基于自适应反推神经网络的四旋翼无人机非对称状态约束与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、通信资源受限及动态耦合下的控制难题，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)的自适应反推控制方案。该研究通过事件触发机制降低通信消耗，实现了多无人机对双纽线轨迹的高精度分布式跟踪控制，为复杂环境下的无人机集群协同任务提供了理论和技术支撑。

　　

随着无人机(UAV)技术在物流、农业和救援等领域的广泛应用，四旋翼无人机因其灵活机动性成为研究热点。然而，多无人机系统存在状态约束不对称、通信资源浪费和"计算爆炸"等难题——物理载荷不均导致飞行状态上下限差异，传统控制方法需持续通信造成资源浪费，而反推控制(Backstepping)中虚拟信号反复求导更会引发计算量剧增。

针对这些挑战，甘肃科学技术厅青年基金支持的研究团队在《Expert Systems with Applications》发表成果，提出创新性解决方案。通过建立包含不确定性和外部扰动的完整动力学模型，设计非对称边界函数处理状态约束，结合T2FWNN逼近非线性函数，并引入HTTD估计虚拟控制律。关键技术包括：1) 基于双曲正切函数的跟踪微分器(HTTD)解决信号求导问题；2) 事件触发机制减少80%通信次数；3) 李雅普诺夫函数证明系统稳定性。

研究结果部分显示：
• 系统建模：完整考虑科里奥利力、陀螺效应和空气阻力，建立12自由度非线性模型
• 控制器设计：通过7个自适应律在线调整参数，使位置跟踪误差收敛至0.05m内
• 非对称约束处理：设计的时变屏障函数确保滚转角误差始终保持在[-0.3,0.5]rad安全区间
• 资源优化：与周期采样相比，事件触发机制减少82.6%的数据传输量

该研究突破性地将计算精度与资源消耗的"跷跷板效应"转化为协同优化，仿真中无人机集群在6级风扰下仍能保持0.1m的编队精度。这项工作为智能物流中的无人机编队运输、灾害救援中的狭小空间协同作业等场景提供了关键技术支撑，其HTTD设计方法更可推广至其他欠驱动系统的控制领域。