基于 IESPSO 的舵机倾转矢量动力系统建模与参数辨识

针对在旋翼动态时产生的外力矩影响下,倾转矢量动力系统中的舵机系统模型辨识精度低、实际响应难以估计的问题,本文将舵机外力矩作为扰动噪声纳入辨识环节,构建系统模型,并提出了一种基于改进生态系统粒子群优化(IESPSO)的倾转旋翼舵机系统参数辨识方法。为确保试验稳定安全进行,本文设计了倾转矢量动力系统辨识平台,进行参数辨识试验。试验结果表明,在旋翼动态时产生的外力矩噪声影响下,IESPSO相对于粒子群优化法、生态系统粒子群优化法与递推最小二乘法,均方根误差降低了1.46%,1.79%与56.37%,辨识精度有明显提升,并具备更快的寻优收敛速度。在修改搜索空间后,IESPSO仍具有较高的寻优精度,避免了在宽搜索空间下无法快速搜索至较优可行解的问题。     

直线型倾转多旋翼植保无人机建模与控制

针对直线型倾转多旋翼植保无人机模型耦合复杂、作业时易受施药执行器干扰等问题,提出了一种模型补偿-线性自抗扰控制算法。首先建立无人机运动学和动力学模型,并分析作业时离心喷头产生的力矩作用影响;然后将作业模型中的固定部分作为已知扰动,引入模型补偿-扩张状态观测器估计内外未知总扰动并动态补偿控制系统,完成位姿控制器设计。仿真结果表明,所提出的算法在作业场景下偏航角度误差小于0.2°,恢复时间小于0.55 s,相比于PID算法和线性自抗扰算法最大角度偏差分别降低3.4°和0.9°,恢复时间减少3.1和0.99 s,具有较强的鲁棒性。飞行实验表明,该无人机可以很好地跟踪植保作业轨迹,最大位置稳态误差小于15 cm,满足植保作业需求。     

基于改进 ESKF 的植保无人机时延位姿补偿算法

为解决全球导航卫星系统和惯性测量单元融合时间不同步问题,提高植保无人机位姿估计精度,本文根据植保无人机 大惯性、强振动的特性提出一种基于改进误差状态卡尔曼的时延位姿补偿算法。 首先对名义状态变量线性预测,引入渐消因子 提高强振动环境下的系统稳定性;接着采用互补滤波对角速度补偿,对姿态误差状态变量修正;最后结合测量的延迟时间,使用 互补滤波外推数据,提高大惯性特性下的速度位置精度。 实验结果表明,相较于误差状态卡尔曼算法,横滚角和俯仰角均方根 误差减少 0. 266 9°和 0. 241 4°,偏航角均方根误差减少 0. 076 4°;正常航迹植保作业下,东北天方向速度均方根误差减少 0. 210 5、0. 184 9、0. 238 8 m/ s;东北天方向位置均方根误差分别减少 0. 21、0. 19、0. 23 m,有效提高位姿估计精度。