一种四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法

1.本发明属于无人机飞行控制技术领域，具体涉及一种面向运输任务的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法。


背景技术：

2.四旋翼无人机作为一种高度集成的无人机，具有结构简单、能垂直起降以及低速飞行等优点，已经被广泛运用于货物搬运等领域；其中，采用吊挂负载方式可以实现更高效的货物运输，近年来成为了国内外学者的研究重点。
3.运输任务的顺利实现要求四旋翼无人机飞行控制系统具有很强的控制精度和鲁棒性，例如四旋翼无人机执行货物运送任务时需要具备抗风能力以应对各种不利天气；此外飞行过程中的吊挂负载摆动会显著影响飞控系统的稳定性，同时到达目标点后存在的残留振荡也会降低运输任务的完成质量。
4.因此，研究四旋翼无人机吊挂载荷系统的飞行控制与摆角抑制方法，保证无人机精确跟踪期望轨迹的同时实现负载摆动抑制，对提升作业任务质量和拓展无人机应用场景具有重要的实践应用价值。


技术实现要素：

5.本发明提供了一种四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，保证了无人机精确跟踪期望轨迹的同时实现负载摆动抑制。
6.为实现上述目的，本发明采用以下技术方案：
7.一种四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，包括以下步骤：
8.步骤一：利用牛顿-欧拉法和欧拉-拉格朗日能量法建立四旋翼无人机吊挂载荷系统的动力学模型；
9.步骤二：采用串级轨迹跟踪控制策略，将负载摆动考虑为对无人机的干扰，将系统解耦为外环位置控制回路和内环姿态控制回路，并分别针对两回路中存在的外部集总干扰，设计了干扰估计器以提高飞行控制系统的鲁棒性；针对外环位置环干扰估计器存在较大干扰估计偏差问题，设计了多层自适应神经网络输出补偿策略来降低估计误差，提高了系统的跟踪精度；
10.步骤三：利用系统微分平坦原理的负载轨迹生成技术，将负载位置与无人机的偏航角信息作为四旋翼无人机吊挂载荷系统的平坦输出，利用平坦输出及其高阶导数来表示系统的所有状态，建立负载运动轨迹到无人机运动轨迹的映射关系，同时生成负载期望轨迹；
11.步骤四：针对系统飞行时存在的负载摆动以及无人机悬停时存在的负载残留振荡问题，设计一种zvdd整形器，实现系统残余振荡的抑制；映射至无人机的期望轨迹，无人机
驱使负载以期望的轨迹运动。
12.有益效果：本发明提供了一种四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，针对基于非线性控制技术来设计控制器难以保证系统稳定，存在对噪声与干扰的鲁棒性不强、无法完全消除稳态误差等问题，本发明旨在为四旋翼无人机吊挂载荷系统顺利实现运输任务提供了一种的新的解决方法，采用内外环串级控制技术，提升对外部集总干扰的鲁棒性；针对系统飞行时存在的负载摆动以及无人机悬停时存在的负载残留振荡问题，提出了利用系统微分平坦原理，将负载位置与无人机的偏航角信息作为四旋翼无人机吊挂载荷系统的平坦输出，利用平坦输出及其高阶导数来表示系统的所有状态，建立负载运动轨迹到无人机运动轨迹的映射关系，生成负载的期望轨迹；利用输入整形技术实现系统残余振荡的抑制；利用建立的映射关系解算得到四旋翼无人机的期望轨迹信号；仿真实验结果表明，对于四旋翼无人机吊挂载荷系统，本发明能有效实现系统在外部多源干扰下的运输任务，并提供良好的控制精度与鲁棒性；能够有效实现其通过对预设轨迹的跟踪控制品质，并实现负载摆动抑制，可以为面向运输任务的四旋翼无人机吊挂载荷系统提供完备的控制策略。
附图说明
13.图1为本发明实施例中四旋翼无人机吊挂载荷系统刚体模型示意图；
14.图2为本发明实施例中姿态回路控制器框图；
15.图3为本发明实施例中位置回路控制器框图；
