四轴无人飞行器控制系统设计

四轴飞行器是一种移动灵活、飞行稳定的无人飞行器,姿态控制是其飞行控制系统的核心。根据四轴飞行器的工作原理及其系统的功能要求,设计了一种模块化的四轴飞行器,该飞行器采用Atmega32u4处理器作为核心控制模块,采用MPU-6050惯性测量单元用于姿态检测,由超声波电路检测飞行器的高度,结合通信模块采集数据,并使用PID控制算法进行闭环控制。实验表明,飞行器能较好地执行飞行任务。     

基于改进PSO算法的四旋翼飞行器飞控系统PID参数整定

针对四旋翼飞行器飞控系统中存在PID控制器参数难以整定的问题,提出一种改进的粒子群算法,应用于PID参数的整定优化中.为了让粒子群在算法早期拥有较强的全局搜索能力,在算法后期拥有较强的局部开发能力和较快的收敛速度,该改进算法采用了一种可使惯性权重非线性下降的调整策略;同时,算法融合了遗传算子,进一步加快了收敛速度,避免算法陷入局部最优.将该算法应用于PID控制器的参数优化,以实数编码的形式直接生成与PID参数组对应的粒子群,并把控制系统的误差性能指标作为评价粒子群的适应度函数.通过与标准粒子群算法与手动调参的阶跃响应对比分析,发现改进算法其阶跃响应曲线超调量更小,调节时间更短,响应速度更快,动态性能更优.提出的改进算法能对四旋翼飞行器飞控系统中的PID参数进行较好的优化,实现更好的控制效果,使得飞行器在飞行过程中更加平稳.     

基于拉格朗日模型的四旋翼飞行器的目标轨迹控制

研究了四旋翼飞行器的目标轨迹跟踪的稳定性控制问题.采用四旋翼飞行器的拉格朗日动力模型,提出了使四旋翼飞行器能够渐进跟踪的控制协议,同时利用李雅普诺夫稳定性理论,分析了控制系统的稳定性,以及给出了在控制协议下四旋翼飞行器实现有效跟踪的条件.最后,通过仿真实验表明所提控制协议的可行性和有效性.     

四旋翼飞行器的分散式容错控制

针对存在复合干扰和执行器故障的四旋翼飞行器姿态系统提出一种故障调节策略. 首先给出了四旋翼飞行器的姿态模型和存在复合干扰情况下的姿态模型,并给出执行器的失效故障表达形式. 针对姿态控制系统的复合干扰和执行器失效故障,分别给出一种复合干扰估计和局部故障诊断和辨识(fault diagnosis and identification,FDI)算法. 复合干扰估计器由干扰估计误差驱动,并非直接与传统的状态跟踪或预测误差有关. 针对执行器失效故障的局部FDI结构类似于模型参考自适应,基于复合干扰估计和局部FDI设计出四旋翼飞行器姿态系统backstepping容错控制器. 仿真实验验证了文中所提容错控制策略的正确性和有效性.     

基于stm32的四轴飞行器的设计

四轴作为一种微型飞行器,利用无刷电机带动螺旋桨为飞行器提供动力进行空中飞行。采用stm32作为微处理,MPU6050采集飞行器所处的位置,对核心模块参用单组供电方式供电,减少干扰,保证系统的稳定运行。     

多传感器融合四旋翼协同控制算法及其实现

针对四旋翼无人机定点悬停控制,从应用层面提出了多传感器数据融合方案,设计了相应的协同控制算法.在飞行器整体硬件架构基础上分析量测系统的各个传感器,对于姿态测量通道提出卡尔曼滤波算法,对于高度测量通道提出互补滤波算法,对于水平位置测量通道提出双传感器融合算法.基于四旋翼无人机的状态空间及其小扰动线性化模型,设计了与之相结合的协同控制算法并进行仿真.最后在物理平台上对设计的算法进行验证,表明多传感器融合与协同控制相结合的方法能有效提高四旋翼无人机的定点悬停精度.     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

网络化控制系统研究综述

进入21世纪以来,互联网技术得到了空前发展,与互联网技术结合的控制系统理论及应用逐渐成为学术界关注的重点。基于此,本文梳理了网络化控制系统研究历程,分析了该领域的研究现状,探讨了网络化控制系统的模型设立、评估状态、信息迟滞、设计算法、通信约束等,并对下一步研究方向做了一定展望。     

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。     

路面抛丸机高速轴的有限元分析

高速轴是路面抛丸机的关键零件之一,所以高速轴设计的好坏对其性能的影响至关重要。因此通过对高速轴的受力分析,利用有限元软件ANYSY对其建立三维有限元模型,并对它进行静力分析和模态分析,得到了应力分布情况、各阶固有频率和振型,为高速轴的改进提供了重要依据。