六旋翼植保无人机模糊自适应PID控制

六旋翼植保无人机在作业过程中自身载荷变化将引起飞行控制性能下降、抗扰动能力降低等问题。为了提高六旋翼植保无人机的可控性,通过对六旋翼植保无人机在喷洒农药过程中进行分析和建模,推导出植保无人机时变动力学模型,提出了一种模糊自适应PID控制算法,模糊自适应PID算法适应性强,参数整定简单,提高了系统动态响应和稳态性能。将各个传感器的测量参数输入到模糊自适应PID算法中,可以得到对应的控制量,实现飞行器稳定运行。通过使用Matlab软件对飞行系统进行仿真,并结合实验平台实际飞行控制表明,系统的动态性能和稳定性得到了有效提高。     

倾转定翼无人机的动力学建模与控制

为了提高整个飞行器在过渡模式下的运动稳定性,提出一种基于李雅普诺夫理论及李雅普诺夫指数趋近律的滑模变结构控制算法.与经典比例微分(PID)方法和滑模PID对比分析可知:对于飞行环境恶劣、动力学特性复杂和难以准确动力学建模的倾转定翼无人机,本算法具有更高的鲁棒性和稳态控制精度.本研究通过结构优化的方法分析了飞行器结构参数与整个系统运动稳定性的量化关系,指出在一定范围内可以通过增大机翼面积提高飞行的稳定性.     

模糊PID控制算法的优化及其在无人机中的应用

四旋翼无人机的姿态参数之间存在着非线性的关系,且有较强的耦合性,使得PID量化因子的整定存在难度.由于无人机工作环境特殊,采用常规的PID控制方法对无人机的姿态调整会出现超调量大的现象,或者无人机无法稳定一直处于震荡的状态之中.本文综合了模糊控制和PID控制各自优势,并结合无人机的特点加以改进,提出一种改进的模糊PID控制算法.通过Matlab中的Simulink工具箱对无人机的运动系统进行了仿真,对比了所提方法的与常规PID控制方法的仿真.结果表明,该方法能够增强四旋翼无人机对多变环境的适应性,降低系统调整时间.     

基于李雅普诺夫指数的非完整约束系统稳定性

针对非完整约束系统的高非线性和强耦合性导致整个系统存在着动力学特性复杂及运动稳定性难以分析等问题,通过空间算子代数方法建立系统的动力学模型,在此基础上采用李雅普诺夫指数方法分析了系统的运动稳定性,建立了动力学参数与系统稳定性之间的量化关系.最后以小车倒立摆为例,对整个算法的有效性进行验证.该方法与李雅普诺夫第二法相比,主要优点在于其可构建性,并能够量化分析系统动力学参数与运动稳定性之间的关系,可为机械结构设计及控制系统优化提供参考.     

四旋翼无人机自抗扰飞行控制器研究

为了提高飞行过程的抗扰动能力,针对四旋翼无人机自抗扰飞行控制器设计,分析自抗扰控制基本原理及其参数调节规律,在此基础上,改写四旋翼无人机动力学模型,引入虚拟控制量对位置和姿态进行控制解耦,应用扩张状态观测器实现状态解耦和扰动估计。最终得到四旋翼无人机双闭环自抗扰飞行控制器,实现对其位置和姿态的闭环控制。仿真实验结果表明,所设计控制器具有良好的解耦效果、抗干扰能力和鲁棒性能,可以实现对四旋翼无人机的飞行控制。     

多旋翼飞行器建模与控制器设计

随着各项技术的日趋成熟,多旋翼飞行器的控制器设计也愈发受到重视.为了使四旋翼飞行器在复杂环境下可以进行稳定的飞行,设计了四旋翼无人机飞行器的控制器,根据实际情况对数学模型进行简化,建立了一个四旋翼飞行器运动的数学模型;在Simulink中搭建比例积分微分(proportion integration differentiation,PID)控制模型,实现串级PID控制,通过调整PID参数,初步实现了使其稳定飞行的目标.通过在Simulink上搭建系统模型并最终得出仿真结果,证明飞行器的姿态和位置都得到了稳定的控制.     

