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。     

基于IACO-PID的空调房间温度控制优化

空调房间温度控制器受外界环境干扰大,具有时变性和非线性,传统控制方法难以获得高精度的控制效果,为此提出一种基于改进蚁群算法优化PID的空调房间温度控制优化方法(IACO-PID).首先分析当前空调房间温度控制器存在的不足,然后采用蚁群算法对空调房间温度控制器控制参数求解,并针对蚁群算法的不足进行改进,最后采用仿真对比实验测试改进蚁群算法优化PID的优越性.实验结果表明,改进蚁群算法优化PID空调房间温度控制器的控制精度高,抗干扰能力强,具有较快的响应速度.     

Z字形飞机建模与半实物仿真研究

为了提高无人机飞行品质,研究无人机控制的半实物仿真应用,形成一套通用的无人机飞行控制律设计与半实物仿真方法,针对气动特性较为复杂的Z字形飞机进行了研究。Z字形飞机机翼可向机身方向折叠,便于存放和运输。根据Z字形飞机外形参数,求得气动数据,并在此基础上利用小扰动线性化原理建立纵向线性模型,通过加入干扰脉冲方式研究模型纵向静稳定性,选取各环节传递函数,建立俯仰控制回路,调整PID参数,设计纵向控制律,分别使用Simulink和半实物仿真器进行仿真。仿真结果表明,无人机具有较好的静稳定性,PID控制参数选择合理,系统超调量较小,调节时间较短,可以提升无人机飞行品质,半实物仿真可以更真实、直观地反映无人机姿态,所用建模与仿真方法可应用到其他固定翼无人机,具有一定的通用性。     

基于附加惯性项人群搜索算法的四旋翼无人机姿态控制研究

针对非线性自抗扰控制的控制参数多且不能自整定的缺陷,为进一步提高控制的有效性和精度,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人群搜索算法与自抗扰控制结合的姿态控制算法。对搜索步长和方向的惯性系数的选取方法进行修改,来实现四旋翼无人机在受干扰情况下飞行过程的姿态控制。仿真结果分析表明:与人群搜索算法优化自抗扰控制和自抗扰控制相比,该方法提高了控制系统的动态响应、抗扰性和鲁棒性,从而对于提高四旋翼无人机的姿态控制具有良好的参考价值。     

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。     

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.     

蚁群算法优化PID的废水优化控制

根据废水优化控制系统的特点,提出蚁群算法优化PID的废水优化控制方案.建立目标优化函数,采用蚁群算法对废水优化的PID控制参数进行在线整定,给出蚁群算法优化PID的控制参数设计方案,并对废水优化控制效果进行了仿真测试.仿真结果表明,该方案可以适应外界环境的变化,在较短时间内能有效控制超调量,增强了废水优化控制系统的鲁棒性,废水优化控制精度优于传统方法.     

固定翼无人机轨迹跟踪的滑模变结构控制

固定翼无人机是一个典型的欠驱动、强耦合、多输入多输出(MIMO)的非线性系统。首先,给出无人机系统在受到参数不确定和阵风干扰等情况下的动力学模型;其次,使用滑模变结构控制(SMVSC)方法求解出四个控制输入信号,以实现无人机的期望轨迹跟踪。整个系统采用双回路结构,第一个回路求解出升降舵和发动机控制输入信号,第二个回路求解出副翼和方向舵控制输入信号;对比比例积分微分(PID)控制方法发现,相较于需要整定控制参数的PID算法,使用滑模变结构控制(SMVSC)方法的飞行器所需的控制参数可以在设计滑模面时给出。仿真结果表明,使用该方法的飞行器对外界较强阵风干扰和模型参数不确定具有较强的鲁棒性,并能精确地完成轨迹跟踪任务。     

基于改进SA-WOA算法优化热封刀温度控制系统PID参数的研究

套袋机热封刀温度通常采用PID算法进行控制,但是PID控制参数大多由人为经验设定,控制效果不佳.为解决这一问题,本文提出一种改进SA-WOA算法实现PID控制参数的自整定.首先我们利用阶跃响应曲线法建立系统的传递函数模型,再考虑鲸鱼算法以及模拟退火算法的优点,将两者进行结合;然后在此基础上对算法进行改进,提高算法的收敛速度以及优化效果;再将改进后的算法在MATLAB R2017b平台上进行仿真对比实验;最后,将仿真所得控制参数在套袋机上进行实验测试.仿真对比结果表明,相对于继电反馈算法、粒子群算法以及基于模拟退火的改进粒子群算法,本文算法优化所得参数控制效果更好.实测实验结果表明,本文算法所得参数控制效果良好,可以更好地满足实际的需求.     

小型无人机滑跑航向纠偏及增稳控制设计

为解决小型无人机地面滑跑纠偏过程中易发生的侧翻问题,建立了无人机地面滑跑数学模型,分析了无人机滑跑侧翻的原因,设计模糊增稳控制器,模糊协同控制前轮转向、升降舵和副翼偏转,增加无人机的滑跑稳定性.提出只纠正无人机航向角偏差的纠偏控制方案,降低无人机侧翻风险.设计基于蚁群算法的模糊PID纠偏控制,应用蚁群算法对PID参数离线寻优,用模糊控制对PID参数进行在线调整.仿真和试验结果表明,本文设计的航向纠偏及增稳控制系统能有效纠正无人机航向角偏差,增加无人机在滑跑纠偏过程中的稳定性,防止无人机发生侧翻.      

