Investigation, Flight Testing, and Comparison of Three Nonlinear Control Techniques with Application to a Quadrotor Unmanned Aerial Vehicle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Unmanned Aerial Vehicles (UAVs) have become more and more popular, and how to control them through advanced control techniques becomes crucial. Although there are many different control methods that can be applied to the control of UAVs, nonlinear control techniques are more practical since the inherent nonlinear features of most UAVs. In this paper, three widely used nonlinear control techniques including Feedback Linearization Control (FLC), Sliding Mode Control (SMC), and Backstepping Control (BSC) are investigated, implemented and experimentally tested on a unique quadrotor UAV (known as Qball-X4) test-bed available at the Networked Autonomous Vehicles (NAV) Lab in Concordia University. The advantages and disadvantages of these three control techniques with application to the Qball-X4 UAV are revealed through both simulation and experimental tests. Sliding mode control is well known for its capability of handling uncertainties, and is demonstrated to be the most robust and best performance controller for Qball-X4. Feedback linearization control and backstepping control are demonstrated a bit weaker than sliding mode control. Comparison of these three controllers is also carried out in both theoretical analysis and experimental testing under same flight conditions. Testing results and comparison show the different features of different control methods and provide a view on how to choose an appropriate controller for controlling the Qball-X4 and other UAVs under a specific condition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle