🤖 AI

Integro-differential equations in angular stabilization of drone motion by distributed feedback control

本文提出了一种通过将积分-微分方程简化为常微分方程，利用具有无界记忆的分布式反馈控制来稳定无人机运动的通用方法，证明了复指数核可以实现新的指数稳定性结果。

原作者： Alexander Domoshnitsky, Oleg Kupervasser, Anatoly Polonsky

发布于 2026-07-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Alexander Domoshnitsky, Oleg Kupervasser, Anatoly Polonsky

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图在手掌上平衡一把扫帚。如果你只看扫帚“现在”的状态，你可能会反应过慢，或者过度修正，导致扫帚落下。但如果能记住扫帚在过去一小时内每一次摇晃的情况呢？这种对过去运动的“记忆”可以帮助你预测该如何移动手部，以保持其直立。这就是控制理论的核心，它基本上是关于如何让机器按照我们的意愿行事的科学。在现实世界中，像无人机这样的机器不仅仅是对现状做出反应；它们受到过去的影响，受到几秒钟前阵风的影响，以及传感器“延迟”的影响。

通常，当工程师试图修复摇晃的无人机时，他们使用简单的规则：“如果向左倾斜，就向右推。”但这篇论文探讨了一个更聪明、尽管也更复杂的想法：使用一种“分布式反馈”系统。可以将这想象成赋予无人机一个大脑，它不仅仅看位置的一个单一快照，而是观察其整个飞行历史的一部漫长且连续的电影。挑战在于，从数学上讲，记录一部无限长的电影进行计算是非常困难的，尤其是如果无人机的“记忆”被设定为无界的（即记住一切，直到永远）。本文的作者们想要研究是否可以使用这种超长记忆，以一种简单短期规则无法做到的方式来稳定无人机的飞行。

这篇题为《用于无人机运动角稳定性分布式反馈控制的积分微分方程》的论文，提出了一种巧妙的数学技巧来解决这个问题。作者亚历山大·多莫什尼茨基（Alexander Domoshnitsky）、奥列格·库佩尔瓦瑟（Oleg Kupersser）和阿纳托利·波隆斯基（Anatoly Polonsky）处理了这些“积分微分方程”背后复杂的数学问题。用通俗的话说，这些方程混合了“现在”的变化速度与“过去”发生的所有情况的总和。作者证明，与其纠结于直接求解这些混乱的方程，不如将它们转化为一个更大的、由标准方程（常微分方程）组成的系统，后者更容易处理。

这里是神奇之处：他们证明了即使无人机的记忆在理论上是无限的，你也不需要在一个巨大的硬盘里存储每一个过去的位置。相反，他们的方法创建了一个变量的“影子系统”，这个系统隐式地“吸收”了所有的历史。这就像拥有一个神奇的海绵，它能吸收整个飞行过程中的所有历史，而无需列出每一滴水。通过这种方式，他们可以使用标准的、广为人知的工具来检查无人机是否能保持稳定。

研究人员在一个特定的问题上测试了这个想法：保持无人机在垂直平面内的稳定（防止其不受控制地俯仰或仰头）。他们发现，对于某些不稳定的无人机——特别是那些自然物理特性会导致其摇晃或俯冲的类型——使用基于单一“指数记忆”（一种随时间衰减的简单记忆类型）的控制系统不足以使其稳定。然而，通过结合两种不同类型的记忆核（可以理解为混合两种不同“味道”的对过去的记忆），他们发现甚至可以稳定最困难的情况。

在模拟中，他们不仅仅是在猜测，而是运行了数据。例如，他们模拟了一架在高度为12公里、马赫数为1.6（超过音速）的速度下飞行的无人机。在这种情况下，无人机的自然物理特性是不稳定的（计算出的特定参数 $\gamma_2$ 为 -30.192）。通过应用他们的新控制方法，并使用特定的参数（如衰减率 $\alpha_2$ 为 6 以及特定的控制增益 $\beta_1$ 和 $\beta_2$ ），他们通过计算机模拟证明了无人机的摇晃会呈指数级减弱。结果通过他们的图表可视化展示出来，显示无人机的角度和速度趋于平稳，最终进入一条平滑、稳定的路径，而不是失控螺旋。

该论文还明确排除了一些较简单的方案。他们表明，如果你尝试仅利用无人机速度上的单一记忆项（而不是位置）来稳定无人机，对于某些不稳定的配置，这根本行不通；数学证明了用这种方式实现稳定是不可能的。他们还指出，虽然他们的方法在“线性近似”（无人机行为的简化模型）方面表现出色，但现实世界是复杂的。然而，他们的核心发现是，通过扩展控制系统的“记忆”并使用他们新的数学约简技术，你可以实现一种通过标准方法此前被认为难以甚至不可能实现的稳定性水平。

最终，这项工作表明，赋予无人机一种“长记忆”，并知道如何高效地处理这种记忆，是保持其飞行平稳的强大手段。它将一个复杂的、依赖于历史的数学问题转化为了一个易于处理的问题，为开发能够应对多变天空环境的更鲁棒、更可靠的自主飞行系统打开了大门。

