四旋翼无人机鲁棒自适应姿态控制

 四旋翼无人机的姿态控制是自主飞行控制的核心,针对四旋翼姿态易受外界环境干扰和内部参数摄动等不确定性影响的问题,设计了一种鲁棒自适应反步控制器,以提高四旋翼的鲁棒性。建立了四旋翼完整的姿态运动模型,并将其转化为含有广义不确定性的多输入多输出非线性系统。根据该系统满足严格反馈的结构特点,设计了反步控制器; 针对系统中存在的外部干扰和内部参数摄动等不确定性,引入了一类鲁棒自适应函数来抵消该不确定性对系统的影响; 采用非线性跟踪微分器估计虚拟控制量的微分信号,减小了反步控制器设计中普遍存在的“计算膨胀”问题; 通过构造Lyapunov 函数证明闭环系统是稳定且指数收敛的。仿真结果表明,所设计控制器具有良好的控制效果和鲁棒性。     

水下探测四旋翼平台

以无人机原理为基础,开发一套功能高度集成的水下四旋翼平台,在保证探测能力的前提下尽量简化结构,实现对水下四旋翼姿态的自动控制,加载图形影像实时传输以辅助操作者对水下设备进行指令传输.实验结果表明:该平台能长时间工作于水下,减少人员执行相应操作的危险性,在水下侦查、未知水域探测等领域具有一定的实践和创新意义.     

四旋翼飞行器悬停建模及控制

四旋翼飞行器是近几年发展起来的具有低功耗、高机动性的一种无人机,具有较高的军用及民用价值.四旋翼飞行器悬停的控制模型可近似为一个线性定常欠驱强耦合系统.通过建模得出的状态空间表达式的状态矩阵A的特征值存在正实部,是一个不稳定系统.由于系统的不稳定利用二次型最优控制对系统进行镇定,同时得到悬停状态下某一虚拟能量指标达到最小值时的二次型最优控制.利用Matlab对系统进行分析及二次型最优控制相关参数的优化.     

改进模型参考自适应控制及其在解耦控制中的应用

提出了一种基于扩张状态观测器(extended state observer,ESO)的任意参考模型自适应控制方法,解决了被控对象状态信息不可测以及存在不确定因素导致模型参考自适应控制(model reference adaptive control,MRAC)效果变差甚至使系统不稳定的问题。在简述ESO教学模型的基础上提出了基于ESO的模型参考自适应控制方法并进行了严格的稳定性分析,仿真结果表明所设计方法具有跟踪速度快、稳态误差小、控制量小以及参考模型容易选择等特点。然后,提出基于改进MRAC的解耦控制方法并应用于三输入三输出的四旋翼飞行器姿态控制系统解耦控制,仿真结果表明该解耦控制方法具有鲁棒性好的特点。该方法无需按照通常的做法设计神经网络对不确定因素导致的误差进行补偿,大大简化了控制器设计过程。     

四旋翼飞行器的自适应鲁棒滑模控制器设计

针对四旋翼欠驱动系统的姿态控制问题,提出一种自适应鲁棒滑模控制方法。对四旋翼系统实现了双环控制,内环为姿态控制,外环为位置控制。根据牛顿-欧拉方程建立了四旋翼系统的动力学模型,针对系统中的外部扰动和参数摄动等不确定性因素,设计了基于Lyapunov稳定控制算法,内环使用自适应鲁棒滑模控制;外环使用鲁棒控制。仿真和实验表明所提控制策略对外界扰动和模型的不确定性具有较强的鲁棒性。     

四旋翼飞行器非线性轨迹跟踪控制

针对四旋翼飞行器在复杂飞行条件下速度不可测的轨迹跟踪控制问题,考虑系统存在外界未知干扰和模型参数不确定的情况,提出了一种基于扩张观测器的轨迹跟踪控制方法。该方法设计了积分型反步法跟踪控制器,以降低系统的稳态误差,并引入了状态扩张观测器,来估计系统未知速度信息,同时对干扰和模型参数不确定因素进行实时估计并给予补偿;最后,选取李雅普诺夫函数证明了该控制系统的稳定性。以Quanser公司的Qball2四旋翼飞行器为研究对象和飞行实验平台,对所设计的控制器进行验证。实验结果表明,本文所设计的基于扩张观测器的轨迹跟踪控制器,能够有效地估计轨迹跟踪控制过程中的未知速度信息,解决外界未知干扰和模型参数不确定的问题,增强对环境的适应能力,有效提高了飞行器对未知干扰的鲁棒性和轨迹跟踪控制的精确性。     

具有柔性抓手的四旋翼飞行器设计与实现

为了实现四旋翼飞行器与外界环境的交互,设计了一种具有柔性抓手的四旋翼飞行器系统,该系统主要由四旋翼飞行器和柔性抓手组成。首先对四旋翼飞行器的原理进行了阐述,然后对其进行了建模和姿态解算,并且采用串级PID算法实现了四旋翼飞行器稳定飞行; 其次,对柔性抓手的设计与制造过程进行了介绍,并且对柔性抓手进行了抓取测试; 最后,在室外环境对系统进行了测试。测试结果表明,设计的四旋翼飞行器及柔性抓手性能稳定可靠,两者结合可以实现空中的抓取和投放。     

四旋翼无人飞行器混合控制系统研究

针对四旋翼无人飞行器质量未知情况下的垂直起降控制问题,提出一种基于状态反馈和神经网络自适应的混合控制方法。该方法通过一个状态反馈控制器实现飞行器的水平位置和航向控制,考虑到飞行器负载的未知特性,通过径向基函数(RBF)神经网络对飞行器质量进行估计,从而实现对高度的精确控制。仿真分析及验证表明,所提出的控制方法能够有效实现飞行器高度的精确控制,并能够在线估计出飞行器质量参数。     

基于不变扩展卡尔曼滤波的无人机姿态估计

为解决四旋翼无人机姿态估计问题，提出了一种不变扩展卡尔曼滤波(Invariant Extended Kalman Filter, InEKF)算法，用于同时估计四旋翼的姿态和惯性测量单元(Inertial Measurement Unit, IMU)的陀螺仪偏差。利用李群理论和不变观测器设计方法，将算法表述为一个连续时间随机非线性滤波器，其状态空间由直积矩阵李群SO(3)×R³给出，SO(3)中的估计值由IMU对重力矢量和地球磁场向量测量值加以修正。为在无人机上实现该算法，将状态和协方差传播方程离散化。最后，所提滤波算法相对于现有算法的性能优势通过仿真实验得到了验证。     

基于双观测器的四旋翼无人机姿态控制

为了提高四旋翼无人机姿态控制精度及抗干扰性能,将干扰观测器与扩张状态观测器相结合,提出了一种基于双观测器的滑模抗干扰控制方法.首先,对于部分已知信息的干扰用外生系统模型描述,并用干扰观测器进行估计;然后针对复杂的非线性可微干扰采用扩张状态观测器进行估计;接着设计滑模控制律来补偿双观测器估计的干扰,进而实现姿态控制;最后利用李雅普诺夫理论证明了系统的稳定性.仿真结果表明,该方法相较于传统的PID控制具有更高的跟踪精度和良好的抗干扰能力.