【无人机】非对称多旋翼无人机线性控制的建模、仿真与实现附Matlab代码

某大厂资深算法工程师，从事Matlab算法仿真工作10年,擅长智能优化算法、神经网络预测、机器学习、信号处理、元胞自动机、图像处理、路径规划、无人机、无线传感器网络、车间调度、生产调度等多种领域的Matlab仿真，更多仿真源码、算法改进、Matlab项目和期刊发表可私信合作。

本文链接：https://blog.csdn.net/m0_60703264/article/details/146462909

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

无人机（UAV）作为一种新兴的智能载体，凭借其灵活性、低成本、易操作等优势，在诸多领域展现出巨大的应用潜力，如航拍摄影、农业植保、物流运输、灾害救援等。在众多无人机构型中，多旋翼无人机由于其结构简单、易于操控、垂直起降等特点，成为研究和应用的主流。然而，传统的多旋翼无人机通常采用对称布局，这在一定程度上限制了其机动性和适用性。为了提升无人机的性能，非对称多旋翼无人机应运而生。相较于对称结构，非对称构型能够赋予无人机更强的灵活性和适应性，例如通过调整旋翼数量、位置、倾角等参数，可以优化无人机的推重比、扭矩特性、稳定性和控制性能。本文将深入探讨非对称多旋翼无人机的建模、线性控制器的设计、仿真验证以及实现过程，旨在为非对称多旋翼无人机的实际应用提供理论基础和技术支持。

一、非对称多旋翼无人机建模

精确的数学模型是无人机控制系统设计的基础。非对称多旋翼无人机的建模过程相对复杂，需要充分考虑其非对称性带来的影响。通常，我们可以采用牛顿-欧拉方法或拉格朗日方法建立无人机的动力学模型。

坐标系定义: 首先需要建立合适的坐标系。通常采用惯性坐标系（E系）和机体坐标系（B系）。惯性坐标系固定于地面，用于描述无人机的绝对位置和姿态；机体坐标系固定于无人机机身，用于描述无人机相对于自身的运动状态。
动力学方程: 动力学方程描述了无人机所受外力与运动状态之间的关系。根据牛顿第二定律，可以得到无人机的平动方程：

m * v_dot = F_G + F_T + F_D

其中，m为无人机质量，v_dot为无人机线速度的导数，F_G为重力，F_T为旋翼产生的推力合力，F_D为空气阻力。
姿态动力学方程: 姿态动力学方程描述了无人机所受力矩与姿态变化之间的关系。根据欧拉转动定律，可以得到无人机的转动方程：

I * ω_dot + ω × (I * ω) = M_G + M_T + M_D

其中，I为无人机惯性矩阵，ω_dot为无人机角速度的导数，ω为无人机角速度，M_G为重力力矩，M_T为旋翼产生的力矩合力，M_D为空气阻力力矩。
旋翼模型: 精确的旋翼模型是无人机模型的重要组成部分。旋翼产生的推力和力矩与旋翼的转速密切相关。通常，我们可以采用叶素理论（Blade Element Theory, BET）或者动量理论（Momentum Theory）建立旋翼模型。在非对称构型中，各个旋翼的位置、倾角等参数不同，因此需要针对每个旋翼单独建模，并进行力矩合成。
空气阻力模型: 空气阻力对无人机的运动影响不可忽略。空气阻力的大小与无人机的速度和姿态相关。可以采用经验公式或者空气动力学软件进行建模。
非对称性考虑: 针对非对称构型，需要特别注意以下几点：
- 质心位置偏移:
  非对称布局可能导致无人机质心位置偏离几何中心，需要准确计算质心位置，并在建模中进行修正。
- 惯性矩阵非对角化:
  非对称布局可能导致无人机的惯性矩阵变为非对角矩阵，需要准确测量或估计惯性矩阵，并在动力学方程中进行考虑。
- 旋翼力矩分配:
  非对称构型的旋翼力矩分配更加复杂，需要设计合理的力矩分配算法，以保证无人机的稳定性和可控性。

二、线性控制器的设计

由于非对称多旋翼无人机的动力学模型高度非线性，直接进行控制设计比较困难。为了简化设计过程，通常采用线性化方法，将非线性模型在某个平衡点附近线性化，然后设计线性控制器。

线性化: 首先需要选取一个平衡点，例如悬停状态。然后，将非线性动力学方程在平衡点附近进行泰勒展开，忽略高阶项，得到线性化模型。
状态空间表示: 将线性化模型表示成状态空间的形式：

x_dot = Ax + Bu y = Cx + Du

其中，x为状态向量，u为控制输入，y为输出向量，A为状态矩阵，B为输入矩阵，C为输出矩阵，D为直接传递矩阵。
控制器设计: 基于线性化模型，可以采用多种线性控制方法，例如PID控制、LQR控制、模型预测控制（MPC）等。
- PID控制:
  PID控制是一种经典的控制方法，其原理简单、易于实现。针对无人机的姿态控制和位置控制，可以分别设计PID控制器。
- LQR控制:
  LQR控制是一种最优控制方法，它可以通过求解Riccati方程得到最优控制律，使得系统在一定性能指标下达到最优状态。
- 模型预测控制（MPC）:
  MPC是一种基于模型的控制方法，它通过预测未来一段时间内的系统行为，然后优化控制输入，使得系统达到期望状态。MPC的优势在于可以处理约束条件，例如对旋翼转速进行限制。
力矩分配算法: 控制器计算得到的力矩需要在各个旋翼之间进行分配。对于非对称构型，需要设计合理的力矩分配算法，以保证无人机的稳定性和可控性。常用的力矩分配算法包括：
- 伪逆方法:
  伪逆方法是一种简单的力矩分配算法，它可以通过求解旋翼推力与力矩之间的伪逆矩阵，得到各个旋翼的推力。
- 优化方法:
  优化方法可以通过求解一个优化问题，例如最小化旋翼推力的能量消耗，或者最小化旋翼推力的偏差，得到各个旋翼的推力。