{f}(\boldsymbol{x})是非線性函數(shù)，\boldsymbol是控制輸入矩陣，u是控制輸入，\boldsymbol1616166是未知擾動(dòng)。ESO通過(guò)將未知擾動(dòng)\boldsymbol6661661擴(kuò)展為新的狀態(tài)變量，構(gòu)建增廣狀態(tài)向量\boldsymbol{z}=[\boldsymbol{x}^T,\boldsymbol1661111^T]^T，然后設(shè)計(jì)觀測(cè)器對(duì)增廣狀態(tài)向量進(jìn)行估計(jì)。ESO的核心思想是利用系統(tǒng)的輸入輸出信息，通過(guò)反饋校正的方式，不斷逼近真實(shí)的狀態(tài)和擾動(dòng)。其觀測(cè)器方程通?？梢员硎緸閈dot{\hat{\boldsymbol{z}}}=\boldsymbol{f}(\hat{\boldsymbol{z}})+\boldsymbolu+\boldsymbol{L}(\boldsymbol{y}-\hat{\boldsymbol{y}})，其中\(zhòng)hat{\boldsymbol{z}}是增廣狀態(tài)向量的估計(jì)值，\boldsymbol{L}是觀測(cè)器增益矩陣，\boldsymbol{y}是系統(tǒng)的輸出，\hat{\boldsymbol{y}}是輸出的估計(jì)值。通過(guò)合理選擇觀測(cè)器增益矩陣\boldsymbol{L}，可以使估計(jì)值\hat{\boldsymbol{z}}快速收斂到真實(shí)值\boldsymbol{z}，從而實(shí)現(xiàn)對(duì)未知擾動(dòng)\boldsymbol1111161的準(zhǔn)確估計(jì)。在實(shí)際應(yīng)用中，為了提高ESO對(duì)不同類型擾動(dòng)的觀測(cè)精度和適應(yīng)性，可以對(duì)其進(jìn)行改進(jìn)。一種基于自適應(yīng)參數(shù)調(diào)整的ESO改進(jìn)方法，根據(jù)擾動(dòng)的復(fù)雜程度實(shí)時(shí)調(diào)整觀測(cè)器的參數(shù)。當(dāng)檢測(cè)到擾動(dòng)的幅值或頻率發(fā)生變化時(shí)，通過(guò)自適應(yīng)算法自動(dòng)調(diào)整觀測(cè)器的增益矩陣\boldsymbol{L}，使ESO能夠更好地跟蹤擾動(dòng)的變化，提高估計(jì)精度。在遇到強(qiáng)風(fēng)擾動(dòng)時(shí)，風(fēng)的強(qiáng)度和方向變化較為劇烈，自適應(yīng)ESO能夠及時(shí)調(diào)整參數(shù)，更準(zhǔn)確地估計(jì)風(fēng)擾對(duì)無(wú)人機(jī)的影響。結(jié)合其他傳感器信息，如風(fēng)速傳感器、氣壓傳感器等，也可以進(jìn)一步提高擾動(dòng)觀測(cè)的準(zhǔn)確性。將風(fēng)速傳感器測(cè)量的風(fēng)速信息與ESO估計(jì)的風(fēng)擾信息進(jìn)行融合，可以更全面地了解風(fēng)擾的特性，為后續(xù)的補(bǔ)償控制提供更精確的數(shù)據(jù)支持?；谟^測(cè)到的擾動(dòng)信息，設(shè)計(jì)有效的補(bǔ)償控制器是抵消擾動(dòng)影響的關(guān)鍵步驟。將擾動(dòng)補(bǔ)償思想融入到傳統(tǒng)的PID控制算法中，形成具有抗擾動(dòng)能力的復(fù)合控制算法。