⚡ electrical engineering

Robust Attitude Control of Nonlinear UAV Dynamics with LFT Models and $\mathcal{H}_\infty$ Performance

تقدم هذه الورقة دراسة مقارنة تُثبت أن متحكم $\mathcal{H}_\infty$ متين، تم تصميمه باستخدام نموذج التحويل الجزئي الخطي (LFT) لديناميكيات الطائرات بدون طيار والاعتماد حصرياً على قياسات الجيروسكوب، يتفوق بشكل كبير على تحكم PID الكلاسيكي في تثبيت وضعية الطائرة متعددة المراوح تحت تأثير اضطرابات رياح شديدة وضوضاء المستشعرات.

المؤلفون الأصليون: Tanay Kumar, Raktim Bhattacharya

نُشر 2026-03-16

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Tanay Kumar, Raktim Bhattacharya

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول موازنة عصا مكنسة على يدك بينما تقف على حافلة متحركة تصطدم بالحفر، وفي الوقت نفسه يقوم شخص ما بالنفخ على المكنسة بين الحين والآخر. هذا هو بالضبط ما يواجهه الدرون (الطائرة بدون طيار) عندما يحاول التحليق في مكان ثابت وسط رياح في مدينة ما.

هذه الورقة البحثية تدور حول بناء "عقل فائق" للدرونات، يحافظ على استقرارها حتى عندما يكون العالم من حولها فوضوًا. إليكم قصة كيف حل المؤلفون هذه المشكلة، مشروحة ببساطة.

المشكلة: نهج "المقاس الواحد الذي يناسب الجميع"

تستخدم معظم الدرونات اليوم نظام تحكم يسمى PID (التناسبي-التكاملي-التفاضلي). فكر في الـ PID كأنه سائق مبتدئ يتعلم قيادة السيارة.

إذا انحرفت السيارة يسارًا، يقوم السائق بتدوير المقود يمينًا.
إذا انحرفت بعيدًا جدًا، يعيدها إلى المسار.
يفعل ذلك عن طريق التجربة والخطأ، ويعدل درجة الحساسية بناءً على شعوره بحركة السيارة.

هذا الأسلوب يعمل بشكل جيد على طريق سريع ممهد. ولكن في عاصفة (رياح قوية) أو إذا أصبحت السيارة فجأة أثقل (تحمل طردًا)، يصاب السائق المبتدئ بالارتباك. فهو إما يبالغ في رد الفعل، أو يقلل منه، أو يصاب بالتشتت ببساطة لأنه لا يفهم الفيزياء الكامنة وراء الموقف؛ هو فقط يتفاعل مع الخطأ اللحظي.

الحل: نهج "المهندس المعماري البارع"

يقترح المؤلفون طريقة جديدة باستخدام التحكم $H_\infty$ مدمجًا مع LFT (التحويل الجزئي الخطي). دعونا نفكك هذا باستخدام التشبيه.

تخيل أنك تصمم نظام تعليق لسيارة فاخرة.

الطريقة القديمة (PID): تقوم باختبار السيارة على طريق مستوٍ، ثم طريق وعر، وتقوم بتعديل النوابض (الزنبركات) حتى تشعر بأنها جيدة.
الطريقة الجديدة (هذه الورقة): تقوم ببناء نموذج رياضي يأخذ في الاعتبار كل مطب، وحفرة، وتغير في الوزن قبل أن تبني السيارة حتى. أنت تتعامل مع الرياح وحركات الدرون المتذبذبة الخاصة بها كـ "مجهولات معروفة" — أشياء تعرف أنها ستحدث، لكنك لا تعرف متى أو بقوة كم بالضبط.

1. الـ "LFT" (المخطط المرن)

الدرونات معقدة لأن فيزيائها تتغير بناءً على كيفية ميلانها. إذا مال الدرون بزاوية 90 درجة، فإن الرياضيات تتغير تمامًا.

