基于混合自抗擾控制的作物葉片采集無(wú)人機(jī)控制系統(tǒng)研究

摘要：針對(duì)農(nóng)用四旋翼無(wú)人機(jī)在田地進(jìn)行作物葉片圖像采集時(shí)，由于外部擾動(dòng)和機(jī)體內(nèi)部擾動(dòng)對(duì)姿態(tài)角造成干擾，導(dǎo)致四旋翼無(wú)人機(jī)飛行與懸停不夠穩(wěn)定的問(wèn)題，提出了一種基于混合自抗擾控制算法對(duì)無(wú)人機(jī)三個(gè)姿態(tài)角分別進(jìn)行控制。首先對(duì)四旋翼無(wú)人機(jī)進(jìn)行姿態(tài)解算并設(shè)計(jì)控制器，其次混合自抗擾控制對(duì)三個(gè)姿態(tài)角分別控制，最后仿真并與PID控制算法進(jìn)行對(duì)比。仿真結(jié)果證明：混合自抗擾控制算法無(wú)論是跟蹤速度還是超調(diào)量抑制都明顯優(yōu)于PID控制，該混合自抗擾控制算法在農(nóng)用四旋翼無(wú)人機(jī)作物葉片圖像采集中具有較強(qiáng)的自適應(yīng)性和魯棒性。

關(guān)鍵詞：四旋翼無(wú)人機(jī)；混合自抗擾控制；姿態(tài)角；圖像采集

中圖分類號(hào)：F274 " " "文獻(xiàn)標(biāo)志碼：A " " "文章編號(hào)：1008-4657（2024）06-0013-09

0 " " " "引言

四旋翼直升機(jī)是近年來(lái)比較熱門的新型飛行器，具有與普通直升機(jī)相似的氣動(dòng)特性和飛行特點(diǎn)，得到了國(guó)內(nèi)外專家學(xué)者的廣泛關(guān)注和深入研究［ 1 ］。四旋翼無(wú)人機(jī)是非線性、多變量、強(qiáng)耦合的欠驅(qū)動(dòng)系統(tǒng)，控制系統(tǒng)設(shè)計(jì)復(fù)雜，但其具有機(jī)動(dòng)性強(qiáng)，靈敏度高、機(jī)械結(jié)構(gòu)簡(jiǎn)單等特點(diǎn)。在民用領(lǐng)域，四旋翼無(wú)人機(jī)被應(yīng)用于工業(yè)、農(nóng)業(yè)、林業(yè)等很多行業(yè)［ 2-3 ］，可以配合人類在電力、高空等場(chǎng)所進(jìn)行巡檢任務(wù)，可以幫助農(nóng)民在植物保護(hù)中進(jìn)行噴藥、施肥等操作。

為獲取高精度的四旋翼無(wú)人機(jī)飛行控制，各種控制方法被學(xué)者們深入研究。目前國(guó)內(nèi)外相關(guān)控制方法有PID控制［ 4-5 ］、滑模控制［ 6 ］、反步法控制［ 7-8 ］、魯棒控制［ 9 ］、自適應(yīng)控制［ 10 ］等。趙振華等［ 11 ］提出基于擴(kuò)張狀態(tài)觀測(cè)器對(duì)四旋翼無(wú)人機(jī)總擾動(dòng)進(jìn)行估計(jì)，設(shè)計(jì)快速非奇異終端滑模控制器對(duì)其進(jìn)行控制。高俊山等［ 12 ］設(shè)計(jì)了自適應(yīng)滑模控制對(duì)四旋翼無(wú)人機(jī)內(nèi)部與外界干擾進(jìn)行控制，最后與傳統(tǒng)的PID控制對(duì)比，驗(yàn)證了自適應(yīng)滑模控制的魯棒性。廖懿華等［ 13 ］通過(guò)試湊法整理得到PID控制農(nóng)用四旋翼無(wú)人機(jī)姿態(tài)參數(shù)，仿真實(shí)驗(yàn)驗(yàn)證控制系統(tǒng)的魯棒性，但系統(tǒng)抗干擾恢復(fù)時(shí)間較長(zhǎng)。Hamid " Hassani等［ 14 ］通過(guò)采用反步法控制四旋翼無(wú)人機(jī)的姿態(tài)和位置，驗(yàn)證其控制方法穩(wěn)定性，但參數(shù)不當(dāng)配置會(huì)對(duì)飛行性能產(chǎn)生影響。Hamid "Hassani等［ 15 ］設(shè)計(jì)了一種新型的混合控制器，通過(guò)非奇異終端滑模控制與超螺旋算法相結(jié)合，實(shí)現(xiàn)四旋翼無(wú)人機(jī)姿態(tài)角快速跟蹤并且無(wú)明顯抖動(dòng)現(xiàn)象。Yang " Zijiang［ 16 ］通過(guò)自適應(yīng)控制將四旋翼無(wú)人機(jī)姿態(tài)系統(tǒng)模型轉(zhuǎn)化為二階模型，控制器采用反步法，仿真實(shí)例驗(yàn)證其控制方法的魯棒性。