傳統(tǒng)的PID控制算法根據(jù)系統(tǒng)的偏差e=r-y（其中r是參考輸入，y是系統(tǒng)輸出），計(jì)算控制量u_{pid}=K_pe+K_i\intedt+K_d\frac{de}{dt}，其中K_p、K_i、K_d分別是比例、積分、微分系數(shù)。在加入擾動(dòng)補(bǔ)償后，控制量變?yōu)閡=u_{pid}-\hat{\boldsymbol1616111}，其中\(zhòng)hat{\boldsymbol6111116}是通過(guò)在線估計(jì)得到的擾動(dòng)估計(jì)值。這樣，通過(guò)將估計(jì)出的擾動(dòng)從控制量中減去，可以抵消擾動(dòng)對(duì)系統(tǒng)的影響，使無(wú)人機(jī)能夠更準(zhǔn)確地跟蹤參考輸入。當(dāng)無(wú)人機(jī)受到風(fēng)擾導(dǎo)致姿態(tài)發(fā)生偏差時(shí)，PID控制器根據(jù)姿態(tài)偏差計(jì)算出控制量，同時(shí)ESO估計(jì)出風(fēng)擾的大小和方向，將風(fēng)擾估計(jì)值從控制量中減去，從而使無(wú)人機(jī)能夠更快地恢復(fù)到穩(wěn)定的姿態(tài)。對(duì)于滑?？刂疲部梢酝ㄟ^(guò)引入擾動(dòng)補(bǔ)償來(lái)提高其抗擾動(dòng)性能?；？刂仆ㄟ^(guò)設(shè)計(jì)滑模面s(\boldsymbol{x})，使系統(tǒng)狀態(tài)在有限時(shí)間內(nèi)到達(dá)滑模面，并沿著滑模面運(yùn)動(dòng)，從而實(shí)現(xiàn)對(duì)系統(tǒng)的控制。在多旋翼無(wú)人機(jī)的滑?？刂浦校刂坡赏ǔ？梢员硎緸閡=u_{eq}+u_{dis}，其中u_{eq}是等效控制量，用于維持系統(tǒng)在滑模面上的運(yùn)動(dòng)，u_{dis}是切換控制量，用于使系統(tǒng)狀態(tài)到達(dá)滑模面。為了補(bǔ)償擾動(dòng)的影響，可以將擾動(dòng)估計(jì)值\hat{\boldsymbol1166166}加入到控制律中，即u=u_{eq}+u_{dis}-\hat{\boldsymbol6111611}。這樣，在無(wú)人機(jī)受到擾動(dòng)時(shí)，控制律能夠根據(jù)擾動(dòng)估計(jì)值及時(shí)調(diào)整控制量，使無(wú)人機(jī)保持在預(yù)定的滑模面上運(yùn)動(dòng)，提高系統(tǒng)的抗擾動(dòng)能力。針對(duì)滑?？刂频亩墩駟?wèn)題，可以采用基于邊界層和自適應(yīng)趨近律的方法。在邊界層內(nèi)采用自適應(yīng)趨近律，根據(jù)系統(tǒng)狀態(tài)和擾動(dòng)情況實(shí)時(shí)調(diào)整趨近速度，在有效抑制抖振的同時(shí)，保證系統(tǒng)的快速響應(yīng)和抗擾動(dòng)性能。當(dāng)擾動(dòng)較大時(shí)，增大趨近速度，使系統(tǒng)能夠快速響應(yīng)擾動(dòng)；當(dāng)擾動(dòng)較小時(shí)，減小趨近速度，降低抖振的影響。