Self-Tuning PID Control via a Hybrid Actor-Critic-Based Neural Structure for Quadcopter Control
Department of Mechanical Engineering, Sharif University of Technology（谢里夫大学机械工程系）
针对四旋翼控制中模型不确定与外部扰动问题，提出一种基于强化学习Actor-Critic混合神经结构的在线自整定增量式PID方法，仅整定动态增益，实验表明其鲁棒性和性能优于恒定增益PID。
2025-08-17 cs.AI cs.RO cs.SY
A selection of PID type controller settings via LQR approach for two-wheeled balancing robot
本文针对两轮平衡机器人PID控制器整定问题，提出一种基于LQR能量准则的PD参数选择方法，实现最优调节器参数向经典控制器参数的转换，并通过Matlab-Simulink仿真验证了控制性能。
2023-09-25 cs.SY eess.SY
Nonlinear PID Controller Design for a 6-DOF UAV Quadrotor System
Baghdad University - College of Engineering（巴格达大学工程学院）
本文提出了一种非线性PID控制器，用于稳定六自由度无人机四旋翼系统的平动和转动运动，并使其能够以最小的能量和误差跟踪给定轨迹。通过欧拉-牛顿形式获得了六自由度四旋翼系统的完整非线性模型，并考虑了速度和加速度向量，从而得到更精确的六自由度四旋翼模型，更接近实际系统。设计了六个非线性PID控制器，分别用于滚转、俯仰、偏航、高度和位置子系统，其参数通过遗传算法优化以最小化多目标输出性能指数（OPI）。在一定的控制器增益条件下，利用Hurwitz稳定性定理分析了六自由度无人机子系统的稳定性。仿真在MATLAB/SIMULINK环境中完成，包括三种不同的轨迹：圆形、螺旋形和方形。所提出的每个六自由度无人机四旋翼系统子系统的非线性PID控制器与线性PID控制器进行了比较，仿真显示所提非线性PID控制器在速度、控制能量和稳态误差方面更具有效性。
2018-10-16 cs.SY eess.SY math.OC
Comparing Model-based Control Strategies for a Quadruple Tank System: Decentralized PID, LMPC, and NMPC
本文比较了四容水箱系统的分散式PID、LMPC和NMPC控制器，发现MPC在跟踪时变设定值上优于PID，NMPC跟踪误差略小但输入运动速率更高。
2025-09-14 cs.SY eess.SY math.OC
Exact PID and PI Gain Regions for Uncertain Non-Affine MIMO Systems
State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院数学科学重点实验室）
本文针对两类非仿射MIMO系统，通过公共二次内区域与线性子类外区域重合及边界族无损约简，精确刻画了PID和PI增益区域，并严格扩大了现有充分区域。
2026-09-11 cs.SY eess.SY math.OC
Model-based control algorithms for the quadruple tank system: An experimental comparison
我们比较了比例-积分-微分（PID）控制，线性模型预测控制（LMPC），非线性模型预测控制（NMPC）的性能为物理设置的四槽系统（QTS）。我们估计在一个连续离散时间随机非线性模型的QTS使用的预测误差的方法的基础上测量的过程数据和最大似然（ML）标准的参数。在NMPC算法中，我们使用这种识别的连续-离散时间随机非线性模型。LMPC算法是基于这个非线性模型的线性化。我们调整PID控制器使用Skogestad的IMC调整规则，使用的线性化模型的传递函数表示。观测到的跟踪误差和操纵变量的变化率的范数被用来比较控制算法的性能。对于预定义的时变设定点轨迹，LMPC和NMPC的性能优于PID控制器。LMPC和NMPC算法具有相似的性能。
2022-12-09 cs.SY eess.SY
IAE Optimized PID Tuning with Phase Margin and Crossover Frequency Constraints
本文提出新型PID整定方法PMwc-Tune，采用SQP求解带相位裕度、穿越频率约束的IAE最小化问题，相比MATLAB的pidtune误差更低、IAE减少4.6%，实现频域鲁棒性与时域性能的平衡。
2025-06-12 cs.SY eess.SY
Methods for Multi-objective Optimization PID Controller for quadrotor UAVs
本文在统一仿真框架下比较元启发式、贝叶斯优化和深度强化学习三类方法用于四旋翼PID增益自动整定，发现灰狼优化效果最优，并证明噪声感知的黑箱整定可在不改硬件的情况下同时降低振荡、功耗和噪声。
2025-09-22 cs.SY eess.SY
An Adaptive PID Autotuner for Multicopters with Experimental Results
University of Michigan（密歇根大学）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
本文提出了一种用于多旋翼飞行器的自适应PID自整定器，并给出了仿真和实验结果。自动调谐器由基于追溯成本自适应控制的自适应数字控制律组成，该控制律在PX 4飞行栈中实现。学习轨迹用于在单次飞行期间优化自动驾驶仪。然后，通过飞行使用二阶希尔伯特曲线构造的测试轨迹，将自动调整的自动驾驶仪与默认的PX 4自动驾驶仪进行比较。为了研究自动调谐器对四轴飞行器动力学的灵敏度，改变四轴飞行器的质量，并比较自动调谐和默认自动驾驶仪的性能。据观察，自动调整的自动驾驶仪的性能优于默认的自动驾驶仪。
2021-09-27 cs.AI cs.RO cs.SY
A Comparative Study Between a Classical and Optimal Controller for a Quadrotor
针对线性化的四旋翼模型，对经典的比例积分微分（PID）控制器和最优的线性二次型调节器（LQR）控制器进行了仿真比较。为了简化四旋翼的复杂动力学模型，我们使用牛顿定律和欧拉定律并应用物理学的基本原理推导出线性数学模型。这个推导给出了关于机身坐标系和惯性坐标系的四旋翼机运动方程。建立了四旋翼飞行器的状态空间模型，并利用该模型对四旋翼飞行器的控制算法进行了仿真。除了经典的PID控制算法，LQR是一种最优控制调节器，它是更强大的四旋翼。在相同的初始条件下，这两种控制器在Simulink中进行了仿真，并显示出令人满意的响应。
2020-09-28 cs.SY eess.SY math.OC
Integrated Design and Control of a Robotic Arm on a Quadcopter for Enhanced Package Delivery
University of California, Irvine（加州大学欧文分校）；California State University, Long Beach（加州州立大学长滩分校）
本文研究四旋翼无人机集成机械臂的包裹递送系统，基于SolidWorks和MATLAB Simscape完成设计与仿真，对比PID与MRAC控制器，证明PID轨迹跟踪更优且RMS误差更低，MRAC则更具动态适应性。
2024-10-20 cs.RO cs.SY eess.SY
Spherical Pendulum with Quad-Rotor Thrust Vectoring Actuation -- A Novel Mechatronics and Control Benchmark Platform
本文提出一种由四旋翼推力矢量驱动的2自由度球面摆控制基准平台，通过对比SPL、SFL和PFL三种非线性控制策略，结合仿真与实验验证了轨迹跟踪性能与系统鲁棒性。
2025-06-27 cs.SY eess.SY
Research on fuzzy PID Shared control method of small brain-controlled uav
School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院）
本文针对脑控无人机在信号识别精度、时间限制和命令数量方面的不足，提出基于共享控制的模糊PID辅助控制器，实现自动控制与脑控制的协同，通过评估当前飞行状态和设置切换率来决定自动控制与脑控制的切换机制，提升系统控制性能，并通过矩形轨迹跟踪实验验证算法有效性。
2019-05-29 cs.HC cs.RO cs.SY
Closed-Form PI and PID Tuning of All-Pole Plants up to Third Order for Monotonic Minimum-Settling Step Responses
Ostim Technical University（奥斯汀理工大学）
提出一种统一的闭环解析PI/PID整定方法，针对三阶以下全极点被控对象，实现严格单调（零超调）且最小稳定时间的阶跃响应。
2026-06-12 cs.SY eess.SY
A Novel Hybrid PID-LQR Controller for Sit-To-Stand Assistance Using a CAD-Integrated Simscape Multibody Lower Limb Exoskeleton
Thapar Institute of Engineering and Technology（塔帕尔工程技术学院）；Khalifa University Center for Autonomous Robotic Systems (KUCARS)（哈利法大学自主机器人系统中心）；Khalifa University（哈利法大学）
本文提出一种混合PID-LQR控制器，用于下肢外骨骼坐-立转换辅助，通过CAD集成Simscape Multibody建立高保真动态模型，并通过仿真验证其在关节轨迹跟踪中的优越性能。
2026-04-04 cs.RO cs.SY eess.SY
Design Optimal Backstepping Controller for Quadrotor Based on Lyapunov Theory for Disturbances Environments
本文针对扰动环境下的十字型四旋翼飞行器，提出基于Lyapunov理论和LaSalle原理的非线性反步控制器，并通过MATLAB仿真与传统PID对比，验证了其在轨迹跟踪中的稳定性和有效性。
2025-03-10 cs.SY eess.SY
AgenticControl: An Automated Control Design Framework Using Large Language Models
本文提出AgenticControl，一种基于大语言模型多智能体协作的自动化控制器设计框架，通过演员-评论家优化和场景递进提升鲁棒性，在多个控制系统中性能优于经典方法，并显著降低PID跟踪误差。
2025-06-23 cs.SY eess.SY
A Co-simulation Framework for Quadrotor Control System Design using ROS 2 and MATLAB/Simulink
Moscow Aviation Institution（莫斯科航空学院）
本文提出一种集成ROS 2与MATLAB/Simulink的四旋翼联合仿真框架，采用LQR姿态控制与PID位置控制的分层架构，实现无人机控制算法的快速原型开发与软件在环验证。
2025-11-06 cs.SY eess.SY
A Bayesian perspective on classical control
最优控制和贝叶斯推理之间的联系早已被认识到，随机（最优）控制领域结合这些框架来解决部分可观测的控制问题。特别是，对于具有二次函数和高斯噪声的线性情况，随机控制在不同的领域，包括机器人学，强化学习和神经科学，特别是由于建立的估计和控制过程的对偶性，已经显示出显着的结果。根据这一想法，我们最近介绍了PID控制，最流行的方法之一，从经典的控制，基于主动推理，理论与根在变分贝叶斯方法，并在生物和神经科学的应用制定。在这项工作中，我们强调了我们以前的配方的优点，并介绍了新的和更一般的方法来解决一些现有的问题，在当前的控制器设计过程。特别地，我们考虑1）用于PID控制器的参数（或增益）的基于梯度的整定规则，2）用于对不同类型的信号（例如，二自由度PID），以及3）根据可调约束的性能-鲁棒性折衷的新颖时域形式化（即，贝叶斯模型中的先验）的单个成本函数，变分自由能。
2020-05-14 cs.SY eess.SY math.OC
Longitudinal dynamic modelling and control for a quad-tilt rotor UAV
针对四倾转旋翼UAV在悬停与向前飞行模式转换中的控制难题，本文设计了带数字滤波器和数据保持功能的数字PID控制器，并通过MATLAB仿真验证了其在三个自由度上的完全稳定性。
2024-11-12 cs.SY eess.SY
Modeling and Simulation of an Active Car Suspension with a Robust LQR Controller under Road Disturbance, Parameter Uncertainty and White Noise
TOBB University of Economics and Technology（TOBB经济与技术大学）
本研究设计了在道路扰动、参数不确定性和白噪声下更鲁棒的LQR控制主动悬挂系统，并通过仿真验证其在舒适性和安全性方面的优势。
2026-02-04 cs.SY eess.SY
Design of a Trajectory Tracking Controller for a Nanoquadcopter
École Polytechnique de Montréal（蒙特利尔综合理工学院）；Polytechnique Montreal（蒙特利尔综合理工学院）
本文设计了基于数学模型的四旋翼飞行器位置与轨迹控制算法，并通过仿真与实机测试验证了LQT控制器在轨迹跟踪中的优越性。
2016-08-20 cs.RO cs.SY eess.SY
Robust Backstepping Control of a Quadrotor Unmanned Aerial Vehicle Under Colored Noises
针对四旋翼在有色噪声环境下的高度与姿态控制问题，本文基于 MATLAB 非线性模型设计鲁棒反步控制器，并通过多类噪声仿真验证其超调最小、调节时间最短。
2025-01-07 cs.SY eess.SY
Full Attitude Intelligent Controller Design of a Heliquad under Complete Failure of an Actuator
本文设计了一款可靠的Heliquad并提出基于神经网络控制分配的智能控制器，通过软件在环仿真验证了其在单个执行器完全失效时仍具备全姿态控制与位置跟踪能力。
2024-03-26 cs.RO cs.SY eess.SY
Terrain Adaptive Gait Transitioning for a Quadruped Robot using Model Predictive Control
Birla Institute of Technology and Science, Pilani（皮拉尼比特拉科技学院）
足式机器人可以穿越具有挑战性的地形，使用感知来规划其安全的立足点位置，并在环境中导航。这种独特的移动能力使这些平台成为搜索和救援，检查和勘探任务等场景的完美候选人。当穿越这样的地形时，机器人的不稳定性是一个重要的问题。很多时候，机器人需要根据环境切换步态。由于四足机器人动力学的复杂性，传统的PID控制无法提供高的稳定性。因此，需要先进的控制方法，如模型预测控制（MPC），其使用系统模型和地形的性质来预测机器人的稳定身体姿态。控制器还提供对导致机器人的期望行为的改变的任何外部干扰的校正。MPC控制器是在MATLAB中设计的，用于全身扭矩控制。在Webots仿真器中的Boston Dynamics Spot上验证了控制器的性能。该机器人能够提供高达150 N的外部扰动校正，并能抵抗80 cm的跌落。
2021-07-07 cs.RO cs.SY eess.SY
NanoBench: A Multi-Task Benchmark Dataset for Nano-Quadrotor System Identification, Control, and State Estimation
NanoBench是首个公开的纳米级四旋翼多任务基准数据集，提供高精度地面真实数据及控制器和估计器输出，用于系统识别、控制和状态估计的评估。
2026-09-17 cs.RO cs.SY eess.SY
Agile UAV landing control on moving ship in adverse conditions
本文提出一种考虑船舶运动、振荡及侧风扰动的敏捷PID着陆控制方法，通过增设方向舵增强偏航能力，使四旋翼无人机能在移动船舶上自主着陆，并在波峰处下降以减小相对速度。
2024-11-08 cs.SY eess.SY
Aerial Robots Carrying Flexible Cables: Dynamic Shape Optimal Control via Spectral Method Model
University of Twente（特温特大学）；Sapienza University of Rome（罗马第一大学）
本研究针对搭载柔性缆绳的四旋翼空中机器人系统，结合POD降阶建模与NMPC实现缆绳位置与形状的最优轨迹跟踪，经仿真与实验验证，其性能优于仅控制四旋翼状态的最优调参PID控制器。
2024-11-04 cs.RO cs.SY eess.SY
Lyapunov-based Nonlinear Model Predictive Control for Attitude Trajectory Tracking of Unmanned Aerial Vehicles
针对无人机（UAV）的姿态控制问题，提出了一种新的基于李雅普诺夫（Lyapunov）的非线性模型预测控制器（LNMPC）。基于二次型代价函数，综合无人机动力学和系统约束，设计了控制器。一个额外的收缩约束，然后引入，以确保闭环系统的稳定性。该约束是通过一个李雅普诺夫函数来自滑模控制器（SMC）。最后证明了LNMPC的可行性和稳定性。仿真和比较结果表明，所提出的控制器保证了系统的稳定性，并优于其他国家的最先进的非线性控制器，如反推控制器（BSC）和SMC。此外，所提出的控制器可以集成到现有的无人机模型在凉亭模拟器进行软件在环测试。仿真结果表明，LNMPC控制器的控制效果优于无人机内置PID控制器，验证了所提方法的有效性和适用性。
2022-10-28 cs.SY eess.SY
Design and Implementation of a Three-Link Brachiation Robot with Optimal Control Based Trajectory Tracking Controller
本文介绍了一种三连杆臂式机器人的设计与实现。机器人能够使用连续的手臂摆动沿着水平猴杆行进。我们建立了一个全阶动力学模型的机器人和制定每个周期的机器人摆动运动作为一个最优控制问题。采用迭代线性二次型调节器（iLQR）算法求解一次摆动过程中的最优控制策略。我们选择合适的机器人设计参数，通过比较成本的机器人运动所产生的iLQR算法为不同的机器人设计。特别是，使用这种方法，我们显示了具有身体链接和低惯性臂的重要性，以实现有效的臂式运动。此外，我们提出了一个轨迹跟踪控制器，它结合了一个级联的PID控制器和输入输出线性化控制器，使机器人精确地跟踪所需的轨迹，并拒绝外部干扰期间臂。仿真机器人和实际机器人的实验表明，机器人能够在相同或不同间距的单杠之间稳定地摆动。
2019-11-12 cs.SY eess.SY
How to Train your Quadrotor: A Framework for Consistently Smooth and Responsive Flight Control via Reinforcement Learning
Boston University（波士顿大学）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）
我们专注于可靠的培训强化学习（RL）模型（代理）在嵌入式系统中的稳定的低级别控制的问题，并测试我们的方法上的高性能，定制的四旋翼平台。在开发用于连续控制的RL代理时，一个常见但经常未被研究的问题是开发的控制策略并不总是平滑的。这种平滑性的缺乏在学习用于部署在真实硬件上的控制器时可能是一个主要问题，因为它可能导致控制不稳定和硬件故障。当在仿真中训练RL代理时，噪声控制的问题进一步加剧，因为仿真器最终是现实的不完美表示-即所谓的现实差距。为了解决RL代理不稳定的问题，我们提出了一个系统的框架，“基于REinforcement的可转移代理通过学习”（RE+AL），用于设计模拟训练环境，当转移到真实平台时，保持训练代理的质量。RE+AL是Neuroflight基础设施的演变，详细信息见我们研究小组成员编写的技术报告。Neuroflight是一个最先进的框架，用于训练RL代理进行低级姿态控制。RE+AL通过解决阻碍Neuroflight部署到真实硬件的一些重要限制来改进和完善Neuroflight。我们在作为Neuroflight的一部分开发的NF 1赛车四旋翼上对RE+AL进行了基准测试。我们证明，RE+AL显着减轻了先前观察到的RL代理的平滑问题。此外，RE+AL被证明是一致的训练代理，飞行能力和控制器质量的最小退化转移。RE+AL代理还学习比调整的PID控制器更好地执行，具有更好的跟踪…
2021-02-22 cs.RO cs.SY eess.SY
Developmental Reinforcement Learning of Control Policy of a Quadcopter UAV with Thrust Vectoring Rotors
University of Cincinnati（辛辛那提大学）
在本文中，我们提出了一种新的发展强化学习为基础的控制器的四轴飞行器的推力矢量能力。这种多旋翼无人机设计具有倾斜使能旋翼。它利用旋翼力的大小和方向来实现飞行过程中所需的状态。该机器人的控制策略是使用来自四轴飞行器的学习控制器的策略传递来学习的（相对简单的无人机设计，没有推力矢量）。这种方法允许学习具有多个输入和多个输出的系统的控制策略。通过基于物理的仿真，评估了悬停和航路点导航任务的学习策略的性能。飞行模拟利用基于强化学习的飞行控制器，而没有任何附加的PID组件。结果表明，与从头开始学习控制策略相比，使用所提出的方法可以更快地学习这种新的UAV设计，该设计是通过对传统四轴飞行器进行修改而创建的，即，增加了更多的自由度（传统四轴飞行器中的4个致动器到倾转旋翼四轴飞行器中的8个致动器）。我们证明了我们的学习政策的鲁棒性，通过显示从各种非静态初始条件的模拟倾转旋翼平台的恢复，以达到所需的状态。倾转旋翼无人机的发展政策也显示出优越的容错时，从零开始学习的政策相比。结果表明，所提出的方法引导学习行为从一个简单的系统（低维动作空间）到一个更复杂的机器人（相对高维的动作空间），并达到更好的性能更快的能力。
2020-07-15 cs.AI cs.LG cs.RO
Flight Control System Design for Autonomous Aerial Surveys of Volcanoes
本研究针对恶劣环境下的四旋翼飞行器设计控制器。在这里，恶劣的环境表明火山附近的温度变化的空气。控制器克服了强烈变化的火山口上方的温度偏置的标称动态（25摄氏度）。目标火山被选为萨摩-大岛位于一个小岛屿南部的日本大陆。温度分布由日本地质调查局先前的研究提供。为了保证控制信号在输入饱和状态下，提出了一种路径规划方法。动参考系统的特征值选取是一个新课题，首次提出了一种针对特定要求的控制器设计方法。该方法可作为设计者/工程师开发具有运动目标/参考的控制器的标准方法，供进一步研究参考。在控制部分，设计了一个状态反馈控制器来稳定四旋翼的高度。反馈控制器的特征值是根据第一章路径规划中提出的方法选取的。设计了PID控制器对姿态进行控制。这些结果在MATLAB编写的仿真器中进行了验证。最后，将卡尔曼滤波器应用于高度控制中，将来自IMU和激光扫描仪的测量噪声与温度变化引起的系统噪声相结合。开发卡尔曼滤波器的另一个原因是IMU读出提供加速度。而速度不是直接由传感器获得的。在MATLAB Simulink中对采用卡尔曼滤波器的高度控制结果进行了验证。
2021-11-21 cs.SY eess.SY
Deep Neural Networks for Improved, Impromptu Trajectory Tracking of Quadrotors
本文提出基于深度神经网络的算法，通过提供定制参考输入提升经典反馈控制器的轨迹跟踪性能，实验表明该方法能有效减少跟踪误差，适用于实时轨迹跟踪应用。
2017-07-20 cs.LG cs.NE cs.RO
Optimum Weight Selection Based LQR Formulation for the Design of Fractional Order PIλDμ Controllers to Handle a Class of Fractional Order Systems
Jadavpur University（贾达普大学）；National Institute of Science and Technology（国家科学与技术学院）
本文提出基于LQR技术的分数阶PID或PIλDμ控制器时间域最优整定方法，用于处理具有单非整数阶元件的分数阶系统，通过优化权值矩阵提升系统响应性能。
2013-06-16 cs.SY eess.SY math.OC
SeaVis: Modeling and Control of a Remotely Operated Towed Vehicle for Seabed Visualization and Mapping
Artificial Intelligence in Robotics Laboratory (AiR Lab)（人工智能机器人实验室（AiR实验室））；Department of Electrical and Computer Engineering（电气与计算机工程系）；EIVA a/s（EIVA公司）；Automatic Control Group (RAT)（自动控制组（RAT））；Department of Electrical Engineering and Information Technology（电气工程与信息科技系）
本文提出了一种新型数学模型用于SeaVis遥控拖曳车，开发了基于增益调度的线性二次调节器以实现鲁棒的深度和姿态控制，并通过高保真模拟验证了其在复杂海底地形中的优越性能。
2026-05-14 cs.RO cs.SY eess.SY
Control and State Estimation of Vehicle-Mounted Aerial Systems in GPS-Denied, Non-Inertial Environments
Robotics, Intelligent Systems, and Control Lab, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia（机器人、智能系统与控制实验室，国王阿卜杜勒-阿齐兹大学科学与技术学院（KAUST），沙特阿拉伯图瓦尔）
本文提出了一种无需惯性反馈的四旋翼飞行器控制与状态估计方法，通过外部位置测量和EKF-UI结合cascaded PID控制器，实现非惯性环境下的稳定轨迹跟踪。
2026-02-03 cs.RO cs.SY eess.SY
Deep Nonlinear Adaptive Control for Unmanned Aerial Systems Operating under Dynamic Uncertainties
本文提出深度非线性自适应控制器（DNAC）用于四旋翼姿态控制，在无训练数据下实现轨迹跟踪，并通过Lyapunov分析保证稳定性，实验表明其性能优于PID、MRAC和DMRAC。
2023-10-14 cs.SY eess.SY
An LQR-assisted Control Algorithm for an Under-actuated In-pipe Robot in Water Distribution Systems
Texas A&M University（德克萨斯A&M大学）
为了解决大型管道配水系统（WDS）中管道机器人的操作挑战，在本研究中，为我们以前设计的机器人提出了一种控制算法[4]。我们的尺寸适应性机器人具有欠驱动模块化设计，可用于泄漏检测和质量监控。首先，非线性动力学方程的机器人推导出两个垂直平面的定义，并定义了两组状态的机器人稳定和移动。对于稳定，我们计算辅助系统矩阵，并设计了一个稳定器控制器的线性二次型调节器（LQR）控制器的基础上，并结合比例积分微分（PID）控制器的动员。控制器方案在MATLAB中进行了仿真验证，在不同的操作条件下，在三个迭代。仿真结果表明，当初始值在-25 ° ~+25 °之间，跟踪速度分别为10 cm/s、30 cm/s和50 cm/s时，控制器能够使机器人在管道内稳定，使机器人在管道内的运行更加灵活、灵巧。
2020-12-29 cs.RO cs.SY eess.SY
Fractional Order Load-Frequency Control of Interconnected Power Systems Using Chaotic Multi-objective Optimization
Indian Institute of Technology Delhi（印度德里理工学院）；Jadavpur University（贾达普大学）；University of Southampton（南安普顿大学）
本文研究了使用混沌多目标优化设计分数阶PI控制器以提高互联电力系统的负荷频率控制性能，通过比较不同优化算法的解质量和计算时间，验证了FOPID控制器在处理冲突时间域设计目标方面的优势。
2016-11-29 cs.NE cs.SY eess.SY
Multi-objective LQR with Optimum Weight Selection to Design FOPID Controllers for Delayed Fractional Order Processes
School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）；Department of Power Engineering, Jadavpur University（贾达普大学动力工程系）；Department of Earth Science and Engineering, Imperial College London（帝国理工学院地球科学与工程系）；Reactor Control Division, Bhabha Atomic Research Centre（巴哈原子研究中心反应堆控制部）
本文提出基于LQR技术的分数阶PID控制器最优折中设计方法，通过两个冲突的时间域控制目标解决有延迟分数阶系统的控制问题，并通过数值模拟验证了两种延迟处理技术的优劣及负载扰动抑制能力。
2016-11-29 cs.SY eess.SY math.DS
A Vision-Based Control Method for Autonomous Landing of Vertical Flight Aircraft On a Moving Platform Without Using GPS
Texas A&M University（德克萨斯A&M大学）
本文讨论了一种新的基于视觉的估计和控制方法，使完全自主跟踪和垂直起降（VTOL）的无人机（UAV）在移动平台上的着陆，而不依赖于GPS信号。本方法的独特特征在于，它在不跟踪着陆垫本身的情况下完成该任务;然而，通过利用垂直于着陆垫并且平行于飞行员/车辆的视线安装的标准化视觉提示。利用单目摄像机建立了一套计算机视觉系统，检测无人机的视觉信号，精确估计无人机的航向及其在三个方向上到着陆场的相对距离。通过与基于Vicon的运动捕捉系统的比较，证明了本视觉系统在正确的视觉提示下实时测量小于厘米的精度内的距离和度内的航向的能力。一个增益调度的比例积分微分（PID）控制系统集成的视觉系统，然后在一个现实的仿真程序Gazebo的四旋翼无人机的动力学模型上实现。进行了大量的仿真，以证明控制器的能力，实现鲁棒跟踪和着陆的平台上移动的任意轨迹。使用固定和移动平台的重复飞行测试成功地进行了小于5厘米的着陆误差。
2020-08-17 cs.RO cs.SY eess.SY
