Barrier Lyapunov function and adaptive backstepping-based control of a quadrotor UAV
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
Abstract This paper presents backstepping control and backstepping constraint control approaches for a quadrotor unmanned aerial vehicle (UAV) control system. The proposed methods are applied to a Parrot Mambo drone model to control rotational motion along the $x$ , $y$ , and $z$ axes during hovering and trajectory tracking. In the backstepping control approach, each state of the system controls the previous state and is called “virtual control.” The last state is controlled by the real control input. The idea is to compute, in several steps, a control law that ensures the asymptotic stability of the system. The backstepping constraint control method, based on barrier Lyapunov functions (BLFs), is designed not only to track the desired trajectory but also to guarantee no violation of the position and angle constraints. Symmetric BLFs are introduced in the design of the controller. A nonlinear mathematical model is considered in this study. Based on Lyapunov stability theory, it can be concluded that the proposed controllers can guarantee the stability of the UAV system and the state converges asymptotically to the desired trajectory. To make the control robust, an adaptation law is applied to the backstepping control that estimates the unknown parameters and ensures their convergence to their respective values. Validation of the proposed controllers was performed by simulation on a flying UAV system.
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) | 0,000 | 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