基于自适应反步神经网络的四旋翼无人机非对称约束事件触发分布式控制研究

针对四旋翼无人机(UAV)在非对称状态约束和事件触发机制下的控制难题，研究人员提出了一种融合T2FWNN(二型模糊小波神经网络)和HTTD(双曲正切跟踪微分器)的自适应反步控制方案。该研究建立了考虑不确定性和外部扰动的完整动力学模型，通过设计非对称边界约束误差、开发智能逼近算法及事件触发机制，实现了多无人机分布式轨迹跟踪控制，仿真验证了其在节约通信资源的同时满足预设性能指标。成果为复杂环境下无人机集群的高效协同控制提供了新思路。

　　

随着无人机(UAV)在物流、农业等领域的广泛应用，四旋翼无人机因其灵活机动性成为研究热点。然而，多机协同控制面临动力学耦合、通信资源有限等挑战，传统控制方法难以兼顾控制精度与计算效率。甘肃科学技术厅青年基金支持的研究团队在《Expert Systems with Applications》发表论文，提出创新性解决方案。

研究采用T2FWNN(二型模糊小波神经网络)逼近不确定函数，HTTD(双曲正切跟踪微分器)解决反步控制的"项爆炸"问题，结合非对称屏障Lyapunov函数和事件触发机制，构建了分布式控制框架。通过建立包含空气阻力等复杂因素的动力学模型，设计了七组控制输入和自适应律。

系统建模
完整构建了考虑外部干扰的六自由度非线性模型，突破传统简化建模局限，为高速机动控制奠定基础。

Type-2模糊小波神经网络
采用具有M规则N输入的T2FWNN结构，通过隶属度函数和可调参数实现对系统不确定性的高精度估计。

稳定性分析
通过全局Lyapunov函数证明闭环系统所有信号有界，状态约束始终满足，解决了控制性能与资源消耗的矛盾。

仿真验证
以双机跟踪双纽线轨迹为场景，验证了在z轴正弦扰动下，系统仍能保持跟踪误差在非对称边界内，事件触发次数减少43%。

该研究首次将HTTD与T2FWNN结合应用于多无人机控制，通过理论证明和仿真实验表明：提出的方案在保证跟踪精度的同时，通信负载降低60%以上。成果为复杂环境下无人机集群的智能控制提供了兼具理论严谨性和工程实用性的新方法，特别适用于载荷不对称的应急侦查等任务场景。