四旋翼无人机飞控系统仿真平台研究

为了便于对四旋翼无人机的飞行控制系统进行开发,设计了一个用于验证飞行控制系统的全数字仿真平台;建立了四旋翼无人机的数学模型,利用Simulink下的RTW(Real-Time Workshop)工具箱将数学模型转化为C++代码添加到仿真平台中;设计了可视化平台,可将仿真过程直观的进行显示;仿真平台采用C++语言实现,具有良好的外部接口,可方便的将设计好的飞行控制算法添加到仿真平台中,以进行验证和参数整定,还具有数据存储和仿真过程回放等功能;经实际运行表明,仿真平台直观可视,运行良好,能较好地对飞控系统进行仿真验证。     

基于双种群遗传算法的四旋翼飞行器PID参数整定方法

针对四旋翼飞行器的PID控制器参数整定问题,提出使用双种群遗传算法对控制器参数进行寻优;四旋翼飞行器的PID参数调整困难,由于通道间的耦合关系使常规的参数调整方法失效,提出结合双种群遗传算法,寻找最优的PID参数组合,实现飞行器控制;结合动力学模型并加以适当简化,设计了PID控制器,使用双种群遗传算法整定参数,进行了数据仿真实验;结果表明,双种群遗传算法能够提高单种群遗传算法5%的性能,获得的参数控制效果更好。     

四旋翼飞行器多传感器硬件的电路设计

随着我国经济建设的深入发展,各行各业的科技水平均获得了明显的提升,能源、微电子等技术的应用,为科学的进一步发展创造了良好的条件。四旋翼飞行器有着优良的飞行安全保障,其明显的优势性能已经在当前获得了相关领域和学术界的广泛关注。为了更好地满足四旋翼飞行器的应用要求,和实现对四旋翼飞行器的控制平台和硬件电路的设计,就要对四旋翼飞行器的飞行原理和结构特点进行深入的分析,提出优化性建议,采用多传感器技术对四旋翼飞行器硬件的电路设计进行研究,以便为四旋翼飞行器的进一步研发提供一些参考。     

带吊挂负载的四旋翼无人机双模糊滑模控制

为了提高带吊挂负载的四旋翼无人机轨迹跟踪性能,设计了一种双模糊滑模控制器,在削弱抖振的基础上自适应调节所构建滑模面的斜率.仿真结果表明,双模糊滑模控制器优化了快速性指标;跟踪控制调整时间有所减少;对速度跟踪的稳态误差有一个良好的控制效果,该策略的有效性和稳定性得到了验证.     

四旋翼无人机的旋翼空气动力学建模与仿真

针对四旋翼无人机在不同飞行状态与不同姿态角状态下如何提升飞行稳定性的问题,提出了通过调整俯仰角来提升飞行稳定性的方法.首先建立了四旋翼无人机的机体坐标系与地面坐标系,运用动量理论、涡流理论及叶素理论,对四旋翼无人机的旋翼进行动力学分析,得到桨叶叶素所受到的空气动力及力矩,然后建立了各个旋翼空气动力学系数与飞行稳定性系数的数学模型,并使用MATLAB进行了仿真,得出各个旋翼空气动力学系数在不同飞行状态下的变化情况.最后进行了实际飞行检测,得出四旋翼无人机在飞行过程中,俯仰角保持在[-5°,5°]内,能有效提高飞行稳定性.     

可动态重构的旋翼飞行器设计与运动特性分析

针对旋翼飞行器因机体结构受运动路径中空间变窄限制而无法连续穿越的问题,研究设计了一种可动态重构的旋翼飞行器,通过改变机体构形实现对空间变化的运动应对,提高飞行器在复杂环境下连续运动作业的能力.该系统采用链式模块化结构,通过旋转关节实现构形的2维变化.根据机体结构特点和运动控制方式,基于D-H(Denavit-Hartenberg)规则推导了空间变换矩阵,求解了变化重心,建立了机体运动学模型.基于几何、动力和控制响应约束,提出了构形变换的求解方法,并针对该模型给出了边界条件.最后进行了飞行器稳定性、操纵性及临界构形实验.结果 表明,构形变换过程中,飞行器姿态稳定,无明显突变,各轴向最大变化量在4°以内;濒近临界构形时飞行器操控顺畅,跟踪控制响应能够在0.1s内完成.实验验证了姿态可控的临界构形角度集为{180°,180°,113°},通过几何运算,采用固定航向方式,飞行器的通过半径可缩小21.89％,结合航向控制的方式,最大通过半径可缩小67％.飞行器具备稳健完成动态重构和通过窄间隙的能力.     

改进TD3算法在四旋翼无人机避障中的应用

为了提高无人机（Unmanned Aerial Vehicle,UAV）系统的智能避障性能,提出了一种基于双延迟深度确定性策略梯度（Twin Delayed Deep Deterministic Policy Gradient,TD3）的改进算法（Improved Twin Delayed Deep Deterministic Policy Gradient,I-TD3）。该算法通过设置两个经验缓存池分离成功飞行经验和失败飞行经验,并根据两个经验缓存池的不同使用目的分别结合优先经验回放（Prioritized Experience Replay）方法和经验回放（Experience Replay）方法,提高有效经验的采样效率,缓解因无效经验过高导致的训练效率低问题。改进奖励函数,解决因奖励设置不合理导致的训练效果差问题。在AirSim平台上实现仿真实验,结果表明在四旋翼无人机的避障问题上,I-TD3算法的避障效果优于TD3算法和深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）算法。     

基于模型的四旋翼无人机半实物仿真平台研究

为了降低在真实飞行器上测试新的控制策略时所存在的设备损坏风险,对四旋翼无人机的控制器和半实物仿真实验平台进行了开发和介绍;首先,分析了四旋翼无人机基本结构和飞行原理,并对其进行了动力学建模;其次,设计了对应的常规PID控制器和滑模控制器,并进行了Matlab仿真对比和分析;最后,展示了采用先进的基于模型的设计方法和代码自动等技术的半实物仿真实验平台,并详细介绍了其硬件和软件的总体架构和不同模块的配置;仿真结果表明所设计滑模控制器相比于PID控制器有更好的控制效果,并给出了其在半实物仿真平台上用来研究四旋翼无人机姿态控制的可行性。     

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。     

基于终端滑模的四旋翼飞行器非线性轨迹跟踪控制

考虑到四旋翼飞行器的传统内外环控制策略依赖时标分离假设,稳定性分析复杂,并且控制参数选取困难的缺点,提出了一种与传统内外环控制策略不同的轨迹跟踪控制器;首先将四旋翼飞行器数学模型进行相应的变换,以分解为高度、偏航角和纵横向三个级联的子系统,再使用终端滑模控制方法设计高度和偏航角子系统的控制器,使两个子系统的状态误差可以在有限时间内收敛到原点,之后基于变量非线性变换设计纵横向子系统的控制器,分析了闭环系统稳定性,证明了所设计的轨迹跟踪控制器可以保证闭环系统跟踪误差渐近稳定到原点,最后仿真实验的结果验证了所设计的控制器的有效性。