Trajectory Tracking of Vertical Take-off and Landing Unmanned Aerial Vehicles Based on Disturbance Rejection Control

We investigate the trajectory tracking problem of vertical take-off and landing (VTOL) unmanned aerial vehicles (UAV), and propose a practical disturbance rejection control strategy. Firstly, the nonlinear error model is established completely by the modified Rodrigues parameters, while considering dynamics of the servo actuators. Then, a hierarchical control scheme is applied to design the translational and rotational controllers based on the time-scale property of each subsystem, respectively. And the linear extended state observer and auxiliary observer are used to deal with the uncertainties and saturation. At last, global stability of the closed-loop system is analyzed based on the singular perturbation theory. Simulation results show the effectiveness of the proposed control strategy. © 2014 Chinese Association of Automation.

基于航迹预测的无人机短时航迹偏离检测方法

保障无人机(unmanned aerial vehicle,UAV)飞行安全已经成为推动无人驾驶航空创新应用与规模发展的关键问题。针对UAV在低空结构化航路网络运行过程中由航迹偏离导致的安全隐患,提出一种异常航迹检测方法(abnormal trajectory detection method,ATDM)。首先,建立航迹数据预处理和重构模型,构筑包含位置、速度、航向等多维属性的航迹数据。其次,以具有多维属性的航迹数据为输入,采用双向长短时记忆网络算法构建UAV短期航迹预测模型。最后,基于历史航迹点和预测航迹点间的多维度局部异常因子,将航迹偏离检测转化为航迹点密度分类问题,建立UAV航迹偏离检测方法,实现短时范围内航迹偏离状态的动态监测。结果表明,ATDM在短的预测时间范围内具有较好的精度优势和实时性。

基于固定时间积分滑模观测器的双闭环UUV轨迹跟踪控制

针对水下无人航行器(UUV)轨迹跟踪控制问题,设计一种基于固定时间积分滑模观测器(FTISO)的双闭环运动控制策略。建立UUV运动数学模型,对运动学外环设计积分滑模控制器,使用非线性微分器获得外环虚拟控制律的导数,以保证航行器位置能够精确收敛。考虑动力学内环存在的模型不确定性和外部干扰难以测量等问题,采用FTISO实现对集总干扰快速估计,同时引入李雅普诺夫函数分析系统的稳定性。在仿真环境下对比基于FTISO的双闭环积分滑模控制与积分滑模控制、RBF网络自适应滑模控制的控制效果。仿真结果表明:基于FTISO的双闭环滑模控制对集总干扰有良好的补偿能力,可提高控制系统的性能及精度,可保证UUV在不同环境下均能实现轨迹跟踪。

基于轨迹和形态识别的无人机检测方法

无人机因具有体型小以及受环境干扰大等因素导致其在可见光图像序列下的检测准确率较低。为此,提出一种新的无人机检测方法。通过转台相机捕获飞行物形态变化,使用轨迹聚类算法获得运动小目标轨迹,提取并融合目标的轨迹特征和形态特征,进而通过人工神经网络识别目标,并采用小范围搜索算法进行追踪,同时运用干扰无线电定向压制无人机。实验结果表明,该方法对无人机和飞鸟的识别准确率达到99.53%,且能够实时检测、识别和追踪。

UUV航迹跟踪的双闭环Terminal滑模控制

针对模型参数不确定及存在外界海流扰动情况下全驱型无人水下航行器(UUV)的航迹跟踪问题,提出了一种双闭环Terminal滑模控制方法。首先,为了防止UUV位置和姿态跟踪控制出现超调量过大的问题,在外环中引入位置和姿态负反馈,设计了UUV的参考速度作为镇定UUV位置和姿态跟踪误差的虚拟控制律。然后,在内环中将虚拟控制律作为跟踪目标。考虑到传统滑模控制会出现"抖振"现象,采用Terminal滑模控制方法,在消除"抖振"的同时,使滑模面上的速度跟踪误差在有限时间内收敛到稳态。最后,运用Lyapunov稳定性理论证明了该双闭环Terminal滑模控制系统的稳定性。仿真结果表明,该控制方法能够实现UUV对空间航迹的精确跟踪。

