鲁棒纵向-横向前瞻追踪路径跟随控制：快速有限时稳定性保证

本文解决了在具有有界外部扰动和非光滑预定义路径的复杂环境中，对固定翼无人机（UAV）鲁棒路径跟随的挑战性问题。鉴于固定翼无人机的独特空气动力学特征和飞行约束，实现准确且快速的路径跟随仍然困难，尤其是在低海拔山地地形、城市景观以及风力扰动下。大多数现有路径跟随导向法在未知有界扰动下难以确保快速稳定，同时缺乏针对受限不确定性下非光滑路径鲁棒性的优化研究。为此，本文提出一种基于约束的鲁棒路径跟随控制器。首先，从全局随机吸引子的视角，我们创新性地引入鲁棒性指标，以量化指数收敛速率和最终吸引子集的范围。其次，基于这些指标，我们发展了针对固定翼UAV的纵向-横向前瞻追踪（RLLP）导向法，特别考虑外部扰动下的飞行路径角和轨迹角。再次，我们还推导了优化版本（Optimal-RLLP），以增强鲁棒性指标，阐述了快速有限时稳定的充分条件，确保导向法实现有限时稳定性和鲁棒性，降低对约束不确定性的敏感性。仿真结果验证了在高保真仿真平台下，该提出的导向法在大气扰动下的可行性、最优性和鲁棒性，为实际部署提供了关键原则。