كنترل ردياب كوادروتور با استفاده از كنترل مد لغزشي تطبيقي مبتني‌بر شبكه‌هاي عصبي چبيشف

Tracking Control of Quadrotor by using Adaptive Sliding-Mode Control based on Chebyshev Neural Networks

در اين مقاله، روشي براي كنترل كوادروتور براساس كنترل مد لغزشي با استفاده از شبكه‌هاي عصبي چبيشف پيشنهاد شده است. روش پيشنهادي تركيبي از روش كنترل مدلغزشي و تخمينگر شبكه عصبي چبيشف مي‌باشد كه در آن وزن‌هاي شبكه عصبي به‌صورت بلادرنگ با استفاده از تكنيك‌هاي كنترل تطبيقي مقاوم به‌روزرساني مي‌شوند. در اين پژوهش، مدل ديناميكي كوادروتور به‌منظور كنترل رديابي وضعيت و زاويه كوادروتور به دو زيرسيستم تقسيم شده است: يك زيرسيستم تحريك كامل و ديگري تحريك نقصاني. براي زيرسيستم اول، سطوح لغزش تنها با استفاده از خطاي رديابي يكي از متغيرهاي حالت طراحي مي‌شوند و براي زيرسيستم دوم، سطوح لغزش با تركيب خطي از دو متغير حالت تعريف مي‌شوند. در اين مقاله، پايداري سيستم به‌وسيله تكنيك‌هاي مبتني بر تئوري لياپانوف تحليل مي‌گردد و با استفاده از نتايج شبيه‌سازي صحت عملكرد كنترل‌كننده نشان داده خواهد شد.

In this paper, a method is proposed for the control of a quadrotor based on sliding mode control by using Chebyshev neural networks. The proposed approach is a combination of the sliding mode controller and the Chebyshev neural network approximator that the neural network weights are tuned in real-time by using robust adaptive techniques. In this research, the dynamic model of the quadrotor is divided into two subsystems for the purpose of the position and orientation tracking control: a fully-actuated subsystem and an underactuated subsystem. For the former, the sliding surfaces are designed by using one state variable, and for the latter, the sliding manifolds are defined by a linear combination of two state variables. In this paper, the system stability is analyzed by Lyapunov theory-based techniques and the accuracy of the controller performance will be illustrated by the simulation results.