基于粒子群优化的模糊扩展状态观测器设计及其在四旋翼滑模姿态控制中的扰动抑制研究

为解决四旋翼飞行器在滑模控制(SMC)中对外部扰动和参数噪声敏感的问题，研究人员提出了一种结合Takagi-Sugeno(TS)模糊逻辑与粒子群优化(PSO)的扩展状态观测器(ESO)设计方法。该研究通过数据驱动知识发现和参数优化，显著提升了观测器的跟踪性能和噪声抑制能力，实验表明其在高频扰动补偿和信号抖振抑制方面优于传统ESO模型，为非线性控制领域提供了创新解决方案。

　　

四旋翼飞行器因其灵活机动性在无人机领域应用广泛，但其姿态控制面临非线性动力学、外部扰动（如湍流）和参数不确定性（如角速度变化）的挑战。传统滑模控制(Sliding Mode Control, SMC)虽具有鲁棒性，但依赖的扩展状态观测器(Extended State Observer, ESO)存在参数敏感、高频噪声放大等问题。尤其当系统参数ε微小变化时，传统ESO易产生大幅振荡，且缺乏自适应优化机制。针对这一瓶颈，研究人员开展了融合智能算法的创新研究。

该研究由Dipanjan Konar和Amitava Chatterjee团队完成，发表于《Engineering Applications of Artificial Intelligence》。研究核心是通过Takagi-Sugeno(TS)模糊逻辑重构ESO，结合粒子群优化(Particle Swarm Optimization, PSO)自动调参，形成双通道扰动抑制架构：高频扰动由模糊ESO补偿，低频参数噪声由既有低频频扰动补偿器(Low-Frequency Disturbance Compensator, LFDC)处理。关键技术包括：1) 基于k-means聚类从仿真数据中提取TS模糊规则；2) 设计多前件单输出TS模糊规则库；3) 采用PSO同步优化隶属度函数参数β_j
、γ_j
及观测器输出p_m
, q_m
, r_m
；4) 通过Lyapunov理论证明模糊ESO稳定性。

系统概述
研究以Xiong等提出的双通道SMC架构为基础，用TS模糊ESO替代传统ESO。实验选用四旋翼转动惯量参数J_xx
=3.83×10^-3
kg·m²
、J_yy
=3.67×10^-3
kg·m²
、J_zz
=7.32×10^-3
kg·m²
，通过220个PSO粒子优化64维参数向量（含48个观测输出和16个隶属度参数）。

TS模糊ESO设计
创新点在于：1) 规则前件含多命题（如误差e和导数?），后件为固定输出值；2) 采用高斯隶属函数μ(e)=exp(-(e-β_j
)²
/γ_j
²
)；3) 通过加权平均解模糊生成扰动估计值x?_3,?
(t)。相比传统ESO，该设计降低了对参数ε的敏感性。

实验验证
在高斯噪声扰动下，模糊ESO的均方根误差(RMSE)比传统模型降低42%，控制信号抖振幅度减少60%。与Xiong等的工作对比，其在高频扰动补偿时噪声系数(Noise Figure)改善35%，且与LFDC协同后跟踪精度提升28%。

结论与意义
该研究首次将TS模糊逻辑与PSO优化结合用于ESO设计，解决了传统方法参数敏感和噪声放大的问题。其数据驱动规则生成和自动优化机制为非线性控制提供了新范式，尤其适用于四旋翼等强扰动环境下的高精度控制。未来可扩展至多智能体协同控制领域。