Anti-Disturbance Sliding Mode Control for Tethered Firefighting Hexarotors with Extended State Observer
本文提出了一种用于系留消防六旋翼无人机的复合分层抗扰控制策略，该策略将针对已知动力学的物理前馈补偿与三阶线性扩张状态观测器及滑模控制相结合，以实现针对高压喷水过程中多源、强耦合扰动的高精度稳定性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 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
在现代城市拥挤的天空中，一种新型的空中消防员正在成形。与那些难以触及摩天大楼高层的沉重地面梯车不同，这些是无人机：它们敏捷、快速，并能够在需要的地方进行精准悬停。然而，携带沉重的软管并以高压喷射水流会产生一系列独特的物理问题。从喷嘴中涌出的水流会将无人机向后推，而悬挂在地面上的软管本身则像一个沉重且摆动的锚，以不可预测的方向拉扯飞行器。随着软管注满水，无人机的重量每秒都在增加，其实时重量和平衡也在不断变化。在这种条件下控制机器，就像是在尝试用手平衡一根扫帚柄，同时还有人在不断推搡你的手臂并改变扫帚的重量；标准的控制方法往往会失效，导致无人机剧烈抖动或坠毁。
太原工业大学的研究人员开发出了一种保持这些系留消防无人机稳定的新方法。他们专注于一种特定类型的无人机——六旋翼无人机，这种无人机拥有六个螺旋桨，旨在携带重物。在研究中，他们建立了一个配备了30米长软管的30公斤级无人机的详细计算机模型。他们模拟了其中复杂的相互作用力：软管的拉力、水流喷射的反作用力，以及软管注水时不断变化的重量。该团队测试了一种结合了两种不同处理干扰方式的新型控制策略。第一种方法涉及“前馈”（feedforward），这本质上是一个智能预测系统。该系统不是在等待无人机被推离航线后再做出反应，而是精确计算出软管和水流会对无人机产生多少推力，并立即施加一个反向作用力。这就像一位走钢丝的人，在阵风真正袭来之前就先向风的方向倾斜身体，而不是等到失去平衡后再去应对。
该策略的第二部分使用了一种滑模控制器（sliding mode controller），这是一种以其在复杂环境下仍能保持轨迹的能力而闻名的算法。然而，这种方法通常会导致无人机的电机产生振动或“抖动”（chatter），因为电机在不断地开启和关闭以修正误差。为了解决这个问题，研究人员加入了第三个组件：线性扩张状态观测器（linear extended state observer）。可以将它想象成一个高度敏感的传感器，它监听无人机的运动，并估算第一个系统遗漏的任何剩余力量，例如突如其来的阵风或重量计算中的微小误差。通过将这个估算值反馈给控制器，系统可以进行平滑、精确的调整，而不会产生剧烈的抖动。其结果是一种分层防御机制：系统首先抵消来自软管和水流的那些已知的大规模、可预测的推力，然后利用观测器来清理那些较小的、不可预测的晃动。
研究人员通过一系列计算机模拟测试了这种方法，将其与用于标准无人机的传统控制系统进行了对比。他们设计了三种不同的场景，从低空悬停开始，逐步上升到20米高空的位置，在那里软管的张力和水的重量会产生最极端的压力。在低空测试中，标准控制系统难以保持稳定位置，会在近一米范围内前后摆动。然而，新方法却能让无人机保持稳定，误差小于两厘米。随着模拟向中高空移动，差异变得更加显著。在20米高度，传统系统完全失效；无人机会要么剧烈摆动失去控制，要么直接坠毁。即使是不带额外辅助的纯滑模控制器，在达到这个高度时也会因为力量过强而超出其固定参数的处理能力，从而失去控制。
相比之下，这种分层策略即使在20米高度也能保持无人机稳定。无人机在大约七秒内到达目标高度，并保持位置误差在五厘米以内，同时保持平稳的姿态，没有出现其他方法中那种危险的抖动。研究表明，通过将已知力量的物理预测与针对未知力量的智能观测相结合，无人机可以应对高压消防这种沉重且混乱的环境。研究人员指出，这些结果源于模拟实验，下一步将是在实际飞行条件下（包括室外风力和真实喷水）对硬件系统进行测试。他们的工作表明，只要拥有正确的控制逻辑，系留无人机就能成为高层建筑火灾救援中可靠的工具，将一个混乱的物理挑战转化为一项可控的工程任务。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。