基于观测器与小波变换的UAV作动器故障检测

为提高无人机飞行控制系统的安全性和可靠性,将观测器方法与小波变换相结合,针对无人机飞行控制系统作动器故障检测问题开展研究。在基于观测器构造残差的基础上,通过引入小波变换,产生一组包含不同频率作动器故障的残差,将残差产生器设计归结为小波基函数选取和H_2/H_2性能指标最优化问题。利用小波变换的时频局部化特性,在保证性能指标最优的同时,可减小故障检测延时,且产生的一组残差能够检测较宽频带内的作动器故障。基于某型无人机的Simulink仿真结果表明,该方法的检测快速性好,可检测故障的频率范围宽,且对闭环飞行控制系统中的微小故障具有较高的灵敏度,有效降低了漏报率。

基于滑模观测器的四旋翼无人机全回路解耦控制

针对四旋翼无人机复杂轨迹跟踪控制面临的多通道耦合、强非线性以及多源干扰等问题,考虑四旋翼无人机的位置回路、姿态回路动态跟踪误差和执行机构实现过程,提出了一种全回路轨迹跟踪控制方案。首先,将四旋翼无人机轨迹跟踪控制问题转化为位置回路和姿态回路的指令跟踪问题;其次,将不同通道之间的耦合以及多源干扰影响视作集总干扰,并基于高阶滑模观测器对其进行估计;然后,基于干扰估计信息和动态逆控制算法,分别在位置和姿态回路构造复合动态逆控制器;最后,将位置回路和姿态回路的虚拟控制量转换为旋翼转速。该文控制方案实现了旋翼无人机位置回路和姿态回路不同控制通道之间的解耦,在保证各个通道设计独立的前提下,实现了轨迹的渐近跟踪。针对圆柱螺旋线轨迹跟踪的仿真结果验证了该文解耦控制方案的有效性。

基于六旋翼无人机平台的GNSS干扰源测向与定位系统设计与实现

目前,基于无人飞行器的导航干扰源探测方面的研究主要集中在理论研究与仿真实现阶段[1],文中设计了一种基于六旋翼无人机平台的全球卫星导航系统(GNSS)干扰源测向与定位系统,并在某飞行场区进行了干扰源定位精度的测试.该系统主要由六旋翼无人飞行器、干扰源监测测向载荷以及地面站组成.系统试制完成后,选定开阔环境,通过设置干扰源发射不同的调制方式、不同发射功率的干扰信号,以此来验证干扰源的定位精度.

音频感知哈希闭环检测的无人机仿生声呐SLAM算法研究

针对基于SLAM技术无人机在特定高度下构建二维经历图的优化问题,在RatSLAM的基础上,采用仿生声呐系统代替视觉传感器的BatSLAM模型和音频感知哈希闭环检测,实现在暗光条件下的二维经历图优化。BatSLAM模型通过绝对差值和(SAD)图像处理方法来进行仿生声纳模板的更新,此方法仅仅判断二幅耳蜗图外观是否一致,不存在几何处理和特征提取。由于耳蜗图在获取和传输过程中会产生各类噪音,相同位置获得的耳蜗图具有一定的差异,会导致构建的经历图失真。本文在BatSLAM的基础上,使用音频感知哈希算法对耳蜗图进行特征提取,并进行闭环检测。改进后的算法不仅考虑到外观,而且考虑到相邻频带间的能量差异,通过提高闭环检测准确率,来改善经历图的失真问题。仿真实验表明:采用基于音频感知哈希闭环检测的BatSLAM模型,不仅实现了无人机特定高度和暗光条件下二维经历图的构建,而且提高了闭环检测准确率,从而改善经历图的失真问题,实现经历图的优化。

