مدل‌سازي ديناميكي و كنترل غيرخطي تطبيقي پرواز مسيكوپتر

Dynamic Modeling and Nonlinear Adaptive Control of Mesicopter Flight

اين مقاله به مدل‎سازي و كنترل خطي و غيرخطي پرواز مسيكوپتر مي‌پردازد. ابتدا مدل غيرخطي چندورودي-چندخروجي پرنده با در نظر گرفتن ديناميك عملگرها و اثرات ژايروسكوپيك پره و بدنه استخراج شده و سپس از سه روش كنترلي متداول براي رسيدن به پاسخ‌هاي سريع با مشخصات عملكردي مناسب استفاده مي‌شود و از نظر تلاش كنترلي توليدي براي اين وسيله پرنده مقايسه مي‌شوند. مسيكوپترها همواره تحت تاثير عدم قطعيت‌ها قرار مي‌گيرند و روش‌هاي كنترلي متداول براي مقابله با اين نامعيني‌ها و پايدارسازي ديناميك ذاتاً ناپايدار پرنده ضعيف مي‌باشند. براي جبران عدم قطعيت‌هاي پارامتري موجود در ديناميك مسيكوپتر از سه روش كنترلي غيرخطي تطبيقي مدل مرجع براي سه حالت متفاوت مبتني بر معادلات خطي تك‌ورودي-تك‌خروجي و معادلات خطي چندورودي-چندخروجي و معادلات غيرخطي چندورودي‌-چندخروجي استفاده مي‌شود. روش‌هاي كنترلي تطبيقي با داشتن مكانيزم‌هاي تخمين سبب ارتقا عملكرد سيستم در طول پرواز در شرايط مختلف و پايدارسازي وضعيت و كنترل حالت‌هاي سيستم مي‌شوند. پايداري توسط معيار پايدراي لياپانوف به اثبات رسيده است. نتايج شبيه‌سازي مبين موفقيت‌آميز بودن روش كنترلي تطبيقي براي جبران عدم قطعيت‌هاي پارامتري است.

This paper presents dynamic modeling, classical and nonlinear control of flight of mesicopter. First, nonlinear multiple-input multiple-output model is derived taking into consideration the body and rotor gyroscopic effects, then three classical control methods for fast response with high performance are used and compared with respect to control effort. Mesicopters are always affected by uncertainties. Classical approach is not able to properly compensate these effects. To overcome this problem, model reference adaptive control is used with three different types based on single-input single-output linear equations, multiple-input multiple-output linear equations and nonlinear multiple-input multiple-output equations. Based on the simulation results, the adaptive control method with estimation mechanism improved performance, attitude stabilization and control of system states in different conditions. Stability is guaranteed by Lyapunov stability theory. Results demonstrate good performance of adaptive control for parameter uncertainty compensation.