融合注意力-LSTM风扰预测与自适应前馈补偿的无人飞行器非线性模型预测控制轨迹跟踪方法

《Scientific Reports》：LSTM-based wind disturbance prediction and compensation for UAV trajectory tracking control under time-varying wind conditions

　　摘要：在复杂低空环境中，无人飞行器（UAV）轨迹跟踪易受时变风扰、突发性阵风及模型不确定性的严重影响。本研究提出了一种学习增强的非线性模型预测控制（L-NMPC）框架，该框架结合了在线扰动估计、多步风扰预测和自适应前馈补偿。采用多时间尺度指数加权移动平均估计器重构三维平移扰动，同时利用注意力-LSTM网络预测其未来演变趋势。根据扰动幅值和预测时域，将当前扰动估计与多步预测进行自适应融合，并将所得扰动序列显式纳入NMPC预测模型中，以实现前瞻补偿。在强风条件下，所提出的预测器在扰动幅值预测中达到了R²=0.9678，中位相对误差为3.1%。在蒙特卡洛模拟中，所提出的控制器在标准条件下实现了0.0240 m的轨迹跟踪均方根误差（RMSE），在鲁棒性测试中95分位误差为0.0343 m，与基线控制器相比RMSE降低最多达22.38%。这些结果表明，所提出的LSTM-NMPC在时变风扰条件下提高了轨迹跟踪的精度和鲁棒性。