基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究

针对传统PID控制不能实时更新整定的K_p、K_i、K_d参数,以及控制精度不高等缺点,在结合四旋翼无人机自身特性的基础上,本文提出一种附加惯性项的BP神经网络与PID控制结合的姿态控制方法,并对惯性系数进行修改,来实现无人机在受干扰情况下飞行过程的姿态控制。仿真实验分析表明:与BP神经网络参数自整定PID控制和传统PID控制相比,该控制方法提高了系统的抗扰性、鲁棒性和动态性能,从而对于提高无人机的姿态控制具有较好的实际参考价值。     

四旋翼姿态的反步滑模自抗扰控制及稳定性

为了解决四旋翼无人机姿态控制中存在的问题,设计了一种基于反步滑模自抗扰姿态控制器.首先,介绍了四旋翼无人机的动力学模型,建立了基于反步滑模自抗扰控制算法的姿态控制方案.控制方案构成主要包括扩张状态观测器及基于Lyapunov稳定性分析的反步滑模控制器.稳定性分析表明,通过合理调整参数可以保证控制系统是渐近稳定的.仿真结果表明,所设计的控制器同经典自抗扰控制器相比,对扰动有较强的抑制能力,提高了自适应性和鲁棒性,表明该控制系统具有更好的稳定性和动态性能,对四旋翼姿态控制更加有效.     

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.     

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。     

抗时滞LADRC的六旋翼飞行器姿态控制

以X形六旋翼飞行器为研究対象,依据牛顿第二定律和牛顿-欧拉方程建立了六旋翼飞行器数学模型,提出了基于抗时滞线性自抗扰的六旋翼飞行器姿态控制策略实现了飞行器的姿态稳定跟踪控制,解决了姿态控制延迟和执行机构动态特性可能引起的LADRC响应振荡。在MATLAB/Simulink下搭建仿真模型,对飞行器在理想情况和有外界扰动条件下分別在PID控制器和抗时滞线性自抗扰控制器作用进行仿真,仿真结果表明:抗时滞线性自抗扰控制的六旋翼飞行器姿态控制系统具有较高的动态品质、稳态精度以及较强的鲁棒性且该控制器待整定参数较少,计算简单。     

基于抗时滞LADRC的六旋翼飞行器姿态控制

以“X”型六旋翼飞行器为研究对象,依据牛顿第二定律和牛顿-欧拉方程建立了六旋翼飞行器数学模型,提出了基于抗时滞线性自抗扰的六旋翼飞行器姿态控制策略,实现了飞行器的姿态稳定跟踪控制,解决了姿态控制延迟和执行机构动态特性可能引起的LADRC响应振荡。在Matlab/Simulink下搭建仿真模型,对飞行器在理想情况和有外界扰动条件下分别在PID控制器和抗时滞线性自抗扰控制器作用进行仿真,仿真结果表明：抗时滞线性自抗扰控制的六旋翼飞行器姿态控制系统具有较高的动态品质、稳态精度以及较强的鲁棒性且该控制器待整定参数较少,计算简单。     

基于改进精英蚁群系统算法的四旋翼无人机姿态控制研究

四旋翼无人机在飞行过程中姿态易受到外界气流等因素的干扰,导致飞行姿态失稳,影响完成预设飞行任务的质量。针对传统PID控制不能自适应调整其控制参数的特点,本文首先研究精英蚁群系统算法与PID控制结合的方法,然后提出一种改进精英蚁群系统算法与PID控制结合的方法,分别实现无人机在受到干扰情况下飞行过程的姿态控制,并进行了仿真实验对比。仿真实验结果表明:用改进精英蚁群系统算法优化PID控制参数,不仅可以在短时间内获得PID控制参数的最优解,提高了收敛速度,同时具有更好的抗扰性和鲁棒性。     

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。     

小型四旋翼飞行器姿态的自抗扰控制

针对存在总扰动的小型四旋翼飞行器姿态控制问题,设计一种基于自抗扰技术的四旋翼飞行器姿态控制方法.首先,利用牛顿-欧拉建模方法建立小型四旋翼飞行器动力学系统模型,将其表示成二阶状态空间方程形式.然后,将系统的总扰动扩张为一个新的状态变量,并设计扩张状态观测器对系统总扰动进行估计.最后,在系统扰动估计的基础上设计非线性状态误差反馈控制律.仿真结果表明,所设计控制器对系统总扰动具有很强的鲁棒性能,实现了姿态的快速稳定控制要求.     

