农用四旋翼无人机轨迹规划设计--基于计算机深度学习

介绍了农用无人机的工作原理,建立了其动力学模型,并基于人工蜂群的深度学习算法对农用四旋翼无人机轨迹规划进行了深入研究,确定采用线性自抗扰控制方法实现对无人机的轨迹控制。实验结果表明:农用四旋翼无人机可以平滑地从起点运行到了终点,很好地避开了途中的障碍物,证明了系统的可靠性和稳定性。

基于强化学习的四旋翼无人机鲁棒协同控制

基于强化学习方法,解决了异构四旋翼无人机集群的无模型鲁棒最优编队控制问题.考虑每架四旋翼无人机为受到未知动态模型和外部干扰等因素影响下的非线性欠驱系统.提出一种完全分布式观测器,利用局部信息,为无人机集群生成参考信号,以实现期望的飞行编队.基于强化学习方法,在不需要无人机动态信息条件下,设计鲁棒最优位置控制器和鲁棒最优姿态控制器.通过理论分析和仿真验证了所提编队控制算法的有效性.

面向小型四旋翼无人机的BPPID-LADRC串级抗扰控制器

针对常规PID控制器抗干扰能力差的问题,设计了一种面向小型四旋翼无人机的多通道抗扰BPPID-LADRC串级抗扰控制器。该控制器中,外环位置回路的高度控制器和内环回路的姿态角控制器依据线性自抗扰控制理论(LADRC)设计,而外环位置回路的水平通道控制器则采用BPPID控制器。Simulink仿真表明,在高度通道、俯仰角通道、滚转角通道以及偏航角通道存在加强干扰条件下,所设计面向小型四旋翼无人机的BPPID-LADRC串级控制器相较于传统PID控制器控制效果更加出色,符合工程实际需求。

小型四旋翼无人机飞行控制系统设计与实现

为进一步深入研究和开发小型四旋翼无人机搭建飞行控制实验系统,从硬件设计、软件开发和系统调试与飞行试验3个方面对搭建的小型四旋翼无人机飞行控制系统进行较为详细地阐述。飞行试验表明:所设计的飞行控制系统初步实现了对机体姿态的有效控制,为进一步研究自主飞行奠定了基础。

基于Sigmoid函数的四旋翼无人机轨迹规划算法

针对小型四旋翼无人机自主巡航的轨迹规划问题,提出一种基于Sigmoid函数的轨迹规划算法。在给出了一组由无人机必须飞经的路径点所定义的巡航任务的前提下,该算法采用圆滑可导的Sigmoid函数作为位置函数,规划出任意2个路径点之间的状态轨迹。该方法同时保证了光滑可导的速度轨迹函数。基于飞行器的最大速度约束,在相邻的2个路径点的距离小于一定值时还可保证可导的加速度轨迹函数。算法极为简单,可在计算能力有限的微小型无人机驾驶仪上得以实现。在对算法和其有关的性质做出介绍之后,文章还给出了采用典型的小型四旋翼无人机动态模型和控制算法对该算法制定的飞行轨迹进行跟踪飞行的仿真结果,证实了该算法的可行性、有效性和实时性。

小型四旋翼无人机空气质量监测仪设计

及时有效地获取空气质量数据是大气环境保护的前提和基础。针对现有固定点监测手段空间覆盖度不足、成本高、灵活性差等问题,设计一种基于小型四旋翼无人机为飞行平台,Arduino UNO开发板外接MG811,DSM501A,DHT11,MQ-7传感器为硬件平台,Arduino IDE编译器为软件平台的监测仪。采用接触式周期采样方法获取环境数据模拟值,建立与传感器灵敏度关系,使用Matlab中CURVE FITTING TOOL对传感器灵敏度与被测物浓度关系进行拟合分析。拟合后,可决系数大于0.98,方差小于0.1。该自主设计的监测仪具有成本低、易操作、灵活方便的优点,并可扩展其他类型传感器以满足不同的测量环境要求。

