基于自适应RBF神经网络具有模型不确定性的四旋翼无人机指定时间预设性能控制方法

四旋翼无人机具有强耦合和欠驱动的特点,在飞行过程中很容易受到外界干扰,进而影响整个无人机系统的稳定性和精度。为此,提出了一种基于RBF神经网络的指定时间预设性能约束控制策略。首先,针对四旋翼无人机的不确定数学模型难以精确建立,并且在执行任务过程中存在外部未知扰动问题,提出了一种基于指定时间预设性能控制方法,将四旋翼无人机的轨迹跟踪问题转换为对位置子系统和姿态子系统的期望指令跟踪问题;其次,在设计控制器过程中,为了解决“微分爆炸”问题产生的滤波器误差,引入一种新型滤波误差补偿方法,通过RBF神经网络逼近外部未知扰动,并将预测结果补偿给控制器以提高轨迹跟踪的鲁棒性。最后,应用仿真模拟方法验证无人机控制系统稳定性和性能优势,通过飞行试验验证,微风聚拢环境下实际飞行轨迹与仿真模拟结果趋于一致,自主轨迹跟踪起降位置偏差小于1 cm,证明了所提出算法的有效性。

四旋翼无人机改进自抗扰姿态控制

针对四旋翼无人机姿态控制过程中模型不确定及外部扰动问题,设计了一种自抗扰控制的姿态控制器。将模糊控制方法与传统的自抗扰控制理论相结合,增加了一个集模糊化、模糊推理和清晰化为一体的模糊控制单元,采用改进天牛须算法整定自抗扰控制器参数,提高了参数整定效率。为解决fal函数拐点处不平滑,易产生小幅抖振以及误差较大时系统增益较大等问题,引入了改进的yfal函数替代扩张状态观测器中的fal函数,并对改进后的状态观测器进行了收敛性判断。仿真结果表明,改进后的自抗扰控制器具有更快的响应速度和抗干扰能力。

基于模糊增益滑模四旋翼无人机自适应容错控制

针对四旋翼无人机执行器故障下的轨迹跟踪问题,提出一种基于模糊增益滑模的自适应容错控制方法.首先,针对直接控制通道利用自适应机构在线估计执行器故障并加以补偿,采用基于模糊增益的滑模控制器设计可调控制器以满足鲁棒性要求.针对间接驱动通道设计基于模糊增益的滑模控制器,从而实现无人机全通道的容错控制设计,该方法具有良好的容错能力的同时,能很好地抑制系统颤振,获得平滑的控制信号.最后,对四旋翼无人机在不同控制器下的轨迹追踪性能进行了对比仿真,结果表明,系统在故障以及扰动下具有良好的飞行性能.

多四旋翼无人机编队自适应容错控制

针对四旋翼无人机在编队控制时受到执行器故障的影响,引起无人机之间跟踪误差的问题,而传统PID控制的固定参数无法适用于四旋翼无人机面临复杂的环境,因此设计了模糊自适应PID容错控制器以及多无人机的滑模协同控制器.首先,针对执行器故障无人机进行系统建模,给定领导无人机的参考轨迹,通过设计的模糊自适应PID控制器使得执行器故障的无人机跟踪给定轨迹.其次,基于滑模控制理论,设计编队协同控制器,控制Follower无人机与Leader无人机之间的距离误差趋近于零,实现期望的编队队形.最后,通过仿真实验对比结果表明,所设计方法超调量小,鲁棒性强,对四旋翼无人机有较好的控制效果.

