本书聚焦植保这一现代农业核心装备，针对其多变量、非线性、高耦合的复杂系统特性，以及户外作业中易受阵风、负载晃动、执行器故障等问题，系统开展容错控制算法的研究与应用探索。
全书以四旋翼植保为研究对象，先构建其飞行原理与动力学模型，搭建基于大疆T10 的容错实验平台。核心内容围绕五大创新容错控制算法展开，包括基于时空RBFNN 的降阶自抗扰控制、分数阶梯度下降RBFNN 自抗扰控制、自重构模糊神经网络自抗扰控制等，均结合自适应神经网络与自抗扰控制优势，实现对执行器故障、风扰、负载扰动的有效补偿。
书中通过大量仿真实验与田间试验，验证了算法在姿态稳定、轨迹跟踪、抗及容错性能上的优越性，并对比分析了不同算法的雾滴覆盖密度、分布均匀度及有效喷幅宽度等关键作业指标。研究成果为解决植保故障频发、回收困难等行业痛点提供了技术支撑，对提升现代农业机械化与智能化水平具有重要意义，可为相关领域科研人员、工程技术人员及农业从业者提供参考。

第1章 绪论 001
1.1 研究背景与意义 001
1.2 植保无人机容错控制技术研究与应用现状 004
1.2.1 自抗扰控制技术研究现状 004
1.2.2 神经网络控制技术研究现状 007
1.2.3 植保无人机故障问题综述 009
1.2.4 植保无人机容错控制技术研究现状 010
1.3 植保无人机容错控制研究存在的问题 013

第2章 四旋翼植保无人机飞行原理模型建立 015
2.1 四旋翼植保无人机结构及其飞行原理 015
2.1.1 四旋翼植保无人机结构 015
2.1.2 四旋翼植保无人机飞行原理 017
2.2 四旋翼植保无人机动力学模型 020
2.2.1 动力单元模型 020
2.2.2 四旋翼植保无人机坐标系建立与转换 022
2.2.3 陀螺力矩 024
2.3 四旋翼植保无人机非线性动力学模型 026
2.3.1 四旋翼植保无人机的位置动力学非线性模型 026
2.3.2 四旋翼植保无人机的姿态动力学非线性模型 027
2.4 多旋翼植保无人机容错实验平台 029

第3章 基于时空RBFNN 的降阶自抗扰容错飞行控制 032
3.1 问题描述 033
3.1.1 执行器故障模型 034
3.1.2 风扰模型 034
3.2 容错控制器设计 037
3.2.1 自抗扰控制器设计 038
3.2.2 梯度下降时空径向基函数神经网络设计 040
3.2.3 容错控制律设计 044
3.3 稳定性分析 045
3.4 仿真结果与分析 047

第4章 基于时空RBFNN 的反步滑模容错飞行控制 055
4.1 问题描述 056
4.1.1 风扰模型 056
4.1.2 执行器故障模型 058
4.2 容错控制器设计 059
4.2.1 时空径向基函数神经网络辨识器设计 060
4.2.2 新型自适应内核的时空径向基函数神经网络设计 062
4.2.3 反步滑模容错控制器设计及稳定性证明 063
4.3 仿真结果和分析 067

第5章 基于分数阶梯度下降RBFNN 的自抗扰容错飞行控制 075
5.1 问题描述 076
5.1.1 执行器故障模型 076
5.1.2 负载液体扰动模型 077
5.2 容错控制器设计 080
5.2.1 二阶自抗扰控制器设计 080
5.2.2 基于神经网络的ADRC 扩张状态观测器设计 083
5.2.3 容错控制律设计与稳定性分析 086
5.3 仿真结果与分析 089

第6章 基于自重构模糊神经网络的自抗扰容错飞行控制 099
6.1 问题描述 100
6.2 容错控制器设计 101
6.2.1 二阶自抗扰控制器设计 101
6.2.2 自适应模糊神经网络辨识器设计 104
6.2.3 容错控制律设计与稳定性分析 108
6.3 仿真结果与分析 109

第7章 基于自适应自构造模糊神经网络的滑模容错飞行控制 118
7.1 问题描述 119
7.2 容错控制器设计 120
7.2.1 自适应模糊神经网络辨识器设计 121
7.2.2 自构造机制设计 124
7.2.3 滑模容错控制器设计及稳定性证明 128
7.3 仿真结果和分析 133

第8章 基于优化离散时间状态观测器的自抗扰容错飞行控制 140
8.1 问题描述 141
8.2 离散时间状态观测器设计 141
8.3 优化离散时间状态观测器设计 144
8.3.1 状态变量变换 145
8.3.2 最小化延迟设计 146
8.4 容错控制器设计 147
8.4.1 时空径向基函数神经网络辨识器设计 148
8.4.2 容错控制律设计 150
8.5 仿真实验与分析 151
8.5.1 容错实验平台应用设计 151
8.5.2 实验过程与结果分析 153

第9章 植保无人机农药喷洒田间实验 160
9.1 实验条件.160
9.2 实验方法161
9.3 实验结果与分析 162
9.3.1 雾滴覆盖密度及其分布均匀度 163
9.3.2 有效喷幅宽度 165