小型攻击型四旋翼无人机系统设计分析

在科学技术以及社会经济不断进步和发展的过程中,一些小型的且具有攻击性的四旋翼无人机被发明出来,其在信息化的条件下,使小型攻击型四旋翼无人机系统更加科学、先进,具有十分重要的作用,但是目前小型的攻击型四旋无人机出现了响应的速度慢以及难以支援战术分队等问题,其发展受到了一定的阻碍。并据此分析了小型攻击型四旋翼无人机系统设计,通过总体方案设计、硬件设计、无线传输系统设计、地面控制站设计等方面的优化与改进,希望能够提供一定的参考价值,帮助操作人员了解现场比较复杂的环境,使其在现代化社会各领域有更为广泛的用途,让陆军战术分队的作战手段更加丰富。

基于SO(3)的多四旋翼无人机编队协同控制

针对多四旋翼无人机系统的编队飞行问题,提出了基于特殊正交群SO(3)的协同控制设计方法.在给出编队空间队形和通信拓扑描述后,建立了多四旋翼无人机系统SO(3)控制模型.由于SO(3)与传统俯仰/偏航/滚转三通道模型具有不同的结构,文中进一步研究了SO(3)中无人机之间相对误差的表示方法,设计了适用于多飞行器的SO(3)控制器实现对编队和姿态的协同控制.推力控制器用于调节无人机的位置与速度,并在此基础上构造旋转矩阵形式的姿态协同指令.文中相应设计了SO(3)姿态控制器用于实现指令跟踪,最后从理论上对协同稳定性进行了分析.提出的控制方法能够使得多四旋翼无人机形成期望的队形,并且保持姿态一致进行稳定飞行.仿真结果验证了本文方法的有效性.

系留式四旋翼无人机起降时的运动稳定性分析

在起飞与降落过程中因地面效应、阵风干扰、系缆绳长等因素的影响,极易导致系留式四旋翼无人机(系留机)出现失稳现象。针对上述问题,提出一种基于李雅普诺夫指数法的系留机运动稳定性分析策略。通过Euler-Lagrange方程获得四旋翼的动力学模型,借助悬链线理论推导出系留缆绳的拉力公式,最终形成完整的系统动力学模型。给出基于李雅普诺夫指数的稳定性判定方法,构建系统结构参数与运动稳定性间的量化关系。搭建物理样机,采用直接法和间接法获得系统的物理参数。通过仿真与试验分析了系留机在起降阶段的动力学特性,结果表明:该无人机降落阶段的稳定性在仿真中比起飞阶段提高了329.5%、在试验中比后者提高了213.21%,所搭建系留机的结构参数是合理的。

四轴八旋翼无人机入水轨迹优化方法研究

飞行器与水下无人航行器能够分别在空中与水下完成目标搜索、跟踪、打击等任务,但是面对需要同时在空中与水下完成的复杂任务,如对目标的空中搜索-水下跟踪等,单独采用飞行器或水下无人航行器无法完成任务。针对以上问题,文中采用四轴八旋翼无人机(CERV)完成从空中潜入水下的任务,研究整个入水过程的轨迹优化问题。首先对CERV的运动规律进行描述,将入水过程分为空中飞行、过渡、水下潜行三个阶段,对每个阶段CERV在不同介质中的受力情况进行了分析,推导出CERV的运动方程。为增加入水过程中CERV的稳定性,提出了跨介质控制策略对入水过程三个阶段的轨迹分别进行优化。在空中飞行与水下潜行阶段,基于PID控制算法使得CERV朝指定目标点运动;在入水过渡阶段,基于滚动优化策略,对教与学算法进行改进,以获得更加稳定的入水轨迹。仿真结果表明,文中建立的运动模型能够反映CERV在不同介质中的运动特性,所提出的跨介质控制策略能够保证CERV顺利完成入水过程,且改进的教与学算法优化的入水轨迹的稳定性优于粒子群算法和教与学算法。

基于深度学习的无人机单目视觉避障算法

针对基于单目视觉的无人机(UAV)避障问题,本研究提出基于单目深度估计和目标检测的四旋翼自主避障方法。其中,单目深度估计模型提供障碍物像素级别的深度信息,目标检测模型提供障碍物的位置信息。单张红绿蓝(RGB)图像的深度图和目标检测结果由卷积神经网络(CNN)获得;图像的区域划分以目标检测结果为依据,区域深度以深度估计结果为计算依据;规划算法依据区域深度和区域划分结果计算无人机的线速度和角速度,实现无人机的自主避障。为验证算法的自主避障性能,采用Parrot Bebop2无人机对本研究提出的算法与直飞算法进行实飞对比实验。结果表明:本研究提出的算法可用于四旋翼无人机的低速自主避障。

四倾转旋翼无人机模型预测姿态控制律设计与仿真

针对四倾转旋翼无人机全模态姿态控制律设计困难的问题开展了研究。首先,建立了四倾转旋翼无人机飞行动力学模型,并开展了不同飞行模态操纵策略分析;然后,运用模型预测控制理论设计姿态控制器;最后,对四倾转旋翼无人机的姿态控制进行了仿真试验及结果分析。研究结果表明,所设计的模型预测姿态控制响应速度快、跟踪控制性能好,可实现较好的控制效果。

基于迭代最近点的井下无人机实时位姿估计

:针对煤矿井下无GPS信号、低照度、结构化环境等特点,提出了一种基于迭代最近点(ICP)的井下无人机实时位姿估计方法。通过建立四旋翼无人机运动模型与机载激光雷达观测模型,将煤矿井下四旋翼无人机位姿估计问题转换为机载激光点云数据的扫描匹配问题。用三维激光雷达作为四旋翼无人机机载环境测量传感器,得到无人机当前位姿下的观测点云数据;以第1帧位置为初始位,通过ICP方法得到连续2帧点云数据之间的相对变换矩阵,迭代求解连续关键帧点云数据,得到煤矿井下四旋翼无人机实时位姿估计结果。采用滤波与下采样方法对点云数据进行优化,加速变换矩阵的求解,满足四旋翼无人机位姿估计实时性需求。实验结果表明,基于ICP的井下无人机实时位姿估计方法能够快速、有效地求解四旋翼无人机位姿,相比于正态分布变换方法,ICP方法更适用于煤矿井下四旋翼无人机的实时位姿估计。

基于CMAC的低空无人机姿态模糊自适应PID跟踪控制

针对低空四旋翼无人机系统具有不确定性的控制特点,设计了一种小脑模型关节控制器(cerebellar model articulation controller,CMAC)神经网络与模糊PID控制器复合的控制方案,将其应用于四旋翼无人机系统的姿态跟踪设计中,并与模糊PID控制进行对比。实验结果表明,该方法可以根据无人机动态特性的变化实时更新控制器的参数,具备良好的学习能力,能够实现低空四旋翼无人机姿态的模糊自适应跟踪控制。

基于事件触发的多无人机固定时间编队控制

为解决四旋翼无人机编队控制问题,提出基于事件触发的多四旋翼无人机系统固定时间编队控制算法。针对无人机的姿态环控制,选取切换的固定时间滑模面,使得当系统状态在滑模面上时,系统能够在固定时间到达平衡点。当系统状态不在滑模面上时,设计固定时间滑模控制器,使得不在滑模面上的系统状态,能够在固定时间内到达滑模面。针对无人机的位置环控制,研究了事件驱动下的固定时间编队控制策略。分析表明:位置控制器最短触发时间间隔是一个有限的值,证明系统不存在Zeno现象。通过数值仿真验证了所提控制算法的有效性。

一种机器视觉的无人机移动平台着陆系统设计

随着无人机行业的发展,多旋翼无人机已在电力巡检、消防搜救、安防侦查、物流配送等诸多领域得到应用。其中,无人机的自主着陆是任务过程中的关键一环。本文以小型四旋翼无人机为研究对象,提出了一种基于机器视觉的无人机自主着陆系统。通过采用地面人工标识AprilTag与无人机的视觉引导跟踪算法相结合的方案,对无人机在移动平台上的着陆系统进行了研究和设计。

