【无人机控制】基于T-S模糊模型的四旋翼无人机非线性系统跟踪控制附matlab代码

✅作者简介：热爱数据处理、建模、算法设计的Matlab仿真开发者。

🍎更多Matlab代码及仿真咨询内容点击 🔗：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

👇 关注我领取海量matlab电子书和数学建模资料

🔥内容介绍

一、引言：四旋翼无人机的非线性控制挑战

四旋翼无人机是典型的欠驱动非线性系统，其动力学模型受空气阻力、姿态耦合、外部扰动（如风速）等因素影响，呈现强非线性、强耦合特性。传统线性控制方法（如 PID）在大姿态角、快速机动场景下难以保证跟踪精度，而 T-S（Takagi-Sugeno）模糊模型通过 “模糊规则将非线性系统分解为多个局部线性模型的加权组合”，为非线性跟踪控制提供了高效解决方案 —— 既保留非线性系统的全局特性，又可利用线性控制理论简化控制器设计。

二、1. 四旋翼无人机非线性动力学建模基础

核心动力学特性

🔥运行结果

🔥部分代码

x_atti = UAV_Result.x_atti; % [-] Real attitude

xhat_atti = UAV_Result.xhat_atti; % [-] Estimated attitude

x_alti = UAV_Result.x_alti; % [-] Real altitude

xhat_alti = UAV_Result.xhat_alti; % [-] Estimated altitude

x_posi = UAV_Result.x_posi; % [-] Real position

xhat_posi = UAV_Result.xhat_posi; % [-] Estimated position

xr_atti = UAV_Result.xr_atti;

xr_alti = UAV_Result.xr_alti;

xr_posi = UAV_Result.xr_posi;

Quadrotor = UAV_Result.Quadrotor;

% figure(1)

% plot(T_posi,member_w1,'LineWidth',2.5);

% hold on;

% plot(T_posi,member_w2,'LineWidth',2.5);

% hold on; grid on;

% legend('$w_1(k)$','$w_2(k)$','interpreter','latex')

% figure(2)

% plot(T_atti,xhat_atti(1,:)*180/pi,'LineWidth',2.5);

% hold on;

% plot(T_atti,xhat_atti(3,:)*180/pi,'LineWidth',2.5);

% hold on;

% plot(T_atti,xhat_atti(5,:)*180/pi,'LineWidth',2.5);

% hold on;

% plot(T_atti,xr_atti(1,:)*180/pi,'-.','LineWidth',2.5);

% hold on;

% plot(T_atti,xr_atti(3,:)*180/pi,'-.','LineWidth',2.5);

% hold on;

% plot(T_atti,xr_atti(5,:)*180/pi,'-.','LineWidth',2.5);

% hold on; grid on;

% legend('$\hat{\phi}(k)$','$\hat{\theta}(k)$','$\hat{\psi}(k)$','$\phi_r(k)$','$\theta_r(k)$','$\psi_r(k)$','interpreter','latex','Fontsize',12)

% xlabel('Time [s]')

% ylabel('Angle [degree]')

%

% figure(3)

% plot(T_posi,xr_alti(1,:),'Color',"#0072BD",'LineWidth',2.5);

% hold on;

% plot(T_posi,xhat_alti(1,:),'-.','LineWidth',2.5);

% hold on; grid on;

%

% figure(4)

% plot3(xhat_posi(1,:),xhat_posi(2,:),xhat_alti(1,:),'LineWidth',2.5); hold on;

% plot3(xr_posi(1,:),xr_posi(2,:),xr_alti(1,:),'-.','LineWidth',2.5); hold on; grid on;

% xlim([-1 15])

% ylim([-1 15])

% zlim([0 50])

% xlabel('X Position [m]')

% ylabel('Y Position [m]')

% zlabel('Z Position [m]')

if mode == 0

elseif mode == 1

drone1 = Quadrotor{1};

drone2 = Quadrotor{2};

drone3 = Quadrotor{3};

drone4 = Quadrotor{4};

x_init = 0;

y_init = 0;

z_init = 0;

X_Position = xhat_posi(1,:);

Y_Position = xhat_posi(2,:);

Z_Position = xhat_alti(1,:);

AXIS = 30;

for j = 1 : 1 : 300

figure(1)

set(gcf,'Position',[200, 200, 900, 600],'Color','w')

plot3(xr_posi(1,:),xr_posi(2,:),xr_alti(1,:),'-.','LineWidth',3); hold on

plot3(x_posi(1,:),x_posi(2,:),x_alti(1,:),'LineWidth',2); hold on

xlabel('X Position [m]','fontsize',15,'fontname','Times New Roman')

ylabel('Y Position [m]','fontsize',15,'fontname','Times New Roman')

zlabel('Z Position [m]','fontsize',15,'fontname','Times New Roman')

% Center

scatter3(X_Position(j), Y_Position(j), Z_Position(j), 'MarkerEdgeColor', [0 0 0], 'LineWidth', 1.5); hold on

axis([-AXIS, x_init+AXIS, -AXIS, y_init+AXIS, 0, z_init+AXIS]); grid on;

% Rotor 1

scatter3(drone1(1,j), drone1(2,j), drone1(3,j), 'MarkerEdgeColor', [0 0 0], 'LineWidth', 1.5); hold on

plot3([X_Position(j) drone1(1,j)], [Y_Position(j) drone1(2,j)], [Z_Position(j) drone1(3,j)],'LineWidth', 1.5, 'Color', 'red'); hold on

%textscatter3(real([drone1(1,j) drone1(2,j) 0.2+drone1(3,j)]), string(1), 'MarkerSize',12);

% Rotor 4

scatter3(drone2(1,j), drone2(2,j), drone2(3,j), 'MarkerEdgeColor', [0 0 0], 'LineWidth', 1.5); hold on

plot3([X_Position(j) drone2(1,j)], [Y_Position(j) drone2(2,j)], [Z_Position(j) drone2(3,j)],'LineWidth', 1.5, 'Color', 'blue'); hold on

%textscatter3(real([drone2(1,j) drone2(2,j) 0.2+drone2(3,j)]), string(4), 'MarkerSize',12);

% Rotor 3

scatter3(drone3(1,j), drone3(2,j), drone3(3,j),'MarkerEdgeColor', [0 0 0], 'LineWidth', 1.5); hold on

plot3([X_Position(j) drone3(1,j)], [Y_Position(j) drone3(2,j)], [Z_Position(j) drone3(3,j)],'LineWidth', 1.5, 'Color', 'red'); hold on

%textscatter3(real([drone3(1,j) drone3(2,j) 0.2+drone3(3,j)]), string(3), 'MarkerSize',12);

% Rotor 2

scatter3(drone4(1,j), drone4(2,j), drone4(3,j), 'MarkerEdgeColor', [0 0 0], 'LineWidth', 1.5); hold on

plot3([X_Position(j) drone4(1,j)], [Y_Position(j) drone4(2,j)], [Z_Position(j) drone4(3,j)],'LineWidth', 1.5, 'Color', 'blue'); hold on

%textscatter3(real([drone4(1,j) drone4(2,j) 0.2+drone4(3,j)]), string(2), 'MarkerSize',12);

hold on

axis([-10, 20, -10, 20, 0, z_init+AXIS]);

grid on;

hold off

j

end

end

end

🔥参考文献

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP