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。     

具有输入死区与扰动的四旋翼无人机自抗扰控制

研究了具有输入死区与扰动的四旋翼无人机的姿态控制问题。由于输入死区普遍存在于四旋翼无人机的执行机构,并且易受到扰动的影响。针对具有输入死区与扰动的四旋翼无人机系统,设计基于自抗扰的动态面控制器。采用自抗扰控制算法设计扩张状态观测器估计系统的总扰动,采用动态面方法设计控制律。所设计的控制器使四旋翼无人机实现对期望姿态角跟踪。仿真结果验证了该方案的有效性。     

基于北斗通信技术的无人机运动轨迹跟踪控制系统设计

为使所获俯仰角、滚转角、偏航角跟踪结果均与无人机实际运动轨迹保持一致,实现对整条行进轨迹的准确追踪与控制,设计基于北斗通信技术的无人机运动轨迹跟踪控制系统;定义北斗通信系统的运维报文、通知协商报文、业务数据报文3种不同格式的协议文件,提升通信数据的实时传输能力;以此为基础深入分析无人机飞行器的内部结构组成,再结合大量行进姿态数据,完成对无人机运动轨迹跟踪控制系统的动力学建模;确保主供应电路的顺畅连接,将通信数据匹配至全驱动运动结构、姿态调节器、自适应控制器、轨迹追踪器四类硬件应用结构中,实现无人机运动轨迹数据的准确、实时传输;完成系统的主控结构设计;联合所有软、硬件运行条件,实现基于北斗通信技术的无人机运动轨迹跟踪控制系统设计;根据实验结果可知,所设计系统主机所获得的俯仰角、滚转角、偏航角跟踪结果均与无人机实际运动轨迹相差无几,符合准确追踪完整无人机行进轨迹的应用需求。     

四旋翼无人机的偏航抗饱和与多模式PID控制

四旋翼无人机偏航运动能力比俯仰、滚转运动能力弱,因此在偏航运动上更容易出现执行器饱和.特别在外界干扰下,偏航常常出现饱和现象,对此从实际工程出发提出了一种多模式PID(MMPID)控制器,抑制偏航饱和,并保证在外界干扰情况下具有较好的偏航控制性能.首先,根据四旋翼无人机的动力学模型,设计了基于MMPID的偏航控制器.MMPID算法具有多模式特性,在满足一定条件时采取退饱和控制策略.其次,利用李亚普诺夫稳定理论证明了基于MMPID的偏航控制系统的稳定性.最后,通过四旋翼无人机偏航仿真实验比较了MMPID与变结构PID算法的抗饱和性能与偏航控制性能,结果表明MMPID算法具有明显的控制性能优越性.并且,通过四旋翼原型机实验验证了MMPID偏航控制器的有效性和鲁棒性.实验结果表明:在室内无干扰情况下,基于MMPID的偏航系统基本无执行器饱和现象,最终偏航角误差收敛到±0.05 rad;在室内加入干扰情况下,执行器退出饱和时间约10 s,偏航角误差收敛到±0.08 rad;在室外,偏航退饱和时间约5 s,偏航误差收敛到±0.13 rad.MMPID控制器有效地抑制了四旋翼无人机偏航运动上的执行器饱和,并可实现准确的偏航姿态控制和强鲁棒性.     

共轴八旋翼无人飞行器的偏航静态抗饱和补偿控制

设计了一种共轴八旋翼无人飞行器,与四旋翼飞行器相比,其具有更大的驱动能力、更强的带载能力和一定的冗余能力．首先,建立了飞行器的动力学模型．针对共轴八旋翼飞行器偏航运动能力比俯仰、滚转运动能力弱,偏航容易出现执行器饱和现象的问题,从实际工程出发提出了基于线性自抗扰控制器的静态抗饱和补偿器．线性自抗扰算法易于工程调节,能够实时估计与补偿外界扰动．静态抗饱和补偿器不增加系统阶次,有效抑制偏航执行器饱和．利用李亚普诺夫稳定理论证明了基于线性自抗扰控制器的静态抗饱和偏航控制系统的稳定性．最后,通过共轴八旋翼飞行器的仿真实验与原型机比较实验验证了算法的有效性与鲁棒性．原型机实验结果表明：在室内固定干扰下,执行器退出饱和的最长时间约为4 s,偏航角误差收敛到±0.085 rad;在室外变干扰下,执行器退出饱和的最长时间约为9 s,偏航角误差收敛到±0.127 rad．基于线性自抗扰控制器的静态抗饱和补偿器在外界干扰情况下能够有效地抑制执行器饱和,具有良好的偏航控制性能与强鲁棒性．     