四旋翼无人机悬停飞行自适应PD控制器设计

提出一种基于模型参考的自适应PD控制器设计方法,用于质量可变的四旋翼无人机的悬停飞行控制。由无人机的动力学方程对悬停飞行时姿态角近似处理得出参考模型,根据参考模型选取一个与实际系统相似并且有期望动态特性的二阶系统。基于Lyapunov稳定性理论的方法,通过被控对象的输出与参考模型输出之间的误差确定控制器的参数,当被控对象参数发生变化时,自适应机构通过参数估计调整PD控制器的输出,使被控对象参数的估计值总能跟踪其实际值,并分别与常规的PD控制器和加入了限速补偿环节的PD控制器进行仿真实验对比。结果表明,该控制器的控制信号比常规的PD控制器超调量小;比加入了限速补偿环节的PD控制器调节速度快,稳定性更好。对于四旋翼无人机的悬停有更好的控制效果。     

基于改进反步法的四旋翼无人机轨迹跟踪控制

四旋翼无人机是一个欠驱动、强耦合、高度不稳定的非线性系统.无人机系统的鲁棒性和抗干扰能力是飞行控制的关键问题.在经典反步控制(classical backstepping control,CBC)方法的基础上,增加了误差积分和饱和函数,设计了积分饱和反步控制(integral saturation backstepping control,ISBC)策略,用于抵抗无人机飞行过程中受到的常值干扰和变值干扰.系统的稳定性由Lyapunov稳定性定理证明.在MATLAB/SIMULINK环境下做了轨迹跟踪仿真实验.仿真结果表明,相比CBC控制策略,ISBC控制策略对四旋翼无人机系统有更好的抗干扰能力和优越的鲁棒性.     

基于ARM处理器的四旋翼无人机自主控制系统研究

为实现四旋翼无人机的自主飞行控制,设计并搭建了四旋翼无人机的硬件飞行控制平台.该平台采用自行组装的四旋翼飞行器作为本体,航向姿态参考系统(AHRS)MTi-G单元作为主要机载传感器,ARM嵌入式系统芯片作为主控制器,AVR单片机作为超控单元.基于四旋翼无人机的非线性动态模型,采用内外环结构的PD控制算法,构造了无人机的位置与姿态跟踪控制器.实现了四旋翼无人机滚转角、俯仰角和水平纵向、横向位置共四个自由度的自动控制.实验结果表明,本文提出的机载控制系统设计取得了较好的飞行控制效果.     

基于滑模PID的飞行机械臂稳定性控制

机械臂与旋翼飞行器之间的耦合运动、系统自身的欠驱动特性以及外界的不确定干扰,都会影响旋翼飞行器的稳定性控制。为提高整个系统的飞行稳定性,考虑到波动输入信号和外界扰动的影响,该文建立了飞行机械臂的动力学模型,设计了一种基于滑模PID控制方法的指数趋近率控制器。与传统的PID控制方法相比,该方法不仅能够减弱外界不确定干扰的影响,准确快速地对飞行器进行姿态稳定,而且缩短了调节时间,增强了飞行器的自身稳定性和鲁棒性。     

基于状态观测器的多无人机编队跟踪控制

针对一组欠驱动四旋翼无人机在编队飞行中仅有部分无人机可以直接获取领机状态信息的问题,提出了一种基于状态观测器的分布式有限时间编队跟踪控制策略.根据四旋翼无人机系统严格反馈的结构特点,将四旋翼无人机的动力学模型划分为位置子系统和姿态子系统,然后分别进行位置控制器和姿态控制器的设计.首先,考虑到在分布式的编队控制策略下,并非所有的无人机都能直接与领机进行通信并获取领机的状态信息.对每架四旋翼无人机分别设计分布式有限时间状态观测器估计自身与领机的相对状态信息,稳定性分析表明所设计的状态观测器的观测误差能够在有限时间内趋近于零;其次,在四旋翼无人机状态观测器观测结果的基础上设计了有限时间位置控制器,稳定性分析表明位置控制器能够在有限时间内实现对领机位置的稳定跟踪;然后根据位置环控制量解算出期望的姿态角,基于滑模控制方法设计了姿态控制器,稳定性分析表明各架无人机的姿态角能在有限时间内跟踪上期望的姿态角;最后,从仿真结果中能够看出所设计的状态观测器的观测误差能够在有限时间内趋近于零,即每架无人机的状态观测器能够在有限时间内观测到自身与领机的相对状态信息.从无人机飞行轨迹中能够看出各架无人机能够在有限时间内形成并保持期望的队形.     