16.图4为本发明实施例中用于补偿集总干扰估计误差的多层神经网络结构图；
17.图5为本发明实施例中姿态回路仿真实验图；
18.图6为本发明实施例中位置回路仿真实验图；
19.图7为本发明实施例中输入整形原理图；
20.图8为本发明实施例中对照组：四旋翼无人机位置跟踪示意图；
21.图9为本发明实施例中实验组：四旋翼无人机位置跟踪示意图；
22.图10为本发明实施例中对照组：四旋翼无人机姿态跟踪示意图；
23.图11为本发明实施例中实验组：四旋翼无人机姿态跟踪示意图；
24.图12为本发明实施例中对照组与实验组φ
l
状态对比图；
25.图13为本发明实施例中对照组与实验组θ
l
状态对比图
26.图14为本发明实施例中四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制综合控制技术示意图。
具体实施方式
27.下面结合附图和具体实施例对本发明进行详细说明：
28.如图14所示，一种四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，具体包括以下步骤：
29.1、基于自适应神经网络的四旋翼无人机轨迹跟踪控制技术
30.(1)四旋翼无人机吊挂载荷系统建模
31.四旋翼无人机执行负载作业任务涉及诸多性能指标和参数，如飞行时对预设轨迹
跟踪的稳态误差、抗干扰性，这些性能指标要求和参数范围直接决定了无人机能否安全快速将负载运输至目标地点，系统刚体模型如图1所示，首先将四旋翼无人机的六自由度刚体动力学模型表达为：
[0032][0033]
其中，f代表四电机提供的垂直方向升力；[τ
φ τ
θ τ
ψ
]
t
代表沿着机体轴三方向的转动力矩；[x y z]
t
代表四旋翼无人机在惯性坐标系下的位置；[φ θ ψ]
t
为旋转姿态角；mq为无人机总质量；g为重力加速度；i
xx
、i
yy
、i
zz
分别代表沿着机体坐标系三方向的惯性力矩；j代表旋转惯性矩阵，d
φ
代表俯仰角通道集总干扰，d
θ
代表横滚角通道集总干扰，d
ψ
代表偏航角通道集总干扰，d
x
代表x通道集总干扰，dy代表y通道集总干扰，dz代表z通道集总干扰。
[0034]
结合公式(1)，利用欧拉-拉格朗日能量法建立的四旋翼无人机吊挂载荷系统运动学模型为
[0035][0036]
其中，mq为四旋翼无人机的质量；m
l
为负载的质量；f为四电机提供垂直方向升力；dq为四旋翼无人机飞行过程中受到的集总干扰向量；d
l
为负载飞行过程中受到的集总干扰向量；t为拉力向量；g为重力向量[0 0g]
t
，g为重力加速度；p＝[x y z]
t
为无人机在大地坐标系下的位置向量；p
l
＝[x
l y
l z
l
]
t
为负载在大地坐标系下的位置向量；
[0037]
(2)姿态环跟踪控制律设计
[0038]
姿态回路控制框图如图2所示，定义姿态状态变量φ，θ，ψ；期望姿态为φr，θr，ψr；定义θ＝[φ θ ψ]
t
，θr＝[φ
r θ
r ψr]
t
；姿态子系统跟踪误差e
θ
＝θ
r-θ；姿态子系统跟踪误差的导数为写为控制系统一般形式为：
[0039][0040]
其中，u
θ
＝[τ
φ τ
θ τ
ψ
]
t
,姿态子系统集总干扰表示为d
θ
＝[d
φ d
θ d
ψ
]，具体为：
[0041][0042]
选取姿态子系统滤波器跟踪误差为
[0043][0044]
其中，λ
θ
＝[λ
φ λ
θ λ
ψ
]
t
是非负的设计参数，对公式(5)求导并结合公式(3)、(4)，得到
[0045][0046]
设计姿态鲁棒控制律逼近姿态回路集总干扰，将其代入公式(6)得
[0047][0048]
利用反馈线性化设计其中k
θ
为非负控制参数，用以保证姿态子系统滤波器跟踪误差收敛，将其代入(7)得
[0049][0050]
由公式(8)可知，姿态子系统存在的集总干扰可由系统当前状态与期望输入估计；进一步地，姿态子系统集总干扰的估计表达为