饱和输入下四旋翼无人机滑模轨迹跟踪控制

为解决四旋翼无人机在饱和输入下的轨迹跟踪控制问题,同时兼顾系统存在的参数不确定性和外部风力扰动影响,设计了一种改进的抗干扰自适应鲁棒滑模控制方法;基于六自由度架构,设计四旋翼无人机简化的系统模型,进而降低控制器设计的复杂程度;引入带有误差信号的滑模函数,设计带有误差信号的饱和补偿自适应控制律,同时增加鲁棒控制项,降低由于饱和输入问题带来的抖振影响,并减小参数不确定和外部风力扰动对系统稳定性的影响;系统模型与抗干扰自适应控制律相结合,形成了改进的抗干扰自适应鲁棒滑模控制策略,实现四旋翼无人机的位置轨迹和姿态轨迹的稳定跟踪;最后通过数值仿真与传统PD控制算法进行仿真比较,验证控制方法的有效性和优越性。     

基于气动参数调节的无人机抗扰动控制算法

无人机飞行受到气动阻尼扰动,从而导致控制稳定性不好。当前采用翼型截面气动参数调节的方法进行无人机抗扰控制,以扭角以及振动方向等参数为约束指标,参数调节的模糊度较大,对气动姿态参数调节的稳定性不好。文中提出基于气动参数调节的无人机抗扰动控制算法。该算法根据无人机的飞行工况构建各阶模态对应的气弹耦合方程,在速度坐标系、体坐标系、弹道坐标系三维坐标系下构建无人机的飞行动力学和运动学模型;采用卡尔曼滤波方法实现对无人机飞行参数的融合调节和小扰动抑制处理,并采用末端位置参考模型进行无人机飞行轨迹的空间规划设计;在卡尔曼滤波预估模型中实现对动力学模型的线性化处理,采用气弹模态参数识别方法进行无人机的飞行扰动调节;将姿态控制作为内环,获得位置环状态反馈调节参数;以无人机的升力系数和扭力系数作为气动惯性参数进行飞行姿态的稳定性调节,从而实现无人机抗扰动控制律的优化设计。采集飞机的俯仰角、横滚角和航向角作为原始数据在Matlab中进行仿真分析,仿真结果表明,采用所提方法进行无人机抗扰动控制的稳定性较好,对气动参数进行在线估计的准确性较高,航向角误差降低12.4%,抗扰动能力提升8dB,收敛时间比传统方法缩短0.14 s,无人机飞行的抗扰动性和飞行稳定性得到提高。所提方法在无人机飞行控制中具有很好的应用价值。     

基于自抗扰解耦模型的四旋翼姿态控制器设计

为了克服传统控制器控制四旋翼姿态效果差的问题,提出了基于自抗扰解耦模型的四旋翼姿态控制器设计。硬件结构通过通过 PCIE-PCI 转接卡和运动控制板卡连接计算机,借助运动控制板卡计算四旋翼电机控制量;选用MACH4运动控制板卡有效控制四旋翼姿态加速度;选择JQX-13F型号继电器,在电气输出电路中形成控制量阶跃性改变,借助小电流去操控大电流,有效控制四旋翼姿态角速度;使用MS-S3型号带数显伺服驱动器,可根据负载不同自动调节驱动器输出电流大小。以Cortex- M4内核结构为基础设计微控制器,有效控制四旋翼姿态角。分析四旋翼姿态控制器受力情况,构建自抗扰解耦模型,在滚转角、俯仰角和偏航角支持下,计算螺旋桨中心至机体坐标原点的距离、惯性力矩,借助Visual C++6.0设计控制流程。实验结果表明,以X轴为例,采用所设计控制器得到四旋翼加速度平均值为0.8m/s2、角速度平均值为6.08m/s、姿态角平均值为10.5°,与实际情况相符合,表明该控制器能够实现飞行姿态的稳定控制。     

