四旋翼无人机飞行姿态的自适应反演滑模控制

针对非线性六自由度欠驱动四旋翼无人机的姿态和位置控制问题,提出自适应反演滑模控制算法.设计了一种自适应律对控制中的参数摄动和外界干扰上界进行在线估计,并将估计值补偿到反演滑模控制中.通过李雅普诺夫稳定性理论证明自适应反演滑模控制能使跟踪误差一致渐近收敛到零.最后,根据给定的四旋翼无人机参数进行数值仿真,所得结果表明在系统存在参数摄动和外部干扰的情况下,该方法也能够实现四旋翼无人机的姿态稳定和定高悬停,并具有较好的鲁棒性..     

基于鲁棒补偿的四旋翼飞行器设计与实现

针对现有水域环境监测手段的不足,提出了一种基于四旋翼飞行器的水域环境监测方法.该飞行器可以在水面上空航拍,也可以悬停于水面或滑水飞行,并能将摄像头和环境监测传感器浸没水中进行实时监测.在设计了基于鲁棒补偿的姿态控制器和基于PID控制的位置控制器的基础上,搭建了系统样机,完成了飞行器定点悬停与水面滑水飞行的测试,并通过搭载的防水摄像头和传感器结合无线模块实现了水下环境的实时监测.     

基于改进型BP神经网络的四旋翼控制系统

为了实现对四旋翼无人机的自稳定控制,首先对四旋翼无人机进行了动力学建模,提出了一种改变学习率的BP神经网络算法与PID控制相结合的姿态控制方法,并在相同环境下与常规PID控制器进行了仿真试验对比。仿真试验结果表明:基于改进型BP神经网络的PID控制器能够有效地实现无人机的自稳定控制,相比于常规PID控制器,基于改进型BP神经网络的PID控制器具有响应速度快\,超调量低\,鲁棒性强等优点。     

机器视觉辅助的无人机空中加油相对导航

为准确获取无人机空中加油对接阶段的相对位姿信息,提出了一种机器视觉辅助的INS/GPS/MV 组合导航方案,研究了机器视觉图像的特征点提取与匹配算法. 引入相对惯导误差,建立了全局滤波器的增广状态方程,并根据杆臂矢量推导了GPS和机器视觉量测方程. 设计了基于联邦滤波器结构的全局多速率扩展卡尔曼滤波算法,以融合多速率传感器信息,并与标准EKF算法进行对比. 仿真结果表明,所提出的算法能有效融合惯导、GPS和机器视觉的测量信息,使导航参数的精度和输出带宽均满足导航系统的设计要求,有利于改善无人机的飞行品质,放宽对飞控系统的性能要求.     

对四轴飞行器基于姿态算法的分析与实现

四轴飞行器是无人飞行器中一个热门的研究分支,随着惯性导航技术的发展与惯导传感器精度的提高,四轴飞行器在近些年得到了快速的发展。由于四轴飞行器具有不稳定、非线性、强耦合等特性,所以需要建立完整的数学模型进行分析。而姿态控制是四轴飞行器飞行控制系统的核心,所以分析姿态控制尤为必要。本文对四轴飞行器的控制系统进行设计,并对其姿态估计算法、控制算法以及几种自主悬停算法进行了研究与分析。     

三栖四旋翼模型与PID控制设计研究

本文在三栖四旋翼机体结构和飞行原理的基础上,利用牛顿-欧拉法对无人机进行动力学受力分析,建立相应数学模型,通过四旋翼无人机的数学模型分析,设计了比例-积分-微分(PID)控制器,利用MATLAB进行仿真验证。     

多无人机协同编队控制研究现状及进展

目前,多无人机编队是未来战场的主流趋势已成为普遍共识.各国投入了大量资源进行相关理论和技术研究与开发,传感器技术、智能控制技术、信息融合技术以及无线通信技术都获得了较大的进步与发展,无人机技术日臻成熟.回顾无人机的发展历史,概述了国内外无人机集群的重点项目,多无人机编队的关键技术;阐述了编队控制体系与结构,从任务规划与...     

旋翼无人机目标推力矢量最速趋近法

针对旋翼无人机轨迹跟踪任务,提出一种基于四元数等效旋转矢量的目标推力矢量快速趋近法,用以优化此类飞行器的轨迹跟踪控制方式.具体过程如下:由位置控制环生成主旋翼目标推力矢量,求出当前推力矢量到目标矢量的最小旋转矢量和姿态改变最小的变化四元数,进而得到目标姿态四元数,再以该四元数作为姿态控制环给定量,实现目标推力矢量快速趋近.仿真与飞控平台验证表明:该方法能使推力矢量以最优路径趋向目标矢量,减小了旋翼无人机姿态变化量,缩短了姿态跟踪时间.利用该方法优化设计了轨迹跟踪控制方案,与其他未经优化的有关方案相比,该方案整体计算量小,更适用于成本受限的低端嵌入式控制器.     

