四旋翼无人机的高度控制

为实现对四旋翼无人机飞行高度的控制,采用气压高度计对高度信息进行反馈,同时使用竖直加速度数据进行补偿.为了减少由建模误差对控制效果产生的影响,并使系统具有较强的鲁棒性,设计了模型参考滑模控制器(MRSMC,model reference sliding mode controller),同时对于无法直接测量的状态量使用卡尔曼滤波器来进行推测.实验结果表明所设计的控制器具有良好的稳定性和鲁棒性.     

微小型四旋翼无人飞行器姿态控制

关于自主研发的微小型四旋翼无人飞行器姿态控制问题,针对姿态控制要求的稳定性,根据飞行器的飞行原理,通过数学推导建立近似的姿态角线性模型.操作飞行器飞行并采集相关飞行数据在MATLAB中辨识出有效的模型参数并验证模型准确性.在姿态角模型的基础上,分别设计了ALQR控制器以及卡尔曼滤波器.飞行实验结果表明,设计的卡尔曼滤波器具有很好的滤波效果和状态量推测性能,设计的ALQR控制器能较好的解决控制指令跟踪的问题,满足姿态优化控制的要求.     

四旋翼无人机速度控制系统设计

为实现四旋翼无人机的自主飞行控制,以自主研发的四旋翼无人机为研究对象,设计了速度控制系统;该速度控制系统采用加速度计、角速率陀螺仪和GPS测量数据,并设计卡尔曼滤波器来抑制传感器噪声,同时估计无法测得的状态变量;为了减小无人机的建模误差并提高控制系统鲁棒性,采用了模型参考滑模控制理论设计速度控制器;实验结果表明,该速度控制系统具有良好的跟踪和稳定性能.     

基于线性二次高斯的四旋翼飞行器姿态控制

以自主研发的四旋翼飞行器为研究对象,主要讨论姿态控制器的设计方法。首先根据动力学原理和系统辨识得到姿态角系统的近似线性数学模型。其次,为获取姿态控制所必需的姿态角信息,提出采用高性价比的陀螺仪结合加速度计,并利用卡尔曼滤波器推测姿态角的方法。最后,根据所得模型和卡尔曼滤波器设计了线性二次高斯控制器。实验结果表明,设计的控制器具有良好的稳态和跟踪性能,从而验证了姿态角推测方法及控制器的可行性。     

四旋翼无人机轨迹跟踪的容错控制

针对四旋翼无人机轨迹跟踪的容错控制问题,提出了一个鲁棒[H∞]控制和干扰观测器与故障估计器相结合的容错复合控制器的方法。在外部有界扰动和加性故障的条件下,实现对四旋翼无人机的轨迹跟踪。将四旋翼无人机非线性动态模型解耦成独立的外环位置控制系统和内环角度控制系统,引入区间矩阵对系统参数进行描述,使用干扰观测器和故障估计器进行干扰和故障的估计和补偿。然后设计一个复合控制器既能更好地抑制干扰又能保证无人机在自身存在故障的情况下平稳飞行。通过仿真证明该方法的有效性。     

四旋翼无人机的室内自主飞行控制

为了解决四旋翼无人机在室内等无GPS信号的复杂环境中实现自主飞行的问题,在对四旋翼无人机进行非线性建模的基础上,分别设计了基于反步法结合滑模理论的姿态控制器和基于PID的位置控制器.考虑到激光测距仪高昂的价格,提出一种基于红外传感器和扩展卡尔曼算法(EKF)实现无人机室内自主飞行定位的方法,通过无人机的旋转运动弥补红外传感器每次只能测量单一点距的缺陷.最后,通过仿真验证所设计的控制器和定位算法的性能.Wyfh2结果证明了所设计的四旋翼无人机室内自主飞行方法的有效性和可靠性.     

四旋翼无人机自适应导航控制

研究四旋翼(Quadrotor)无人机导航控制问题。针对传统的四旋翼无人机导航控制方法的目标定位误差和实时性差问题,提出了基于CLOS技术的导航控制方法。采用CLOS技术所开发的导航控制系统使得四旋翼无人机能够在移动停机坪完成自主导航和着陆的任务,并详细研究了导航控制系统的设计和仿真。仿真结果显示了所设计的导航控制系统的性能和有效性,可应用于四旋翼无人机的实时导航。     

基于虚拟现实的四旋翼无人机控制仿真教学平台

针对现有仿真教学平台在开展对四旋翼无人机控制仿真教学时存在的问题,引入虚拟现实技术开展对四旋翼无人机控制仿真教学平台的设计研究。首先,利用MATLAB和Java设计四旋翼无人机控制仿真教学平台结构框架;其次,对平台中所需的无人机、蓝牙、通信芯片等硬件选型;最后,利用虚拟现实技术构建四旋翼无人机控制模型。通过对比实验证明,新的仿真教学平台可以实现对无人机控制飞行轨迹的直观展示,对于提高仿真教学质量具有重要的意义。     

