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。