PID_反步控制_滑膜控制三种四旋翼无人机轨迹跟踪控制算法仿真

最新推荐文章于 2025-04-29 14:38:12 发布

资深码侬

最新推荐文章于 2025-04-29 14:38:12 发布

阅读量921

点赞数 23

分类专栏：路径规划文章标签：无人机

本文链接：https://blog.csdn.net/2501_90314346/article/details/147048622

版权

路径规划专栏收录该内容

37 篇文章

订阅专栏

PID_反步控制_滑膜控制三种四旋翼无人机轨迹跟踪控制算法仿真

附带对应的说明文档，提供建模过程与仿真结果文献(英文）➕PPT
描述：采用的同一种参考轨迹，都是三维仿真

三种控制方法：
[1]PID控制、[2]反步控制、[3]滑膜控制（三个仿真模型）

每个仿真均应用了同一种轨迹路径，直接运行即可出三维图，可以实现四旋翼无人机轨迹的跟踪
在这里插入图片描述

文章目录

以下是一个基于 MATLAB 的四旋翼无人机轨迹跟踪控制仿真，包含 PID 控制、反步控制 (Backstepping Control) 和 滑模控制 (Sliding Mode Control) 三种算法的实现。代码通过仿真比较这三种控制方法在轨迹跟踪任务中的性能。

1. 系统概述

功能

模拟四旋翼无人机的轨迹跟踪任务。
实现 PID 控制、反步控制和滑模控制三种控制算法。
比较三种算法在不同轨迹（如直线、圆形）下的跟踪性能。

关键技术

四旋翼动力学模型：基于牛顿-欧拉方程建模。
PID 控制：经典的线性控制方法。
反步控制：非线性控制方法，分层设计控制器。
滑模控制：鲁棒控制方法，对参数不确定性和外部干扰具有较强的适应能力。

2. MATLAB 代码实现

主程序文件 (`quadrotor_trajectory_tracking.m`)

clc; clear; close all;

% 初始化参数
dt = 0.01; % 时间步长
T = 10; % 仿真时间
t = 0:dt:T; % 时间向量

% 目标轨迹
refTraj = @(t) [10 * t; 10 * sin(0.5 * t); 10 * cos(0.5 * t)]; % 圆形轨迹
refVel = @(t) [10; 5 * cos(0.5 * t); -5 * sin(0.5 * t)]; % 速度
refAcc = @(t) [0; -2.5 * sin(0.5 * t); -2.5 * cos(0.5 * t)]; % 加速度

% 初始状态 [x, y, z, vx, vy, vz]
state = [0; 0; 0; 0; 0; 0];

% 控制器选择
controllerType = 'sliding_mode'; % 可选 'pid', 'backstepping', 'sliding_mode'

% 存储数据
states = zeros(6, length(t));
controls = zeros(3, length(t));

% 仿真循环
for i = 1:length(t)
    % 当前时间和目标轨迹
    currentTime = t(i);
    refPos = refTraj(currentTime);
    refV = refVel(currentTime);
    refA = refAcc(currentTime);
    
    % 计算控制输入
    if strcmp(controllerType, 'pid')
        u = pidController(state, refPos, refV, refA);
    elseif strcmp(controllerType, 'backstepping')
        u = backsteppingController(state, refPos, refV, refA);
    elseif strcmp(controllerType, 'sliding_mode')
        u = slidingModeController(state, refPos, refV, refA);
    else
        error('Invalid controller type!');
    end
    
    % 更新状态
    state = quadrotorDynamics(state, u, dt);
    
    % 存储数据
    states(:, i) = state;
    controls(:, i) = u;
end

% 绘图
figure;
plot3(states(1, :), states(2, :), states(3, :), 'r-', 'LineWidth', 1.5);
hold on;
plot3(refTraj(t)(1, :), refTraj(t)(2, :), refTraj(t)(3, :), 'b--', 'LineWidth', 1.5);
xlabel('X'); ylabel('Y'); zlabel('Z');
legend('实际轨迹', '目标轨迹');
title('四旋翼无人机轨迹跟踪');
grid on;

— 在这里插入图片描述

四旋翼动力学模型 (`quadrotorDynamics.m`)

function state = quadrotorDynamics(state, u, dt)
    % 参数
    g = 9.81; % 重力加速度
    m = 1.0; % 质量
    
    % 状态变量
    x = state(1); y = state(2); z = state(3);
    vx = state(4); vy = state(5); vz = state(6);
    
    % 控制输入
    ux = u(1); uy = u(2); uz = u(3);
    
    % 动力学方程
    ax = ux / m;
    ay = uy / m;
    az = (uz / m) - g;
    
    % 更新状态
    x = x + vx * dt;
    y = y + vy * dt;
    z = z + vz * dt;
    vx = vx + ax * dt;
    vy = vy + ay * dt;
    vz = vz + az * dt;
    
    state = [x; y; z; vx; vy; vz];
end

PID 控制器 (`pidController.m`)

function u = pidController(state, refPos, refV, refA)
    % PID 参数
    Kp = diag([1, 1, 1]);
    Ki = diag([0.1, 0.1, 0.1]);
    Kd = diag([0.5, 0.5, 0.5]);
    
    % 误差
    posError = refPos - state(1:3);
    velError = refV - state(4:6);
    
    % 控制输入
    u = Kp * posError + Kd * velError + Ki * cumsum(posError);
end

— 在这里插入图片描述

反步控制器 (`backsteppingController.m`)

function u = backsteppingController(state, refPos, refV, refA)
    % 参数
    k1 = diag([1, 1, 1]);
    k2 = diag([1, 1, 1]);
    
    % 误差
    posError = refPos - state(1:3);
    velError = refV - state(4:6);
    
    % 虚拟控制律
    vDesired = refV + k1 * posError;
    
    % 控制输入
    u = refA + k2 * (vDesired - state(4:6));
end

滑模控制器 (`slidingModeController.m`)

function u = slidingModeController(state, refPos, refV, refA)
    % 参数
    eta = 0.5; % 滑模增益
    lambda = diag([1, 1, 1]); % 滑模面参数
    
    % 误差
    posError = refPos - state(1:3);
    velError = refV - state(4:6);
    
    % 滑模面
    s = lambda * posError + velError;
    
    % 控制输入
    u = refA - eta * sign(s);
end