小型四旋翼无人机姿态控制研究

针对小型无人机无法搭载高精度、体积大的传感器,从而无法获得高精度姿态信息的问题,基于STM32单片机的无人机结构和飞行姿态控制原理,采用MPU6050姿态信息采集模块运动处理单元DMP进行姿态解算,并应用卡尔曼滤波技术提升了姿态数据的准确性。为了更好地选择控制算法,分别使用串级PID控制方法、滑模控制算法和LQR控制算法进行仿真实验。结果表明,将滤波算法与控制算法相结合可以使小型四旋翼无人机具备更出色的操纵性能及更好的稳定性,双闭环结构串级PID控制方法可在3 s内使无人机稳定,具有更好的稳态特性和抗干扰特性。

四旋翼农业无人机模块化设计及有限元分析

为进一步提高四旋翼农业无人机的升级、装配和维修效率,拓展农业无人机的应用范围,提出一种针对农业无人机的模块化设计方法。首先,综合分析四旋翼农业无人机中任意零件间在连接固定、功能和几何参数层面的相关关系,构建零件关系图,将相关性强的零件聚类成部件,并计算部件在各层面的相关性矩阵。其次,利用AHP赋予各层面不同权值,计算部件间综合强度相关性矩阵,依据模块评判原则合并部件。最后,建立模块结构,根据作业需求组合相应模块,并对关键功能模块进行静动态特性分析。研究结果表明:该模块化设计方法将28个无人机零件简化为6个独立的模块;无人机更新换代时,只需对相应发生改变的模块进行重新设计制造;模块的独立性简化装配的工艺流程,降低维修成本;6个模块可以组合成喷洒无人机或播撒无人机,使无人机不仅适用于农药的喷洒,也适用于种子和肥料的撒播;通过对中央舱模块的有限元分析,其最大应力为23.889 MPa,远小于碳纤维最大抗拉强度4 780 MPa,前四阶固有频率都大于无人机工作时最高频率32.75 Hz,以及其最大形变量为0.004 635 9 mm,满足无人机极限工况下的形变要求。

基于NESO-LFDC的四旋翼无人机滑模姿态控制

针对四旋翼无人机姿态控制中存在空气动力学特性复杂,易受干扰的特性,提出一种基于非线性扩张状态观测器(nonlinear extended state observer,NESO)和低频干扰补偿器(low-frequency disturbance compensator,LFDC)的非奇异快速终端滑模控制方法。该方法内环设计了NESO和LFDC结合,以获得干扰补偿值并补偿总干扰的低频分量。在外环设计了跟踪微分器和可变切换增益的非奇异快速终端滑模控制器,用于补偿虚拟干扰估计值的误差和总干扰的高频分量。仿真结果表明,该控制方法可以更好地估计总干扰的低频和高频分量,减少虚拟干扰估计值的误差对四旋翼无人机姿态控制的影响,并提升响应速度。

考虑滑块动态特性的变质心四旋翼无人机双回路控制

针对滑块动态特性引入的附加干扰力矩造成系统姿态抖动强烈的问题,开展变质心四旋翼无人机滑块参数设计与姿态/伺服双回路控制研究。通过建立双滑块变质心四旋翼无人机八自由度运动模型,明确了滑块的引入对系统的影响,给出了与滑块动态特性相关的各项附加干扰力矩;分析并设计了滑块的安装位置、质量以及行程等参数,降低滑块对系统的耦合与干扰;最后以滑块驱动力作为控制量,设计了姿态/伺服双回路动态滑模控制器,同时利用非线性扰动观测器对复合扰动进行估计和补偿,并进行了仿真试验。仿真结果表明,在考虑滑块动态特性的情况下,所设计的控制器能够实现对变质心四旋翼无人机的姿态控制,并具有良好的抗干扰性能与鲁棒性。

参数跟踪鲁棒观测器的四旋翼无人机抑振设计

提出一种针对四旋翼无人机振动的参数跟踪鲁棒观测器设计方法。首先构造辅助滤波器激励出振动特性,同时调节其参数降低噪声对辅助状态变量的影响,将主动振动抑制转化为与频率有关的常值参数估计问题,避免了估计值之间的耦合和冗余参数的运算。然后设计频率参数观测器和跟踪器的级联结构准确估计振动信息。在此基础上,通过辅助变量和频率参数对振动进行重构,设计前馈补偿的控制方法实现了系统的振动抑制。所设计的观测器不仅具有较好的鲁棒性,还避免了传统跟踪器跟踪时变信号带来的相位滞后。最后通过李雅普诺夫定理对系统的性能进行了分析,仿真算例验证了该方法的有效性。