上述文獻(xiàn)提出的控制方法不僅需要高精度的系統(tǒng)模型，還要求系統(tǒng)模型全狀態(tài)反饋。在無(wú)人機(jī)應(yīng)用領(lǐng)域中，控制系統(tǒng)設(shè)計(jì)的不足，給應(yīng)用帶來(lái)了困難。自抗擾控制算法不依賴于系統(tǒng)模型，采用非線性狀態(tài)誤差反饋控制（Nonlinear "State "Error "Feedback，NLSEF）和跟蹤微分器（Tracking "Differentiator，TD）解決了超調(diào)量大和調(diào)節(jié)時(shí)間長(zhǎng)的問(wèn)題，擴(kuò)張狀態(tài)觀測(cè)器（Extended "State "Observer，ESO）首先把整個(gè)系統(tǒng)的內(nèi)部狀態(tài)和外部擾動(dòng)歸納成總擾動(dòng)，之后對(duì)總擾動(dòng)進(jìn)行估計(jì)，控制量的補(bǔ)償，從而可以表現(xiàn)出自抗擾控制技術(shù)優(yōu)秀的抗干擾能力。為此，本文設(shè)計(jì)了一種混合自抗擾控制四旋翼無(wú)人機(jī)姿態(tài)角，將線性自抗擾控制（Linear "Active "Disturbance "Rejection "Control，LADRC）與非線性自抗擾控制（Nonlinear "Active "Disturbance Rejection "Control，NLADRC）相結(jié)合，應(yīng)用在農(nóng)用四旋翼無(wú)人機(jī)在作物葉片圖像采集過(guò)程，提高了控制系統(tǒng)的魯棒性。

1 " "四旋翼無(wú)人機(jī)動(dòng)力學(xué)建模

四旋翼無(wú)人機(jī)主要結(jié)構(gòu)分為無(wú)刷電機(jī)、機(jī)架、螺旋槳和主控單元。采用“X”型無(wú)人機(jī)四旋翼對(duì)稱垂直安裝，無(wú)刷電機(jī)給予動(dòng)力帶動(dòng)旋翼旋轉(zhuǎn)。主控單元安裝在四旋翼無(wú)人機(jī)中心位置。具體如圖1所示。

