一种小型无人机半物理仿真系统实现

为满足初期试飞阶段控制律参数调节及后期改进阶段控制策略优化的需要,以某新型无人机为应用背景,提出了一种小型无人机半物理仿真系统方案.详细设计了系统基于PC机与局域网(LAN)的硬件结构及模块化的软件流程,并实现了基于四阶龙格-库塔算法的无人机模型移植及基于向量积方法的航向稳定控制.按照测试目的,设计了相应的半物理仿真试验,仿真结果表明,能较全面地验证飞行控制软件的可靠性,结构紧凑、操作简便、实时性强.     

无人机故障注入与故障诊断实时仿真平台研制

对无人机故障注入与故障诊断实时仿真平台的功能模块进行划分和描述,构建仿真系统的框架。在VxWorks环境下建立无人机故障注入与故障诊断半物理实时仿真平台。利用该平台可以进行飞行控制、故障注入与故障诊断等不同的仿真任务,同时各模块相对独立,有较好的移植性和工程应用性,系统测试结果表明了该平台设计的合理性,为无人机故障注入与故障诊断通用仿真平台设计提供了有益参考。     

雷达侦察系统参数测量的建模与仿真

在雷达侦察系统工作过程中,对表征敌方雷达信号特征的参数进行测量是后续进行信号分选和辐射源识别的前提条件;首先介绍了相位差测频和相位干涉仪测向的基本原理,然后对常用于表征雷达信号特征的参数的测量过程建立了数学模型,最后对建立的数学模型进行了仿真验证;仿真的结果表明,建立的数学模型能够有效地模拟雷达侦察系统对雷达信号参数的测量。     

无人机半实物仿真系统研究

针对某型无人机飞行控制系统,设计该飞行控制半实物仿真系统,阐述了该系统的构成、工作原理,并介绍了仿真软件,最后给出在该系统上半实物仿真的结果。结果表明,该系统能为自动驾驶仪创造一个很好的仿真环境,通过它可以较为全面地对飞行控制系统进行调试,极大地节约了试验成本和调试时间,对无人机飞行品质评估和加快无人机研制进度有很重要的意义。     

无人机作战仿真系统前期设计中的几个问题

侦察/攻击无人机作战仿真系统旨在构建一个基于HLA的仿真平台,在给定的作战想定下,对侦察/攻击无人机执行作战任务的整个流程进行仿真推演,对侦察/攻击无人机的作战效能作出评价,为侦察/攻击无人机武器系统的作战使用研究提供研讨环境.侦察/攻击无人机作战仿真系统搞好前期的顶层设计至关重要,针对系统前期设计中的任务定位问题和成员规划问题作了深入探讨.针对侦察攻击无人机仿真系统的特点,提出了以PAC实体行为模型作为仿真引擎的核心技术,以基于组件的开发方法(CBD方法)作为仿真成员设计的基本方法,并对仿真系统的组件接口进行了详细的分析设计,为侦察/攻击无人机作战仿真系统的后续设计奠定了坚实的基础.     

基于VxWorks的无人机半物理仿真研究

为满足无人机飞控/导航控制律参数调节的需要,提出了新的基于MATLAB/Simulink/RTW和嵌入式实时操作系统VxWorks的无人机半物理仿真方法。建立无人机仿真模型,给出了仿真模型配置的关键技术。该系统的硬件平台采用PC/104总线的体系结构,利用RTW接口下载飞机数学模型到VxWorks操作系统。仿真结果表明,系统具有良好的性能和稳定性。     

基于AirSim平台的无人机蜂群侦察搜索仿真与分析

当前关于无人机蜂群侦察搜索运用的研究缺乏可供参考的具体战术运用的模式分析方法.针对上述问题,基于AirSim仿真平台,通过对具体战术背景下的无人机蜂群进行仿真与分析来选择最优策略,提出模式分析的方法.首先,以AirSim仿真平台为基础设计无人机蜂群仿真模型和模拟环境;其次,提出用于模式分析的指标和计算方法;然后,结合战...     