参考文献 167

植保无人机是一种具备多变量、非线性、高耦合、欠驱动复杂控制系统的多功能农业航空装备，被广泛应用于农作物植保、喷洒、施肥、播种、灌溉、农田信息遥感、灾害预警、产量评估等场合。植保无人机具有绿色安全、可靠便捷、省水省药、省事省时省工等优势，对提高现代农业的机械化、智能化水平具有重要意义。但由于工作环境特殊，干扰因素较多，植保无人机极易发生一些故障。例如，强阵风干扰，导致植保无人机漂移，进而碰撞障碍物；GPS 信号消失，导致长时间无法定位；零件、结构或系统失去原有精度或性能，导致植保无人机中断运行或效率降低、损坏；低空作业容易撞大树、电缆、建筑物，产生坠机事故等。植保无人机的安全性及稳定性是衡量我国植保行业发展的重要指标之一，植保无人机一旦发生故障，回收难度大，损失惨重。完善的容错控制系统能在很大程度上减少无人机损坏，提升安全性。因此，本书重点研究自抗扰容错控制方法，对保证植保无人机安全飞行或发生故障后安全回收等具有重要意义。
本书针对存在执行器故障和受到干扰的植保无人机飞行问题，结合自适应神经网络和自抗扰控制方法进行了容错控制算法研究与应用，主要工作内容和创新点如下。
（1）基础阵风干扰与执行器故障场景：降阶自抗扰容错控制方法创新
针对存在执行器故障、同时受阵风干扰的四旋翼植保无人机飞控系统，首次提出基于新型时空径向基函数神经网络的降阶自抗扰容错控制方法。该方法深度融合自抗扰控制器与时空径向基函数神经网络优势，有效解决无人机数学模型参数动态变化下的系统稳定性控制难题。率先设计具备参数优化功能的一阶自抗扰控制器，筑牢无人机基础鲁棒控制体系；在此基础上，搭建搭载自适应核函数的时空径向基函数神经网络；依托该新型神经网络输出结果，精准估计涵盖执行器故障与模型不确定性的融合参数，进而搭建适配多旋翼无人机的主动容错控制器；最终选取大疆T10 四旋翼植保无人机为实证对象，开展专项故障注入实验，实验结果充分验证了该自抗扰容错控制方法的可行性与控制有效性，为后续复杂场景控制方法研发奠定核心理论基础。
（2）负载偏移复合干扰场景：分数阶梯度下降神经网络容错控制优化
在基础场景研究之上，针对同时存在执行器故障与负载偏移双重扰动的四旋翼植保无人机飞控系统，提出基于分数阶梯度下降径向基函数神经网络的自抗扰容错控制方法。该方法聚焦植保无人机带药作业特有的负载重心位移干扰问题，优先设计具备总扰动扩张观测功能的自抗扰控制器，针对性抵消负载偏移带来的飞行扰动；针对执行器故障及系统模型不确定性参数难以精准辨识的问题，搭建基于梯度下降神经网络的辨识器，有效补充常规观测器的扰动观测短板，提升扰动辨识精度；结合反步控制器设计逻辑，构建可同步补偿执行器故障与外部扰动的容错控制器；通过专项仿真实验证实，该算法在无人机带载作业工况下，具备优异的容错性能与抗干扰能力，适配植保无人机实际作业载荷需求。
（3）多重复杂扰动耦合场景：自适应自重构模糊神经网络控制突破
进一步升级干扰复杂度，针对风扰、负载波动等多重外部扰动与执行器故障并发的复杂植保无人机容错控制难题，提出基于新型自适应自重构模糊神经网络的自抗扰容错控制方法。该方法突破单一扰动场景的技术局限，适配田间作业多源扰动耦合的实际工况，首先设计基于M 距离方法的自重构模糊神经网络辨识器，高效逼近系统不确定性模型与执行器故障模型参数，大幅提升复杂工况下的参数辨识精准度；配套设计可实现自适应参数调整的自抗扰容错飞行控制器，实现多重扰动与设备故障的同步动态补偿；经仿真实验验证，在风扰与负载扰动双重叠加场景下，即便存在执行器故障，无人机仍可保持稳定的姿态控制效果，全面提升飞控系统的复杂环境适应性。
（4）工程时间约束场景：离散化自抗扰容错控制工程化优化
立足实际工程应用落地需求，针对带有时间约束条件的植保无人机离散容错控制问题，提出基于新型时空径向基函数神经网络的离散自抗扰容错控制方法。该方法聚焦飞控系统输入输出延迟、微控制器计算负荷大的工程痛点，通过优化离散自抗扰控制器预计算流程，实现系统运行延迟最小化；依托具备时空特性的时空径向基函数神经网络设计轻量化容错控制器，同步降低微控制器计算量，高效抑制输入输出延迟问题；通过与自适应自重构模糊神经网络离散自抗扰控制器开展对比仿真实验证实，在实际作业合理采样频率下，该方法控制精度更高、计算效率更优，具备更强的工程落地价值，实现了从理论算法到工程应用的关键跨越。
（5）实际作业场景：核心算法施药性能综合评估与应用验证
在完成多场景算法创新与仿真验证的基础上，回归植保无人机核心施药作业目标，对FRBFNN-ADRC 与ASCFNN-ADRC 两种核心控制算法，开展统一工况下的施药性能综合评估，全面覆盖雾滴覆盖密度、雾滴分布均匀度、有效喷幅宽度三大关键植保作业技术指标。结合小麦大田施药实际应用场景验证，两种算法均能达到行业规范作业标准，雾滴穿透小麦植株的效果达标，满足田间植保作业要求；同时明确不同控制算法在雾滴沉积效果、有效喷幅宽度方面的性能差异，为植保无人机控制算法的科学选型提供量化依据，也为后续植保无人机作业性能优化、田间作业效率提升奠定坚实技术基础，形成从算法创新到实际应用的完整闭环。
本成果得到扬州工业职业技术学院科技创新拔尖人才资助。书中的研究方法、理论等涉及多学科，由于著者水平有限，难免存在不足之处，敬请读者朋友批评指正。

著者