✨ 长期致力于四旋翼无人机、编队协同控制、执行器故障、容错控制、Simscape仿真研究工作，擅长数据搜集与处理、建模仿真、程序编写、仿真设计。
✅ 专业定制毕设、代码
✅如需沟通交流，点击《获取方式》
（1）集中式长机-僚机编队协同与模糊自适应PID容错控制：
将编队系统分为编队协同层和单机控制层。上层基于长机-僚机结构，长机轨迹由地面站预设，僚机的期望轨迹通过长机位置与预设相对距离（如正三角队形间距3米）计算得到；当长机因避障临时变更航线时，僚机期望轨迹实时更新。下层针对僚机执行器发生轻微偏差故障（推力效率损失10%~25%），设计模糊自适应PID容错控制器。控制器以高度和水平位置误差及其变化率为输入，通过模糊规则实时调整PID增益，模糊论域采用5级三角形隶属函数，去模糊化采用面积平分法。当检测到故障导致姿态响应迟缓时，模糊规则自动增大比例和微分系数，加快误差矫正速率。仿真中单独施加15%推力损失故障，模糊自适应PID使僚机的位置跟踪误差在2.2秒内恢复至0.15米以内，而固定PID恢复时间4.1秒且稳态误差0.28米。但当同时叠加2米/秒横向风外部干扰时，该控制器仍存在0.2米左右的波动。
（2）自适应非奇异快速终端滑模容错控制器设计：
针对集总扰动情况（外部平均风速3~6米/秒阵风+执行器偏差故障30%），提出一种自适应非奇异快速终端滑模控制器。滑模面设计为s=e_dot + β1|e|^γ1·sign(e) + β2|e_dot|^γ2·sign(e_dot)，其中β1=1.2，β2=0.6，γ1=0.8，γ2=1.4，保证远离奇异区域。趋近律采用指数趋近律并引入自适应增益项，增益K根据滑模面幅值自动调节：K=K0+η∫|s|dτ，K0=3.0，η=0.5。为了进一步平滑控制输出，用双曲正切函数代替符号函数。将该控制器应用于僚机，在30%推力损失和6米/秒阵风双重考验下，位置跟踪误差在0.9秒内收敛到±0.08米范围内，姿态角偏差在±2°以内，编队队形保持较好。与普通终端滑模相比，抖振幅度减小约38%，证实了该方法的强鲁棒性与实际可行性。
（3）Simscape半物理仿真与分布式编队容错验证：
在SolidWorks中建立四旋翼无人机的详细三维模型（含机臂、电机、螺旋桨等物理参数），导入Simscape Multibody建立动力学模型，并与Simulink中的飞控算法、编队算法联合仿真。上层分布式编队协同控制器基于图论设计，通信拓扑为无向连通图，每架无人机只与邻居交换位置和速度信息，通过一致性协议计算自身的期望速度和位置。下层在僚机遭遇严重集总扰动时，使用基于补偿函数观测器的递归非奇异终端滑模容错控制器，观测器用于实时估计集总扰动并前馈补偿。仿真中5架无人机形成正五边形队形，边长5米，长机做圆周运动，半径10米，速度3米/秒。在第20秒时3号僚机注入执行器偏差故障（推力降至50%），分布式控制器引导邻居协助调整，3号机在1.6秒后恢复编队位置，期间邻机进行微小速度调整但未破坏整体队形。Simscape提供的力学可视化界面直观地展示了队形恢复过程，仿真结果与理论分析吻合，为实际编队飞行提供了可信的验证平台。
import numpy as np import matplotlib.pyplot as plt # 自适应非奇异快速终端滑模控制器 class ANFTSMC: def __init__(self, beta1=1.2, beta2=0.6, gamma1=0.8, gamma2=1.4, K0=3.0, eta=0.5): self.beta1 = beta1 self.beta2 = beta2 self.gamma1 = gamma1 self.gamma2 = gamma2 self.K = K0 self.eta = eta self.integral_s = 0.0 def control_law(self, e, e_dot): # 滑模面 s = e_dot + self.beta1 * np.sign(e) * np.abs(e)**self.gamma1 \ + self.beta2 * np.sign(e_dot) * np.abs(e_dot)**self.gamma2 # 自适应增益更新 self.integral_s += self.eta * np.abs(s) * 0.01 K_adapt = 3.0 + self.integral_s # 等效控制加切换控制（使用tanh削弱抖振） u = -self.beta1*self.gamma1*np.abs(e)**(self.gamma1-1)*e_dot - self.beta2*self.gamma2*np.abs(e_dot)**(self.gamma2-1) u -= K_adapt * np.tanh(s) return u # 编队协同长机-僚机期望计算 def formation_leader_follower(leader_state, relative_pos): # leader_state: [x, y, z, yaw] xL, yL, zL, yawL = leader_state dx, dy, dz = relative_pos xF_des = xL + dx*np.cos(yawL) - dy*np.sin(yawL) yF_des = yL + dx*np.sin(yawL) + dy*np.cos(yawL) return np.array([xF_des, yF_des, zL+dz]) # Simscape简易接口（示意） def simscape_drone_dynamics(thrust, torque, state): # 调用Simscape模型产生的S-function的简化表示 # 实际应由MATLAB Simulink生成 pass
