- 现有无人机悬挂负载控制方法依赖**直接负载测量(direct load measurements)** 和**拉格朗日方法(Lagrangian methods)**，在动态建模中缺乏直观性，存在实际限制
- 缺乏简洁的动力学模型导致无法有效处理电缆几何约束，影响**轨迹跟踪(trajectory tracking)** 精度
- 研究背景：无人机在敏捷悬挂负载运输中需要更鲁棒的状态估计与控制方法
- 提出采用**Udwadia-Kalaba方法(Udwadia-Kalaba method)** 显式引入电缆的几何约束，建立简洁动力学模型
- 基于该模型一致推导**缆绳张力(tension force)**，并将其直接集成到**非线性模型预测控制(NMPC, Nonlinear Model Predictive Control)** 的预测模型中
- 提出**无传感器负载状态估计(sensorless load state estimation)** 方法，利用相同几何约束间接估计负载状态，无需直接测量
- **方法创新**：首次将**Udwadia-Kalaba方法** 应用于无人机悬挂负载控制，替代传统拉格朗日建模，更直观地处理约束
- **显式负载动力学包含**：在NMPC优化问题中显式引入负载动力学，而非依赖不完整模型，显著提升控制性能
- **无传感器估计**：基于几何约束实现**无传感器(sensorless)** 负载状态估计，避免了实际部署中负载测量传感器的成本和复杂性
- 为无人机**缆绳悬挂负载运输(cable-suspended payload transport)** 提供了一种新颖的控制与估计框架
- 通过实机实验证明，显式包含负载动力学可降低**轨迹跟踪误差(trajectory-tracking errors)**，性能优于基于不完整模型的现有策略
- 推动了**敏捷操纵(agile manipulation)** 领域的发展，减少了对直接负载传感器的依赖，提高了系统实用性