雷达威胁环境下的多无人机协同航迹规划

针对雷达威胁环境下的多无人机协同航迹规划问题,提出一种基于Voronoi图与蚁群算法结合的智能规划方法. 根据雷达威胁分布建立赋权Voronoi 图,将连续可飞空域离散化为网格点. 通过选取适当的参数放宽蚁群算法的最优性,将每架无人机寻优得到的多组解作为多条备选航迹,建立以协同时间为约束的协同函数,根据协同时间最优决策方法选出每架无人机的最终飞行航迹,进行航迹平滑处理后得到实际可飞航迹. 仿真结果表明,所提出的智能航迹规划方法具有时间协同和整体最优等优点.     

基于PID算法对智能车自动控制的研究与实现

本设计以摄像头为传感器,利用电机和舵机来控制智能车的方向及速度,旨在研究并实现PID控制算法。其间设计并建立了简略的数学模型,进行相应数学公式的推导,同时通过相关软件进行仿真,结合实际参数,研究PID算法的原理。其目的是将PID算法与智能车车模相结合,使智能小车能够正常并稳定地沿着路径行驶。     

随机奇异系统分布式最优分量融合滤波器

应用射影理论,基于奇异系统典范型分解,对带相关噪声的单传感器随机奇异系统,给出一种新的递推滤波器;当系统带有多个传感器时,基于线性最小方差标量加权的分量融合算法,给出了多传感器分布式最优分量融合滤波器.融合估计的每个分量分别由局部估计的相应分量按标量加权融合获得,它只需并行计算一系列标量权重.可改善各局部估计的精度和减小计算负担.推得了随机奇异系统任两个局部估计之间的滤波误差互协方差阵.仿真例子验证了其有效性.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

带有色观测噪声多传感器信息融合稳态Kalman跟踪滤波器

针对带有色观测噪声的目标跟踪系统,分别用基于ARMA新息模型和基于R iccati方程的两种方法,在线性最小方差信息融合准则下,提出了多传感器按矩阵加权、对角阵加权和标量加权的三种信息融合稳态Kalman跟踪滤波器.仿真说明了三种加权滤波器的误差的差别不明显,但按标量加权滤波器显著地减少了计算负担,便于实时应用,且验证了两种方法所得结果相同.应注意在构造ARMA新息模型时,必须进行多项式矩阵的左素分解,才能得到正确的ARMA新息模型.     

基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.     

采用自适应补偿的无人机姿态测量

根据合作目标的单站姿态测量原理,结合实际大气湍流条件下激光光束的漂移及扩展效应,提出利用补偿和定位后的激光光斑质心确定无人机外部姿态的方法. 通过计算单帧激光光斑中心提取单位时间内激光光斑质心组成的外围轮廓特征点,并将其构成多边形. 以多边形图像质心为参照,建立姿态测量自适应补偿模型. 计算结果表明,当目标距离为3 km时,采用模拟退火算法迭代解算并对结果进行自适应补偿,得到的姿态角误差最大值为0.221±,说明自适应补偿技术的姿态测量算法具有较高的姿态测量精度和收敛性.     

多传感器信息融合白噪声去卷Wiener滤波器和平滑器

应用现代时间序列分析方法和白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多传感器最优信息融合白噪声去卷W iener滤波器和平滑器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数.同单传感器情形相比,可提高融合估值器精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声去卷滤波器的仿真例子说明了其有效性.     

渐消递推滤波辅助光谱分析：最佳自适应算法

研究了Ｋａｌｍａｎ渐消递推最佳滤波辅助光谱辨析。基于Ｋａｌｍａｎ滤波达到最优时其新息序列互不相关的性质，提出了一种新的渐消滤波─—最佳自适应算法。通过在线自适应地调整遗忘因子从而使滤波（器）在存在模型误差或受到外扰时仍保持收敛性和最优性。用于重叠峰的辨识，能取得更好效果。     

异质双9轴MEMS惯性传感器数据互补-加权迭代融合算法

在MEMS惯性传感器导航研究中,传统的MEMS捷联式惯性导航系统仅利用单多轴MEMS惯性传感器对移动目标进行导航定位,其测量值和噪声特性易受环境影响,此外加速度误差、陀螺仪漂移、平台框架角误差、平台安装误差等因素也严重影响传感器性能. 为此,从异质非单多轴MEMS惯性传感器互补融合角度出发,用异质双9轴MEMS惯性传感器采集移动目标原始信息,并提出互补-加权迭代融合算法. 首先对异质双9轴MEMS惯性传感器测得的原始数据进行预处理,基于卡尔曼滤波用最小方差估计法求解观测值. 通过估值方差和革新方程形成权值更新模型,实现异质双9轴MEMS惯性传感器数据的互补融合. 实验表明,相较传统单9轴MEMS惯性传感器导航,该算法可提高导航精度50%以上.     

按三种不同加权准则的信息融合Kalman滤波器的性能比较

用Kalman滤波方法,在三种不同的线性最小方差最优融合准则下分别提出两传感器按矩阵加权,按对角阵加权和按标量加权的信息融合稳态Kalman滤波器.它们可以处理带相关的输入和观测噪声和带相关的观测噪声系统.一个目标跟踪系统的仿真例子说明了它们的有效性.仿真结果表明,同按矩阵加权和按对角阵加权融合滤波器相比,按标量加权融合滤波器的精度没有明显损失,但却显著地减小了计算负担,构成一种快速信息融合估计算法,适合实际应用.