Cet article propose une nouvelle stratégie de contrôle à modes glissants flous (FSMC) visant à renforcer la robustesse et la stabilité du contrôle de position d'un drone quadrirotor sous-exploité (UAV) en présence de perturbations externes et d'incertitudes du modèle. Pour réaliser l'adaptabilité et la robustesse du système dans des environnements dynamiques complexes, un contrôleur flou bidimensionnel intelligent est conçu sur la base du contrôle à modes glissants classique (SMC), ajustant en temps réel les paramètres SMC pour s'adapter aux paramètres variables de la structure du système. Tout d'abord, en se basant sur la conception d'une variable de filtrage d'erreur, un SMC traditionnel est utilisé pour supprimer l'erreur de suivi. Ensuite, en fonction de la variable filtrée et de son taux de changement, un module d'auto-apprentissage intégrant un module logique floue (FLM) et le SMC (FLM+SMC) est développé pour ajuster deux paramètres du SMC susmentionné. Le signal de sortie du FLM est ensuite rétroalimenté au module SMC, formant finalement un système de réglage en boucle fermée UAV basé sur FSMC. De plus, la stabilité du FSMC est rigoureusement vérifiée à l'aide de la théorie de Lyapunov. Enfin, la simulation complète montre que le FSMC conçu offre non seulement une précision de trajectoire élevée, mais possède également une robustesse et une capacité à résister aux perturbations ; la simulation comparative avec le SMC et le contrôle par réseau de neurones à fonction de base radiale adaptative (RBFNNC) confirme ce résultat.

contrôle à modes glissants; théorie de la logique floue; système sous-actionné; drone; stratégie d'auto-apprentissage