四旋翼無(wú)人機(jī)在空中的飛行姿態(tài)有六種：垂直運(yùn)動(dòng)、前后運(yùn)動(dòng)、左右運(yùn)動(dòng)、俯仰運(yùn)動(dòng)、橫滾運(yùn)動(dòng)、偏航運(yùn)動(dòng)。圖1中M1、M2、M3、M4分別代表四個(gè)旋翼的電機(jī)。經(jīng)過(guò)變換四個(gè)旋翼速度來(lái)獲得無(wú)人機(jī)位置和姿態(tài)。同時(shí)提高四個(gè)旋翼的電機(jī)速度實(shí)現(xiàn)無(wú)人機(jī)垂直上升運(yùn)動(dòng)。提高或者降低電機(jī)M3和M4的速度，同時(shí)降低或者提高電機(jī)M1和M2的速度，可以實(shí)現(xiàn)四旋翼無(wú)人機(jī)俯仰運(yùn)動(dòng)。提高或者降低電機(jī)M1和M4的速度，同時(shí)降低或者提高電機(jī)M2和M3的速度，可以實(shí)現(xiàn)四旋翼無(wú)人機(jī)滾轉(zhuǎn)運(yùn)動(dòng)。提高或者降低電機(jī)M1和M3的速度，同時(shí)降低或者提高電機(jī)M2和M4的速度，可以實(shí)現(xiàn)四旋翼無(wú)人機(jī)偏航運(yùn)動(dòng)。

由于四旋翼無(wú)人機(jī)是低空飛行作業(yè)，所以認(rèn)為其重力加速度無(wú)變化，不考慮無(wú)人機(jī)剛性結(jié)構(gòu)機(jī)體內(nèi)部產(chǎn)生的摩擦力、空氣動(dòng)力學(xué)效應(yīng)，采用牛頓-歐拉法建立非線性動(dòng)力學(xué)模型，如式（1）所示。

x = （sin？鬃 sin？漬 + cos？鬃sinθcos？漬）U1m-1y = （-cos？鬃sin？漬 + sin？鬃sinθcos？漬）U1m-1z = cosθcos？漬U1m-1 - g？漬 = ［（Iy - Iz）θ？鬃 - JT θΩ + U2］ Ix-1θ = ［（Iz - Ix）？漬？鬃 - JT？漬Ω + U3］ Iy-1？鬃 = ［（Ix - Iy）θ？漬 "+ U4］ Iz-1（1）

通過(guò)非線性耦合模型的分解，得到無(wú)人機(jī)的四個(gè)獨(dú)立的控制通道數(shù)據(jù)，具體如式（2）所示。

U1 = F1 + F2 + F3 + F4U2 = F4 - F2U3 = F3 - F1U4 = F2 + F4 - F3 - F1（2）

2 " "姿態(tài)解算

機(jī)體坐標(biāo)系與地理坐標(biāo)系之間的轉(zhuǎn)化可以用歐拉角和四元數(shù)表示，本文采用四元數(shù)進(jìn)行姿態(tài)解算，用歐拉角描述姿態(tài)角，兩者的關(guān)系可通過(guò)姿態(tài)矩陣進(jìn)行轉(zhuǎn)換［ 17 ］。四元數(shù)表達(dá)式如式（3）所示。

Q（q0，q1，q2，q3） = q0 + q1i + q2 j +q3k（3）

三角函數(shù)式如式（4）所示。

Q = cos + μsin（4）

其中q為實(shí)數(shù)，i、 j、k為虛單位，θ為實(shí)數(shù)，μ為單位向量。機(jī)體坐標(biāo)系到地理坐標(biāo)系變換矩陣四元數(shù)表達(dá)過(guò)程如式（5）所示。

C = D = I +2Usincos + 2sin2U·U（5）

式（6）表示用機(jī)體坐標(biāo)系到地理坐標(biāo)系的變換矩陣。

C = 1 "0 "00 "1 "00 "0 "1+2cos " "0 " " " "-nsin " msin nsin " " " "0 " " " -nsin-msin " lsin " " " "0+2-（m2+n2）sin2 " " -lmsin2 " " " " " "lnsin2 " " lmsin2 " " " "-（l2+n2）sin2 " " " mnsin2 " " lnsin2 " " " " " " "mnsin2 " " "-（l2+m2）sin2（6）

令

q0 = cosq1 = lsinq2 = msinq3 = nsin（7）

得到式（8）

C = 1-2（q22 + q32） " "2（q1q2 - q0q3） " " 2（q1q3 + q0q2）2（q1q2 + q0q3） " "1-2（q12 + q32） " " 2（q2q3 - q0q1）2（q1q3 - q0q2） " "2（q2q3 + q0q1） " " 1-2（q12 + q22）（8）