基于稀疏直接法闭环检测定位的视觉里程计

视觉里程计在移动机器人的定位导航中发挥着关键性作用,但当前的算法在运行速度、轨迹精度和鲁棒性等方面依然存在改善空间。为提高相机轨迹精度,提出基于稀疏直接法的闭环检测算法。该算法直接提取两种特征组成混合型特征点提升系统鲁棒性,混合型特征点用于跟踪和匹配关键帧,使视觉里程计能够检测闭环,再用位姿图优化提升定位精度。实验结果表明在复杂环境中具有较强的鲁棒性,并且在速度和精度之间取得平衡。

一种改进回环的多传感器融合SLAM算法

针对无人车在室外大场景环境建图时,单一传感器的激光里程计推算位姿不准确且易随着累计漂移而产生精度下降的问题,本文提出了一种激光雷达与惯性单元IMU融合的激光惯性SLAM系统。系统前端由IMU信息进行点云去畸变处理,通过激光雷达里程计输出位姿。后端优化通过因子图实现,由前端里程计因子,IMU预积分因子,回环检测因子联合优化。同时,基于全局描述符Scan-Context提出了一种改进的回环检测方法,能够有效提升回环检测的准确率。在公开数据集与无人车实验的实验结果表明,相比于经典的激光算法A-LOAM,LeGO-LOAM,所提出的方法轨迹精度大约提升了40%左右,对于回环检测的效率提升了约25%,有效的提高了SLAM系统的性能。

基于BoW模型的RGB-D SLAM算法的运动轨迹估计

针对目前RGB-D SLAM算法特征匹配耗时高、在大规模场景中闭环检测效率低的问题,提出了基于词袋(Bag of Word,BoW)模型的RGB-D SLAM改进算法.通过BoW模型缩小每个特征的匹配范围,解决了暴力特征匹配算法的耗时问题;利用BoW模型对关键帧序列进行相似度度量,得到闭环候选帧并通过多层次筛选最终确定闭环帧从而实现闭环优化,解决了传统的闭环检测算法不能适用于大规模场景的问题.与传统的RGB-D SLAM算法的实验测试及对比分析结果表明:改进的RGB-D SLAM算法能使得相机轨迹估计实时性更好,定位更准确.

一种基于车辆轨迹数据的深度学习异常检测方法

随着定位技术和基础设施的不断发展,车辆轨迹数据的采集变得更加容易,进而为异常轨迹的准确检测提供了更多的数据资源,成为轨迹数据挖掘中的重要研究方向之一。文章提出了一种基于深度学习的异常车辆轨迹检测方法,通过结合VAE,GRU和WGAN,实现了特征提取和轨迹异常检测的任务,同时构建了基于VAE结构的GRU特征学习模型,学习初始数据的近似分布,创新性地提出GRUWGAN模型,可实现轨迹数据异常特征提取,并对真实数据进行异常检测。实验结果表明,GRUWGAN模型在准确率、召回率和F1指标上均优于传统算法,可以有效地应用于车辆轨迹数据的特征提取和异常检测任务中。

基于特征几何关系的无人车轨迹回环检测

为了在GPS盲区中利用激光雷达构建地图,提出了一种基于回环检测的高精度2D激光点云地图构建方法。首先,从2D激光雷达观测数据中获得无人车的位姿,在2D高斯概率密度空间中提取每帧数据中的环境特征以及求得高斯映射值累加和。其次,利用粒子滤波对车辆位姿与环境特征进行融合优化得到低精度的点云地图和特征地图。然后,利用数据帧中环境特征的数量、车辆位姿以及高斯映射累加和,计算发生轨迹回环的可能性;遍历所有观测帧后得到无人车轨迹回环帧;利用三角剖分法求解回环帧之间的真实转换关系。最后,利用图优化方法得到全局最优的无人车位姿和高精度点云地图与特征地图。试验结果表明:特征地图中同一特征的多次识别结果之间的标准差小于5mm;利用车辆位姿、环境特征和高斯映射累加和能够有效发现路径回环的可能性,其处理2 499帧耗时1.61s;利用Delaunay三角剖分能够准确计算路径回环点,单次运行用时小于1s。

