کنترل ردیاب کوادروتور با استفاده از کنترل مد لغزشی تطبیقی مبتنی‌بر شبکه‌های عصبی چبیشف

در این مقاله، روشی برای کنترل کوادروتور براساس کنترل مد لغزشی با استفاده از شبکه‌های عصبی چبیشف پیشنهاد شده است. روش پیشنهادی ترکیبی از روش کنترل مدلغزشی و تخمینگر شبکه عصبی چبیشف می‌باشد که در آن وزن‌های شبکه عصبی به‌صورت بلادرنگ با استفاده از تکنیک‌های کنترل تطبیقی مقاوم به‌روزرسانی می‌شوند. در این پژوهش، مدل دینامیکی کوادروتور به‌منظور کنترل ردیابی وضعیت و زاویه کوادروتور به دو زیرسیستم تقسیم شده است: یک زیرسیستم تحریک کامل و دیگری تحریک نقصانی. برای زیرسیستم اول، سطوح لغزش تنها با استفاده از خطای ردیابی یکی از متغیرهای حالت طراحی می‌شوند و برای زیرسیستم دوم، سطوح لغزش با ترکیب خطی از دو متغیر حالت تعریف می‌شوند. در این مقاله، پایداری سیستم به‌وسیله تکنیک‌های مبتنی بر تئوری لیاپانوف تحلیل می‌گردد و با استفاده از نتایج شبیه‌سازی صحت عملکرد کنترل‌کننده نشان داده خواهد شد.

Tracking Control of Quadrotor by using Adaptive Sliding-Mode Control based on Chebyshev Neural Networks

In this paper, a method is proposed for the control of a quadrotor based on sliding mode control by using Chebyshev neural networks. The proposed approach is a combination of the sliding mode controller and the Chebyshev neural network approximator that the neural network weights are tuned in realtime by using robust adaptive techniques. In this research, the dynamic model of the quadrotor is divided into two subsystems for the purpose of the position and orientation tracking control: a fullyactuated subsystem and an underactuated subsystem. For the former, the sliding surfaces are designed by using one state variable, and for the latter, the sliding manifolds are defined by a linear combination of two state variables. In this paper, the system stability is analyzed by Lyapunov theorybased techniques and the accuracy of the controller performance will be illustrated by the simulation results.