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,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。本文的强化学习算法是结合深度确定性策略(deep deterministic policy gradient,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,该控制方法可以对目标值进行快速地追踪且有着较强的鲁棒性,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。     

四旋翼无人机滑模自抗扰控制

针对四旋翼无人机易受到非线性、多目标以及控制量受限和其他不确定性因素干扰的影响,本文基于自抗扰控制和滑模控制设计了一种滑模自抗扰控制器。在被控对象姿态角速度未知的情况下,该控制器采用扩张状态观测器对无人机的姿态角速度和未知干扰进行观测;再将估计的姿态角速度和干扰用于控制器的反馈和控制量的补偿;最后利用Lyapunov理论证明控制系统的稳定性。仿真结果表明,本文设计的滑模自抗扰控制器可以保证观测误差的快速收敛,实现被观测量的高精度估计;在姿态角速度未知的情况下,仍可保持稳定的姿态控制。     

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。     

基于双空间PSO算法的四旋翼无人机 自抗扰控制器优化设计

四旋翼无人机自抗扰控制器所需的参数较多,传统PSO算法虽然可以对控制器的参数进行有效的整定,但需要的粒子群数量较大,寻优速度也比较慢。本文在传统PSO算法的基础上,根据自抗扰控制器的特点,将所需整定的参数分为两组,从两个空间里分别初始化各自的粒子群,并进行交叉寻优,形成一种双空间PSO算法,对四旋翼无人机自抗扰控制器进行优化。仿真结果表明,相比传统的PSO算法,双空间PSO算法所需粒子群数量少,寻优速度更快,而且经过双空间PSO算法优化后的自抗扰控制器具有更小的误差和更快的收敛速度。     

基于自抗扰模糊参数优化的纵列式植保无人机姿态控制仿真

针对纵列式植保无人机飞行控制系统中姿态控制的高要求和飞行中存在的各种未知扰动和参数不确定,提出了一种自抗扰模糊参数优化控制策略,以实现纵列式植保无人机姿态控制的高性能.包括安排过渡过程以减少超调,提高响应速度;设计扩张状态观测器来处理未知干扰和参数不确定性;为了提高控制系统的动态性能,采用模糊控制对非线性反馈控制律的增...     

四旋翼直升机的线性自抗扰与非线性H_2/H_∞混合控制

为实现四旋翼直升机的轨迹跟踪控制,基于线性自抗扰与非线性H_2/H_∞混合控制提出一种非线性鲁棒控制策略。采用拉格朗日—欧拉方程建立四旋翼直升机的非线性数学模型,并将其划分为旋转运动子系统和平移运动子系统。在旋转运动子系统中,选取非线性H_2/H_∞混合控制实现姿态角的稳定控制;在平移运动子系统中,采用线性自抗扰控制完成位置系统的跟踪控制。研究结果表明:在考虑参数不确定性和持续外部扰动的情况下,所提出的控制策略鲁棒性较强,具有较好的跟踪效果和抗扰性能。     

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。     

改进人工蜂群算法的四旋翼自抗扰控制参数优化

针对四旋翼自抗扰控制(ADRC)参数整定困难,给工程应用带来较大限制的问题,提出一种改进人工蜂群算法的四旋翼ADRC控制器参数优化方法。该算法采用自适应的探索策略,根据选择概率,从五种不同的搜索规则中进行选择,提高种群的多样性和寻优能力。将ADRC控制器中的参数作为蜂群中的种群应用到四旋翼无人机仿真模型中进行迭代寻优,并把风干扰模型作为环境噪声引入系统,测试算法性能。仿真结果表明,改进后的人工蜂群算法得到的控制器参数响应速度更快,稳态误差更小,抗干扰能力更强。     

PID/ADRC控制器在四旋翼无人飞行控制中的应用

讨论了四旋翼无人飞行器的飞行控制问题,根据四旋翼飞行器的机理建立了运动模型和电机模型,并设计了控制系统.针对建模的不准确性,该控制系统内环回路采用自抗扰控制(ADRC)方法,外环回路采用经典PID控制方法.最后对控制系统在Matlab/Simulink平台上进行仿真,从仿真结果来看,ADRC控制能较好地对系统内扰以及外扰进行估计补偿,减轻了建模工作的负担,并且该控制系统可使四旋翼无人飞行器实现小角度姿态、位置控制、到达指定位置,表明该控制方案是有效的.     

基于LADRC的车用三轴增稳云台姿态控制方法研究

车载增稳视觉云台是自动驾驶车辆的重要组成部分,可实现稳定的路况图像识别。以三轴云台永磁伺服电机为研究对象,提出一种基于线性自抗扰算法的姿态稳定控制策略。基于永磁同步电机矢量控制和空间坐标姿态解算方法,建立三轴增稳云台结构模型和永磁同步电机数学模型,并获取云台空间角度信息。在云台电机姿态控制中引入线性自抗扰控制器,实现对车辆震动干扰的在线辨识与自稳调节。仿真试验结果表明,云台系统中加入线性自抗扰控制方法可有效提高系统的响应速度并减少调节时间,较之常规的PI控制具有更强的抗干扰性,因此该方法对车用三轴增稳云台姿态控制具有一定参考价值。     

基于自适应逆控制方法的小型四旋翼无人直升机姿态控制 

以上海交通大学工程训练中心运动控制实验室自行研制的小型四旋翼无人直升机为研究对象,搭建了姿态控制实验系统.根据牛顿 欧拉方程建立了小型四旋翼直升机的动力学模型,首次将自适应逆控制（AIC）方法运用于小型四旋翼直升机控制系统中,实现了小型四旋翼直升机的姿态稳定控制.仿真结果和实际飞行实验表明,AIC方法在小型四旋翼直升机姿态控制中具有很好的实时性和鲁棒性.