面向增材制造技术的四旋翼无人机底座拓扑优化设计

利用Inspire软件对四旋翼无人机底座进行拓扑优化和轻量化设计。首先根据逆向工程技术得到四旋翼无人机底座的三维模型,然后将三维模型导入到Inspire软件进行有限元分析和拓扑优化。结果显示:无人机底座优化前的质量为66.158 g(材料ABS),通过轻量化设计之后的质量为30.218 g,实现了54.32%的减重,同时,最大米塞斯等效应力为3.213MPa,最大位移为0.190 9 mm,最小安全系数为14,减重后的性能满足要求。最后利用3D打印方法将优化后的底座打印出来,并试验验证了拓扑优化方法的合理性和可行性。

基于复合标志的四旋翼无人机自主降落系统

四旋翼无人机能否快速、精确地降落在地面充电装置或回收装置上是实现空地机器人协同的关键步骤之一。提出了一种基于视觉的四旋翼无人机在静止平台上自主降落的模型化框架,设计了基于AprilTag的复合标签着陆标志,将视觉测量与无人机自驾仪提供的状态信息利用卡尔曼滤波器进行融合,提高无人机位姿估计精度。利用PID控制器计算无人机的期望加速度,并将其转化为无人机的姿态指令,使得无人机飞行到期望位置。在专用模拟器下,对提出的无人机自主降落系统进行了多次仿真,仿真结果表明,无人机的平均降落误差小于5cm,验证了无人机自主降落系统的有效性和精确性。

基于区间二型模糊PID的四旋翼无人机姿态控制

针对传统PID控制与一型模糊控制在四旋翼无人机姿态控制中响应速度慢、超调量大等问题,提出了一种区间二型模糊控制与传统PID控制相结合的控制算法。首先,在一型模糊系统的基础上对系统的单值前件和后件进一步模糊化形成区间前件和后件,更适于处理模糊信息。其次,利用具有停止条件的改进迭代算法(enhanced iterative algorithm with stop condition,EIASC)进行降型过程中开关点的计算,减少了计算时间,并将求解出的参数变化量作为初始PID控制参数值的补偿。最后,在建立的四旋翼无人机动力学模型上对所提算法进行仿真验证,仿真结果表明,所提算法比传统PID控制算法和一型模糊PID控制算法具有更快的响应速度、更高的稳态精度和更小的超调量。

四旋翼无人机鲁棒嵌套饱和控制

针对四旋翼无人机在执行任务中,动力系统受到输入饱和限制,传统嵌套饱和控制算法收敛条件严格、收敛速度慢、稳态精度不高、鲁棒性不强等问题,提出了一种四旋翼无人机鲁棒嵌套饱和控制算法。首先,设计了条件相对放松的嵌套饱和控制算法,降低了设计难度,并且给出了闭环系统的稳定性证明。其次,基于条件放松的嵌套饱和控制算法,引入自耦PD和补偿函数观测器,提升系统的响应速度,稳态精度以及鲁棒性,并利用Lyapunov稳定性原理证明了闭环系统的全局稳定性。最后,将所提算法与传统嵌套饱和控制算法和PD控制算法进行了仿真对比,结果表明:本文提出的算法在暂态性能、稳态性能和鲁棒性上都是最优。

基于滑模自适应迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机轨迹跟踪问题,在考虑外部扰动的情况下,提出一种滑模自适应迭代学习的控制算法。所设计的控制器由两部分组成:第一部分是滑模子控制器,作为四旋翼无人机系统的反馈控制器;第二部分是迭代学习子控制器,作为无人机系统的前馈控制器。在迭代学习过程中,迭代学习子控制器的增益可以根据轨迹跟踪误差自适应改变,能够提高四旋翼无人机的轨迹跟踪效果。最后通过软件仿真对所提出的四旋翼无人机轨迹跟踪算法的有效性进行验证。

