Помехозащищенное и отказоустойчивое управление БПЛА с интеграцией диагностики на основе остатка, оценкой возмущений и противодроновыми стратегиями

Почему нужны более «умные» дроны

Малые беспилотные летательные аппараты — дроны — стремительно становятся рабочими лошадками для доставки, инспекций, ликвидации последствий катастроф и обеспечения безопасности. Но реальное небо сложно: моторы изнашиваются, датчики дрейфуют, порывы ветра бросают самолет в стороны, а враждебные акторы могут пытаться заглушить или ввести дрон в заблуждение относительно навигации. В этой работе рассматривается, как сделать дроны значительно более самостоятельными и трудными для выведения с курса, дав им возможность распознавать, когда что‑то идёт не так, понимать причину и автоматически корректировать полёт в реальном времени — даже если другой дрон или глушилка активно пытаются помешать.

Много причин, по которым дрон может оказаться в беде

Авторы начинают с описания растущего списка угроз, с которыми сталкиваются современные дроны. Внутри аппарата моторы могут терять мощность, управляющие поверхности могут заедать, а датчики, такие как гироскопы и приёмники GPS, могут приобретать смещение или шум. Снаружи — порывы ветра, турбулентность и меняющиеся полезные нагрузки могут сбивать дрон с курса. Сверх того, противник может посылать мощные радиосигналы, заглушая команды, подделывать спутниковые сигналы, дезориентируя навигацию, или даже направлять другой дрон по траектории столкновения. Традиционные системы управления обычно решают одну проблему за раз — либо работу с отказами, либо противодействие ветру, либо угрозам от враждебных дронов — но не все вместе. Такой разрозненный подход оставляет опасные пробелы, когда несколько проблем возникают одновременно, что вероятно в реальных миссиях.

Единый «мозг» для отказов, шумов и угроз

Чтобы закрыть эти пробелы, статья предлагает единую архитектуру управления, объединяющую три идеи в одной петле. Во‑первых, модуль самодиагностики постоянно сравнивает фактическое поведение дрона с тем, что говорит математическая модель. Несоответствия — называемые остатками — показывают, когда мотор или датчик начинает работать с отклонением, и даже оценивают степень деградации. Во‑вторых, адаптивный оцениватель возмущений рассматривает все неизвестные внешние толчки и воздействия как дополнительную скрытую переменную в модели и обучается её значению на лету, позволяя регулятору компенсировать ветер и другие немоделированные эффекты. В‑третьих, поверх этого работает противодроновая стратегия, отслеживающая признаки радиопомех, поддельных GPS‑сигналов или близко летящих объектов на риск столкновения и задающая уклоняющиеся манёвры, в то время как нижний уровень управления сохраняет устойчивость полёта.

Как новая петля управления ведёт себя в полёте

Авторы строят детальную математическую модель квадрокоптера, включая его положение, ориентацию и то, как скорость каждого ротора превращается в тягу и моменты. Затем они внедряют три модуля в двухслойный регулятор: внешняя петля направляет дрон по желаемому пути, а внутренняя поддерживает его в горизонтальном положении и направленным правильно. Когда остатки указывают на отказ, система оценивает, насколько упала эффективность мотора, и корректирует команды к оставшимся работоспособным роторам так, чтобы дрон по‑прежнему создавал требуемые силы. Одновременно оцениватель возмущений, скорость реакции которого адаптируется в зависимости от величины остатков, узнаёт текущий ветер и другие неизвестные воздействия и подаёт компенсирующие сигналы в регулятор. Если датчики и бортовое восприятие фиксируют быстро приближающийся объект или несогласованные радиo/спутниковые данные, логика противодрона объявляет угрозу и изменяет целевую траекторию дрона для уклонения, оставляя слой стабильности отвечающим за плавность движения.

Что показывают симуляции

Для проверки подхода исследователи моделируют квадрокоптер в виртуальной среде с сильными порывами ветра и рядом преднамеренно введённых проблем: частичная потеря мощности у нескольких роторов, смещения датчиков, насыщение одного мотора и полный выход из строя другого, все в разные моменты времени. Они также моделируют враждебные сценарии, требующие уклоняющихся манёвров и изменения высоты. При традиционном регуляторе ошибки положения растут примерно до четверти метра, а ошибки ориентации накапливаются, что может быть опасно рядом с препятствиями или линиями электропередач. С активной интегрированной архитектурой отклонения положения уменьшаются до менее чем пяти сантиметров, а ошибки ориентации — до нескольких сотых долей градуса, даже когда отказы и ветер происходят одновременно. Система достаточно точно оценивает отказы и возмущения, чтобы дрон быстро возвращался к плановой траектории. В сценариях с угрозами каждый смоделированный уклоняющийся манёвр выполняется успешно при сохранении плавности и устойчивости полёта.

Почему это важно для будущего воздушного пространства

Проще говоря, исследование показывает, что дроны можно сконструировать так, чтобы они «чувствовали», когда что‑то не в порядке — будь то выходящий из строя мотор, внезапный порыв ветра или враждебный дрон — и автоматически принимали правильное сочетание корректирующих и уклоняющихся действий без участия человека. Объединив обнаружение отказов, подавление возмущений и противодроновые тактики в единую когерентную систему управления, авторы демонстрируют аппарат, который не только точен в идеальных условиях, но и устойчив, когда небо становится враждебным. Такие решения могут сделать будущие сети доставки, парки инспекционных дронов и аварийно‑спасательные аппараты безопаснее и надёжнее в переполненном, конкурентном и непредсказуемом воздушном пространстве.

Цитирование: Xie, Z., Long, Y. Anti interference and fault tolerant control of UAVs integrating residual based diagnosis disturbance estimation with counter drone strategies. Sci Rep 16, 9429 (2026). https://doi.org/10.1038/s41598-026-37984-z

Ключевые слова: устойчивость дронов, отказоустойчивое управление, защита от глушения, автономные БПЛА, тактики против дронов