基于扰动观测器的时变负载四旋翼无人机自适应有限时间控制

针对具有未知外部扰动和阻力系数的时变负载四旋翼无人机系统,提出了一种复合有限时间控制策略。首先,通过牛顿-欧拉方法建立了完整的四旋翼无人机数学模型。位置环采用自适应参数校正方法对负载进行估计,并与反步递推控制相结合,在阻力系数未知情况下设计了自适应轨迹跟踪控制器。其次,采用基于扰动观测器的有限时间滑模控制器,并利用Lyapunov稳定性理论进行无人机系统位置环和姿态环渐近稳定和有限时间稳定性验证。最后,通过数值仿真进行验证。结果表明,所提控制器提高了系统的收敛速度,减少了外界扰动对系统的影响。研究方法克服了已有研究要求阻力系数和负载已知的局限性,提高了系统的抗干扰能力,对于增强四旋翼无人机的实际应用性具有一定的参考价值。     

具有参数不确定性的欠驱动四旋翼无人飞行器的非线性控制器设计(英文)

针对具有参数不确定性的欠驱动四旋翼无人飞行器,设计了一种非线性飞行控制器.该控制器主要采用非线性鲁棒以及在线参数估计算法.利用基于李亚普诺夫稳定性分析方法,证明了这种控制器可以使四旋翼无人飞行器的x,y,z方向的位移跟踪参考轨迹,偏航角ψ稳定到任意点,并且达到全局最终稳定的控制效果.同时相对于一般的滑模控制算法,本文提出的控制器消除了颤振现象.数值仿真结果表明,本文提出的控制设计具有良好的控制效果.     

四旋翼无人机滑模-CPCMAC联合控制半物理仿真系统

针对四旋翼无人机强耦合、欠驱动、非线性等特点,以及在实际飞行过程中极易受到干扰的问题,对四旋翼无人机动力学模型进行分析,提出了一种基于联合的四旋翼无人机姿态控制算法,并在此基础上设计了四旋翼无人机半物理仿真系统。首先,针对非线性系统设计滑模控制器,选择跟踪航迹和翻滚角设计位置控制率和姿态控制率。其次,滑模控制器在实际应用中易产生震荡,利用基于信用积分的小脑模型神经网络(CPCMAC)来学习滑模控制的方式。最后,搭建基于LabVIEW的控制站,同Matlab/Simulink进行数据收发控制。仿真结果表明,在跟踪目标相同时,提出的四旋翼无人机滑模-CPCMAC联合控制相比于传统的比例积分微分(PID)控制和积分反步法控制优势明显,能够抑制超调和余差,在快速性和鲁棒性方面都更加优越。同时,构建的四旋翼无人机半物理仿真平台能清晰反馈出无人机参数的变化,应用预留的参数接口和地面控制站,降低了无人机飞控算法的开发难度,提高了开发效率,具有明显的实用价值。     

基于hp自适应伪谱法的四旋翼无人机编队轨迹优化

四旋翼无人机编队轨迹优化是实现高精度跟踪控制的基础。本文研究四旋翼无人机编队轨迹优化问题,首先建立非线性四旋翼无人机模型,并对模型进行简化与参数获取;再考虑四旋翼无人机编队之间的避撞约束、状态量约束及控制输入量约束;最后采用可自适应选点的hp自适应伪谱法将最优控制问题转化为非线性规划问题进行求解。仿真结果表明,hp自适应伪谱法可以对于求解6架四旋翼无人机编队的轨迹优化问题具有良好的效果,能够满足工程实际的约束要求。     

