四旋翼无人机的轨迹规划跟踪控制研究

针对四旋翼无人机的实际应用需求,开展轨迹跟踪控制研究。提出了一种基于快速扩展随机树（RRT）算法的Dubins航迹规划方法,同时搭建了四旋翼模型,并设计了轨迹跟踪控制方案对所提出的规划路径进行了轨迹跟踪仿真。该RRT-Dubins算法采用RRT算法对有障碍区域的无人机路径进行有效规划,然后利用Dubins路径对规划出的轨迹进行平滑处理,以形成一条无人机可飞行路径。仿真实验表明,采用所提出的轨迹规划方法及路径可以较好地规避障碍区域,且轨迹平滑更适合无人机飞行,同时验证了所提轨迹跟踪控制方案的有效性。     

四旋翼无人机轨迹跟踪控制系统设计

针对四旋翼无人机参数不确定性和对外部干扰敏感的问题,提出一种基于线性自抗扰的轨迹跟踪控制系统设计方案。线性自抗扰能够很好地克服无人机的强耦合性、模型不确定性以及外部干扰问题。将四旋翼无人机的轨迹跟踪控制系统分为内外两个环路,内环采用线性自抗扰控制器,外环采用简单的PD控制器。在仿真平台上对线性自抗扰控制系统进行轨迹跟踪实验,并与传统的PID控制系统进行对比分析。通过仿真实验证明,所设计的线性自抗扰控制器不仅能够很好地估计并补偿系统所受内外部干扰,而且对四旋翼无人机参数的不确定性具有较强的鲁棒性,能够满足无人机姿态调节快速和高稳定度的控制要求,性能指标明显优于PID控制器。     

基于滑模自适应迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机轨迹跟踪问题,在考虑外部扰动的情况下,提出一种滑模自适应迭代学习的控制算法。所设计的控制器由两部分组成：第一部分是滑模子控制器,作为四旋翼无人机系统的反馈控制器;第二部分是迭代学习子控制器,作为无人机系统的前馈控制器。在迭代学习过程中,迭代学习子控制器的增益可以根据轨迹跟踪误差自适应改变,能够提高四旋翼无人机的轨迹跟踪效果。最后通过软件仿真对所提出的四旋翼无人机轨迹跟踪算法的有效性进行验证。     

基于间接型迭代学习控制的四旋翼轨迹跟踪

针对反推控制方法在四旋翼飞行器轨迹跟踪中存在动态误差的问题,提出改善轨迹跟踪性能的间接迭代学习控制算法。首先将飞行器分为姿态和高度全驱动控制通道和水平轨迹欠驱动控制通道;然后基于反推控制方法分别设计了全驱动和欠驱动通道的稳定控制器,进而采用PID型迭代学习算法对反推控制器参考输入信号进行更新优化;最后,采用压缩映射原理和λ范数理论证明了算法的收敛性。仿真实验结果表明,PID型迭代学习律能够有效改善反推控制器的控制效果,实现对期望轨迹的完全跟踪。     

基于IBS和LADRC的四旋翼飞行器轨迹跟踪控制

首先对四旋翼进行了力学分析并建立了六自由度的数学模型,然后针对四旋翼数学模型的欠驱动及强耦合特性,提出了基于积分反步(IBS)和线性自抗扰(LADRC)相结合的控制方法对四旋翼进行轨迹跟踪控制。首先将整个控制分为外环位置控制和内环姿态角控制,针对外环位置控制的欠驱动特性,采用适用于欠驱动系统并且结构清晰的IBS控制方法,针对存在严重耦合的内环姿态角控制,则采用了具有抗耦合作用的LADRC控制策略,仿真实验证明了该方法能实现四旋翼的轨迹跟踪。     

基于自适应反演滑模的四旋翼无人机抗风研究

针对四旋翼无人机易受风扰,影响控制精度的问题,提出了一种自适应反演滑模轨迹跟踪控制策略,基于NewtonEuler建立在紊流风场下的四旋翼无人机动力学模型,将控制系统分成姿态子系统■和位置子系统(x,y,z),引入过渡控制律,实现欠驱动耦合控制,解算出理想姿态,滑模控制抑制风场对四旋翼无人机的影响,反演控制来设计镇定控制项,利用Lyapunov理论证明了闭环系统的稳定性,通过MATLAB仿真,仿真结果表明所设计的控制器收敛速度快,响应时间较短,鲁棒性强。     

基于离散滑模控制的四旋翼飞行器轨迹跟踪

针对离散时间域的四旋翼飞行器的大角度轨迹跟踪问题进行研究.首先,采用牛顿-欧拉法建立了基于三维旋转群SO(3)的动力学模型,并采用前向欧拉法将其转换为离散模型.接着,提出了基于内外环的控制结构,并将离散滑模变结构控制应用于内外环控制器的设计,通过李雅普诺夫函数证明了所设计控制器的稳定性.最后,通过Matlab/Simu...     

四旋翼飞行器有限时间轨迹跟踪控制研究

为了解决四旋翼飞行器轨迹跟踪中状态量收敛速度慢、易发散等问题,提出了一种双环混合有限时间控制策略.根据Newton-Euler方程推导出四旋翼的动力学模型,再根据时间尺度原理将其分为内外两个控制环.外环采用有限时间控制策略来加快三轴位置量与偏航角的收敛速度;内环采用快速非奇异终端滑模控制技术来实现姿态角的快速收敛.搭建了四旋翼的虚拟样机,在三维仿真环境下模拟其轨迹跟踪控制效果.由仿真结果可知:与其他两种常见的控制器相比,所设计的控制器的控制精度、鲁棒性以及跟踪效果均最好,并且能较好地满足四旋翼轨迹跟踪控制的需求.     

