基于自适应反步神经控制的四旋翼无人机非对称状态约束与事件触发协同控制研究

为解决四旋翼无人机(UAV)在复杂动态环境下的控制难题，研究人员提出了一种融合自适应反步控制(backstepping)、T2FWNN(Type-2模糊小波神经网络)和HTTD(双曲正切跟踪微分器)的分布式控制方案。该研究通过重构误差信号加速收敛、设计非对称边界约束状态变量，并引入事件触发机制降低通信资源消耗，实现了多无人机在不确定性和外部干扰下的高精度轨迹跟踪控制。仿真验证表明，该系统能有效解决"复杂性爆炸"问题，满足闭环信号有界性和预设性能指标，为智能物流、应急救援等场景提供新思路。

　　

随着无人机(UAV)在智能物流、农业植保等领域的广泛应用，四旋翼无人机因其结构简单、机动性强等特点成为研究热点。然而，多无人机系统存在动力学耦合、通信负担重、状态约束不对称等挑战，传统控制方法难以兼顾控制精度与资源消耗。针对这一难题，甘肃省科学技术厅青年基金和中国留学基金委支持的研究团队在《Expert Systems with Applications》发表创新成果。

研究采用自适应反步控制框架，结合T2FWNN(Type-2模糊小波神经网络)逼近不确定性，设计HTTD(双曲正切跟踪微分器)解决虚拟控制律微分爆炸问题。通过构建速度函数重构误差信号、非对称时变障碍函数约束状态变量，并引入动态事件触发机制，实现了双无人机系统的分布式控制。

系统建模
建立包含气动阻力、外部干扰的完整四旋翼动力学模型，相比常规简化模型更符合实际机动飞行需求。

控制设计

1. 通过T2FWNN逼近系统不确定性，其模糊规则和 wavelet 基函数组合提升逼近精度；
2. HTTD较传统LTD/Wang et al., 2022和STD/Bu et al., 2015具有更高微分估计精度；
3. 事件触发机制将通信频率降低67%，同时保证跟踪误差收敛。

仿真验证
以双纽线轨迹为测试基准，z轴叠加正弦扰动。结果显示：

• 位置跟踪误差保持在预设非对称边界(0.15m, -0.12m)内；
• 姿态角约束(±π/4 rad)未被违反；
• 触发次数较固定周期控制减少82%。

该研究创新性地将非对称约束与资源优化相结合，为复杂环境下多无人机协同控制提供新范式。实验证实系统在存在±20%参数摄动和阶跃干扰时仍保持稳定，未来可扩展至异构无人机编队控制领域。