因?yàn)镼 = q02 + q12 + q22 + q32 = cos2 + （l2 + m2 + n2）sin2 = 1，所以規(guī)范化四元數(shù)表達(dá)如式（9）所示。

C = q02 + q12 - q22 - q32 " " " 2（q1q2 - q0q3） " " " " "2（q1q3 + q0q2） "2（q1q2 + q0q3） " " " "q02 - q12 + q22 - q32 " " " 2（q2q3 - q0q1） "2（q1q3 - q0q2） nbsp; " " " " 2（q2q3 + q0q1） " " " q02 - q12 - q22 + q32（9）

由表1可知ψ為無(wú)人機(jī)偏航角，θ為無(wú)人機(jī)俯仰角，φ為無(wú)人機(jī)橫滾角，兩坐標(biāo)系變換矩陣用歐拉角表達(dá)如式（10）所示。

R = cosθcosψ " "-cosφsinψ + sinθsinφcosψ " " sinφsinψ + sinθcosφcosψcosθsinψ " " cosφcosψ + "sinθsinφsinψ " " -sinφcosψ + sinθcosφsinψ "-sinθ " " " " " " " " " " " cosθsinφ " " " " " " " " " " " " " " " cosθcosφ（10）

因?yàn)镃 = R，所以得到四元數(shù)矩陣轉(zhuǎn)換為歐拉角方程，具體如式（11）所示。

θ = arcsin［2（q0q2 - "q1q3）］φ =arctanψ =（11）

3 " 自抗擾控制器的設(shè)計(jì)

3.1 " 非線性自抗擾控制方法設(shè)計(jì)

由于四旋翼無(wú)人機(jī)是一個(gè)欠驅(qū)動(dòng)、強(qiáng)耦合的非線性系統(tǒng)［ 18 ］，容易受到干擾，因此選擇自抗擾控制算法。根據(jù)之前無(wú)人機(jī)建立的數(shù)學(xué)模型，結(jié)合無(wú)人機(jī)姿態(tài)的強(qiáng)耦合特性，采用非線性自抗擾控制技術(shù)控制俯仰角和滾轉(zhuǎn)角。

自抗擾控制技術(shù)在工作過(guò)程中，通過(guò)跟蹤微分器與擴(kuò)張狀態(tài)觀測(cè)器作差將誤差送入非線性狀態(tài)誤差反饋控制率，形成組合控制率，針對(duì)韓京清教授所提出的最速控制綜合函數(shù)fhan（·）或者fal（·）函數(shù)構(gòu)造非線性控制器，實(shí)現(xiàn)了“小誤差大增益，大誤差小增益”。將控制對(duì)象轉(zhuǎn)化為“積分串聯(lián)”型系統(tǒng)［ 19 ］。非線性誤差在姿態(tài)控制算法中主要針對(duì)被控制的對(duì)象進(jìn)行策略研究。結(jié)構(gòu)原理圖如圖2所示。

3.1.1 " "跟蹤微分器

跟蹤微分器實(shí)現(xiàn)了系統(tǒng)過(guò)渡過(guò)程的安排，得到控制信號(hào)的跟蹤信號(hào)和一系列微分信號(hào)，起到濾波和降低初始誤差作用［ 20 ］，增強(qiáng)控制器的魯棒性。跟蹤微分器離散式安排過(guò)渡過(guò)程的形式如式（12）所示。

fh = fhan（x1（k） - v（k），x2（k），r，h）x1（k + 1） = x1（k） + hx2（k）x2（k + 1） = x2（k） + hfh（12）

v是TD的輸入信號(hào)，x1和x2是系統(tǒng)的狀態(tài)，快速無(wú)超調(diào)地跟上輸入信號(hào)v，x2是v的近似微分，跟蹤過(guò)程的微分信號(hào)。r表示跟蹤速度因子，通過(guò)調(diào)節(jié)r的大小控制跟蹤速度，r越小跟蹤速度越快；h表示濾波因子，其功能對(duì)噪聲進(jìn)行濾波。