التشبيه: تخيل ورقة مطاطية. إذا قمت بشدها، فإن النمط الموجود عليها يتشوه.
خدعة الورقة البحثية: بدلاً من محاولة رسم صورة مثالية للورقة المطاطية (وهو أمر صعب)، قاموا بتقسيم الورقة إلى جزء "جوهري" وجزء "مرن". ووضعوا الجزء المرن في صندوق خاص مكتوب عليه "عدم اليقين" (Uncertainty).
هذا يسمح لهم باستخدام رياضيات بسيطة وموثوقة (خطية) للجزء الجوهري، مع الإقرار بأن الجزء "المرن" (الرياح، الميلان، الوزن) قد يتغير، ولكن ضمن حدود معينة فقط.

2. الـ " $H_\infty$ " (درع الحالة الأسوأ)

بمجرد حصولهم على هذا المخطط المرن، يصممون وحدة تحكم باستخدام $H_\infty$ .

التشبيه: فكر في حارس شخصي. الحارس العادي (PID) يتفاعل مع اللكمة عند حدوثها. أما حارس الـ $H_\infty$ ، فهو يخطط لـ أسوأ لكمة ممكنة قد يوجهها المهاجم.
تسأل وحدة التحكم: "ما هي أسوأ هبة ريح أو خلل في المستشعر يمكن أن يحدث؟ كيف أضمن بقاء الدرون مستقرة حتى لو حدث أسوأ سيناريو؟"
هي لا تحاول فقط إصلاح الخطأ؛ بل تضمن أن الخطأ لن يتجاوز أبدًا حداً معيماً وآمناً.

"آذان" الدرون (المستشعرات)

تسلط الورقة الضوء أيضًا على خدعة ذكية: الدرون يستخدم فقط الجيروسكوبات (المستشعرات التي تقيس سرعة دورانها)، وليس الكاميرات أو نظام تحديد المواقع (GPS).

التشبيه: تخيل أنك تحاول التوازن على حبل مشدود وأنت معصوب العينين. لا يمكنك رؤية الحبل، لكن يمكنك الشعيز بالحركة في أذنك الداخلية.
صمم المؤلفون وحدة التحكم لتتجاهل "الضجيج" (الضوضاء) في الأذن وتركز فقط على الحركة الحقيقية. لقد عاملوا ضجيج المستشعر كنوع معين من الثرثرة الخلفية التي تعرف وحدة التحكم كيفية تجاهلها وتصفيتها.

النتائج: المواجهة

وضع المؤلفون درون "المهندس المعماري" ضد درون "السائق المبتدئ" (PID) في محاكاة.

السيناريو: عاصفة رياح شديدة (اضطراب درايدن - Dryden turbulence) تضرب درونًا يحاول التحليق في مكان ثابت.
السائق المبتدئ (PID): تأرجحت الدرون بجنون، حيث مالت بأكثر من 30 درجة. كانت مهتزة وتستهلك الكثير من الطاقة لمحاربة الرياح.
المهندس المعماري ( $H_\infty$ ): بالكاد تحركت الدرون. مالت بأقل من 7 درجات. كانت هادئة، مستقرة، واستهلكت طاقة أقل للبقاء منتصبة.

الخلاصة

تثبت هذه الورقة أنه من خلال التعامل مع حركات الدرون المعقدة والمتذبذبة كأحجية منظمة بدلاً من مجرد لعبة رد فعل بسيطة، يمكننا بناء درونات أكثر أمانًا وموثوقية.

بدلاً من مجرد "رد الفعل" تجاه الرياح، فإن وحدة التحكم الجديدة تتوقع الفوضى. إنه الفرق بين شخص يلوح بيديه في عاصفة وبين راكب أمواج يعرف تمامًا كيف يركب الموجة، مهما كان حجمها. وهذا يعني أن الدرونات يمكنها في النهاية الطيران بأمان في المدن، وتوصيل الطرود في الطقس السيئ، والملاحة في البيئات المعقدة دون تحطم.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التحكم المتين في الوضعية للديناميكيات غير الخطية للطائرات بدون طيار باستخدام نماذج LFT وأداء $H_\infty$ " من إعداد تاناي كومار وراكتيم بهاتاشاريا.