无人车基于双目视觉的同时定位与地图构建

研究了无人驾驶车面向校园环境的同时定位与地图构建问题.采用双目视觉系统进行立体视觉图像匹配,并以此为基础完成优化前的位姿拓扑地图构建;采用了一种基于ORB图像特征和BoW模型的闭环检测算法,并利用时间连续性约束和几何一致性约束来提升闭环匹配正确率.位姿拓扑地图的后端优化采用了高斯-牛顿优化方法,并且在迭代过程中充分考虑了系统信息矩阵的稀疏性.利用实验室自主研发的SmartCruiser无人驾驶车平台在校园环境进行了实验,结果验证了本文所提方法的有效性和实用性.

基于点云直方图的回环检测算法和车辆定位方法

针对智能车辆在城市复杂路段由于全球定位系统GPS信号丢失导致的定位失准问题,建立因子图优化模型对激光雷达和惯性测量单元进行数据融合,提出一种紧耦合框架下的激光-惯性里程计(LIO)车辆定位方法,实时估计车辆状态信息;并提出基于点云直方图的回环检测算法,通过计算车辆当前位置与历史时刻位置间点云的相似度判断车辆是否到达同一位置,进而结合上一次经过该位置时的信息校正车辆当前状态,减少定位误差的积累。KITTI数据集上的测试结果表明:回环检测模块可有效降低LIO的误差积累,带有回环检测模块的LIO具备良好的定位精度。

基于多传感器紧耦合的工程机械定位与建图系统

工程机械工况复杂、作业环境恶劣,实现工程机械无人驾驶将带来显著的社会效益和经济价值。工程机械不同于普通乘用车,为实现无人驾驶工程机械在多复杂工况下的高鲁棒性定位,采用多传感器紧耦合的同步定位与建图系统(Simultaneous localization and mapping, SLAM)。针对现有SLAM前端算法计算冗余、计算效率低下等问题,采用基于点线、点面特征匹配的方法,结合局部地图配准,有效降低点云配准时的数据量,避免计算冗余。针对现有激光融合SLAM无回环检测的问题,基于空间近邻原则结合正态分布变换算法将回环检测机制引入SLAM系统,有效降低SLAM系统建图的全局误差。针对工程机械作业环境定位与建图易退化的问题,在点线、点面特征匹配的基础上,创立了残差自适应反馈机制,使得迭代方程求解快速收敛而不发散。仿真和实车试验结果证明该套SLAM系统能够有效解决工程机械在桥梁、长廊等作业场景下的建图退化问题,建图速度大大提高,能够满足工程机械实时定位与建图的需求。

基于SR-Context的激光雷达点云闭环检测算法

针对传统激光雷达闭环检测算法受动态障碍物干扰较大、关键帧搜索以及特征匹配耗时较长的问题,采用MF-RANSAC算法并改进ScanContext,提出一种鲁棒性更强、耗时更短的SR-Context激光雷达闭环检测算法。首先,利用区域生长算法对扇形栅格化后的点云进行分割;随后,不依赖于目标识别和跟踪,借助动态区域多点选取和多属性查询对应点,提出一种MF-RANSAC算法快速实现动态目标剔除;最后,通过简化特征匹配计算和删除闭环历史匹配帧的方式改进ScanContext算法,对去除动态目标后的栅格提取特征实现闭环检测。分别在KITTI数据集与实车数据集下进行测试,实验结果表明,本文算法在城市动态环境下能够快速准确实现闭环检测进而提高激光雷达建图精度,且平均耗时仅为ScanContext算法耗时的40%。