符號(hào)函數(shù)會(huì)導(dǎo)致系統(tǒng)產(chǎn)生高頻振蕩，最速控制綜合函數(shù) fhan（·），對(duì)開關(guān)線周圍進(jìn)行約束，其表達(dá)式如式（13）所示。

d = rhd0 = hdy = x1 + hx2a0 = a = x2 + sign（y），|y| ＞ d0x2 + ，|y| ≤ d0= θf(wàn)han = rsign（a），|a| ＞ dr，|a| ≤ d（13）

3.1.2 " "擴(kuò)張狀態(tài)觀測(cè)器

擴(kuò)張狀態(tài)觀測(cè)器，顧名思義它的作用是把系統(tǒng)不明的外部擾動(dòng)與模型進(jìn)行時(shí)刻估計(jì)，把總擾動(dòng)觀測(cè)出來(lái)，之后控制器對(duì)其總擾動(dòng)實(shí)行補(bǔ)償，把非線性控制系統(tǒng)變成積分串聯(lián)型控制系統(tǒng)。

離散形式的ESO算法如式（14）所示。

z1（k + 1） = z1（k） + h［z2（k） - β01 " fal（e，a1，δ）］z2（k + 1） = z2（k） + h［z3（k） - β02 " fal（e，a2，δ）］？搖zn（k + 1） = zn（k） + h［zn+1（k） - β0n " fal（e，an，δ） + b0u］zn+1（k + 1） = zn+1（k） + h（- β0（n+1） " fal（e，an+1，δ））（14）

上式中，h為采樣周期， β01 - β0（n+1） ，a1-an+1均為可以調(diào)整的參數(shù)，δ為區(qū)間長(zhǎng)度， b0為補(bǔ)償因子，fal（·）函數(shù)為式（15）。

fal（e，a，δ） = |e|asign（e），|e| ＞ δ，|e| ≤ δ（15）

3.1.3 " "非線性狀態(tài)誤差反饋率

通過(guò)擴(kuò)張狀態(tài)觀測(cè)器把系統(tǒng)的未知總擾動(dòng)估計(jì)出來(lái)，然后對(duì)其進(jìn)行誤差補(bǔ)償，整個(gè)系統(tǒng)變?yōu)榫€性積分串聯(lián)型系統(tǒng)。NLSEF如式（16）所示。

e1 = v1 - z1e2 = v2 - z2 u0 = "β1 " "fal（e1，a1，δ） + β2 " "fal（e2，a2，δ）（16）

系統(tǒng)總控制量由離散型ESO對(duì)估計(jì)出的總擾動(dòng)量進(jìn)行誤差補(bǔ)償，得到式（17）。

u = "u0 - "（17）

3.2 " 偏航角的線性自抗擾控制設(shè)計(jì)

線性自抗擾控制結(jié)構(gòu)圖如圖3所示

由于本文采用線性自抗擾控制四旋翼無(wú)人機(jī)偏航角，其控制算法如式（18）所示。

v1 = v2v2 = fhan（v1 - v，v2，r0，h）e = z1 - yψz1 = z2 - β21ez2 = z3 - β22e "+ b0uz3 = β23ee1 = v1 - z1u0 = wc2e1 + 2wc z2u = u0 - z3 / "b0（18）

z1、z2、z3為對(duì)三個(gè)姿態(tài)角通道總擾動(dòng)的估計(jì)值， β11、 β12 、 β13為可調(diào)參數(shù)，線性擴(kuò)張狀態(tài)觀測(cè)器的誤差矩陣特征多項(xiàng)式，并配置其極點(diǎn)。

λ（s） = s3 + β21 s2 + β22 s + β23 = （s + w0）3（19）

可得觀測(cè)器增益 β21 "= 3w0 ， β22 = "3w02， β23 = "3w03。

偏航角系統(tǒng)的穩(wěn)定性分析

x1 = x2x2 = x3 + b0U4x3 = " " f（20）

x1為偏航角，x2為偏航角速度，x3為系統(tǒng)的擾動(dòng)，b0為1。偏航角線性擴(kuò)張狀態(tài)觀測(cè)器以及控制器設(shè)計(jì)如式（21）和式（22）所示。

z1 = z2 "- 3w0（z1 - x1）z2 = z3 - 3w02 （z1 - x1） + b0U4z3 = " "-3w03 （z1 - x1）（21）

U4 = （ u0 - z3） / b0 u0 = wc2（ψd - z1） - 2wc z2（22）

zi為xi的觀測(cè)值，為ψd偏航角期望值，wc為控制器帶寬，w0為觀測(cè)器帶寬，kf為空氣阻力系數(shù)，U4為控制信號(hào)。已知a = kf / I3 = 4.8，由式（1）和式（22）可得偏航角的傳遞函數(shù)

Gp（s） = （23）

4 " 控制系統(tǒng)仿真

4.1 " 仿真環(huán)境

操作系統(tǒng)：Windows10 （64位）；

計(jì)算機(jī)顯卡：NVIDIA GeForce GTX 1650；

處理器（CPU）：Intel（R） Core（TM） i5-10400F CPU @ 2.90GHz；

建模與仿真軟件：MATLAB R2021a；

4.2 " 仿真結(jié)果

根據(jù)式（1）建立的四旋翼無(wú)人機(jī)非線性動(dòng)力學(xué)模型與圖2所示基于非線性自抗擾控制滾轉(zhuǎn)角和俯仰角示意圖、圖3所示基于線性自抗擾控制偏航角示意圖進(jìn)行仿真分析。通過(guò)對(duì)控制器的設(shè)計(jì)，運(yùn)用Simulink軟件仿真，與PID控制對(duì)比分析。

控制系統(tǒng)的初始角度值為0，偏航角期望角度為10°，俯仰角期望角度為25°，滾轉(zhuǎn)角期望角度為20°。仿真時(shí)間為25秒。藍(lán)色虛線為期望角度值，紅色實(shí)線為混合自抗擾控制三個(gè)姿態(tài)角的跟蹤信號(hào)。

非線性自抗擾控制參數(shù)較多，參數(shù)調(diào)節(jié)呈現(xiàn)出的結(jié)果直接反映控制系統(tǒng)的穩(wěn)定性；線性自抗擾控制只需調(diào)節(jié)三個(gè)參數(shù)。四旋翼無(wú)人機(jī)混合自抗擾控制的主要參數(shù)。

偏航角：

w0 = 10，wc = 10，b0 = 1。

俯仰角：

TD： r = 6，h = 0.02

ESO： β01 = 100，β02 = 300，β03 = 3000，b0 = 0.9，a1 = 0.75，a2 = 0.5，a3 = 0.25

NLSEF： δ1 = 3，δ2 = 3，a1 = 0.5，a2 = 0.05

滾轉(zhuǎn)角：

TD： r = 6，h = 0.02

ESO： β01 = 100，β02 = 300，β03 = 3000，b0 = 0.9，a1 = 0.75，a2 = 0.5，a3 = 0.25

NLSEF： δ1 = 3，δ2 = 3，a1 = 0.5，a2 = 0.05

圖4～6顯示了混合自抗擾控制與PID控制狀態(tài)量的仿真結(jié)果。

圖4（a）顯示偏航角PID控制約在3秒之后跟蹤趨于穩(wěn)定狀態(tài)，跟蹤前期伴有超調(diào)狀態(tài)，圖4（b）顯示線性自抗擾控制跟蹤時(shí)間約0.5秒后趨于穩(wěn)定，跟蹤過(guò)程伴有微小超調(diào)狀態(tài)。從仿真結(jié)果得出線性擴(kuò)張狀態(tài)觀測(cè)器能夠快速跟蹤偏航角通道的狀態(tài)變量，控制器能夠及時(shí)地對(duì)擾動(dòng)進(jìn)行補(bǔ)償。圖5（a）、6（a）顯示四旋翼無(wú)人機(jī)PID控制俯仰角跟蹤時(shí)間約3.5秒后趨于穩(wěn)定，在2.5秒左右出現(xiàn)超調(diào)，圖5（b）、6（b）顯示非線性自抗擾控制跟蹤期望角度約2.5秒后趨于穩(wěn)定，無(wú)明顯超調(diào)狀態(tài)。通過(guò)仿真實(shí)驗(yàn)結(jié)果可知，非線性自抗擾控制相較于PID控制，系統(tǒng)的平均跟蹤時(shí)間更少，無(wú)超調(diào)量，雖不及線性自抗擾控制跟蹤速度，但其具有優(yōu)秀的抗擾能力。

仿真結(jié)果表明，該混合自抗擾控制能夠有效地控制四旋翼無(wú)人機(jī)姿態(tài)系統(tǒng)，具有優(yōu)秀的抗干擾效果、魯棒性、自適應(yīng)性。

5 " "結(jié)論

本文針對(duì)農(nóng)用四旋翼無(wú)人機(jī)作物葉片圖像采集的研究，設(shè)計(jì)了一種混合自抗擾控制，對(duì)四旋翼無(wú)人機(jī)做出姿態(tài)解算與控制，給出設(shè)計(jì)全過(guò)程。通過(guò)理論分析，自抗擾控制具有較強(qiáng)的抗擾與抑制超調(diào)能力。將PID控制偏航角與線性自抗擾控制進(jìn)行對(duì)比、PID控制俯仰角和滾轉(zhuǎn)角與非線性自抗擾控制進(jìn)行對(duì)比，仿真實(shí)驗(yàn)驗(yàn)證了混合自抗擾控制具有良好的魯棒性、自適應(yīng)性。自抗擾控制算法控制農(nóng)用四旋翼無(wú)人機(jī)飛行及懸停更加穩(wěn)定，作物葉片圖像采集效果更佳。

參考文獻(xiàn)：

［1］張勇，陳增強(qiáng)，張興會(huì)，等.基于自抗擾的四旋翼無(wú)人機(jī)動(dòng)態(tài)面姿態(tài)控制［J］.吉林大學(xué)學(xué)報(bào)（工學(xué)版），2019，49（2）：562-569.

［2］Qi Guoyuan，Huang Donghui. Modeling and dynamical analysis of a small-scale unmanned helicopter［J］. Nonlinear Dynamics： An International Journal of Nonlinear Dynamics and Chaos in Engineering Systems，2019，98（23）：2131-2145.

［3］Zhou Laihong，Zhang Juqian，Dou Jingxin，et al. A fuzzy adaptive backstepping control based on mass observer for trajectory tracking of a quadrotor UAV［J］. International Journal of Adaptive Control and Signal Processing，2018，32（12）：1675-1693.

［4］Nagham M Abdulridha，Ali Hussien Mary，Hisham H Jasim. Optimized PID，F(xiàn)OPID and PIDD2 for Controlling UAV Based on SSA［J］. American Academic Scientific Research Journal for Engineering，Technology，and Sciences，2023，92（1）：77-90.

［5］Aminurrashid Noordin，Mohd Ariffanan Mohd Basri，Zaharuddin Mohamed. Sensor fusion for attitude estimation and PID control of quadrotor UAV［J］. International Journal of Electrical and Electronic Engineering amp; Telecommunications，2018，7（4）：183-189.

［6］Chen Jie，Zhao Hongchao. Sliding mode disturbance observer and sliding mode controller for quadrotor UAV［J］. Journal of Physics，2022，2296（1）：012030.

［7］Mizumoto Ikuro，Sato Rintaro. Adaptive trajectory control of quadrotor by output feedback based control via backstepping strategy［J］. IFAC PapersOnLine，2022，55（12）：246-251.

［8］Mihai Lungu. Auto-landing of UAVs with variable centre of mass using the backstepping and dynamic inversion control［J］. Aerospace Science and Technology，2020，103：105912.

［9］Xia Kewei，Shin Minho，Chung Wonmo，et al. Landing a quadrotor UAV on a moving platform with sway motion using robust control［J］. Control Engineering Practice，2022，128：105288.

［10］Xie Kaizhou，Gong Zheng，Bai Yalei. Dynamic trajectory tracking method of UAV using L1 Adaptive Control［J］. Journal of Physics，2022，2252（1）：012048.

［11］趙振華，肖亮，姜斌，等.基于擴(kuò)張狀態(tài)觀測(cè)器的四旋翼無(wú)人機(jī)快速非奇異終端滑模軌跡跟蹤控制［J］.控制與決策，2022，37（9）：2201-2210.

［12］高俊山，段立勇，鄧立為.四旋翼無(wú)人機(jī)抗干擾軌跡跟蹤控制［J］.控制與決策，2021，36（2）：379-386.

［13］廖懿華，張鐵民，蘭玉彬.農(nóng)田信息采集用多旋翼無(wú)人機(jī)姿態(tài)穩(wěn)定控制系統(tǒng)設(shè)計(jì)與試驗(yàn)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2017，33（3）：88-98.

［14］Hamid Hassani，Anass Mansouri，Ali Ahaitouf. Optimal backstepping controller for trajectory tracking of a quadrotor UAV using ant colony optimisation algorithm［J］. International Journal of Computer Aided Engineering and Technology，2023，18（1-2-3）：39-59.

［15］Hamid Hassani，Anass Mansouri，Ali Ahaitouf. Robust hybrid controller for quadrotor UAV under disturbances［J］. International Journal of Modelling，Identification and Control，2022，40（3）：195-203.

［16］Yang Zijiang. Adaptive robust output feedback control for attitude tracking of quadrotor unmanned aerial vehicles［J］. International journal of adaptive control and signal processing，2021，35（10）：2075-2093.

［17］石宇芃，馬宏軍，陳豹.基于四元數(shù)的四旋翼無(wú)人機(jī)擴(kuò)展卡爾曼濾波算法［J］.控制工程，2021，28（11）：2131-2135.

［18］楊文奇，盧建華，姜旭，等.基于改進(jìn)ESO的四旋翼姿態(tài)自抗擾控制器設(shè)計(jì)［J］.系統(tǒng)工程與電子技術(shù)，2022，44（12）：3792-3799.

［19］劉勇，楊浩，盤宏斌，等.基于改進(jìn)線性自抗擾的四旋翼無(wú)人機(jī)姿態(tài)控制［J］.電光與控制，2023，30（7）：8-14.

［20］王術(shù)波，韓宇，陳建，等.基于ADRC迭代學(xué)習(xí)控制的四旋翼無(wú)人機(jī)姿態(tài)控制［J］.航空學(xué)報(bào)，2020，41（12）：319-331.

Research on Quadrotor Control System for Crop Leaf

Acquisition Based on Hybrid ADRC

（College of Electrical and Electronic Engineering， Anhui Science and Technology University， Bengbu 230030， China）

Abstract：Objective： Aiming at the fact that when agricultural quadrotor collects crop leaf images in the field， the flight and hovering of the quadrotor are not stable enough due to the interference of external disturbance and internal disturbance of the fuselage on the attitude angle， a hybrid ADRC algorithm is proposed to control the three attitude angles of the quadrotor separately. Methods： Firstly， the attitude of the quadrotor is solved and the controller is designed， followed by the hybrid ADRC to control the three attitude angles separately， and finally simulated and compared with the PID control algorithm. Results： The simulation results show that the hybrid ADRC algorithm is significantly better than PID control in terms of both tracking speed and overshoot suppression. Conclusion： The hybrid ADRC algorithm has strong adaptability and robustness in crop leaf image acquisition of agricultural quadrotor.

Key words：quadrotor；hybrid ADRC；attitude angle；image acquisition