研究背景与问题

在无人机应用领域，三旋翼无人机因其灵活性和便携性而被广泛应用。然而，在实际飞行过程中，三旋翼无人机往往会受到外部环境扰动和执行器故障的双重影响，这直接影响了其轨迹跟踪的准确性和稳定性。特别是当无人机在执行复杂任务时，如搜索救援、环境监测等，对轨迹跟踪的精度和鲁棒性要求极高。因此，研究如何在存在外部扰动和执行器故障的情况下，实现对三旋翼无人机的有效轨迹跟踪控制，成为无人机领域亟待解决的问题。

研究方法

为了解决上述问题，本研究设计了一种基于迭代学习神经网络（IL-NN）的预定义时间抗扰容错跟踪控制策略。首先，针对三旋翼无人机可能出现的执行器故障和外部时变扰动，建立了详细的故障动力学模型。该模型能够准确描述无人机在故障和扰动条件下的运动特性。接着，针对外部时变扰动，设计了一种基于迭代学习算法的神经网络控制器。该控制器通过迭代学习算法不断优化神经网络权重，实现对无人机轨迹的精确跟踪，即使在存在扰动和故障的情况下也能保持良好的跟踪性能。

核心结果

本研究的主要成果包括：一是成功建立了考虑执行器故障和外部时变扰动的三旋翼无人机故障动力学模型；二是设计了一种基于迭代学习神经网络的容错跟踪控制器，该控制器能够有效应对外部扰动和执行器故障；三是通过仿真实验验证了所提控制策略的有效性。实验结果表明，在存在外部扰动和执行器故障的情况下，所设计的控制策略能够使无人机在预定义时间内稳定地跟踪预定轨迹，显著提高了无人机的鲁棒性和适应性。

结论与意义

本研究提出的基于IL-NN的三旋翼无人机预定义时间抗扰容错跟踪控制策略，不仅为三旋翼无人机在复杂环境下的安全飞行提供了技术支持，而且对于无人机控制理论的发展具有重要意义。该策略能够有效提高无人机在面临多种挑战时的轨迹跟踪精度，为无人机在更多领域的应用提供了强有力的技术保障。此外，本研究的方法和成果也为其他类型的无人机控制策略的设计提供了有益的参考和借鉴。