[0051][0052]
其中，为一阶低通滤波器，鲁棒控制律可表达为
[0053][0054]
其中，为拉普拉斯逆变换算子，结合公式(6)至(10)可得姿态回路控制律输出为
[0055][0056]
其中，为一阶低通滤波器；
[0057]
(3)位置环轨迹跟踪控制律设计
[0058]
位置回路控制框图如图3所示，定义期望位置状态为pr＝[x
r y
r zr]
t
；位置子系统跟踪误差为e
p
＝p-pr，位置子系统滤波器跟踪误差为其中，λ
p
＝[λ
x λ
y λz]
t
为待设计的参数；设计位置子系统鲁棒控制律其中d
p
＝[d
x d
y dz]
t
，得到
[0059][0060]
进一步得到
[0061][0062]
其中，λ
p
为待设计的控制参数；
[0063]
定义位置子系统集总干扰估计误差为
[0064][0065]
考虑外部时变干扰信号会降低估计精度，因此利用神经网络的万能逼近性逼近估计误差，提高估计精度，所设计的神经网络结构如图4所示，该神经网络包含输入层、隐含层1、隐含层2、输出层，各部分所包含的神经元个数分别为n1＝6，n2＝3，n2+1＝4，通过选取合适的输入信息，使得由于外界集总干扰影响四旋翼无人机的状态，因此估计误差的信息依赖于四旋翼无人机飞行时的状态信息，选取输入层包含位置子系统的所有当前状态信息；输入层至隐含层第一层的映射定义为权值矩阵使用激活函数将映射至第二层隐含层并添加偏置，即激活函数表达形式为σ(k)＝1/(1+e-k
)，k∈{1,...,n2}。
[0066]
神经网络的输出为
[0067][0068]
其中权值矩阵采用估计值与来代替理想权值与假定与存在非负上界
[0069][0070]
相应地，隐含层由估计值代替α与β，选取网络权值更新律
[0071][0072]
其中，分别为两隐含层的权值更新率，δ＝[ε
x ε
y εz]
t
代表位置三通道的干扰估计器估计误差；γw、γv、κ为待确定的参数，通过选取合适的参数使得神经网络的输出能有效地补偿集总干扰估计误差，得位置子系统的控制律为
[0073][0074]
2、基于系统微分平坦负载轨迹生成技术
[0075]
针对四旋翼无人机吊挂载荷系统这一高维非线性的系统，利用平坦输出可以实现对系统的有效降维，包括从一个动态切换到另一个动态的瞬间，使得系统仍然可以通过控
制四旋翼无人机四个电机的转速来保证对所有自由度的状态变化控制，有
[0076]
pq＝p
l-lp
ꢀꢀꢀ
(19)
[0077][0078]
其中，l为绳长度，p为负载指向无人机的单位向量，进一步可得
[0079][0080][0081]
其中，φ
l
、θ
l
为负载摆角，当负载位置p
l
给定时，由公式(20)则tp可以确定；结合公式(21)则可确定p；结合公式(19)，则无人机位置p得以确定，利用系统微分平坦特性可以找到负载运动状态至所需的无人机运动状态的映射。
[0082]
因此，基于上述分析，四旋翼无人机吊挂载荷系统的轨迹规划问题可以在[x
l y
l z
l ψ]空间内进行规划，目标是生成负载稳定运动的轨迹，然后得到一条无人机可通行的平滑轨迹，并将其作为参考传递给控制器。
[0083]
3、基于输入整形的开环负载摆动抑制技术
[0084]
输入整形器的关键就是计算出每一个脉冲信号的幅值以及它们各自的时滞，原理如图7，输入整形器的数学表达为
[0085][0086]
其中，c(s)代表系统响应，ai代表第i时刻的脉冲，s代表对应时刻脉冲的拉普拉斯变换，将四旋翼无人机吊挂载荷系统简化成二阶系统，得到其典型传递函数为
[0087][0088]
其中，ωn为系统固有自然频率，ζ为系统阻尼，则该系统的单位脉冲响应为
[0089][0090]
其中，ωd为系统阻尼振荡频率，整形器里面含有一系列的不同幅值和时滞的脉冲，设i时刻脉冲的幅值和时滞分别为ai和ti，则该脉冲引起的瞬态响应为
[0091][0092]