四、基于在線估計(jì)的多旋翼無(wú)人機(jī)抗擾動(dòng)控制策略設(shè)計(jì)4.1控制策略總體框架基于在線估計(jì)的多旋翼無(wú)人機(jī)抗擾動(dòng)控制策略旨在通過(guò)實(shí)時(shí)估計(jì)無(wú)人機(jī)所受的各種擾動(dòng)，并將這些估計(jì)信息融入到控制算法中，實(shí)現(xiàn)對(duì)擾動(dòng)的有效補(bǔ)償，從而提高無(wú)人機(jī)在復(fù)雜環(huán)境下飛行的穩(wěn)定性和可靠性。其總體框架主要由擾動(dòng)觀測(cè)器、控制器和執(zhí)行機(jī)構(gòu)三個(gè)關(guān)鍵部分組成，各部分之間相互協(xié)作，共同保障無(wú)人機(jī)的穩(wěn)定飛行。擾動(dòng)觀測(cè)器是抗擾動(dòng)控制策略的核心組成部分，其主要功能是利用在線估計(jì)技術(shù)，對(duì)多旋翼無(wú)人機(jī)在飛行過(guò)程中所受到的各種擾動(dòng)進(jìn)行實(shí)時(shí)觀測(cè)和估計(jì)。如前文所述，擴(kuò)展卡爾曼濾波（EKF）、無(wú)跡卡爾曼濾波（UKF）和粒子濾波（PF）等在線估計(jì)方法都可用于擾動(dòng)觀測(cè)器的設(shè)計(jì)。以擴(kuò)展卡爾曼濾波為例，通過(guò)對(duì)無(wú)人機(jī)非線性動(dòng)力學(xué)模型進(jìn)行線性化處理，結(jié)合傳感器測(cè)量數(shù)據(jù)，如陀螺儀、加速度計(jì)等提供的姿態(tài)和加速度信息，以及GPS提供的位置信息，EKF能夠?qū)崟r(shí)估計(jì)無(wú)人機(jī)的狀態(tài)，包括位置、速度、姿態(tài)等，同時(shí)對(duì)飛行過(guò)程中受到的風(fēng)擾、氣流擾動(dòng)等未知擾動(dòng)進(jìn)行估計(jì)。在遇到橫風(fēng)擾動(dòng)時(shí)，EKF可以根據(jù)傳感器數(shù)據(jù)和線性化后的狀態(tài)轉(zhuǎn)移方程，快速估計(jì)出橫風(fēng)對(duì)無(wú)人機(jī)產(chǎn)生的作用力和力矩，為后續(xù)的控制決策提供重要依據(jù)?？刂破魇歉鶕?jù)擾動(dòng)觀測(cè)器提供的擾動(dòng)估計(jì)信息以及無(wú)人機(jī)的期望狀態(tài)，生成控制指令的關(guān)鍵環(huán)節(jié)。常見(jiàn)的控制器包括PID控制器、滑?？刂破鞯?。在本抗擾動(dòng)控制策略中，將擾動(dòng)補(bǔ)償思想融入到傳統(tǒng)的控制器中，形成具有抗擾動(dòng)能力的復(fù)合控制器。以PID控制器為例，傳統(tǒng)的PID控制根據(jù)無(wú)人機(jī)的期望姿態(tài)和實(shí)際姿態(tài)之間的偏差，計(jì)算出控制量，以調(diào)整無(wú)人機(jī)的姿態(tài)。在加入擾動(dòng)補(bǔ)償后，控制器會(huì)根據(jù)擾動(dòng)觀測(cè)器估計(jì)出的擾動(dòng)量，對(duì)控制量進(jìn)行修正。當(dāng)擾動(dòng)觀測(cè)器檢測(cè)到無(wú)人機(jī)受到風(fēng)擾導(dǎo)致姿態(tài)發(fā)生偏差時(shí)，PID控制器在計(jì)算控制量時(shí)，會(huì)將風(fēng)擾估計(jì)值考慮在內(nèi)，通過(guò)增加或減少相應(yīng)的控制量，來(lái)抵消風(fēng)擾的影響，使無(wú)人機(jī)能夠更快地恢復(fù)到期望的姿態(tài)。