无人机仿真训练系统

为了满足无人机地面操纵人员的训练需求,以某新型无人机为应用背景设计并实现了一种“无人机仿真训练系统”,该文介绍了该系统的构成及其在计算机上的实现过程,并提出了运用小波分析的方法对飞行数据进行滤波。该系统集指挥控制、链路通信、飞控模块、任务载荷及视景显示于一体,重现了无人机操纵人员控制该新型无人机的全过程。对于训练操纵人员,该“无人机仿真训练系统”是一种缩短培训周期,减少费用,更为先进的训练方法。该系统的研制成功,对于提高训练无人机操纵人员的效率和扩大新型无人机的广泛应用具有重要意义。     

无人机载荷航拍控制系统设计

针对无人机(UAV)遥感航拍过程中相机载荷参数自动化控制与飞行航迹实时跟踪的问题,提出一种能自动完成相机载荷控制与航拍控制的设计方案.首先,系统根据实验要求实时获取所在地理位置信息及环境预判信息,再根据相机控制参数表进行参数编码;然后,通过通信口发送自定义协议指令集给硬件控制电路,完成相机载荷参数设置并进行拍摄,同时航迹规划软件实时记录飞行轨迹地理坐标信息.系统设计使硬件控制平台和软件数据处理相结合,实现软硬协同控制.经无人机飞行验证,与单一参数航拍控制模式相比,该系统能根据不同的拍摄环境和拍摄场景进行相机参数的自动化控制与飞行轨迹实施跟踪.     

基于专家PID的带臂四旋翼无人机控制方法

相较于未带臂的无人机,带臂无人机（UAV）的飞行轨迹会出现较大偏差,更难以稳定控制。为了解决带臂UAV的精确轨迹控制问题,提出基于专家PID的带臂四旋翼无人机控制方法。首先,将机械臂搭载于UAV上把它们作为整体,并通过拉格朗日方程建立了带臂UAV的运动学和动力学系统模型;其次,设计专家PID控制器用于对系统的稳定控制;然后利用五次多项式对带臂UAV的机械臂进行轨迹规划;最后,通过仿真验证专家PID控制方法对带臂UAV稳定控制的有效性。实验结果表明,相较于常规PID控制,所提基于专家PID的控制方法提高了系统的响应速度,且能够有效地抑制外部扰动;该方法对于动作情况下的机械臂能够稳定地跟踪其轨迹,且具有很好的抗扰性和鲁棒性。     

Convolutional neural networks for object detection in aerial imagery for disaster response and recovery

Accurate and timely access to data describing disaster impact and extent of damage is key to successful disaster management (a process that includes prevention, mitigation, preparedness, response, and recovery). Airborne data acquisition using helicopter and unmanned aerial vehicle (UAV) helps obtain a bird’s-eye view of disaster-affected areas. However, a major challenge to this approach is robustly processing a large amount of data to identify and map objects of interest on the ground in real-time. The current process is resource-intensive (must be carried out manually) and requires offline computing (through post-processing of aerial videos). This research introduces and evaluates a series of convolutional neural network (CNN) models for ground object detection from aerial views of disaster’s aftermath. These models are capable of recognizing critical ground assets including building roofs (both damaged and undamaged), vehicles, vegetation, debris, and flooded areas. The CNN models are trained on an in-house aerial video dataset (named Volan2018) that is created using web mining techniques. Volan2018 contains eight annotated aerial videos (65,580 frames) collected by drone or helicopter from eight different locations in various hurricanes that struck the United States in 2017–2018. Eight CNN models based on You-Only-Look-Once (YOLO) algorithm are trained by transfer learning, i.e., pre-trained on the COCO/VOC dataset and re-trained on Volan2018 dataset, and achieve 80.69% mAP for high altitude (helicopter footage) and 74.48% for low altitude (drone footage), respectively. This paper also presents a thorough investigation of the effect of camera altitude, data balance, and pre-trained weights on model performance, and finds that models trained and tested on videos taken from similar altitude outperform those trained and tested on videos taken from different altitudes. Moreover, the CNN model pre-trained on the VOC dataset and re-trained on balanced drone video yields the best result in significantly shorter training time.     

