PIXHAWK开源飞控的多旋翼无人机避障技术研究

针对当前无人机的安全问题,提出一种基于PIXHAWK开源飞控的无人避障控制方法.在PIXHAWK开源飞控中添加了超声波传感器、激光测距仪、电磁传感器,并对不同传感器的信息进行融合,依据无人机与障碍物的距离及遥控器的通道值,解算出无人机远离障碍物的姿态信息,实现多旋翼无人机的避障飞行.实验结果证明,该系统具有价格便宜、控制精度高、安全性能可靠的特点,在无人机安全飞行领域具有一定的应用价值.     

基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题，提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置，并通过计算目标选框上下边距的长度，以此来估量出障碍物到无人机之间的距离；然后通过协同计算机判断是否执行避障动作；最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明，该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头，而且相对于传统的主动式传感器避障方法，所占用无人机的体积大幅减小。该方法鲁棒性较好，能够准确识别不同姿态的人，实现对人避障。     

基于凸面体圆弧航路的无人机自主避障算法

为解决无人机飞行过程中障碍物规避问题,提出一种新的三维自主避障算法.首先,根据障碍物的若干信息利用标准凸面体对不规则障碍物进行数学建模,用一个或多个标准凸面体覆盖障碍物整体或关键部分;然后,根据障碍物模型设计圆弧规避航路算法,将避障问题转化为跟踪规避航路控制问题,并定义避障判定、避障方向判断和成功避障规则;最后,结合非线性制导律和高度通道控制,实现无人机实时三维航路跟踪与自主避障.非线性数值仿真结果表明,避障算法能够有效地规避障碍物且三维航路跟踪精度好,能够应用于无人机的避障飞行任务.     

3维动态环境下的无人机路径跟踪算法

针对固定翼无人机在动态环境下沿参考轨迹飞行时可能与未知障碍物发生碰撞的问题,提出了可实时避障的路径跟踪算法.采用3维毕达哥拉斯速端曲线(PH)作为参考飞行路径.PH曲线具有曲率连续、曲线平滑等特性,能满足固定翼无人机运动学约束,适于无人机飞行跟踪控制实现.给出了3维空间内稳定跟踪参数化曲线路径的充分条件.设计了非线性模型预测控制器使无人机能稳定跟踪3维PH参考路径,并改进了目标函数形式使无人机在沿参考路径飞行时能及时避开环境中未知的大型静止障碍物和移动障碍物,在避障后继续朝目标点飞行.最后通过MATLAB仿真实验验证了算法的有效性.     

姿态融合滤波的无人机抗干扰控制算法

提出一种基于姿态融合滤波的无人机(UAV)抗干扰控制算法.分析无人机飞行的运动模型,构建无人机在飞行的姿态参量约束下的运动方程,设计扩展卡尔曼滤波器进行干扰滤波,实现飞行姿态参量信息融合,以捷联惯导传输到执行器的姿态融合误差为控制目标进行控制算法优化.仿真实验结果表明:采用该方法进行无人机的姿态信息融合和控制,输出的姿态信息参量具有较高的精度,误差收敛到最小,控制性能较好,抗干扰能力较强,保障了无人机的稳定飞行.     

分布式无人机队列控制与动态障碍规避设计

研究分布式无人机集群巡航任务中的协同路径跟踪问题与动态避障控制问题.利用transverse feedback linearization(TFL)方法对无人机的动力学模型进行变换,通过解耦控制实现对期望巡航路径的跟踪.在期望路径方向上,设计基于一致性协议的分布式无人机队列协同控制算法,并结合势场法设计协同巡航过程中对移动障碍物的规避控制策略.在队列达成一致性目标的同时,能够保障队列行进的安全性.基于Lyapunov分析方法和LaSalle不变原理证明闭环系统的稳定性,同时采用能量法证明队列中的无人机不会与动态障碍物发生碰撞.最后,基于搭建的无人机协同飞行实验平台,完成多架无人机的协同队列控制和移动障碍物规避实验,飞行实验结果验证了所设计协同控制算法与避障控制策略的有效性.     

三维动态环境下多无人机编队分布式保持控制

针对无人机编队沿参考轨迹飞行时遭遇突发障碍物而发生碰撞的问题, 提出一种可实时避障及机间避碰的分布式编队保持算法. 基于虚拟结构编队策略, 采用非线性模型预测控制(NMPC) 方法设计分布式编队控制器. 为了实现通讯延迟下的机间避碰, 采用基于不同优先级的改进避碰惩罚策略. 仿真结果表明, 所设计的分布式编队控制器能保证编队及时避开环境中的突发障碍物, 且无人机间不发生互碰, 避障后的各编队继续以原队形沿参考轨迹飞行.