基于增益自适应超螺旋滑模理论的无人机控制

以无人机为研究对象,针对无人机系统非线性强和飞行过程中外界干扰产生的不确定性,设计一种基于增益自适应滑模控制的无人机姿态控制器.该方法无需观测器对不确定性进行估计就可以实现对给定无人机姿态的跟踪控制,同时滑模控制中的抖振情况可以得到有效抑制.首先介绍无人机模型,给出其数学模型;其次,以误差为状态量,设计稳定收敛的滑模面,采用增益自适应超螺旋滑模算法设计能够有限时间收敛的无人机姿态控制器;再采用Lyapunov第二法证明闭环无人机系统的稳定性;最后对所提控制方法进行仿真验证.结果表明：该控制方法具有可靠的控制性能.     

X型四旋翼无人机的设计与研究

从软件姿态算法解析与控制到硬件的各个系统。通过MATLAB等软件来建立无人机的结构模型,确立机体模型。利用MATLAB软件自带的仿真平台,模拟飞行。利用PID模糊控制器和PID算法,来减少飞行时的不稳定性。采用MPU6050系列的姿态控制器,减小与无人机契合带来的误差。电源供电系统采用节能环保,且体积较小的锂电池,它的使用寿命较长,相较于其他类型的电池,锂电池具有较高的能量密度。     

基于状态预测的无人机导航控制

基于飞行惯性对无人机路径导航实时控制和控制精度的影响,将灰色预测模型与模糊PID控制进行融合,提出了基于无人机飞行状态预测的导航控制策略.将无人机飞行状态预测信息作为系统状态调节的输入,构建灰色预测模糊PID航向控制系统,达到对无人机进行实时、准确导航飞行控制的目的.仿真实验结果表明:灰色预测模糊PID控制器可以有效提高无人机导航控制系统的鲁棒性、实时性,与传统的PID控制器相比,其控制性能更优.     

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.     

无人机航迹规划算法研究

航迹规划算法是无人机应用的关键技术之一。本文主要结合蚁群算法对无人机三维航迹规划进行了系统的研究。针对无人机三维航迹规划的复杂性及其搜索空间大且效率低的问题,提出了一种基于蚁群算法的航迹滚动规划方法,并将地形条件与航迹规划的约束条件加入搜索算法中,以使规划的航迹更符合实际情形。仿真实例结果表明,所提出的规划方法可以规划出满足无人机飞行要求的航迹。     

变推力轴线无人机的混合姿态控制

为提高无人机的自主飞行性能,提出了一种气动舵面偏转控制与推力偏转控制相结合的混合姿态控制方法。给出了推力可偏转情况下的飞机总外力和外力矩。讨论了总外力的变化对飞行机动性的影响,分析了推力力矩对气动力矩的操纵补偿效率。在常规无人机姿态控制系统的基础上,引入纵横向推力偏转角作为新的控制量,设计了飞行姿态控制系统的混合控制模式。对受气流干扰下的无人机姿态稳定控制进行仿真研究。结果表明,变推力轴线技术能够改善飞机在强气流干扰下的操稳特性,减小飞行姿态角偏差和气流角偏差,且对操纵舵面效率不足的问题具有补偿作用。     

四旋翼飞行器PID优化控制

针对四旋翼飞行器具有非线性,强耦合性,多输入的欠驱动系统的特点,研制出既能精确控制飞行器姿态,又具有较强抗干扰和环境自适应能力的控制器。为了达到更好的飞行效果,采用了传统的PID控制算法,但实际应用中需要对PID参数进行优化,提出改进的PSO算法和遗传算法相结合的优化控制方法。为了优化PID参数,首先对飞行器进行动力性建模,再利用改进的PSO算法和遗传算法作PID参数优化。仿真和飞行实践的数据表明,相对于标准的PSO算法,飞行器有更好的鲁棒性和控制效果。     

基于改进PID算法的无人机变速度控制

为提高固定翼无人机的任务能力,使其能够快速改变飞行速度适应任务需求,针对无人机飞行过程中随着速度改变,纵向平衡位置须及时调整的问题,对传统PID算法进行了改进,设计了新的平衡位置修正算法,将比例项和微分项的控制结果乘以一定的系数累加,修正平衡位置的偏差.仿真和飞行试验结果表明:这一改进的算法相比传统的积分算法可以更快地找到新的平衡位置,能够在飞行过程中依据不同的速度有效地修正纵向平衡位置偏差,消除控制结果的静态误差,响应速度快、超调量小、控制效果良好.     

基于弹道下降方式的无人机风险评估与航路规划

针对无人机系统失效后对地面人员及财产安全的威胁,提出了一种基于弹道下降方式下的无人机风险评估及航路规划方法。分析了无人机失效后的下降特点及规律,采用栅格法划分空域环境,以地面不同属性构建低空空域环境风险评估模型。结合无人机飞行的风险值、路径长度和空域情况,建立了多目标、多约束的无人机飞行航路规划模型。利用改进蚁群算法进行求解：优化转移概率,避免蚂蚁陷入死区间和减少盲目搜索;对信息素的更新进行改进,调整自适应系数增强最优路径的信息素浓度,提高算法收敛速度与稳定性。相比传统蚁群算法的路径规划,运行时间缩短6.7%、最优路径风险值降低41.45%、整体性能提高18.0%。仿真结果表明：本文模型及改进算法可以在提高路径安全性的前提下,缩短规划路径生成时间且保障运行的经济性。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。