其中，t代表当前时刻，ti代表各脉冲响应时刻，系统总响应为各个分量响应之和，表示为
[0093][0094]
将残留振荡百分比v定义为
[0095]
[0096]
其中
[0097][0098]
整形器的目的是将原始信号分若干次分段信号激励系统，使得v为0，即满足
[0099][0100]
通过使残余振动的百分比等于零，保证∑ai＝1这一限制条件成立，并将第一次基础脉冲的位置设为t1＝0，以此确定脉冲的振幅(a1和a2)和第二脉冲的激发时刻t2。
[0101]
设计zvdd整形器对期望信号进行输入整形处理，为了消除柔性系统的残余振动，y(t)在时域中应为零值，则所选取的脉冲响应幅值与激发时刻表示为
[0102][0103]
其中
[0104]
仿真验证
[0105]
(1)控制策略仿真验证
[0106]
姿态回路仿真验真：将初始姿态置为[φ θ ψ]
t
＝[0 0 0]
t
,跟踪正弦信号，幅值为1，三通道扰动为d
φ
＝0.3sin(0.1*πt)+0.1，d
θ
＝0.2cos(0.1*πt)，d
ψ
＝0.2*sin(0.1*πt)+0.2。姿态闭环系统对正弦连续信号的跟踪情况从图5中可以看出，在初始状态有小幅度的跟踪误差，但是能快速地跟上期望正弦信号，在干扰下依然表现出较强的鲁棒性，证明所提姿态控制策略能使得姿态系统跟上快速变化的期望信号，有效地消除了控制回路中变干扰的影响，满足实际任务需求。
[0107]
位置回路仿真验证：下面通过连续航点跟踪仿真实验验证所提控制算法能实现系统在干扰下完成对大机动期望轨迹跟踪。仿真中设置期望的轨迹为xr＝(1+t)cos(0.t5,yr＝(4+0.1t)sin(0.5t)，zr＝1+0.5t；期望的偏航角设置为0，显然在t＝0时刻，期望的位置为[x
r y
r zr]
t
＝[0 0 1]
t
，即在该时刻，四旋翼无人机的任务是从初始位置点[x
0 y
0 z0]
t
跟踪期望信号，仿真模拟时间持续30秒。仿真实验结果如图6所示，可以看出，在起始阶段由于实际无人机起飞位置与期望高度位置存在1m的误差，因此在z方向位置图中可以看出在起始位置存在一定的误差，但误差迅速收敛至0。在13s-18s，21s-25s时间段模拟大机动飞行转弯状况下仍保持很高的鲁棒性，所提控制策略能使得无人机在模拟外界强干扰下很好地跟踪上连续航点。
[0108]
(2)轨迹规划与跟踪仿真验证
[0109]
实验过程中的外界干扰模拟为添加在各通道内的随机干扰，采用所设计的基于自适应神经网络的四旋翼无人机轨迹跟踪控制技术用以跟踪期望轨迹，相应控制参数与控制策略仿真验证实验中保持一致，为验证基于输入整形负载摆动抑制策略的有效性，提出一
组对比实验：首先，两个实验均生成四旋翼无人机期望轨迹，实验1作为对照组，将负载轨迹期望信号通过微分平坦特性所建立的映射关系，得到无人机的期望轨迹信号直接作为控制器的输入，驱使无人机运动；实验2则利用所设计的zvdd整形器，对负载期望轨迹输入信号进行整形处理，再利用处理后的期望信号，反解算得到无人机的期望轨迹信号，作为控制器的输入，完成实验组仿真测试；两个实验均采用所设计的控制算法对生成的期望轨迹进行跟踪，zvdd整形器采用具体参数如表1所示，对比实验结果如图8至图13所示。
[0110]
表1四旋翼无人机吊挂载荷系统输入整形技术具体参数
[0111][0112]
从图8至图9可以看出，实验组相较于对照组，在16s-24s、24-33s时间段，位置三通道方向上的期望轨迹波折较大，但实验组相较于对照组具有更好的初始瞬态响应，特别是对于与高度相对应的z方向分量；同时，位置三通道均产生轻微的制动，这是由于输入整形技术的加入，使得期望信号分为多段脉冲信号，滤波器导致曲线产生一定的倾斜，预测了系统开始和结束时运动的加速和减速，以使得其脉冲叠加产生影响，达到对摆动抑制的效果。从图10至图11可以观察到，输入整形促进了系统变量幅度的显著降低，但无人机的偏航角除外，因为其被预定义为多项式曲线的平坦输出。对照组与实验组两种方法对期望轨迹的跟踪误差均处于较低的状态，这是由于基于本发明设计的控制策略具有良好的收敛性与鲁棒性。