     

基于LGMD的无人机避障方法研究

为提高无人机避障的灵活性和可靠性，提出了一种基于LGMD（Lobula Giant Movement Detector）的无人机避障方法，通过将视场分割为上、下、左、右4个方位，形成4个方位竞争的LGMD（C-LGMD），并利用Matlab软件进行算法实现和视频仿真分析，最后将算法移植到无人机硬件系统，开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明，该算法能有效分辨来自不同方位的障碍物，具有较好的避障性能和鲁棒性；在实时飞行测试中，无人机在室内环境中可实现三维空间有效避障，验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。     

基于柱状空间和改进A*算法的无人机规避方法

针对无人机避障问题,提出了基于改进A~*算法和柱状空间的无人机规避方法。首先,根据无人机飞行区域的障碍物分布情况,建立飞行区域的柱状空间;然后将障碍物对无人机的影响引入到估价函数中,重新设计启发函数;最后将基于柱状空间和改进A~*算法的无人机规避方法应用于无人机的规避中,并对规划的路径进行平滑处理。仿真结果表明,该算法能够有效地实现无人机的规避。     

基于贝叶斯决策的无人机飞行路径自动规划方法

传统无人机飞行路径自动规划方法无法获取全部障碍物信号,使无人机飞行不能达到避障效果,导致飞行路线规划效果较差;为此提出基于贝叶斯决策的无人机飞行路径自动规划方法;无人机飞行路径自动规划硬件模块包含自动规划模块、动画演示模块、地图导航模块和数据导出模块,自动规划模块负责控制无人机飞行;动画演示模块使用240PRO型号的LEWITT声卡,为展示飞机飞行路线提供声音;LS-TM8N地图导航模块通过串口将射频信号发送到天线的输入端,再由数据导出模块导出并保存相关数据;基于贝叶斯决策原理,结合贝叶斯元胞蚁群算法,计算贝叶斯先验概率和后验概率,规划无人机飞行路径,获取最优路径;实验结果表明,该方法遇到静态障碍物捕获的避障信号在-28～30mV范围内波动,动态障碍物捕获的避障信号在-27～30 mV范围内波动,与实际障碍物信号波动范围一致,避障效果较优.     

基于多传感器的无人机避障方法研究及应用

随着无人机巡检作业方式应用越来越广泛,巡检过程中对障碍物检测并进行避障显得愈发关键。若无人机碰到杆塔或线路不仅会造成无人机自身的损坏,还会对居民用电造成影响,给检修带来麻烦。毫米波雷达、激光雷达、双目视觉传感器在机器人避障中有广泛应用。但是基于输电线路巡检的多旋翼无人机的实际情况,传感器器件的选型、尺寸、重量,以及障碍物信息与飞控的融合,显得尤为重要。通过对多旋翼无人机搭载毫米波雷达、双目视觉传感器、差分GPS进行了研究,采用多传感器融合方法检测障碍物,利用虚拟力场法(VFF)进行航迹重规划,并实际飞行验证。测试表明该方法对杆塔避障取得了较好的应用效果。     

基于激光雷达的多旋翼飞行器实时避障系统

针对多旋翼飞行器的障碍物规避问题,提出一种基于激光雷达的自主飞行多旋翼飞行器避障系统,实现多旋翼飞行器自主飞行的实时避障;该避障系统针对静态、低速运动障碍物,综合飞行器本体姿态、速度、加速度等状态信息,建立基于改进势场法的避障模型和算法;在机器人操作系统(ROS,Robot Operating System)平台进行该避障系统的软件实现,其通过串口与飞控进行通信,完成多旋翼飞行器的自主避障飞行;同时,为了使该系统能在强光环境正常工作,在不影响系统实时性的前提下,对激光雷达的干扰问题进行优化设计;大量实验表明:该避障算法计算量小,能够保证避障系统的实时性,在机体慢速以及低速运动(机体与障碍物之间的相对运动速度小于等于3 m/s)的场景中能够正确检测范围6 m内,并迅速规避障碍物。     

高亚音速无人机姿态确定与控制系统设计

姿态确定与控制问题是无人机飞行控制设计中的关键问题.设计了高亚音速无人机的飞行控制系统,其硬件组成部分包括飞控计算机、组合导航计算机、电动伺服舵机、传感器、飞行参数记录仪以及地面检测装置;设计了基于速率陀螺、加速度计、磁航向计、GPS等多传感器系统的无人机姿态测量系统,并给出了基于信息融合卡尔曼滤波的姿态确定算法;设计了基于3个单变量控制回路的无人机姿态控制方案.仿真结果表明了高亚音速无人机的姿态确定方法和姿态控制方法的有效性.     