技术摘要：基于分布式反馈控制的无人机运动角向稳定性中的积分-微分方程研究

问题陈述
本文探讨了无人机（UAV）角向稳定性的挑战，特别侧重于无人机在垂直平面内的运动。虽然传统的飞行控制通常依赖于离散状态测量或标准的比例-积分-微分（PID）逻辑，但本研究调查了以具有潜在无界记忆的积分算子形式实现的分布式反馈控制。

作者指出，虽然积分控制在直觉上具有吸引力（通过测量平均化实现降噪，并利用历史状态数据来优化控制），但由此产生的数学模型是积分-微分方程。这些方程带来了显著的理论和数值困难：

理论复杂性： 标准的稳定性分析方法在处理包含积分项（特别是当记忆是无界时）的方程时往往难以奏效。
数值不稳定性： 积分项会随时间累积计算误差，使得长期数值解变得不可靠。
文献空白： 在应用积分延迟反馈控制进行无人机角向稳定性研究方面，尤其是使用允许利用长观测时间的核函数（kernels）方面，相关研究较为匮乏。

方法论
本文的核心方法论贡献是将积分-微分方程的分析简化为对**常微分方程（ODE）**系统的分析。

模型构建： 作者推导了无人机纵向运动的数学模型。这涉及将运动方程在稳态附近线性化，得到一个描述速度、攻角（ $\alpha$ ）、俯仰角（ $\vartheta$ ）和高度扰动的四元方程组。在特定的简化假设下（忽略高度依赖性和缓慢的速度变化），该模型简化为关于攻角和俯仰动力学的二阶微分方程。
向 ODE 约简： 作者提出了一种基于将积分核 $k(t,s)$ $k (t, s)$ 展开为正交基函数序列的通用方法（定理 3.1）。通过将核表示为指数项（或其有限线性组合）之和，积分算子被替换为由一阶 ODE 控制的辅助状态变量。
- 如果核是无穷级数，则生成的系统是无限维的。
- 如果核是指数项的有限线性组合（例如 $q=1$ 或 $q=2$ ），则系统约简为有限维 ODE 系统。
稳定性分析： 一旦约简为 ODE 系统，作者应用经典的**赫尔维茨判据（Hurwitz criteria）**来确定指数稳定性的充分必要条件。这使得能够识别控制增益（ $\beta$ ）和衰减率（ $\alpha$ ）参数空间中的“稳定性区域”。

主要贡献与结果

降低复杂度： 本文证明了具有无界记忆的积分-微分方程可以转化为等效的 ODE 系统。这避免了直接积分带来的数值误差累积，并允许使用标准的 ODE 稳定性工具。
不稳定系统的稳定化： 作者分析了三种底层无人机动力学是不稳定的特定情况（即不受控系统的特征方程具有非负实部根）：
1. 情况 I ( $\gamma_1 > 0, \gamma_2 < 0$ )： 利用作用于状态 $x(s)$ 的单个积分控制项即可实现稳定化。
2. 情况 II ( $\gamma_1 < 0, \gamma_2 > 0$ )： 使用作用于 $x(s)$ 的单个积分项无法实现稳定，但如果控制作用于导数 $x'(s)$ 或修改控制结构，则可以实现稳定。
3. 情况 III ( $\gamma_1 < 0, \gamma_2 < 0$ )： 这是最不稳定的场景。作者表明，单个积分项是不够的。然而，通过使用两个指数核的线性组合（一种更复杂的控制结构），可以实现指数稳定性。
参数区域： 作者推导了显式不等式（基于赫尔维茨判据），这些不等式定义了确保每种情况下稳定性所需的控制参数（ $\alpha, \beta$ ）区域。
无人机飞行应用： 研究结果应用于第 2 节中推导出的特定无人机模型。作者计算了在马赫数 1.6、高度 12 公里的环境下飞行无人机的特定控制参数。
- 他们证明了对于不受控系统不稳定（ $\gamma_2 < 0$ ）的情景，一个包含状态积分以及带有指数衰减的状态加权积分的控制律可以使系统稳定。
- 数值验证： 使用 MATLAB 的 dde23 求解器，作者模拟了该系统并使用了推导出的参数。结果（图 5）证实了系统表现出指数稳定性，状态变量趋于零。

意义与主张
本文声称提供了一种研究积分-微分方程稳定性的“通用方法”，特别是在使用具有指数核的分布式反馈控制背景下。

控制领域的创新性： 作者强调，这可能是数学文献中首次明确使用并分析以指数核形式的积分项反馈控制用于无人机角向稳定性研究。
处理无界记忆： 与以往需要较短记忆长度才能进行处理的方法不同，该方法并不将无界记忆视为障碍，而是将其视为一种特性，通过允许将所有先前状态“吸收”到辅助 ODE 系统中来辅助稳定性分析。
实际效用： 这项工作架起了复杂的理论积分-微分模型与实际工程应用之间的桥梁。通过将问题约简为有限维 ODE（使用简单的指数核），作者提供了一种计算可行的方法，用于设计利用分布式反馈的无人机稳定控制器。
增强的能力： 本文表明，虽然简单核（单指数）在某些情况下有效，但更复杂的核（指数的线性组合）能显著增强稳定能力，从而实现对那些使用简单积分控制无法实现的系统的控制。

作者总结道，他们的方法为这些方程的指数稳定性提供了新的、“意料之外的”结果，并为使用分布式反馈在垂直平面内稳定无人机飞行提供了具体的框架。

类似论文