四旋翼飞行器的姿态解算及控制

四旋翼飞行器是一种新型的无人机,有着结构简单,灵活的优点,广泛应用于灾后搜救,目标跟踪及安全巡检,近年来,民用及军用市场的广泛需求更促进了四旋翼飞行器的发展,由于四旋翼飞行器的飞行姿态具有强耦合及不稳定的特性,而姿态控制又是飞行器控制系统的核心,该文简单介绍了四旋翼飞行器的姿态解算及控制方法,给出了互补滤波器融合系数的方法,在PID控制算法中使用串级PID控制,经过实验证明,所设计控制系统性能可靠,满足飞行器姿态控制的要求。     

风速对小型旋翼无人机螺旋桨的影响分析

为研究风速对小型旋翼无人机的气动特性的影响,在中国民航大学风洞试验室模拟不同来流下无人机的飞行状态,通过动力测试系统测量螺旋桨的拉力、扭矩、系统效率、桨力效等参数,并分析了风速对螺旋桨性能参数的影响。并进行了计算流体力学(CFD)数值模拟,计算了T-MOTOR直径558mm的碳纤维螺旋桨,并与试验结果进行对比验证模型的有效性。通过试验与数值模拟分析风速影响下小型旋翼螺旋桨不同风速与不同转速的参数变化。结果表明,数值模拟与风洞试验具有一致性,其中扭矩误差在5%以内,拉力误差在13%以内,且风速对小型旋翼无人机动力系统参数具有极大的影响,对无人机飞行的安全性具有严重的威胁。通过研究可为小型旋翼无人机的优化与风速对适航安全提供参考。     

基于云台相机的四旋翼无人机跟踪控制系统

针对四旋翼无人机跟拍过程中视角固定,易丢失目标的问题,设计了一种基于云台相机的四旋翼无人机跟踪控制系统。首先,使用云台相机对地面移动目标进行拍摄,通过对目标的颜色特征和形状特征进行检测识别,使用核相关滤波( KCF: Kernel Correlation Filter) 方法进行视觉跟踪,得到地面移动目标在图像坐标系的位置。然后,通过建立针孔模型,解算出在云台相机带有俯仰角时的无人机与地面目标的相对位置关系。最后,设计了离散串级比例-积分-微分( PID: Proportion-Integral-Differential) 踪控制器,实现对无人机的位移控制,使四旋翼无人机可对地面移动目标进行稳定跟踪。同时设计了串级比例-微分( PD: Proportion-Differential) 控制器以实现云台相机的视角跟踪,增大了无人机的跟踪范围,降低了丢失目标的风险。实验结果表明,所设计的四旋翼无人机跟踪控制系统可实现对地面移动目标的稳定跟踪。     

基于ADRC的四旋翼无人机姿态控制研究

四旋翼无人机由于受到自身的非线性、模型的不确定性和外部突发气流等的影响,较难完成预设的飞行任务.为此,使用自抗扰控制,通过安排合理的过渡过程减少超调和设计扩张状态观测器来估计总扰动并实时补偿,并实现四旋翼无人机姿态控制.仿真结果表明:相比传统PID控制,该控制方法使得四旋翼无人机能够更好地适应自身参数的变化和应付外部气流带来的影响,具有更好的鲁棒性和抗扰性.同时验证了自抗扰控制器下的系统具有超调小、精度高、收敛速度快、抗扰能力强和鲁棒性能好等特点.     

基于Unity3D的多旋翼飞行器模拟训练系统设计

为帮助不同层次多旋翼飞行器爱好者更好地掌握飞行器飞行控制技巧,利用Unity3D设计开发一套多旋翼飞行器飞行训练仿真系统,系统包含技能训练、挑战训练和考级训练3种训练模块。首先构建不同训练模式下的虚拟运动场景,然后通过重力与惯性模拟、碰撞和边界检测以及飞行视角切换等手段,完成飞行器虚拟物理系统的设计,最后在建立微型四旋翼、四旋翼、八旋翼3类多旋翼飞行器3D模型基础上,设置键盘和遥控器2种外部输入设备,模拟飞行器升降、俯仰、偏航飞行运行姿态及姿态变化等功能,实现仿真运动控制功能。测试结果表明该系统能很好地满足多旋翼飞行器飞行训练要求。