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.     

旋翼无人机实时视觉跟踪算法

针对背景变化、目标状态变化和短暂遮挡导致的无人机跟踪失败问题,提出了融合基于加速鲁棒特征的光流跟踪器、基于归一化相关匹配(wormalized cross correlation,NCC)的检测器和基于卡尔曼滤波器的位置预估器的目标跟踪算法.此外,设计了基于串级比例-积分-微分控制器(proportion integration differentiation,PID)的位置-姿态外内环控制器,计算目标相对无人机的水平位移,据此通过两级PID算法完成位置-姿态的控制,以确保目标始终位于图像中心附近,实现对目标的有效跟踪.测试结果验证了该跟踪算法的有效性.     

四旋翼动力学建模及非线性PID轨迹跟踪控制

四旋翼无人机因其简单易用性被应用于航空摄影、天气监测、交通监控、军事监视和地球科学等领域,可以配备摄像头和各种传感器按照既定轨迹飞行,来准确执行许多复杂的任务。通过四旋翼飞行器系统刚体运动学建模及模型线性化处理,针对速度和姿态角较小时的轨迹跟踪问题,设计了级联双闭环比例-积分-微分(proportional-integral-derivative,PID)控制器。利用Simulink对所设计模型进行仿真分析,验证了定点悬停和平面正弦轨迹跟踪性能。仿真结果表明:基于小角度假设条件下,所设计PID控制系统可以有效地完成四旋翼飞行器的既定轨迹跟踪。最后通过实物飞行测试,验证了控制算法的有效性。     

基于滑模控制的四旋翼无人机的轨迹跟踪控制

针对四旋翼无人机,研究了基于滑模控制的轨迹跟踪问题.根据无人机复杂的数学模型,首先利用单位四元数法描述系统姿态,再将其分解为位置和姿态两个子系统;通过引入中间控制输入,跟踪三个自由度的位置信息;考虑到位置和姿态子系统分别受到干扰力和干扰力矩的影响,设计了鲁棒反演滑模控制器,保证了对目标轨迹的稳定跟踪.仿真结果验证了该控制方法的有效性.     

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。     

基于STM32的四旋翼飞行姿态串级控制

对四旋翼飞行器飞行姿态的稳定控制问题进行了分析,设计了基于STM32系列微控制器的稳定控制系统。STM32以ARM Cortex-M3为内核,拥有强大的运算能力,作为四旋翼飞行器的飞行姿态控制器的主控芯片。采用四元素融合滤波算法对陀螺仪和电子罗盘等多传感器采集的数据进行飞行姿态解算。结合串级PID控制算法实现四旋翼飞行姿态控制系统设计。仿真及实验结果表明该控制系统符合设计要求,达到了对四旋翼飞行器飞行姿态稳定控制的目的。验证了基于STM32的串级飞行姿态控制的有效性,为后续研究奠定了基础。     

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.     

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。     

双旋翼无人机串级线性自抗扰控制

介绍线性自抗扰控制器(LADRC)和串级线性自抗扰控制器的组成结构,包括线性跟踪微分器、线性扩张状态观测器以及线性误差控制律,并给出各部分的典型算法。为了解决纵列式双旋翼无人机姿态控制系统中欠驱动、多变量、强耦合的控制问题,设计串级线性自抗扰控制器。研究结果表明:所设计的串级线性自抗扰控制器参数少,便于参数整定,能够满足控制精度及快速性的要求,并且具有较强的鲁棒性、抗干扰性能力以及对非线性强耦合系统的解耦能力。     

基于边缘增强模板匹配的PTZ主动目标跟踪系统

为实现对运动目标的动态跟踪,设计了基于PTZ摄像机的主动实时跟踪系统,实现对高关注度目标进行持续跟踪。该系统采用背景建模方法检测当前视野中的运动目标并进行跟踪,针对感兴趣目标采用基于边缘增强模板匹配(EETM)方法进行主动跟踪,并提出了一种简单有效的PTZ摄像机控制方法。采用海康威视球机进行测试,测试结果表明:该系统利用低成本PTZ摄像机可以实现对静态场景和动态场景中目标的检测和跟踪,对感兴趣目标进行主动跟踪,PTZ摄像机控制平稳,能够满足实时性的要求。     