基于像素分类的多尺度无人机航拍目标旋转跟踪算法

针对无人机（UAV）跟踪过程中垂直跟踪框在处理尺度变化、相似物体和纵横比变化时限制了跟踪精度提升的问题,提出一种基于像素分类的多尺度UAV航拍目标旋转跟踪算法。首先,设计MS-ResNet以提取目标多尺度特征;然后,在具有正交特性的多通道响应图上设计像素二分类模块,从而进一步精确细化分类和回归分支的结果;同时,为了提高像素分类精度,使用并行通道空间注意力（scSE）模块在空间域和通道域上筛选目标特征;最后,在像素分类基础上生成贴合目标实际大小的旋转跟踪框,从而避免正样本受到污染。实验结果表明：所提算法在无人机跟踪数据集UAV123上的成功率和准确率分别为60.7%和79.5%、与孪生区域建议跟踪网络（SiamRPN）相比,成功率与准确率分别提升了5个百分点、2.7个百分点,同时速度为67.5 FPS,满足实时要求。所提算法具有良好的尺度适应能力、辨别能力和鲁棒性,能有效应对UAV跟踪任务。     

基于近正交试验的无人机搜索策略建模

研究无人机对地目标螺旋式搜索过程中的轨距优化问题。为寻求最优的无人机搜索轨距,根据实际情况建立3种模型。在分析每种模型的优缺点及适应情况的基础上,综合3种模型,建立一个适应各种作战情况的单一参数表达模型,应用近正交试验确定参数表达模型中的参数值。该模型可以解决不同作战环境下无人机对地目标螺旋式搜索过程中的轨距优化问题,可为制定无人机对地目标螺旋式搜索策略提供理论依据。     

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。     

无人机自适应姿态角度估计仿真

针对复杂环境下传感器噪声未知且不断变化,会导致姿态融合结果不准确的问题,设计了一种基于单新息自适应算法的卡尔曼滤波器,对加速度计和陀螺仪噪声协方差进行在线估计。首先,介绍了能够结合各个传感器优势的无人机姿态融合算法。然后,设计了采用基于单新息自适应算法的卡尔曼滤波器,给出了能够在线估计加速度噪声协方差R和陀螺仪噪声协方差Q的自适应算法。MATLAB仿真表明单新息自适应卡尔曼滤波器在环境噪声变化时,能够更准确地获得无人机的姿态信息,提高了姿态融合精确度,提高了滤波器的鲁棒性。     

A review on communication protocols for autonomous unmanned aerial vehicles for inspection application

The communication system is a critical part of the system design for the autonomous Unmanned Aerial Vehicle (UAV). It has to address different considerations, including efficiency, reliability and mobility of the UAV. In addition, a multi-UAV system requires a communication system to assist information sharing, task allocation and collaboration in a team of UAVs. In this paper, we review communication solutions for supporting a team of UAVs while considering an application in the power line inspection industry. We provide a review of candidate wireless communication technologies for supporting communication in UAV applications. Performance measurements and UAV-related channel modeling of those candidate technologies are reviewed. A discussion of current technologies for building UAV mesh networks is presented. We then analyze the structure, interface and performance of robotic communication middleware, ROS and ROS2. Based on our review, the features and dependencies of candidate solutions in each layer of the communication system are presented.     

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。     

基于MAVLink协议的无人机系统安全通信方案

MAVLink是一种应用于无人机（UAV）与地面站（GCS）之间的轻量级通信协议,它定义了一组包括UAV状态和GCS控制命令的UAV与GCS交互的双向消息。针对MAVLink协议缺乏足够的安全机制,存在可能导致严重威胁和隐患的安全漏洞的问题,提出了一种基于MAVLink协议的UAV系统安全通信方案。首先,UAV持续交替广播连接请求。然后,GCS向UAV发送公钥,双方利用DH算法进行密钥协商计算出共享密钥,并使用AES算法对MAVLink消息包进行加密通信,完成身份认证;若UAV在规定时间内未收到GCS发送的公钥或对MAVLink消息包解密错误则主动断开连接,更新公钥后重新广播连接请求。另外,针对UAV系统存在被恶意篡改的安全问题,在启动引导时对UAV系统固件进行了自校验。最后,基于形式化验证工具UPPAAL证明了所提方案具有活性、可连接性以及连接唯一性,并对UAV PX4 1.6.0与GCSQgroundControl3.5.0的通信过程进行抓包测试。结果表明,所提的UAV系统安全通信方案能够防止在UAV与GCS通信过程中存在的恶意窃听、篡改消息、中间人攻击等恶意攻击,并且对UAV性能影响较小,较好地解决了MAVLink协议存在的安全漏洞。