基于事件触发机制的多四旋翼无人机鲁棒自适应滑模姿态控制

针对一类具有外部干扰的多四旋翼无人机姿态系统,研究其在无向拓扑下的姿态跟踪问题,提出一种基于事件触发机制的鲁棒自适应滑模控制方法.首先,建立多四旋翼无人机的姿态动力学模型,并引入干扰观测器,对系统受到的未知外部干扰进行估计.其次,为了节约四旋翼无人机的网络传输资源,本文在传感器和控制器之间引入事件触发机制,并结合鲁棒滑模控制算法,设计基于事件触发的鲁棒自适应滑模控制器.此外,通过Lyapunov稳定性理论证明闭环系统中所有信号最终有界,并证明所设计的事件触发机制能够有效避免Zeno行为.最后,仿真结果验证所提控制方法的有效性.

基于视觉伺服的小型四旋翼无人机自主飞行控制研究进展

在GPS信号较弱甚至失效的环境下,视觉伺服能够通过视觉信息控制自主飞行,因此近年来视觉伺服在自主飞行控制领域受到广泛关注。根据获取的图像信息不同,可将视觉伺服分为基于位置的视觉伺服和基于图像的视觉伺服。与基于图像的视觉伺服相比,基于位置的视觉伺服位姿估计稳定,可直观地在直角坐标空间定义机器人运动,符合机器人工作方式,且控制器设计简单,但控制精度受摄像机和机器人标定精度的影响,且计算量较大。对于小型四旋翼无人机自主飞行控制的应用研究中,视觉伺服的实时性、精确性和鲁棒性尚待提高,且小型四旋翼无人机的智能化不高,在室内室外模式转换及室内协同控制方面还有广阔的发展空间。

微小型四旋翼无人机垂面栖停轨迹规划与控制

微小型四旋翼无人机以轻小便携、灵敏机动等优势在军事、民用与科研领域获得广泛应用。但无人机小型化带来优势的同时也必然导致储能空间急剧减缩,引发续航时间缩短、使用效能恶化。源于鸟类栖停行为的垂面栖停机动是当下微小型四旋翼无人机续航延时的有效策略,垂面栖停机动是利用无人机的机动能力使无人机在栖停装置配合下能够像鸟类栖停一样降落在垂直墙面上。当无人机栖停在垂直墙面时,可依靠栖停装置与垂面间的相互作用力来平衡重力和力矩。无人机垂面栖停无需开启电机,因此,可以达到减小能量消耗、延长任务时间的目的。垂面栖停机动涉及较为复杂的运动控制问题,本文采用“轨迹规划+跟踪控制”的方法实现四旋翼无人机垂面栖停过程。首先,对四旋翼无人机进行动力学建模并对垂面栖停的研究维度限制在二维的纵向运动。然后,基于纵向运动模型,建立了考虑栖停运动约束的轨迹规划方法。最后,为了解决实际飞行中存在的外部扰动与内部非精确参数等因素的影响,采用几何跟踪控制方法并根据栖停问题特征对该方法进行改进。Simulink仿真结果表明,改进跟踪控制方法能够很好地解决垂面栖停问题,实现对预设轨迹的跟踪控制。

多四旋翼无人机分布式固定时间自适应编队控制

针对具有外部扰动和参数不确定性的多四旋翼无人机,提出了基于指令滤波反步方法的分布式固定时间自适应编队控制算法.通过引入固定时间指令滤波及构建非光滑误差补偿机制,有效地避免了“复杂性爆炸”问题并在固定时间内移除了滤波误差的影响.此外,通过设计分段函数,巧妙地解决了分布式控制器中存在的奇异性问题.利用固定时间稳定性理论,严格证明了闭环系统是实际固定时间稳定的,且闭环系统中所有信号有界,同时编队跟踪误差在固定时间内收敛到原点附近充分小的邻域内.最后,仿真算例验证了所提出的分布式固定时间控制策略的有效性.