四旋翼飞行器自主循迹取物运输系统的研究

为实现无人机在运输方面的自动化和信息化,设计并实现一种能自主循迹、取物并运输至目标点的四旋翼飞行器。通过对四旋翼飞行器飞行控制原理的分析,使用超声波传感器获取飞行器实时高度,利用计算机图像处理技术实时判断飞行器位置,并用PID( Proportion-Integral-Derivative) 控制器控制飞行器的飞行高度和自身姿态,实现了四旋翼飞行器的自主循迹飞行和物体识别,以及驱动机械手完成对目标物体的抓取与投放。测试结果表明,飞行器可在1 m 高度上以20 cm/s 的速度沿预设轨迹自主循迹飞行,能在50 s 内识别与抓取底面半径为4 cm、高度为8 cm 的圆柱形物体,并投放在以目标点为圆心半径为25 cm 的范围内,达到了预期效果。     

基于深度强化学习的无人机姿态控制器设计

为了能让四旋翼无人机的姿态控制器具有强大的目标值追踪与抗外部干扰的能力，本文提出了一种基于参考模型的深度确定性策略梯度的四旋翼无人机姿态控制器设计，该方法通过神经网络，将四旋翼无人机的状态直接映射到输出，文中用到的强化学习算法是结合深度确定性策略（DDPG）和深度神经网络所设计的。在DDPG算法结构中，进一步加入参考模型，规避控制量太大造成的系统超调，增强了系统的稳定性以及鲁棒性。同时，修改了强化学习中奖励的构成，成功消除了系统的稳态误差。经过研究实验表明，该控制方法对目标值的追踪以及抗外部干扰都有着很强的鲁棒性，可见该控制器相比于传统的控制器，提高了其目标值追踪能力以及抗干扰能力。     

采用模糊扩张状态观测器的四旋翼无人机滑模轨迹跟踪控制

针对四旋翼无人机(UAV)的轨迹跟踪控制存在外界未知扰动的问题,提出一种基于模糊扩张状态观测器的非奇异快速终端滑模控制算法.首先,根据双闭环控制结构分别对姿态内环、位置外环引入模糊扩张状态观测器,利用该观测器对系统所受到外部总扰动进行在线估计.然后,根据模糊扩张状态观测器的观测值,设计非奇异快速终端滑模控制器,保证四旋翼无人机的状态变量可在有限时间内收敛于期望轨迹.最后,根据李亚普诺夫理论,得出四旋翼无人机系统的闭环稳定性,并通过仿真对比实验验证该控制算法的优越性.结果表明：所提的控制算法可以提高跟踪性能,并有效增强系统的抗外界干扰能力.     

增量学习灰度与轮廓模板的行人跟踪方法

为了解决云台摄像机的行人跟踪问题,提出了一种基于粒子滤波的行人跟踪算法.该方法在目标灰度模板以外,学习并更新行人目标的轮廓模板.考虑到行人轮廓因为视角变化可能发生的突然改变,算法准备了多套从不同视角观测的轮廓模板,并且逐渐更新它们使之可以逐渐捕捉目标的轮廓特征.在多段云台摄像机拍摄的监控视频上测试了所提出的算法.实验结果显示,该算法比其他先进的跟踪算法有更长的准确跟踪时间.     

基于光流传感器的四旋翼飞行器设计

采用Texas Instruments公司的TM4C123GH6PM单片机作为四旋翼飞行控制系统和光流数据处理的核心单元,将九轴传感器MPU9250的陀螺仪、加速度计和磁力计经姿态解算后的角度数据作为飞行控制系统的飞行姿态反馈,超声波传感器所测量的高度数据作为飞行高度反馈,优象光流传感器所输出的位置数据作为位置反馈,设计了一款新型四旋翼飞行器.实验结果表明,该四旋翼飞行器自主导航系统可以实现室内自稳、定高和定点飞行功能.     

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.     

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.