基于自适应模糊神经网络与事件触发机制的分数阶无人机网络定时容错跟踪控制

《Scientific Reports》：A fixed-time fault-tolerant tracking control for fractional-order UAV networks using adaptive fuzzy neural and event-triggered mechanisms

　　

摘要

本文研究了存在执行器故障、输入饱和、未知非线性动态、外部干扰以及通信约束条件下的分数阶固定翼无人机网络协同跟踪控制问题。为提升跟踪精度、故障适应能力以及通信效率，本文提出了一种基于动态记忆的事件触发式固定时间容错控制框架。首先，为网络化固定翼无人机建立了分数阶协同跟踪模型；随后，利用自适应模糊神经网络来近似未知非线性项，无需精确的模型信息。为减少不必要的信息交换，该框架引入了动态记忆事件触发机制，结合当前触发误差与存储的记忆信息。此外，还设计了一种容错补偿策略，用于应对执行器故障及由饱和引起的非线性问题。通过分数阶李雅普诺夫分析及实用的固定时间稳定性理论，本文得出了充分条件，确保跟踪误差能在与初始条件无关的稳定时间内收敛到有界范围内。针对网络化固定翼无人机的仿真结果验证了所提控制方法的有效性、鲁棒性以及节省通信资源的优势。