[0113]
由图12至图13可以看出，在8s-18s、26s-36s时间段，在不应用输入整形的情况下，无人机执行较大幅度的机动，在路径中间大约呈现出剧烈振荡，而采用输入整形的负载摆动抑制策略的负载摆角的收敛高于未采用输入整形处理的对照组的表现，输入整形促进了瞬态效应的轻微衰减，负载摆动降低了1倍，两种方法的负载摆角最终趋于0，实验结果验证了所采用的zvdd整形器在促进负载摆动衰减方面的有效性。
[0114]
以上仅是本发明的优选实施例，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

技术特征：
1.一种四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，包括以下步骤：步骤一：利用牛顿-欧拉法和欧拉-拉格朗日能量法建立四旋翼无人机吊挂载荷系统的动力学模型；步骤二：采用串级轨迹跟踪控制策略，将系统解耦为外环位置控制回路和内环姿态控制回路，并分别针对两回路中存在的外部集总干扰，设计干扰估计器；针对外环位置干扰估计器存在较大干扰估计偏差问题，设计自适应多层神经网络输出补偿策略来降低估计误差；步骤三：利用系统微分平坦原理的负载轨迹生成技术，将负载位置与无人机的偏航角信息作为四旋翼无人机吊挂载荷系统的平坦输出，利用平坦输出及其高阶导数来表示系统的所有状态，建立负载运动轨迹到无人机运动轨迹的映射关系；步骤四：针对系统飞行时存在的负载摆动以及无人机悬停时存在的负载残留振荡问题，设计整形器实现系统残余振荡的抑制，无人机驱使负载以期望的轨迹运动。2.根据权利要求1所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，步骤一中建立的四旋翼无人机吊挂载荷系统的动力学模型为：其中，m
q
为四旋翼无人机的质量；m
l
为负载的质量；f为四电机提供垂直方向升力；d
q
为四旋翼无人机飞行过程中受到的集总干扰向量；d
l
为负载飞行过程中受到的集总干扰向量；t为拉力向量；g为重力向量[0 0 g]
t
，g为重力加速度；p＝[x y z]
t
为无人机在大地坐标系下的位置向量；p
l
＝[x
l y
l z
l
]
t
为负载在大地坐标系下的位置向量。3.根据权利要求1或2所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，步骤二中内环姿态控制回路中姿态子系统集总干扰表示为：选取姿态子系统滤波器跟踪误差为：其中，λ
θ
是非负的设计参数，对公式(5)求导并结合公式(3)、(4)，得到设计姿态鲁棒控制律逼近姿态回路集总干扰，将其代入公式(6)得利用反馈线性化设计其中k
θ
为非负控制参数，将其代入(7)得
由公式(8)可知，姿态子系统存在的集总干扰可由系统当前状态与期望输入估计。4.根据权利要求3所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，姿态子系统集总干扰的估计表达为：其中，为一阶低通滤波器，鲁棒控制律可表达为：其中，为拉普拉斯逆变换算子，结合公式(6)至(10)可得姿态回路控制律输出为：其中，为一阶低通滤波器。5.根据权利要求1或2所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，步骤二中外环位置控制回路中位置子系统的集总干扰为：进一步得到：其中，关于位置子系统的一般形式表达为λ
p
为待设计的控制参数。6.根据权利要求5所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，位置子系统集总干扰估计误差为：其中，为位置子系统鲁棒项对集总干扰的估计误差，设计神经网络包含输入层、隐含层1、隐含层2、输出层，选取输入层包含位置子系统的所有当前状态信息；输入层至隐含层第一层的映射定义为权值矩阵使用激活函数将映射至第二层隐含层并添加偏置，即激活函数表达形式为σ(k)＝1/(1+e-k
