Управление угловым положением недоуправляемого квадрокоптера с учётом задержки с помощью барьерных функций Ляпунова и нечеткой аппроксимации Падé

Как удерживать маленькие дроны устойчивыми в мире с задержками

Современные квадрокоптеры повсюду — от обследования мостов до помощи в зонах бедствий. Но удерживать эти легкие аппараты устойчивыми в воздухе сложнее, чем кажется, особенно потому, что их моторы и датчики не реагируют мгновенно. В работе предложен новый подход, позволяющий квадрокоптеру оставаться стабильным и точно следовать заданным углам наклона даже при заметной задержке между командами вычислителя управления и реакцией моторов. Цель — более безопасные и точные дроны, которым можно доверять в требовательных и длительных миссиях.

Почему задержки мешают нормальной работе дронов

Когда вы двигаете джойстиком или автопилот посылает новую команду, реакция дрона никогда не бывает абсолютно мгновенной. Надо снять измерения, обработать данные и передать сигналы моторам. Эти задержки обычно составляют доли секунды, но для быстрых легких платформ, реагирующих мгновенно, даже небольшая пауза может вызвать серьёзные колебания или потерю управления. Традиционные методы управления часто предполагают, что задержки малы или постоянны. На практике они могут меняться, особенно при загруженных каналах связи или перегруженных бортовых компьютерах. Авторы сосредотачиваются на этой недооценённой проблеме: как спроектировать систему управления, остающуюся надёжной при наличии задержек и при воздействии ветра или неточностей модели.

Более умный «запретный» предел для движения дрона

Исход решения исследователей — математическая «безопасная оболочка», которая удерживает ошибку углового положения — разницу между желаемым и фактическим наклоном — в строгих пределах. Эта оболочка реализована с помощью так называемой барьерной функции, которая эффективно отталкивает систему от границ небезопасных областей без жестких резких управляющих действий. Проще говоря, контроллер сконструирован так, чтобы крен, тангаж и рыскание оставались в согласованных «безопасных пределах» и при этом быстро сходились к требуемой ориентации. Это даёт формальное гарантирование того, что дрон не накренится слишком сильно даже при возмущениях, что особенно важно при работе возле препятствий или в ограниченном пространстве.

Обучение контроллера предвидеть задержку

Чтобы справиться с задержкой, команда адаптирует классическую идею: вместо реакций только на текущее положение моторов контроллер прогнозирует эффект команд, который проявится немного позже. Стандартные приёмы предсказания чувствительны к ошибкам модели. Авторы усиливают подход нечетким, то есть правил-ориентированным слоем, который непрерывно настраивает модель предсказания по трём текущим сигналам: величине текущей ошибки слежения, скорости изменения этой ошибки и оценке реальной задержки. Когда задержка увеличивается или дрон уходит от цели, предсказание усиливается; в спокойных условиях — ослабляется. Эта комбинация нечеткого регулятора и предсказания интегрируется в безопасную оболочку, перестраивая внутренние переменные так, чтобы проблемная задержка больше не появлялась напрямую в основных расчетах устойчивости. Результат — контроллер, который действует так, как будто задержку во многом нейтрализовали, оставаясь при этом достаточно лёгким для бортовых компьютеров.

От уравнений — к моделированию и реальному оборудованию

Авторы сначала тестируют контроллер в подробных компьютерных симуляциях углового движения квадрокоптера, включая внешние возмущения и задержанные входы. Они сравнивают свою схему с нечетким предсказанием и безопасной оболочкой со стандартным нечетким контроллером и более классическими методами, такими как ПИД и бэктреккинг. По крену, тангажу и рысканию новый подход обеспечивает более быстрое время нарастания и установления, практически нулевой перерегулирование и меньшую суммарную ошибку со временем. Эти преимущества сохраняются даже при отклонениях массы или аэродинамических свойств от номинала. Чтобы показать, что метод не ограничивается симуляциями, его реализовали на коммерческой трёхступенчатой платформе подвеса, позволяющей свободно вращать квадрокоптер вокруг крена, тангажа и рыскания. Энкодеры точно измеряют углы, а идентифицированная задержка входа с реального оборудования включена в контроллер. Эксперименты подтверждают, что платформа быстро следует заданным углам и остаётся устойчивой несмотря на возмущения и неточные оценки параметров.

Что это означает для реальных миссий дронов

По сути, работа показывает, что маленькие дроны можно управлять более как надёжным инструментом, а не капризной игрушкой, даже когда управляющие сигналы приходят с задержкой или окружение хаотично. Объединяя предиктивный слой, который обучается компенсировать задержку, с математически обеспеченной безопасной оболочкой, контроллер удерживает ошибки углов малым, время восстановления — коротким, а реакции — плавными. Такая конструкция, учитывающая задержку, достаточно экономна в вычислениях для практического бортового применения, что делает её привлекательной для длительных критичных миссий — поиска и спасения, инспекции инфраструктуры или кооперации нескольких беспилотников, где стабильность, робастность и предсказуемость поведения имеют первостепенное значение.

Цитирование: Abro, G.E.M., Memon, S.A., Hoshu, A.A. et al. Latency-aware attitude control of underactuated quadrotor UAVs using barrier Lyapunov and fuzzy Padé approximation. Sci Rep 16, 10633 (2026). https://doi.org/10.1038/s41598-026-45781-x

Ключевые слова: управление квадрокоптером, задержка входа, нечеткое управление, стабильность дрона, автономные БПЛА