面向巢湖水质精准监测的无人机抗干扰控制技术研究

Considering the complex environment of the lake, UAV are always affected by many stochastic factors, such as atmospheric turbulence, the system modeling error perturbation and measurement noise, etc. The stochastic factors have an enormous influence on the system control performance and precision. In this project, for the UAV system for accurate monitoring of water quality in Chaohu, and by using the stochastic robust design method, disturbance observer technology and multi-dimensions Taylor networks approximation technique, the following issues are mainly considered:.1. For the UAVs system with wind disturbance, the model is modifed based the existing model of UAV and the wind field theory. By using the nonlinear dynamic planning method to optimize the objective function, the robust stochastic control scheme based on probability distribution.is proposed..2. Based on the design method of disturbance observer, stochastic robust analysis and multi-dimensions Taylor networks , the robust adaptive anti-disturbance controller for UAV is designed. .3. In view of the UAV system with constraint condition, and the influence of turbulent stochastic disturbance and airborne shaking is taken into full consideration, the UAV multi-index trajectory/flight integrated optimizing control scheme is developed. .The research of this project will lay a theoretical foundation for the development and improvement of robust stochastic control of UAV systems. It can be expected that the theoretical foundation has potential application value in various engineering fields.

考虑在湖面复杂环境下飞行时，无人机（UAV, unmanned aerial vehicle）受到大气紊流、系统建模误差摄动和测量噪声等随机因素的影响，对系统的控制性能和精度产生非常大的影响。本项目针对面向巢湖水质精准监测的无人机系统，将利用随机鲁棒控制设计方法、干扰观测器技术和多维Taylor网络逼近技术，主要开展以下内容的研究：1. 针对阵风干扰下的无人机系统，根据已有的无人机系统模型和风场理论进行模型修正，并采用非线性动态规划方法优化目标函数，提出基于概率分布的UAV鲁棒随机控制方案；2. 基于观测器设计方法、随机鲁棒分析和多维Taylor网络，设计随机干扰下的UAV鲁棒自适应抗干扰控制器； 3. 综合考虑约束条件下UAV系统受到紊流随机干扰和机载晃动的影响，设计UAV多指标轨迹/飞行一体化优化控制方案。该项目的研究为UAV鲁棒随机控制的发展和完善奠定理论基础，具有潜在的应用价值。

无人机以其速度快、机动性高等特点在军民商用领域都有着得天独厚的优势，使用无人机执行重复且危险的任务将会成为主流。研究面向复杂环境的自主飞行、群体作业等无人机核心技术，推动无人机在环境监测、安全巡查、搜索营救等领域的创新应用，具有重要的理论和工程应用价值。本项目针对具有外部干扰和输入输出约束的不确定非线性系统及无人飞行器(unmanned aerial vehicle，UAV)抗干扰受限控制问题，开展了卓有成效的研究工作。首先，针对随机干扰下的UAV 系统，充分考虑部分外部干扰的随机性，建立基于随机系统理论的UAV非线性系统模型；其次，为了有效处理非线性系统的未知干扰，提出了基于干扰观测器的非线性系统鲁棒控制方法，增强了非线性系统的抗干扰能力；为了同时处理非线性系统存在的未知干扰和系统不确定性，提出了基于干扰观测器和神经网络相结合的非线性系统鲁棒控制方法，解决了系统控制输入约束和未知干扰所导致的系统控制性能下降的问题；最后，针对无人机工作环境未知且易遭受到随机干扰影响的特点，开展了动态未知环境下的无人机的鲁棒飞行控制关键技术研究，保证了无人机在复杂未知环境下的飞行控制精度。.本项目的实施促进了外部干扰下的UAV系统动力学分析及鲁棒控制技术的发展，能够为未来飞行器在复杂未知环境下实现飞行稳定和安全可靠的目标提供综合技术支持。在国家自然科学基金项目（No. 61903118）资助下已发表高水平论文7篇，研究成果发表在IEEE Transactions on Fuzzy Systems、Chinese Journal of Aeronautics等国际权威期刊，其中SCI检索论文4篇、CSCD中文核心期刊论文1篇、EI检索会议论文2篇；获江苏省自动化学会科学技术奖二等奖1项。本项目所研究的基于神经网络和干扰观测器的鲁棒控制理论与方法可以应用于无人机的鲁棒飞行控制方案设计中，并且能够保证无人机在复杂未知环境下的飞行控制精度，提高无人机的生存能力和任务完成能力，对促进无人机飞行控制技术发展是十分有益的。