執(zhí)行機(jī)構(gòu)負(fù)責(zé)接收控制器發(fā)出的控制指令，并將其轉(zhuǎn)化為實(shí)際的動(dòng)作，以實(shí)現(xiàn)對(duì)無(wú)人機(jī)的控制。在多旋翼無(wú)人機(jī)中，執(zhí)行機(jī)構(gòu)主要包括電機(jī)和螺旋槳。當(dāng)控制器根據(jù)擾動(dòng)補(bǔ)償后的控制算法計(jì)算出需要調(diào)整的電機(jī)轉(zhuǎn)速時(shí)，電調(diào)會(huì)接收這些指令，通過(guò)調(diào)節(jié)電機(jī)的輸入電壓和電流，精確控制電機(jī)的轉(zhuǎn)速。電機(jī)帶動(dòng)螺旋槳旋轉(zhuǎn)，產(chǎn)生相應(yīng)的推力和力矩，從而改變無(wú)人機(jī)的姿態(tài)和飛行軌跡，抵消擾動(dòng)的影響。如果控制器計(jì)算出需要增大某個(gè)電機(jī)的轉(zhuǎn)速來(lái)抵消風(fēng)擾的影響，電調(diào)會(huì)按照指令提高該電機(jī)的電壓和電流，使電機(jī)轉(zhuǎn)速增加，進(jìn)而增加該電機(jī)對(duì)應(yīng)的螺旋槳產(chǎn)生的推力，使無(wú)人機(jī)恢復(fù)到穩(wěn)定的飛行狀態(tài)。在整個(gè)抗擾動(dòng)控制策略的運(yùn)行過(guò)程中，擾動(dòng)觀測(cè)器、控制器和執(zhí)行機(jī)構(gòu)緊密協(xié)作。擾動(dòng)觀測(cè)器實(shí)時(shí)監(jiān)測(cè)和估計(jì)無(wú)人機(jī)所受的擾動(dòng)，并將擾動(dòng)估計(jì)信息及時(shí)傳遞給控制器?？刂破鞲鶕?jù)擾動(dòng)估計(jì)信息和無(wú)人機(jī)的期望狀態(tài)，快速計(jì)算出精確的控制指令。執(zhí)行機(jī)構(gòu)則迅速響應(yīng)控制器的指令，通過(guò)調(diào)整電機(jī)轉(zhuǎn)速，改變無(wú)人機(jī)的飛行狀態(tài)，實(shí)現(xiàn)對(duì)擾動(dòng)的有效補(bǔ)償。這種協(xié)同工作的方式使得無(wú)人機(jī)能夠在復(fù)雜多變的環(huán)境中，快速、準(zhǔn)確地應(yīng)對(duì)各種擾動(dòng)，保持穩(wěn)定的飛行狀態(tài)，確保飛行任務(wù)的順利完成。4.2擾動(dòng)觀測(cè)器設(shè)計(jì)4.2.1基于滑模觀測(cè)器的擾動(dòng)估計(jì)滑模觀測(cè)器（SMO）是一種基于滑模變結(jié)構(gòu)控制理論的擾動(dòng)估計(jì)方法，它通過(guò)設(shè)計(jì)滑模面和滑?？刂坡桑瓜到y(tǒng)狀態(tài)在有限時(shí)間內(nèi)到達(dá)滑模面，并沿著滑模面運(yùn)動(dòng)，從而實(shí)現(xiàn)對(duì)擾動(dòng)的有效估計(jì)。在多旋翼無(wú)人機(jī)的抗擾動(dòng)控制中，滑模觀測(cè)器具有對(duì)系統(tǒng)參數(shù)變化和外部擾動(dòng)不敏感的優(yōu)點(diǎn)，能夠快速準(zhǔn)確地估計(jì)出無(wú)人機(jī)所受到的擾動(dòng)?？紤]多旋翼無(wú)人機(jī)的動(dòng)力學(xué)模型，以四旋翼無(wú)人機(jī)為例，其在機(jī)體坐標(biāo)系下的狀態(tài)方程可表示為：\begin{cases}\dot{\boldsymbol{x}}=\boldsymbol{f}(\