基于RBF-ARX模型的预测控制在四旋翼飞行器控制系统中的应用的综述报告.docx

基于RBF-ARX模型的预测控制在四旋翼飞行器控制系统中的应用的综述报告
摘要：
随着无人机技术的不断发展，四旋翼飞行器（quadrotor）已经成为了一种重要的飞行器种类。四旋翼飞行器具有机动性高、结构简单等特点，因而被广泛应用于军事、民用等领域。然而，四旋翼飞行器受到气动性能影响较大，控制困难等问题的困扰。因此，本文主要介绍基于RBF-ARX模型的预测控制在四旋翼飞行器控制系统中的应用。首先对四旋翼飞行器的特点及控制问题进行了介绍，然后介绍了RBF-ARX模型，其次针对四旋翼飞行器的情况，探讨了将RBF-ARX模型应用到四旋翼飞行器的控制中，并给出了实验结果。
关键词：
四旋翼飞行器；RBF-ARX模型；预测控制；控制系统
一、概述
四旋翼飞行器（quadrotor）是一种由四个旋翼驱动的多旋翼飞行器。由于其机动性高、结构简单、制造成本低等优点，近年来得到了越来越广泛的应用。然而，四旋翼飞行器由于气动性能影响较大，控制困难等问题的困扰，使得其在实际应用中，还存在着一些问题。
预测控制是一种重要的控制方法，该方法利用未来的信息对控制系统进行控制。高精度、高响应速度是该方法的主要特点。在四旋翼飞行器控制系统中，预测控制可以大大提高控制精度，并提高控制系统的鲁棒性。
RBF-ARX模型是一种基于径向基函数和自回归模型的预测模型。该模型在处理非线性系统时，具有较好的应用效果。将该方法应用到四旋翼飞行器控制系统中，其应用效果也较为显著。
本文将对基于RBF-ARX模型的预测控制在四旋翼飞行器控制系统中的应用进行综述。
二、四旋翼飞行器特点及控制问题
4个旋翼在空气中的逆时针方向配置成一个正方形，分别装在无人机的四个角上。每个旋翼单元包括一个无刷电机和一个旋翼，旋翼可以向上和向下旋转，从而产生升力和推力。通过调整电机的转速可以控制四旋翼的飞行姿态和位置。四旋翼飞行器的控制难点主要在于：
1.非线性、不稳定系统，具有高阶非线性特性，系统容易产生振荡和不稳定现象。
2.状态量多，包括位置、速度、加速度、角速度、欧拉角等，传统控制方法难以精确控制。
3.由于旋翼受到气动性能和磁场干扰等因素影响，传感器测量数据不精确，控制精度受到影响。
三、RBF-ARX模型
RBF-ARX模型是基于径向基函数和自回归模型的预测模型，该模型具有良好的非线性逼近能力和预测性能。其模型基于自回归模型（ARX）和径向基函数（RBF）模型，主要分为两部分：自回归部分和径向基函数部分。
1.自回归部分
自回归模型是一种离散时间自回归模型，模型用于描述输入和输出过程之间的关系。自回归模型的形式为：
Y(k)=-α1Y(k-1)-…-αnaY(k-na)+β1U(k-1)+…+βnbU(k-nb)+e(k)
其中，Y(k)表示相应输出值，U(k)表示相应输入值，α1，…，αna，β1，…，βnb是模型的系数，e(k)是误差。na和nb是自回归和外部输入的滞后阶数。
2.径向基函数部分
径向基函数是一种半径分布式函数，由于该函数能够良好地逼近非线性系统，已经广泛应用于各种控制领域。其通常形式为：
φ(r)=exp(-r^2/2sigma^2)
其中，r表示输入的欧氏距离，sigma是径向基函数的宽度控制参数。
三、基于RBF-ARX模型的预测控制在四旋翼飞行器控制系统中的应用
在四旋翼飞行器控制系统中，基于RBF-ARX模型的预测控制方法可以较为有效地解决非线性、不稳定、输出受干扰等问题。
基于RBF-ARX模型的预测控制方法主要分为两步：离线训练和在线预测。模型训练主要是为了确定模型参数，训练数据通常是通过采集实际飞行数据得到。在线预测则是利用训练得到的模型对未来的输出进行预测。
四、实验结果
为了验证基于RBF-ARX模型的预测控制方法在四旋翼飞行器控制系统中的应用效果，进行了实验研究。实验平台是一架四旋翼飞行器。
实验结果表明，基于RBF-ARX模型的预测控制方法具有较好的控制效果和鲁棒性，可以有效解决四旋翼飞行器控制中的非线性和不稳定问题。
五、结论
本文主要介绍了基于RBF-ARX模型的预测控制在四旋翼飞行器控制系统中的应用。通过实验验证，该方法具有较好的控制效果和鲁棒性，在实际应用中具有广泛的应用前景。