使用自适应模糊 T-S 与线性矩阵反演方法实现四旋翼无人机的容错控制

在复杂环境中保持无人机稳定

小型四桨无人机正成为农业巡检、搜救和拍摄等任务的常用工具。但在真实环境中，它们的传感器可能会出错，风力也会将其推离航线，从而导致飞行抖动甚至坠机。本文探讨了一种新方法，旨在在传感器失效和气流不确定的情况下，保持四旋翼无人机的稳定性和响应性。

为何无人机控制很难

四旋翼看上去结构简单，但其运动由相互耦合的旋翼转速、机体俯仰和位置变化共同决定。传统控制方法常依赖简化的线性模型，这些模型仅在平静且可预测的条件下表现良好。当现实中出现阵风、振动和传感器故障时，这些方法可能难以应对，导致振荡增大或纠正迟缓。与此同时，更先进的非线性方法往往需要大量计算或非常精确的模型，这在轻量级飞行器上并不总是可行。

将简单规则与精巧数学结合

作者提出了一种混合控制策略，结合了两种思想。第一种是模糊规则系统，它将无人机的复杂行为划分为若干较简单的工作区间，例如小角度或大角度倾斜。每个区间用易处理的线性模型描述，随着飞行器状态变化，模糊逻辑将这些模型平滑地融合。第二种思想是称为线性矩阵反演的数学工具，用于计算反馈增益以保持组合模糊模型的稳定性。通过实时自适应这些增益，该控制器能在不必明确检测和分类每一种故障的情况下，对变化的工况做出响应。

新策略如何被测试

为测试他们的方法，研究人员建立了一个包含机体运动和电机动态的详细仿真模型。随后他们在传感器读数中注入了人工故障和扰动。考虑了两类问题：随时间平滑变化的“余弦”型故障和突发短时出现的“矩形”型故障。新型自适应控制器与传统模糊控制器、标准线性矩阵反演控制器以及此前文献中报道的方法进行了比较，所有控制器均在相同的仿真无人机和扰动模式下测试。

故障发生时的表现如何

在安静工况下、未施加故障前，三种控制器在将无人机倾角引至期望值方面表现相近，唯一明显差别是纯线性控制器显示出更多振荡。真正的差异在故障与扰动引入后显现。在平滑变化的传感器故障下，传统方法在滚转、俯仰和偏航上出现逐渐增大的振荡；在某些情况下，线性方法甚至无法再稳定飞行。仅模糊控制器最终能平息振荡但耗时较长。相比之下，自适应混合控制器仅出现小而短暂的偏差，并在约一秒内恢复稳定飞行。在突发的矩形故障下，情况类似：新控制器将飞行姿态维持得非常接近目标，而其他方法偏离更远且恢复更慢。

这对日常飞行意味着什么

对非专业读者而言，结论是这种自适应混合控制器使四旋翼在传感器不可靠且空气湍流时仍能安全飞行。该方法不是先去诊断每一种具体故障，而是将故障和扰动视为需自动抑制的对象，实时调整控制行为。在仿真中，这使无人机的倾角比标准方法更接近目标，误差更小且收敛更快。作者认为，此类策略可提高无人机及其他非线性设备的安全性与可靠性，使其更适合在需要快速、稳定响应的复杂真实环境中执行任务。

引用: Taimoor, M., Wang, H., Bibi, S. et al. Fault-tolerant control of quadrotor unmanned aerial vehicle by using adaptive fuzzy T-S and linear matrix inversion approach. Sci Rep 16, 16181 (2026). https://doi.org/10.1038/s41598-026-46576-w

关键词: 四旋翼无人机, 容错控制, 自适应控制, 模糊系统, 传感器故障