迭代学习的四旋翼无人机重复航迹跟踪控制实验研究

新工科建设以强化学生的工程实践与创新能力的思想为指导,为应对新的要求并推进实验实践教学改革,设计一种适应于本科生工程实践训练的四旋翼无人机飞行实验平台。该实验平台结合机械、信号处理、自动控制等学科知识,以四旋翼无人机为研究对象,分析四旋翼无人机动力模型,研究和设计迭代控制算法。采用Simulink进行仿真,以北京航空航天大学可靠飞行控制组研发的RflySim无人机模拟器平台搭建所设计的实验平台。最后,进行现场实际测试和航迹跟踪飞行测试,测试结果符合实验的预期,且航迹跟踪准确。所设计系统易于激发学生的参与兴趣,能够有效提高学生的动手能力及工程实践技能。     

基于OpenMV的四旋翼无人机目标跟踪系统设计与实现

基于四旋翼无人机小巧便捷可控的特点,设计并实现了一种可识别并自动跟踪物体的四旋翼无人机系统,该系统采用STM32F407为主控芯片,综合光流模块、数传模块、OpenMV4模块和电机、螺旋桨等外围设备,采用姿态估算、色块跟踪解耦合、色块识别、滤波、坐标系转换、PID调节、前馈调节等算法实现四旋翼的识别与自动跟踪,使其可以在平稳飞行的同时,按照程序指令搜寻目标,并触发跟踪状态,完成自动跟踪。该四旋翼无人机系统灵巧便携,操作简单,通用性强,应用前景广阔。     

基于大气紊流的四旋翼无人机智能控制策略

四旋翼无人机执行任务时会受到大气紊流对姿态的干扰,为此提出一种运用变论域模糊理论优化传统PID控制器的方法。根据运动学方程建立了控制精度更为准确的四旋翼无人机非线性模型。由于大气紊流具有随机性强的特点,基于Dryden模型得到了大气紊流的分量模型。考虑到传统PID控制器抗干扰能力不足,因此,结合可变论域模糊控制设计出了变论域模糊自适应PID控制器。在Simulink环境下对两种控制器先后加入了大气紊流和阶跃响应干扰进行仿真比较,结果显示,优化后的控制器鲁棒性和稳定性均优于PID传统控制器。     

基于神经网络PID算法的四旋翼无人机优化控制

针对四旋翼无人机系统的时变性、非线性等问题,文中提出了一种基于神经网络PID的无人机姿态控制算法.该算法具有PID算法的强自适应能力和神经网络的强抗干扰能力.在建立四旋翼无人机刚体运动学模型和动力学模型基础上,搭建了四旋翼无人机MATLAB-Simulink姿态仿真控制模型,对比了神经网络PID控制算法与传统PID、串...     

基于STM32的四旋翼无人机目标跟踪系统设计

本文针对四旋翼无人机的目标跟踪难点问题,设计了一种适用于多种场合的四旋翼无人机目标跟踪系统。该系统以STM32F407为核心,搭载九轴传感器、光流、气压计、OpenMV等模块,通过姿态解算和光流解耦合算法,计算出无人机精确的实时姿态和高度,并通过串级PID算法,实现稳定的飞行控制,在此基础上,通过OpenMV视觉模块进行颜色识别,确定目标位置。经实际测试四旋翼无人机能实现目标跟踪、可扩展性高、适应性强。     

基于反步法的四旋翼无人机自适应控制研究

文中设计了基于反步法的自适应控制器,来解决无人机在外界干扰情况下的姿态和位置控制稳定性问题.针对"X"型无人机进行动力学建模,将其转换为具有外界干扰的严反馈形式.将系统分为位置子系统和姿态子系统,结合反步控制,运用Lyapunov函数递推出使系统稳定的自适应律和各通道的控制律,再通过推出的通道控制律反解出期望的姿态角,...     

四旋翼无人机仿真控制系统设计

为了实现四旋翼无人机的自稳定控制,对四旋翼无人机进行了动力学建模与控制。在建模时利用机理建模和实验实测相结合的方法,建立小型四旋翼飞行器的动力学仿真模型;并通过准LPV法将非线性模型线性化,在飞行器模型解耦的4个通道上分别设计PID控制器,且在Matlab/Simulink平台上对系统整体进行仿真。仿真结果表明,该动力学模型和PID控制器可以有效地实现飞行器的自稳定控制,为后续的四旋翼飞行器的控制研究打下基础。     

四旋翼无人机飞行控制系统设计研究

根据模块化思想分别对四旋翼无人机[1]硬件系统的控制器模块、传感器模块、电源模块、执行机构模块以及遥控器模块[2-3]进行了详细的阐述,并给出了相应的电路设计。根据硬件系统所需的要求设计了飞行控制系统软件方案总体流程图,最后根据图形化语言LabVIEW设计了一套基于四旋翼无人机飞行控制系统的显示界面用来实时采集四旋翼无人机飞行器姿态角的数据[4],通过转台实验分析证明,文中所设计四旋翼无人机飞行控制系统满足最初预期效果,为进一步研究奠定了理论基础。