四旋翼无人机时延模糊自抗扰容错控制

针对四旋翼无人机系统执行器故障问题,为改善飞行控制系统性能,提出一种时延模糊自抗扰容错控制。首先,根据四旋翼无人机系统非线性数学模型和执行器故障模型,选择模糊自抗扰控制器作为基准控制器,在未发生执行器故障的情况下,使飞行控制系统保持稳定;其次,在发生执行器故障的情况下,利用时延控制技术估计故障信息,并与模糊自抗扰控制相结合,实现容错控制;最后,对所研究的容错控制算法进行数值仿真分析,仿真结果表明:把时延控制与模糊自抗扰控制相结合,能有效调节执行器故障,使飞行控制系统对故障产生的干扰具有良好的鲁棒性。     

四旋翼无人机飞行姿态模型参考自适应控制

四旋翼无人机具有机械结构简单、可垂直起降等优势,在各个领域都有极广泛的应用.经典控制算法如PID对无人机在受扰动或环境变化时的控制效果不理想,难以调节至平衡状态.论文对动力学建模加以适当简化,设计了自适应控制律,数值仿真实验结果表明,模型参考自适应控制能在很大范围内有效屏蔽干扰,验证该算法是有效的.     

四旋翼无人机控制系统设计

目前无人机已广泛应用到各行各业,其中无人机的稳定控制一直是研究的核心。在飞控系统中各参数的选择对无人机的稳定控制有着至关重要的作用。以STM32微控制器为核心,利用MPU9250采集四旋翼无人机的姿态数据,配合卡尔曼滤波算法对传感器所采集的数据进行融合滤波,从而实现精准的姿态测量。根据飞行姿态结合PID控制算法,完成对四旋翼无人机飞行姿态的控制。     

基于Tiny-YOLOV3的无人机地面目标跟踪算法设计

为了提高四旋翼无人机对地面目标跟踪的稳定性和跟踪精度,提出了一种结合Tiny-YOLOV3和卡尔曼滤波的跟踪算法;首先分析了Tiny-YOLOV3的原理和网络结构,并基于Tiny-YOLOV3的目标检测结果,结合无人机状态和目标的几何关系建立了目标跟踪系统的数学模型;接着对目标相对运动关系进行分析,建立目标的运动学模型,考虑到目标检测结果受干扰影响较大,应用卡尔曼滤波器实现对目标轨迹的滤波和预测,进而提升目标跟踪的精度;最后根据经过卡尔曼滤波后的目标轨迹信息设计无人机控制律,在轨迹控制的同时引入对无人机偏航角的控制,从而实现无人机对目标的稳定跟踪;仿真结果表明无人机对目标的位置跟踪精度在0.5 m以内,速度跟踪误差在0.2 m/s以内,偏航角跟踪误差在3°以内,跟踪效果良好,从而论证了所提算法的有效性。     

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。     

Design of Fractional‐Order Backstepping Sliding Mode Control for Quadrotor UAV

This paper derives a nonlinear translational and rotational dynamic model of the quadrotor UAV. An original fractional‐order backstepping sliding mode control method for a typical quadrotor UAV is presented. The new approach can decrease the chattering phenomenon and increase the robustness of control strategy. The strongly coupled characteristics of the under‐actuated system are sought by the virtual controllers. The feasibility for different track trajectories are verified using MATLAB. The new control method can not only track the expected trajectory very well but also has a better robustness for different complex trajectory under disturbances, as the simulation results demonstrate.     

基于强化学习的四旋翼无人机控制律设计

目前四旋翼无人机大部分都采用经典控制方法进行控制律的设计,然而控制参数的选择和对被控对象数学模型的依赖一直是经典控制方法设计中需要克服的问题;针对此问题,采用了一种基于深度强化学习算法Deep Q Network的无人机控制律设计方法,以四旋翼姿态角和姿态角速率作为三层神经网络的输入数据,最终输出动作值函数,再根据贪婪策略进行动作的选取,通过与环境的不断交互,智能体根据奖惩信息来更新神经网络的权值,使得智能体朝着获得累积回报最大值的方向选取动作;仿真结果表明在经过强化学习训练之后,四旋翼姿态角能够快速准确地跟踪上参考指令的变化,证明了基于强化学习的四旋翼无人机控制律的可行性,从而避免了传统控制方法对控制参数的选择与控制模型的依赖。     

基于神经模糊PID控制的四旋翼飞行器算法

四旋翼飞行器在执行任务时经常会出现稳定姿态精度低,抵抗干扰能力差等问题,提出一种神经模糊PID控制算法来调整原有模糊PID控制的模糊规则和隶属度函数,将设计的神经模糊PID控制算法与建立的四旋翼飞行器动力学模型相结合.为了验证神经模糊PID控制器的有效性,将传统PID、模糊PID控制算法作为对比算法,同时给定人为干扰因...     

基于故障程度的自适应优化容错控制

为了解决故障严重程度等级划分缺乏依据、传统经验直接划分可靠度不高局限明显等问题,提出一种结合间隙度量方法的故障程度等级度量标准。引入间隙度量的相关方法定义一种新的故障等级划分方法,通过这种故障等级划分方法可以直观便捷地确定故障的严重程度。根据不同的故障情况,结合预设的最优容错控制措施对故障系统进行容错控制,有效地提升了系统的鲁棒性和稳健性。设计了两种不同形式的基于故障程度的自适应优化容错控制器,并对容错控制的效果进行了对比分析,仿真实验验证了该方法的有效性,与常规容错方法相比更加灵活高效。