The Motion Controller Based on Neural Network S-Plane Model for Fixed-Wing UAVs
The Motion Controller Based on Neural Network S-Plane Model for Fixed-Wing UAVs
复制标题
基于神经网络S平面模型的固定翼无人机运动控制器
DOI：
10.1109/access.2021.3093768
复制
发表时间：
2021
期刊：
影响因子：
3.9
通讯作者：
Shen Jian
中科院分区：
文献类型：
--
作者：
Chen Pengyun;Zhang Guobing;Guan Tong;Yuan Meini;Shen Jian
针对固定翼无人机的姿态控制问题，将水下无人机领域中控制效果较好的S平面控制引入无人机姿态控制。同时，针对S平面控制参数系数整定完全依赖经验且不能自适应调整的问题，引入径向基函数神经网络，提出了一种可实现S平面控制参数系数在线自适应调整的神经网络S平面控制模型。基于某型无人机数据的仿真结果表明，与S平面控制相比，提出的神经网络S平面控制模型具有响应速度快、抗干扰能力强、鲁棒性强等特点。此外，它还具有自适应调节功能，表现出良好的控制性能。
Aiming at the attitude control problem of fixed wing UAV, this paper introduces S-plane control, which has good control effect in the field of underwater UAV, into the attitude control of UAV. At the same time, aiming at the problem that the coefficient setting of parameters in S-plane control completely depends on experience and cannot be adjusted adaptively, the radial basis function neural network (RBFNN) is introduced, and a neural network S-plane control model which can realize on-line adaptive adjustment of the coefficient of parameters in S-plane control is proposed. The simulation results based on the data of a certain UAV show that compared with the S-plane control, the proposed neural network S-plane control model has the characteristics of fast response speed, strong anti-interference ability, and strong robustness. In addition, it also has the function of adaptive adjustment, which shows good control performance.
登录
查看更多内容
四旋翼无人机的神经自适应容错控制：更经济的解决方案
DOI：
10.1109/tnnls.2018.2876130
发表时间：
2019-07
影响因子：
10.4
作者：
Song Yongduan;He Liu;Zhang Dong;Qian Jiye;Fu Jin
通讯作者：
Fu Jin
具有输入饱和和执行器故障的无人自主直升机鲁棒自适应补偿控制
影响因子：
5.7
作者：
Kun Yan;Mou Chen;Qingxian Wu;Ronggang Zhu
通讯作者：
Ronggang Zhu
影响因子：
4.4
作者：
Chunmeng Jiang;Lei Wan;Yu-shan Sun;Yueming Li
通讯作者：
Chunmeng Jiang;Lei Wan;Yu-shan Sun;Yueming Li
影响因子：
5.6
作者：
M. Lungu
通讯作者：
M. Lungu
影响因子：
6
作者：
Şaban Ulus;Ikbal Eski
通讯作者：
Şaban Ulus;Ikbal Eski