1. بيان المشكلة

تواجه الطائرات بدون طيار (UAVs) التي تعمل في بيئات غير مؤكدة تحديات كبيرة في تثبيت الوضعية (Attitude Stabilization) بسبب:

الديناميكيات غير الخطية: تتضمن ديناميكيات الدوران للمروحيات متعددة المراوح دوال مثلثية وحدوداً تعتمد على الحالة (مثل $p \cdot q$ ، $\sin \theta$ ).
تغيرات المعلمات: التغيرات في توزيع الكتلة والتأثيرات الديناميكية الهوائية.
الاضطرابات الخارجية: هبات الرياح، الاضطرابات الجوية، والتدرجات الجوية.
قيود المستشعرات: ضوضاء الجيروسكوب والافتقار إلى التغذية الراجعة الكاملة للحالة (حيث تُقاس معدلات الزوايا فقط عادةً).

محدودية النهج الحالية:

متحكمات PID: رغم كفاءتها الحسابية، إلا أنها تعتمد على الضبط التجريبي (Heuristic tuning)، وتتجاهل الاقتران بين المحاور المتعددة (صيغة SISO)، وتفتقر إلى ضمانات المتانة ضد الاضطرابات الشديدة أو عدم اليقين في المعلمات.
متحكم LQR (المنظم التربيعي الخطي): يتطلب تقديرًا كاملاً للحالة (غالباً عبر مرشحات كالمان التي تفترض الضوضاء الغاوسية)، ويفتقر إلى ضمانات متانة متأصلة عندما ينحرف النظام عن النموذج الاسمي.
الطرق غير الخطية (Backstepping، Feedback Linearization): غالباً ما تعاني من التعقيد الحسابي العالي، والحساسية لأخطاء النمذجة، والافتقار إلى ضمانات أداء صارمة تحت ظروف عدم اليقين المهيكلة.

2. المنهجية

يقترح المؤلفون إطار عمل للتحكم المتين يجمع بين النمذجة باستخدام الأنظمة الخطية المتغيرة مع المعلمات (LPV) مع التحويل الجزئي الخطي (LFT) والتحكم الأمثل $H_\infty$ .

أ. نمذجة النظام (LPV-LFT)

الديناميكيات: تركز الدراسة على ديناميكيات الدوران (زوايا أويلر $\phi, \theta, \psi$ ومعدلات الزوايا $p, q, r$ ) المستمدة من معادلات نيوتن-أويلر.
التمثيل الدقيق: بدلاً من خطية الحدود المثلثية، يعامل المؤلفون هذه الحدود غير الخطية كـ عدم يقين مهيكل. يتم تضمين اللاخطيات (مثل $\sin \phi$ , $\tan \theta$ ) والمنتجات المعتمدة على الحالة كمعلمات متغيرة زمنياً ( $\rho$ ) ضمن إطار عمل LFT.
صيغة فضاء الحالة: يتم تمثيل النظام كالتالي:
$\dot{x} = A(\rho)x + B_u(\rho)u + B_w w$
$y_m = C_y(\rho)x + D_w w + \nu$
حيث تمثل $\rho$ معاملات الجدولة المحدودة المستمدة من المتطابقات المثلثية ومعدلات الزوايا.

ب. تخليق التحكم المتين ( $H_\infty$ )

الهدف: تصميم متحكم تغذية راجعة للمخرجات $K$ يقلل من معيار $H_\infty$ لدالة النقل من المدخلات الخارجية (الاضطرابات $w$ والضوضاء $\nu$ ) إلى المخرجات المنظمة ( $z$ ، والتي تشمل أخطاء الوضعية وجهد التحكم).
قيود المستشعرات: يتم تصميم المتحكم ليستخدم فقط قياسات الجيروسكوب (معدلات الزوايا)، مع نمذجة ضوضاء المستشعر صراحةً كضوضاء موزونة معتمدة على التردد ( $\nu = W(j\omega)\bar{\nu}$ ).
ترابط LFT: يتم التعامل مع المعلمات غير المؤكدة $\rho$ ككتل عدم يقين مهيكلة. يتم حل مشكلة التخليق باستخدام hinfsyn في MATLAB لإيجاد متحكم يضمن الاستقرار والأداء لجميع قيم $\rho$ ضمن حدودها المعرفة.
التعديل التقني: لمعالجة الأقطاب عند الأصل المتأصلة في ديناميكيات الدوران للجسم الحر (والتي تنتهك استقرار الصيغة القياسية لـ $H_\infty$ )، تمت إضافة حدود لزوجة دنيا لإزاحة الأقطاب قليلاً إلى نصف المستوى الأيسر دون المساس بالدقة الفيزيائية.

