1. 项目背景与核心挑战
固定翼无人机在复杂环境下的精确控制一直是航空航天领域的重点研究方向。2024年TASE顶刊发表的这项研究，针对无人机飞行控制中的两个关键难题提出了创新解决方案：输入饱和限制和未知外部扰动。这两个问题在实际飞行中极为常见，却往往被传统控制方法所忽视。
输入饱和现象发生在控制指令超出执行机构物理极限时。比如当无人机需要紧急避障时，控制算法可能计算出超过舵面最大偏转角度的指令，导致实际执行效果与预期出现偏差。另一方面，风切变、阵风等未知扰动会直接影响飞行轨迹跟踪精度。传统方法通常采用保守设计来规避这些问题，但会牺牲系统响应速度和控制性能。
这项研究的突破点在于同时解决了这两个相互耦合的问题。通过固定时间扰动观测器实时估计未知扰动，并结合指数预定义时间跟踪控制算法，实现了在输入饱和条件下的高精度轨迹跟踪。Simulink仿真结果表明，该方法相比传统PID和滑模控制，在收敛速度和抗干扰能力上均有显著提升。
2. 核心算法原理拆解
2.1 固定时间扰动观测器设计
固定时间观测器的核心思想是通过非线性反馈机制，在预设时间内精确估计系统受到的扰动。其数学模型可以表示为：
code复制ẋ = Ax + Bu + d
d̂ = -k1*sig(x - x̂)^α - k2*sig(x - x̂)^β
其中d̂为扰动估计值，sig(·)^α表示分数幂函数，k1、k2为增益系数。通过合理设置α、β参数（通常取0<α<1, β>1），可以保证观测误差在固定时间内收敛到零，与初始条件无关。
在实际应用中，我们通常将α设为0.8，β设为1.2，这样可以在快速收敛和抗噪性能之间取得平衡。观测器带宽一般设置为控制系统带宽的5-10倍，以确保能及时跟踪扰动变化。
2.2 指数预定义时间跟踪控制
指数预定义时间控制的核心是构造如下形式的滑模面：
code复制s = ė + λ1*e + λ2*sig(e)^γ
其中e为跟踪误差，λ1、λ2为控制参数，γ∈(0,1)。与传统滑模控制不同，这里引入的sig(e)^γ项确保了系统状态能在预定义时间内收敛到平衡点。
控制律设计时需要考虑输入饱和约束，采用如下修正形式：
code复制u = -sat( K*s + d̂ )
sat(·)表示饱和函数，K为控制增益矩阵。