基于自抗扰的四旋翼无人机控制方法

针对四旋翼无人机在飞行过程中存在的外部干扰和模型不确定性的问题,采用自抗扰控制(ADRC)方法实现姿态控制。同时对ADRC进行改进:针对扩张状态观测器(ESO)中误差增益过大、容易引起误差反复切换产生抖振的情况,构造nfal函数来代替fal函数,实现抗扰能力和抖振之间的平衡;采用遗传算法对ADRC中的参数进行整定,提高了参数整定效率。在仿真系统中,证明改进后的ADRC方法抗扰性能在一定程度上有所提高;在基于Links-RT实时仿真系统的无人机飞控半实物(HIL)实验平台中,验证了该控制方法的有效性。

迭代学习的四旋翼无人机重复航迹跟踪控制实验研究

新工科建设以强化学生的工程实践与创新能力的思想为指导,为应对新的要求并推进实验实践教学改革,设计一种适应于本科生工程实践训练的四旋翼无人机飞行实验平台。该实验平台结合机械、信号处理、自动控制等学科知识,以四旋翼无人机为研究对象,分析四旋翼无人机动力模型,研究和设计迭代控制算法。采用Simulink进行仿真,以北京航空航天大学可靠飞行控制组研发的RflySim无人机模拟器平台搭建所设计的实验平台。最后,进行现场实际测试和航迹跟踪飞行测试,测试结果符合实验的预期,且航迹跟踪准确。所设计系统易于激发学生的参与兴趣,能够有效提高学生的动手能力及工程实践技能。

风场扰动下植保四旋翼无人机的建模与控制

由于四旋翼植保无人机的飞行高度较低,在实际飞行中易受到环境风场的影响。为此,根据Newton-Euler方程建立了风场环境下四旋翼飞行器的动力学模型,并设计了基于内外环PID控制策略的控制器。其中,姿态角控制器采用基于四元数的反馈控制器,并使用Lyapunov稳定性判据验证了其全局渐近稳定性;姿态角速率控制器采用PID控制器;位置控制器由速度PID控制器和位置P控制器组成。通过在Gazebo中进行风场模拟仿真实验和实际飞行试验,对设计的四旋翼飞行器控制系统进行参数调试和验证,结果表明:控制器具备在风场环境下控制四旋翼无人机稳定飞行的能力。

基于干扰补偿的四旋翼无人机轨迹跟踪控制

针对带有未知外部扰动的四旋翼无人机轨迹稳定跟踪问题,设计了一种基于干扰补偿的控制策略。针对四旋翼无人机位置环设计PID位置控制器,并基于干扰估计器对外部干扰进行补偿。通过姿态解算得到期望姿态,并针对四旋翼无人机姿态环设计具有强鲁棒性能的INDI姿态控制器,通过Simulink进行仿真对比试验。实验结果表明,该控制策略可实现带有未知外部扰动条件下的四旋翼无人机轨迹跟踪能力。

基于PPO算法的四旋翼无人机位置控制

针对四旋翼无人机的悬停控制及轨迹跟踪问题,利用近端策略优化算法来控制四旋翼飞行器,通过强化学习训练神经网络,将状态直接映射到四个旋翼,是一种用于在未知动态参数和干扰下控制任何线性或非线性系统的技术。基于回报塑形技术(The reward shaping of RL),提出了一种新颖的奖励函数,相比传统的PID算法,可以使无人机飞行更迅速且平稳。实验表明,四旋翼无人机可以以高精度高平稳的性能从三维中的定点悬停及轨迹跟踪,精度高达97.2%;文中的位置控制器具有泛化性和鲁棒性。

改进RRT算法的四旋翼无人机路径规划方法

针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,利用目标偏向寻优策略为RRT算法添加导向性;其次,在筛选初始航迹点的同时引入无人机性能约束;然后,利用B样条对重规划路径进行平滑处理;最后,利用Matlab对所提出的算法进行仿真实验。实验结果为平均采样次数为386次,平均运行时间为0.43 s,平均航迹距离为1392.16(无量纲),表明了算法可有效降低采样次数并改善路径平滑性。