基于外力估计与深度递归神经网络的旋翼容错控制方法
本发明公开了基于外力估计与深度递归神经网络的旋翼容错控制方法,包括以下步骤:S1、构建融合外力估计的飞行状态感知模型;S2、构建多维时序特征张量;S3、基于深度递归神经网络的故障检测与隔离;S4、控制分配矩阵的动态重构;S5、构建基于增量非线性动态反演的容错控制;创新性地利用动力学反演将外部风扰显式化为物理向量,辅助双向长短期记忆网络(BiLSTM)精确剔除环境干扰以识别微弱故障趋势,并将该外力信息复用于增量非线性动态反演(INDI)控制律中实现前馈补偿,从而在强干扰环境下同时实现了高精度的故障识别与毫秒级的姿态恢复。