)，k∈{1,...,n2}；神经网络的输出为：其中权值矩阵采用估计值与来代替理想权值与假定与存在非负上界
相应地，隐含层由估计值代替α与β，选取网络权值更新律其中，分别为两隐含层的权值更新率，δ＝[ε
x ε
y ε
z
]
t
代表位置三通道的干扰估计器估计误差；γ
w
、γ
v
、κ为待确定的参数，通过选取合适的参数使得神经网络的输出有效地补偿集总干扰估计误差，得到位置子系统的控制律为：7.根据权利要求3所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，步骤三中利用平坦输出实现对系统的有效降维，包括从一个动态切换到另一个动态的瞬间，使得系统仍然可以通过控制四旋翼无人机四个电机的转速来保证对所有自由度的状态变化控制，p
q
＝p
l-lp
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)其中，l为绳长度，p为负载指向无人机的单位向量，进一步可得其中，l为绳长度，p为负载指向无人机的单位向量，进一步可得其中，φ
l
、θ
l
为负载摆角，当负载位置p
l
给定时，由公式(20)则tp可以确定；结合公式(21)则可确定p；结合公式(19)，则无人机位置p得以确定，利用系统微分平坦特性可以找到负载运动状态至所需的无人机运动状态的映射。8.根据权利要求1所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，步骤四中输入整形器的数学表达为：其中，c(s)代表系统响应，a
i
代表第i时刻的脉冲，s代表对应时刻脉冲的拉普拉斯变换。9.根据权利要求8所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，将四旋翼无人机吊挂载荷系统简化成二阶系统，得到其典型传递函数为：
其中，ω
n
为系统固有自然频率，ζ为系统阻尼，则该系统的单位脉冲响应为其中，ω
d
为系统阻尼振荡频率，整形器里面含有一系列的不同幅值和时滞的脉冲，设i时刻脉冲的幅值和时滞分别为a
i
和t
i
，则该脉冲引起的瞬态响应为其中，t代表当前时刻，t
i
代表各脉冲响应时刻，系统总响应为各个分量响应之和；系统总响应为各个分量响应之和，表示为将残留振荡百分比v定义为其中整形器的目的是将原始信号分若干次分段信号激励系统，使得v为0，即满足通过使残余振动的百分比等于零，保证∑a
i
＝1这一限制条件成立，并将第一次基础脉冲的位置设为t1＝0，以此确定脉冲的振幅和第二脉冲的激发时刻t2。10.根据权利要求9所述的四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，其特征在于，为了消除系统的残余振动，y(t)在时域中应为零值，则所选取的脉冲响应幅值与激发时刻表示为：其中

技术总结
本发明公开了一种四旋翼无人机吊挂载荷系统的飞行控制与负载摆动抑制方法，属于无人机飞行控制技术领域，针对外部环境不确定因素的影响，提出了基于自适应多层神经网络补偿干扰估计器误差的鲁棒控制策略，在负载摆动干扰和风扰动情况下实现对预设轨迹的精确跟踪；针对精确的负载运输与投放任务需求，利用平坦输出来表示系统的所有状态，建立负载运动轨迹到无人机运动轨迹的映射关系，使得无人机驱使负载以期望的轨迹运动；针对系统飞行时存在的负载摆动以及无人机悬停时存在的负载残留振荡问题，提出了一种基于ZVDD整形器的负载摆动抑制技术，降低负载摆动。降低负载摆动。降低负载摆动。


技术研发人员：解明扬 陈丰毅 屈蔷 高韵婉 吴伟 张民
受保护的技术使用者：南京航空航天大学
技术研发日：2023.03.23
技术公布日：2023/7/21