基于ADRC迭代学习控制的四旋翼无人机姿态控制

针对农用无人机超低空表型遥感和喷药精准悬停易受地效扰动问题,提出了一种自适应ADRC姿态控制器。首先设计了基于ADRC的姿态控制器,结合四旋翼无人机平台在0.9~1.1、1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9、3.3~3.6m/s侧向水平风、0.9~1.1m/s(11°)、1.1~1.3 m/s(13°)、1.4~1.6 m/s(18°)、1.8~2.0 m/s(18°)、2.1~2.5m/s(18°)前俯向风和侧俯向风下进行干扰的预测和控制量的补偿实验。实验结果显示使用ADRC姿态控制器后无人机抗风性能有较大提升。然而在存在初始误差时,ADRC固定带宽无法满足要求,进一步设计了自适应ADRC姿态控制器(ILC-ADRC)。通过迭代学习控制在线优化自抗扰控制器带宽,实现了不同增益观测器的自适应整定。实验结合四旋翼无人机平台分别进行了机头实际方向与期望方向偏离55°、90°、180°,水平风速1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9 m/s下使用ADRC和ILC-ADRC的对比。实验结果显示采用ILC-ADRC姿态控制器,在150次控制周期内,偏航角误差均在-15°~15°之间,满足四旋翼无人机偏航角控制精度要求,同时调节时间分别缩短了40%,16.67%,12.5%,53.33%,10.34%,13.95%,27.27%,58.66%,11.86%。

基于复杂地块凸划分优化的多无人机覆盖路径规划

全覆盖路径规划是无人系统路径规划的重要内容之一。伴随无人机(UAV)技术的不断发展,无人机全覆盖路径规划在较多领域中已有重要运用,但在此过程中,往往会出现禁飞区和障碍物,需要进行路径规划保证飞行安全及效率。为此,基于凸划分优化,提出了一种针对含有复杂障碍物的复杂地块的全覆盖路径规划方法,减少了覆盖路径长度,降低了覆盖路径总时间。复杂地块往往含有光滑曲线或崎岖的内凹边界轮廓,首先采用改进Douglas-Peucker算法,将复杂的地块边界压缩为复杂多边形边界,再用凹凸点检验标记顶点凹凸性。之后通过旋转主线找出最短主线方向,再使用随机路标法(PRM)寻找最短的辅线,并采用四种凸划分策略对于复杂地块进行凸划分优化,使得无人机在全覆盖过程中路径更短,工作效率更高。最后,对测试地块进行计算机仿真,达到整体路径比67.6%和54.9%的性能指标,并与其他凸划分优化算法在相同地块上进行比较,验证了本文算法在路径长度以及规划时间上相对更优。