基于人工势场与IB-LBM的机器蛇水中2D避障控制算法

为了提高多冗余度、多自由度机器蛇水下环境运动适应能力,提出了基于人工势场与IB-LBM （immersed boundary method-lattice Boltzmann method）相结合的机器蛇水中2D智能避障算法.首先,采用格子Boltzmann方法描述2D水中障碍模型、构造统一形式.然后,运用浸入边界法,结合现有的蛇形曲线运动方程,在计入人工势场法引力和斥力作用的情况下,推导得到机器蛇2D水中避障模型.之后,通过改变障碍影响距离、机器蛇摆动振幅、摆动频率、障碍点斥力增益系数、雷诺数以及目标点引力增益系数等重要参数,研究机器蛇在不同情况下的避障效率和避障安全性.最后,通过多次仿真求取各项参数的最优值.仿真结果表明,在各项参数都最优时,该算法能使机器蛇快速、安全、有效地避开水下复杂环境中的静态障碍而到达目标点.该方法不仅能够充分研究机器蛇在水中的流固耦合特性,获得实时避障效果,而且能够利用已知的环境信息生成最优路径.     

基于参数估计的四旋翼无人机自适应鲁棒路径跟随控制器

为提高四旋翼无人机的路径跟随精度和飞行鲁棒性,提出一种基于参数估计的四旋翼无人机自适应鲁棒路径跟随控制器。该控制器能够自适应估计无人机模型中的陀螺效应因子和风阻系数,利用估计值补偿系统的控制输入,设计抗干扰项抵消外界环境的负面影响,提高了四旋翼无人机的路径跟随性能和抗干扰能力。建立四旋翼无人机的非线性力学模型,将无人机的路径跟随目标划分为姿态角目标和运动位置目标。利用反步滑模方法和自适应控制方法设计无人机的控制输入方程和估计值更新律。根据Lyapunov方法验证无人机姿态系统和运动位置系统的渐进稳定性。仿真实验和样机实验结果验证了所提控制器的有效性与优越性。     

一种共轴双旋翼飞行器悬停控制联合仿真

利用Adams/MATLAB联合仿真平台,对一种具有周向均匀分布3个舵机的操纵机构共轴双旋翼飞行器悬停控制问题进行了研究。考虑到目前对上旋翼和下旋翼之间气动干扰没有准确的数学模型,在动力学建模时利用叶素理论和Pitt-Peters动态入流模型对飞行器的气动干扰和挥舞运动进行近似建模,其他未准确建模的部分用控制算法进行补偿。选用鲁棒性较强的滑动模态控制算法并与PID算法相结合对飞行器姿态进行控制,同时利用PID算法建立姿态和位置的关系,使其具备按照空间坐标点悬停的能力。将装配模型导入Adams中建立动力学模型,在Simulink搭建控制器并进行联合仿真。研究结果验证了所设计控制方法的有效性,飞行器悬停位置的最大动态误差小于±0.2 m.     

基于改进人工势场法和自适应神经网络的共轴双旋翼无人机避障飞行控制

针对共轴双旋翼无人机(coaxial rotor unmanned aerial vehicle, CR-UAV)在未知和危险环境中飞行避障的控制问题，基于飞行态势图和改进人工势场算法，提出了一种新的避障方法。首先，该方法通过飞行态势图对障碍物信息进行建模，考虑了CR-UAV飞行控制的约束条件，可使无人机有效利用障碍物信息进行避障，避免了局部极小点的问题，无人机的控制和避障能力显著提高；其次，采用基于径向基函数的神经网络(RBFNN)对CR-UAV飞行中的干扰进行估计并实时补偿，采用非线性状态误差反馈实现CR-UAV的姿态跟踪控制，从而保持无人机避障飞行过程中的姿态稳定；最后，进行了仿真实验。从仿真结果可以看出，无人机在避障飞行具有良好的姿态稳定能力。