【四旋翼】基于扰动补偿的四旋翼无人机自适应模型预测控制研究Matlab实现
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、程序设计科研仿真。
🍎完整代码获取 定制创新 论文复现点击：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
一、引言
四旋翼无人机凭借其灵活的机动性和广泛的应用前景，在航拍、物流配送、农业植保等诸多领域发挥着重要作用。然而，四旋翼无人机在飞行过程中会受到各种内外部扰动的影响，如空气动力学干扰、传感器噪声以及模型不确定性等，这些扰动严重影响了其飞行的稳定性和控制精度。为解决这一问题，基于扰动补偿的自适应模型预测控制方法应运而生，该方法能够实时估计并补偿扰动，同时利用模型预测控制的优势对四旋翼无人机进行精确控制，有效提升其在复杂环境下的飞行性能。
二、四旋翼无人机动力学模型
- 基本结构与飞行原理
：四旋翼无人机由四个旋翼组成，通过改变各旋翼的转速来产生不同的升力，从而实现垂直起降、悬停、前后左右飞行以及姿态调整等动作。其飞行原理基于牛顿第二定律和动量矩定理，通过控制四个旋翼的升力合力和合力矩来实现对无人机的控制。
- 动力学模型建立
：在建立四旋翼无人机动力学模型时，通常假设其为刚体，忽略一些次要因素的影响。一般采用非线性状态空间模型来描述其动力学特性，包括位置、速度、姿态角和角速度等状态变量。例如，在机体坐标系下，四旋翼无人机的动力学方程可表示为：⎩⎨⎧x¨=m1Fsinθcosψy¨=m1Fsinθsinψz¨=m1Fcosθ−gϕ˙=p+(sinϕtanθ)q+(cosϕtanθ)rθ˙=cosϕq−sinϕrψ˙=(sinϕsecθ)q+(cosϕsecθ)r其中，(x,y,z) 为无人机在惯性坐标系下的位置，(ϕ,θ,ψ) 分别为滚转角、俯仰角和偏航角，(p,q,r) 为机体坐标系下的角速度，m 为无人机质量，F 为四个旋翼产生的总升力，g 为重力加速度。
三、扰动分析与补偿
- 扰动来源
：四旋翼无人机所面临的扰动主要包括外部扰动和内部扰动。外部扰动如大气湍流、阵风等，这些扰动会使无人机受到额外的气动力和力矩作用；内部扰动则主要源于传感器噪声、电机特性不一致以及模型不确定性等，例如电机在不同转速下的输出特性存在差异，导致实际产生的升力与理论值不符。
- 扰动估计方法
：为了实现扰动补偿，需要对扰动进行实时估计。常用的方法包括基于扩展卡尔曼滤波器（EKF）、滑模观测器（SMO）以及自适应扰动观测器（ADOB）等。以自适应扰动观测器为例，它通过构建一个与系统动力学模型相关的观测器，利用系统的输入输出信息实时估计扰动。其基本原理是基于李雅普诺夫稳定性理论，通过设计合适的观测器增益矩阵，使得观测器能够快速准确地跟踪扰动的变化。
- 扰动补偿策略
：在获得扰动估计值后，将其反馈到控制系统中进行补偿。具体来说，在控制器的输出端加上扰动估计值的负值，从而抵消扰动对系统的影响。例如，若估计出的扰动使得无人机在 x 方向上产生了一个额外的加速度 Δx¨，则在控制输入中减去相应的补偿量，使得实际作用在无人机上的力能够抵消该扰动的影响，保证无人机的飞行轨迹不受干扰。
四、自适应模型预测控制
- 模型预测控制（MPC）原理
：模型预测控制是一种基于模型的先进控制策略，它通过建立系统的预测模型，利用当前及过去的系统信息预测未来一段时间内系统的状态。在每个控制周期内，求解一个有限时域的优化问题，得到最优的控制序列，但仅将该序列的第一个控制量应用于系统。在下一个控制周期，重新采集系统信息，更新预测模型，再次求解优化问题，如此滚动进行。在四旋翼无人机控制中，模型预测控制能够根据无人机的当前状态和未来的期望状态，提前规划出一系列的控制输入，使无人机尽可能地跟踪期望轨迹。
- 自适应机制
：为了使模型预测控制能够更好地适应四旋翼无人机在飞行过程中的各种不确定性和变化，引入自适应机制。自适应模型预测控制能够根据系统的实时运行状态自动调整控制器的参数，以适应不同的飞行条件和扰动情况。例如，当无人机受到较大扰动时，自适应机制可以增大控制器的增益，增强对扰动的抑制能力；当无人机处于平稳飞行状态时，适当减小增益，提高系统的稳定性和控制精度。这种自适应调整可以通过在线估计系统参数，并根据估计结果调整模型预测控制器的相关参数来实现。
- 优化问题求解
：在自适应模型预测控制中，优化问题的求解是关键环节。通常将最小化预测输出与期望输出之间的误差作为目标函数，同时考虑系统的约束条件，如控制输入的幅值限制、无人机的状态变量限制等。常用的求解方法包括线性规划、二次规划以及智能优化算法等。以二次规划为例，它将优化问题转化为一个二次函数的最小化问题，通过求解相应的凸优化问题，得到最优的控制序列。在实际应用中，为了提高求解效率，可以采用一些快速求解算法，并结合硬件加速技术，确保在每个控制周期内能够快速准确地得到最优控制解。
⛳️ 运行结果
📣 部分代码
function res=Rotx(phi)
s_th=sin(phi);c_th=cos(phi);
res=[1,0,0;0,c_th,-s_th;0,s_th,c_th];
end
🔗 参考文献
[1]郭学强.基于多模型自适应控制的四旋翼飞行器的姿态控制研究[D].中国地质大学(北京)[2026-06-12].DOI:CNKI:CDMD:2.1016.184173.