✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

⛄ 内容介绍

针对四旋翼无人机在野外工作受风干扰的问题,提出了风场干扰下四旋翼无人机的飞行控制方法.通过对四旋翼无人机的受力分析,考虑陀螺仪效应建立非线性数学模型,并引进外部风场干扰,建立了在风场作用下的位置姿态控制模型.设计反步法控制器,实现四旋翼无人机的位置及姿态控制,利用Lyapunov稳定性理论证明系统的稳定性,并利用Matlab/Simulink模拟分析控制策略的效果.在自然风的作用下,这一模型准确反映了系统的动态特性,且反步法控制器对四旋翼无人机执行轨迹追踪控制稳定性良好.  

⛄ 部分代码

classdef mav_dynamics < handle

    properties

        ts_simulation

        state

        true_state

    en

    methods

        function self = mav_dynamics(Ts, MAV)

            self.ts_simulation = Ts;

            self.state = [MAV.pn0; MAV.pe0; MAV.pd0; MAV.u0; MAV.v0; MAV.w0;...

                MAV.e0; MAV.e1; MAV.e2; MAV.e3; MAV.p0; MAV.q0; MAV.r0];

            addpath('../message_types');

            self.true_state = msg_state();

        end

        function self=update_state(self, forces_moments, MAV)

            %

            % Integrate the differential equations defining dynamics

            % forces_moments are the forces and moments on the MAV.

            % 

            % Integrate ODE using Runge-Kutta RK4 algorithm

            k1 = self.derivatives(self.state, forces_moments, MAV);

            k2 = self.derivatives(self.state + (self.ts_simulation/2)*k1, forces_moments, MAV);

            k3 = self.derivatives(self.state + (self.ts_simulation/2)*k2, forces_moments, MAV);

            k4 = self.derivatives(self.state + self.ts_simulation*k3, forces_moments, MAV);

            self.state = self.state + (self.ts_simulation/6) * (k1 + 2*k2 + 2*k3 + k4);

            % normalize the quaternion

            self.state(7:10) = self.state(7:10)/norm(self.state(7:10));

            self.update_true_state(forces_moments);

        end

        function xdot = derivatives(self, state, forces_moments, MAV)

            pn    = state(1);

            pe    = state(2);

            h     = -state(3);

            u     = state(4);

            v     = state(5);

            w     = state(6);

            e0    = state(7);

            e1    = state(8);

            e2    = state(9);

            e3    = state(10);

            p     = state(11);

            q     = state(12);

            r     = state(13);

            fx    = forces_moments(1);

            fy    = forces_moments(2);

            fz    = forces_moments(3);

            l     = forces_moments(4);

            m     = forces_moments(5);

            n     = forces_moments(6);

            mass   = MAV.mass;

            gamma1 = MAV.Gamma1;

            gamma2 = MAV.Gamma2;

            gamma3 = MAV.Gamma3;

            gamma4 = MAV.Gamma4;

            gamma5 = MAV.Gamma5;

            gamma6 = MAV.Gamma6;

            gamma7 = MAV.Gamma7;

            gamma8 = MAV.Gamma8;

            Jy     = MAV.Jy;

            % position kinematics

            pn_dot = (e1^2 + e0^2 - e2^2 - e3^2)*u + 2*(e1*e2 - e3*e0)*v + 2*(e1*e3 + e2*e0)*w;

            pe_dot = 2*(e1*e2 + e3*e0)*u + (e2^2 + e0^2 - e1^2 - e3^2)*v + 2*(e2*e3 - e1*e0)*w;

            pd_dot = 2*(e1*e3 - e2*e0)*u + 2*(e2*e3 + e1*e0)*v + (e3^2 + e0^2 - e1^2 - e2^2)*w;

            % position dynamics

            u_dot = r*v - q*w + fx/mass;

            v_dot = p*w - r*u + fy/mass;

            w_dot = q*u - p*v + fz/mass;

            % rotational kinematics

            e0_dot = (-p*e1 - q*e2 - r*e3)/2;

            e1_dot = (p*e0 + r*e2 - q*e3)/2;

            e2_dot = (q*e0 - r*e1 + p*e3)/2;

            e3_dot = (r*e0 + q*e1 - p*e2)/2;

            % rotational dynamics

            p_dot = gamma1*p*q - gamma2*q*r + gamma3*l + gamma4*n;

            q_dot = gamma5*p*r - gamma6*(p*p-r*r) + m/Jy;

            r_dot = gamma7*p*q - gamma1*q*r + gamma4*l + gamma8*n;

            % collect all the derivaties of the states

            xdot = [pn_dot; pe_dot; pd_dot; u_dot; v_dot; w_dot;...

                    e0_dot; e1_dot; e2_dot; e3_dot; p_dot; q_dot; r_dot];

        end

        function self=update_true_state(self, forces_moments)

            eulerAngles = Quaternion2Euler(self.state(7:10));

            self.true_state.pn = self.state(1);          % pn

            self.true_state.pe = self.state(2);          % pe

            self.true_state.h = -self.state(3);          % pd

            self.true_state.phi = eulerAngles(1);        % phi

            self.true_state.theta = eulerAngles(2);      % theta

            self.true_state.psi = eulerAngles(3);        % psi

            self.true_state.p = self.state(11);          % p

            self.true_state.q = self.state(12);          % q

            self.true_state.r = self.state(13);          % r

            self.true_state.Vg = norm(self.state(4:6));  % Vg            

            self.true_state.Va = forces_moments(7);      % Va

            self.true_state.alpha = forces_moments(8);   % Angle of attack

            self.true_state.beta = forces_moments(9);    % Side-slip angle

            self.true_state.wn = forces_moments(10);     % w_n

            self.true_state.we = forces_moments(11);     % w_e

            self.true_state.wd = forces_moments(12);     % w_d

            self.true_state.chi = atan2(forces_moments(7)*sin(eulerAngles(3)) + forces_moments(11), forces_moments(7)*cos(eulerAngles(3)) + forces_moments(10));

        end

    end

end

⛄ 运行结果

⛄ 参考文献

[1] 王永林. Matlab/Simulink环境下无人机全过程飞行仿真技术研究[D]. 南京航空航天大学.

[2] 杨剑锋, 黄创绵, 李小兵,等. 面向环境适应性的无人机飞行姿态 模拟器设计与仿真[J]. 中国测试, 2018, 44(8):7.

[3] 刘婕, 易生勇. 基于Matlab/Simulink的无人机飞行仿真研究[J]. 自动化信息, 2012(8):2.

[4] 王明杰, 张建华, 顾仁涛,等. 一种基于无人机测试的风场模拟发生装置:, CN216645782U[P]. 2022.

[5] 曹良秋, 吴立巍, 余建虎. 基于无人机飞行参数的风场估算技术研究[J]. 科技创新导报, 2018, 15(6):5.

[6] 行鸿彦, 侯天浩. 一种基于多旋翼无人机平台的测风装置:, CN109178300A[P]. 2019.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料