基于RFID技术的四旋翼无人机轨迹跟踪控制系统设计

为促进四旋翼无人机的飞行自主性,增强无人监管情况下飞行器主机所具备的避障行进能力,设计基于RFID技术的四旋翼无人机轨迹跟踪控制系统;采用RFID标签识别技术,调制处理既定控制信号,利用标签识别协议,连接微型四旋翼轨迹控制器与内环姿态控制器,通过数据通信链路,提取轨迹跟踪控制所需的传输电子量,完成轨迹跟踪控制系统硬件设计;利用动力系统中的参数辨识策略,确定与轨迹姿态控制相关的物理规律标注,实现四旋翼无人机轨迹跟踪控制;实验结果表明,与机器视觉型控制系统相比,基于RFID技术的控制系统的SSI避障行进指标数值相对较高,全局最大值达到了 79％,四旋翼无人机滚转角平均值为85°,能够有效抑制四旋翼无人机滚转角的数值上升趋势,增强无人监管情况下飞行器主机避障行进能力.     

无人机滑降着陆控制系统设计

针对滑跑型无人机回收阶段对下滑角跟踪以及触地时姿态角的高要求,设计了一种无人机滑降着陆控制方式。首先,给出了滑降控制系统结构图,在此基础上分别进行了滑降横侧向控制器和滑降纵向控制器的设计,具体进行了直线航迹和圆航迹的控制方法以及下滑段的高度控制量算法的分析。然后,进行了滑降着陆控制模式设计,将滑降过程分解为降高、平飞、下滑以及拉平四个阶段分别进行设计,并在拉平阶段给出了俯偏航距仰角控制量与离地高度的关键技术公式。仿真结果表明,该无人机滑降着陆控制系统平飞段偏航距小于5m,接地时偏航距约为0m;平飞段高度跟踪误差为0m,下滑段高度跟踪误差2m;落地姿态角为0.4度。具有高度控制误差小、偏航距离短、落地姿态角安全性高的优点,能满足滑跑无人机对滑降阶段的控制要求。     

基于双目视觉的无人飞行器目标跟踪与定位

针对小型无人飞行器跟踪目标的问题,提出了一种基于双目视觉和Camshift算法的无人飞行器目标跟踪以及定位算法。双目相机得到的左右图像通过Camshift算法处理可得到目标中心特征点,对目标中心特征点进行三维重建,得到机体坐标系下无人飞行器与目标间的相对位置和偏航角,应用卡尔曼滤波算法对测量值进行了优化,将所得估计值作为飞行控制系统的反馈输入值,实现了无人飞行器自主跟踪飞行。结果表明所提算法误差较小,具有较高的稳定性与精确性。     

移动机器人轨迹跟踪快速终端滑模自抗扰控制

针对移动机器人动力学模型难以精确建立、运动过程中各种干扰对高精度轨迹跟踪造成偏航等问题,构造出一种快速终端滑模自抗扰控制器,实现了高速高精度轨迹跟踪控制目标。首先建立非完整移动机器人的干扰控制模型;然后运用扩张状态观测器实时监测系统未建模动态与各种干扰;同时将扩张状态量和系统反馈量作为快速终端滑模算法的系统变量;最后设计出一种快速终端滑模控制律,代替传统自抗扰算法中的非线性控制律,从而实现位姿的快速精确跟踪。该算法既克服了非线性误差控制律中参数繁杂不易整定的缺陷,又增强了系统鲁棒性和轨迹跟踪的动态品质。对比仿真实验验证了该控制算法的有效性和先进性。     