3. المساهمات الرئيسية

إطار عمل LFT منهجي: وضع طريقة لتمثيل الديناميكيات غير الخطية للمروحيات (الحدود المثلثية والنسبية) بدقة كعدم يقين مهيكل ضمن صيغة LFT، مما يتجنب تقريبات الخطية.
التخليق المتين مع قيود الاستشعار: تطوير متحكم $H_\infty$ يستخدم بيانات الجيروسكوب فقط مع توصيف صريح لضوضاء المستشعر المعتمدة على الحالة، مما يضمن الاستقرار دون الحاجة لتقدير كامل للحالة.
التحليل المقارن الشامل: تقديم مقارنة كمية صارمة بين المتحكم المتين المقترح ومتحكم PID متتالي (cascaded SISO) حديث، مما يظهر تفوقاً في رفض الاضطرابات وكفاءة التحكم.

4. نتائج المحاكاة

تم التحقق من صحة المتحكم المقترح مقابل متحكم PID متتالي في بيئة Simulink غير خطية تحت ظروف شديدة:

السيناريو: التحليق على ارتفاع 10 أمتار مع هبات رياح قوية (نموذج اضطراب درايدن، يصل إلى 15 م/ث) وضوضاء مستشعر (نسبة الإشارة إلى الضوضاء 35 ديسيبل).
مقاييس الأداء:
- خطأ الوضعية: أظهر متحكم PID أخطاء ذروة في الوضعية تجاوزت 30.54 درجة، بينما خفض متحكم $H_\infty$ هذا الخطأ إلى 7.12 درجة.
- جذر متوسط مربع الخطأ (RMSE): كان RMSE لمتحكم $H_\infty$ (1.35 درجة) أقل بنحو 4.2 مرة من متحكم PID (5.67 درجة).
- جهد التحكم: حقق متحكم $H_\infty$ تنظيماً أفضل مع جهد محرك (عزم دوران) أقل، متجنباً الإجراءات التحكمية العنيفة.
- المتانة: حافظ المتحكم على الاستقرار وأبقى جميع معاملات الجدولة ( $\rho$ ) ضمن حدودها المفترضة طوال فترة المحاكاة، حتى في ظل الاضطرابات الشديدة.

5. الأهمية والخاتمة

يقلل هذا العمل الفجوة بين النمذجة عالية الدقة والتحكم المتين القابل للتطبيق.

الأثر النظري: يثبت أن التعامل مع اللاخطيات كعدم يقين مهيكل عبر LFT يسمح بتطبيق تخليق $H_\infty$ صارم دون التضحية بالدقة الديناميكية.
الأثر العملي: تثبت النتائج أن التحكم المتين $H_\infty$ قابل للتطبيق على منصات الطائرات بدون طيار ذات الموارد المحدودة، مما يوفر أداءً أفضل بكثير من متحكمات PID القياسية في البيئات غير المؤكدة وعالية الاضطراب (مثل الملاحة الحضرية أو نقل الحمولة).
القابلية للتطبيق المستقبلي: يوفر إطار العمل ضماناً رسمياً للاستقرار والأداء، مما يجعله مناسباً للمهام ذاتية القيادة حيث تعتبر السلامة والموثوقية أمراً بالغ الأهمية.

باختصار، تؤكد الورقة أن متحكم $H_\infty$ القائم على LFT، والذي يستخدم فقط قياسات المعدلات، يقدم بديلاً متفوقاً للتحكم التقليدي PID للطائرات بدون طيار متعددة المراوح التي تعمل في ظروف شديدة عدم اليقين واضطراب.