基于边缘智能感知的无人机空间航迹规划方法

随着海量用频设备的涌现，无人机执行任务的电磁环境愈加复杂，对无人机认知环境和自主避障能力提出了更高的要求。鉴于此，提出了一种基于边缘智能感知的无人机空间航迹规划方法。首先，提出了一个基于边缘智能感知的无人机航迹规划框架，通过边缘服务器、传感器终端和无人机的协同通信与计算，提高无人机的环境感知和自主避障能力；其次，提出了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法优化的人工势场方法，避免无人机航迹规划陷入局部最小值点，同时行能耗；最后，在静态和动态干扰环境中对所提算法进行仿真实验，结果表明，与现有航迹规划方法相比，所提方法可以优化无人机的飞行航迹和传输数据速率，在静态和动态干扰环境中，无人机飞行能耗分别降低5.59%和11.99%,传输速率分别提高7.64%和16.52%,显著提高了无人机的通信稳定性和对复杂电磁环境的适应性。     

基于滚动速度障碍法的无人机山地航测避障路径规划研究

无人机在进行山地航测时,经常遭遇鸟类等动态障碍,若不能及时规避掉障碍,极容易发生坠机事故。为此,研究一种基于滚动速度障碍法的无人机山地航测避障路径规划方法。基于山地环境模型,结合飞行路径长度、路径平滑度建立一个综合目标函数并利用改进布谷鸟搜索算法求解,得到无人机山地航测的初始路径。对图像进行预处理后,识别无人机初始路径飞行过程中遇到的障碍物,并通过超声波测量无人机与障碍物之间的距离,以此建立速度障碍模型,实现速度障碍碰撞分析,通过滚动窗口的方式确定无人机与障碍物是否存在飞行冲突。基于滚动速度障碍避障方法实现滚动角度避障和速度避障,获取最终的优化路径,完成基于滚动速度障碍法的无人机山地航测避障路径规划。测试结果表明:航测避障路径长度为571.45m,平滑度为165.52,规划的方案更具合理性。     

改进PID的无人机飞行姿态角控制消颤算法

无人机在整个纵平面飞行过程中,由于飞行姿态角的大幅度变化以及气流的作用,导致机身颤抖,影响飞行稳定性.提出一种基于PID变结构控制的无人机飞行姿态角控制消颤算法,首先进行了无人机飞行姿态角控制系统的被控对象参量分析,构建无人机在姿态角变化剧烈、大迎角飞行时的三通道模型,采用变结构控制方法进行控制器设计.结合小扰动原理和Lyapunov稳定性原理进行扰动抑制和稳定性证明,采用梯度算法调整权值进行飞行姿态角控制的消颤处理,采用自适应算法在线调整权值实现PID变结构控制改进.仿真结果表明:采用该算法进行无人机飞行姿态角控制和消颤处理,大幅度提高无人机飞行定姿的精度,横滚角、俯仰角和航向角的控制精度有较大提高,稳定性和收敛性较好,确保了无人机飞行稳定性.     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

基于BP神经网络的移动机器人避障设计及仿真

为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题,提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统;分析了机器人在运动过程中与障碍物的位置关系,使用超声波传感器采集距离信息,进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果表明,该方法可以高效精确地实现移动机器人的自主避障,运行相对稳定、轨迹连续平滑,达到了较为理想的避障效果。验证了方法的可行性和有效性,为移动机器人自主避障提供了一种新的控制方法。     

基于双旋Lyapunov矢量场的无人机避障算法

提出一种基于双旋Lyapunov矢量场的无人机避障算法.首先,建立无人机和障碍物的模型,并根据无人机有限时间是否会侵犯障碍物安全圆设计避障判定规则;然后,基于最小侧向偏移量原则选定避障机动中无人机速度旋转方向为最优避障方向,选定其反方向为矢量场旋转方向,定义成功避障的标准并进行证明;最后,通过建立的障碍物合并规则提升避障效率,使得上述方法适用于未知环境下的无人机在线避障.仿真结果表明,在无人机性能约束下,所提出的算法对动态和静态障碍都能有效避障,算法性能优于Dubins路径和人工势场法.     

基于深度学习的四旋翼无人机控制系统设计

针对传统四旋翼无人机控制系统受到外界干扰,无法及时躲避障碍物而导致控制精准度低的问题,提出了基于深度学习的四旋翼无人机控制系统设计。根据四旋翼无人机控制系统总体结构,加入超声波测距模块。依据系统硬件框图,采用TMS320F28335型号主控芯片,实现关键态势智能分析。以串级 PID 控制器的控制对象为无人机姿态角度,控制电机转速。根据DSP发出不同占空比的PWM信号,改变无人机飞行姿态,依据执行机构驱动原理,保证无人机飞行时的平衡状态。使用红外遥控系统,应用编/解码操控集成电路芯片,采用TS0P1738型号红外线接收器,适合于红外线遥控数据传输。构建深度学习目标控制模型,利用处突阵法与三角形相似原理,计算像素尺寸,获取障碍物距无人机当前位置距离,避免受到外界障碍物干扰。自适应扩展Kalman滤波器技术对无人机自动控制系统有效减小测量误差,准确地对机动目标进行追踪。由系统调试结果可知,该系统控制的俯仰角、航向角、横滚角与实际值一致,对处理突发性群体事件具有重要意义。