买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学长三角研究院(嘉兴)申请的专利一种无人机抗风扰稳定控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119987417B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510480455.6，技术领域涉及：G05D1/495；该发明授权一种无人机抗风扰稳定控制方法是由张旺旺;张利国;樊书勃;黄文涛;顾超;刘善科;肇启鹏设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本一种无人机抗风扰稳定控制方法在说明书摘要公布了：本发明公开了一种无人机抗风扰稳定控制方法，在传统自抗扰控制的基础上进行了优化，将卡尔曼滤波器KF和扩张状态观测器ESO进行融合形成了复合状态观测器KFESO；ESO可以确保KF在系统存在偏差或模型存在不确定性时工作，KF可以对ESO的输入进行过滤以减弱噪声对ESO的影响；同时在自抗扰控制器中加入了反步法，这样可以提高系统的响应速度，使得无人机系统在受到风扰时能更快的做出反应，提高系统的稳定性。在位置环和姿态环均采用了改进后的自抗扰控制器，以期能实现更好的抗干扰性能，保证无人机在风扰下具有较高响应速度的同时；本发明提高算法鲁棒性、简化算法设计并提高计算效率、增强适应性和泛化能力、提升实际应用能力。

本发明授权一种无人机抗风扰稳定控制方法在权利要求书中公布了：1.一种无人机抗风扰稳定控制方法，其特征在于，在传统自抗扰控制的基础上进行了优化，将卡尔曼滤波器KF和扩张状态观测器ESO进行融合形成了复合状态观测器KFESO；ESO确保KF在系统存在偏差或模型存在不确定性时工作，KF对ESO的输入进行过滤以减弱噪声对ESO的影响； 同时在自抗扰控制器中加入了反步法；提高系统的响应速度，使得无人机系统在受到风扰时能更快的做出反应，提高系统的稳定性； 在位置环和姿态环均采用了改进后的自抗扰控制器；以期能实现更好的抗干扰性能，保证无人机在风扰下具有较高响应速度的同时，具有更高的稳定性和鲁棒性； 所述复合状态观测器KFESO具体为： 为了解决ESO的噪声问题，采用卡尔曼滤波器KF对输入信号进行预滤波，KF通过以下公式给出： 其中为系统状态的估计x，为集总扰动f的估计，Ks为AURKF增益矩阵； 对于风场环境，一般认为风扰下卡尔曼滤波器检测到的无人机的噪声视为白噪声，因此，噪声模型的方差通过以下公式进行计算： 其中fs为仿真频率；做进一步简化： 上式中P为状态估计误差协方差矩阵；R为测量噪声协方差，在实际应用中通过白噪声测试得到表示测量噪声特性的R；Q为过程噪声协方差； 在稳态时，认为此时过程噪声协方差Q用扰动估计误差协方差Qd来代替，则有： 得到Ks的表达式： 而对于ESO的设计，构造如下的扩张状态观测器： 其中z＝[zxz3]T是的估计，zx是系统状态x的估计，而z3则是系统扰动的估计；L为观测器的增益，对于L的取值，为L＝[β1β2β3]T； 通过设计合理的ESO增益矩阵，系统存在的集总扰动被精确的估计出来；定义误差为e＝x-z，则误差的导数定义为： 上式中的Ae的特征方程表示为： λs＝s3+β1s2+β2s+β3 对上述特征方程进行分析，当h有界且λs的根均位于左半平面时，实现状态观测器的稳定，因此假设λ0s＝s+ω03，求得其解为： 其中ω0为状态观测器的带宽；则ESO设计为： 根据对自适应鲁棒无迹卡尔曼滤波器KF和扩张状态观测器ESO的描述，得到复合状态观测器KFESO的表达式为： 自抗扰控制器中加入了反步法，当在无人机的自抗扰控制中加入反步法时，由于反步法需要用到二阶微分信号，因此，在安排过渡过程的输出项里应包含二阶微分信号，而要生成二阶微分信号，则需要采用三阶微分器或级联二阶微分器来进行安排过渡过程； 其中三阶快速微分器表达式为： 其中sat函数的表达式为： 采用级联式二阶微分器得到所需的二阶微分信号； 所述自抗扰控制器中加入了反步法； 反步法的基本思想是将复杂的非线性系统分解为不超过系统阶数的子系统，然后为每个子系统分别设计部分李雅普诺夫函数和中间虚拟控制量，一直后退到整个系统，将他们集成起来完成整个控制律的设计； 将无人机的动力学方程写成如下形式： 其中X表示为X＝[x,y,z,φ,θ,ψ]，U表示为U＝[U1U2U3U4]T，而又因为U1是与无人机位置相关的控制量，定义对其进行分解，将U1分解到无人机的X,Y,Z三轴位置控制分量，则分解后的控制变量U表示为: U＝[uxuyuzU2U3U4]T 而上式中的fX和gX则用以下公式表示： 采用反步法结合自抗扰控制原理进行无人机的非线性控制律的设计，对控制回路中的单一控制回路进行设计，设计步骤如下： S1、定义无人机的期望轨迹： Xd＝[xdydzdφdθdψd] S2、根据上式定义的期望轨迹，这里引入第一个跟踪误差： e1＝Xd-X S3、由此选取第一个Lyapunov函数，并对其进行求导： 为了使V1e1收敛，定义虚拟控制量以α1替代上式中的则Lyapunov函数的导数表示为： 又因为k1为大于0的数，所以恒成立，因此所构造的Lyapunov函数稳定收敛； S4、前面已经对第一个跟踪误差进行了稳定性分析，证明了其稳定特性，下面将引入第二个跟踪误差，并对其求导，由于在求导后得到了此时根据上面无人机的动力学表达式得到第二个跟踪误差及其导数的表达式为： S5、根据上面引入的第二个跟踪误差，这里选取适用于上式的第二个Lyapunov函数，并对其进行求导： 为了使上述构造的第二个Lyapunov函数收敛，此时定义第二个虚拟控制量为： 则有这也说明了构造的第二个虚拟控制量使得李雅普诺夫函数稳定，能够使被控对象达到目标状态； 将第二个跟踪误差进行进一步的扩展，则将其变形为将其代入到上式中并对各项进行合并，只保留e1，最终得到无人机单独通道的反步法控制律为： 对比自抗扰控制的非线性误差反馈控制律的标准形式，引入自抗扰控制算法进行结合从而形成反步自抗扰控制，则反步自抗扰控制律写为： 其中表示从三阶快速微分器输出的二阶微分信号，Kd则是根据上面对KFESO进行设计时给出，采用公式进行计算。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学长三角研究院(嘉兴)，其通讯地址为：314000 浙江省嘉兴市秀洲区油车港镇东方北路1940号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。