一种空间曲线轨迹跟踪的无人机自适应导航控制算法

随着固定翼无人机飞行任务复杂化,为了实现高精度的空间曲线导航控制,基于L1-Navigation非线性导航控制算法,设计自适应模糊控制器优化固定翼无人机跟踪空间曲线导航控制方法。以球面上的空间八字曲线为例,对八字曲线建模,通过坐标转换求得目标航点位置来计算无人机飞行加速度。为了优化加速度控制无人机跟踪空间曲线性能,在L1-Navigation导航控制器中,针对增益系数设计一个双输入单输出模糊控制系统,以轨迹误差和轨迹误差变化率为输入量,以计算横向加速度的增益系数常数为输出量。最后,在Ardupilot飞控中进行飞行模拟实验,飞行实验表明,所提出方法能够精确跟踪空间曲线路径,并且有很好的自适应性。     

四轮转向车辆转向解耦的双点跟踪控制

针对四轮转向(4WS)无人车辆路径跟踪中的过约束问题, 本文提出一种前后轮转向解耦的双点跟踪控制策略. 建立4WS车辆单轨运动学模型, 约束前后轮转向角速度, 规划曲率连续的回旋曲线参考位姿序列, 将其解耦为前后轴中心的双点参考轨迹; 以前后轮中心点为控制点, 采用非线性反馈控制的预瞄方法分别获得转向控制率, 双点跟踪误差指数收敛于0. 仿真和实车验证结果表明, 所提出的双点跟踪控制策略横向误差标准差减少0.2 m, 横摆角误差标准差减小3.0?, 具有更大的前后轮转角控制域和较高的跟踪精度     

菱形翼布局无人机自抗扰直接升力着陆控制

针对采用传统的着陆控制方法时,菱形翼布局无人机存在着陆俯仰姿态角为负,对无人机着陆不利的情况,提出一种采用直接升力进行着陆的控制方案,可以实现着陆轨迹与着陆姿态之间的解耦,使得无人机可以以较好的姿态进行着陆.采用自抗扰控制(ADRC)方法分别设计了无人机非线性直接升力控制律以及着陆轨迹跟踪控制律.仿真结果表明:采用ADRC设计的非线性直接升力控制律可以实现直接升力控制的3种模式,并且对气动参数摄动具有较强的鲁棒性;采用直接升力着陆控制方法可以使得无人机以有利的姿态进行着陆,同时在近地面突风作用下,无人机依然可以以较好的姿态进行着陆.     

基于粒子滤波的无人机自主轨迹视觉导航控制方法研究

针对现有无人机导航控制方法存在的控制效果不佳的问题,本文提出一种基于粒子滤波的无人机自主轨迹视觉导航控制方法研究。利用粒子滤波算法,实现对无人机自主轨迹视觉导航控制方法的优化设计。采用栅格法构建无人机飞行环境地图,根据无人机的机械组成结构和工作原理,构建运动状态模型。利用内置的摄像机设备采集视觉图像,执行图像灰度转换、几何校正、滤波等预处理步骤。通过对视觉图像的特征提取,判断当前环境是否存在障碍物。利用粒子滤波算法确定无人机位姿,结合障碍物识别结果规划无人机的自主飞行轨迹。将位置、速度和姿态角的控制量计算结果,输入到安装的导航控制器中,完成无人机的自主轨迹视觉导航控制任务。通过实测分析得出结论：应用设计的导航控制方法,其位置误差、速度误差以及姿态角误差均维持在预设值以下,即设计的导航控制方法具有良好的控制效果。     

轮子打滑状态下全向移动机器人轨迹跟踪控制

针对全向移动机器人轨迹跟踪控制中存在未知轮子打滑干扰问题,设计自抗扰反步控制器.首先,建立存在轮子打滑扰动的全向移动机器人的运动学模型;然后,融合自抗扰控制技术与反步控制技术,设计基于全向移动机器人运动学模型的轨迹跟踪控制器,该控制器分别从纵向控制、横向控制及姿态控制上对打滑干扰进行实时估计与补偿;最后,利用Lyapunov定理分析闭环系统的稳定性并通过仿真实验验证了所提出控制算法的有效性和鲁棒性.