未知环境下四旋翼无人机自主飞行系统设计与实现
这是一篇关于四旋翼无人机,组合导航,环境感知,自主避障,运动规划的论文, 主要内容为四旋翼无人机凭借其结构简单、造价低廉、使用灵活等特点,被广泛应用于航测、植保、管线巡查与抗震救灾等多个领域。随着无人机行业发展与应用领域扩大,诸如集群飞行、智慧物流、三维测绘等新型任务对无人机的自动化程度提出了较高要求,传统的人工操作或半人工操作模式已无法胜任大规模、复杂环境下的飞行任务。为使无人机能够更好的完成上述任务,需要其在飞行过程中自主处理环境信息,实现自主定位、主动观测环境、动态规划航迹与主动规避障碍等功能,并最终实现全自主飞行,研究无人机自主飞行系统成为拓展其应用场景,推动行业发展的关键。文章以无人机自主飞行系统为研究对象,首先分析了系统实现所需的关键技术,从自主导航、环境感知与运动规划三方面入手对国内外发展现状进行了系统调研,确定了无人机的软件系统总体架构与分系统任务。在此基础上,给出了硬件在环仿真系统设计方案,完成了自主无人机系统的总体设计。针对无人机在未知环境中的定位问题,文章设计实现了一套基于位姿图优化的组合导航系统。系统使用视觉-惯性里程计(Visual-Inertial Odometry,VIO)获取运动状态估计值,将其对齐到位姿图后输出实时运动状态;之后将运动状态与视觉特征、GPS数据一起添加到位姿图模型中,使用非线性优化方法对历史位姿进行优化,消除VIO的累计误差。考虑到运动规划与环境模型关系紧密,文章将环境感知方法作为运动规划方法的一部分同时设计。环境感知方法以Octo树结构为基础,使用点云与当前位姿构建全局地图,并通过改进碰撞检测逻辑优化了其在高动态环境下的表现。运动规划使用运动基元方法实现,通过求解最优控制问题构建状态转移函数与评价函数,并使用A*方法求解,最终实现无人机运动规划。
四旋翼无人机预设时间容错控制及应用研究
这是一篇关于四旋翼无人机,故障观测器,预设时间控制,硬件在环仿真的论文, 主要内容为随着计算机、无线通信等信息技术的迅速发展,无人系统朝着更加智能化、高效化和安全性更高的方向发展。无人系统已经成为未来发展的重要方向,已经为许多领域带来重大的变革和创新。在一些环境艰苦、危险性较高的场景以及一些重复性的活动中,无人系统正逐步代替人类成为主力,例如工厂中的自动化机械臂;港口和仓库中的自动引导AGV车辆;电力设施自动巡检的四旋翼无人机等。无人系统改变了众多行业的生产方式,提高了生产效率。四旋翼无人机则是无人系统当中的典型代表。在当今社会,四旋翼无人机技术的快速发展正在改变着人们的生活方式,四旋翼无人机以其灵活、便携、机动性强等特点,被广泛应用于航拍、农业、物流等领域。然而,随着应用场景的不断扩大和愈加复杂,对四旋翼无人机飞行控制的要求也在不断增强。如何实现更加稳定、精准、高效的控制,甚至在出现故障后如何继续安全平稳的飞行和降落,成了四旋翼无人机研究领域中的重要课题。因此,本文紧紧围绕上述问题展开研究,主要创新点和贡献如下:(1)针对四旋翼无人机在飞行过程中发生电机失效故障的问题,根据四旋翼无人机的理想模型推导出存在电机故障情况下的四旋翼无人机系统模型。根据此模型,设计了四旋翼无人机故障观测器,利用该观测器估计了故障信息,用于容错控制,提高了四旋翼无人机的飞行安全性。(2)针对四旋翼无人机系统收敛时间需要更加精准的问题。在姿态系统中利用新型预设时间方法,设计了一款四旋翼无人机预设时间姿态控制器,实现系统的姿态信息和角速度信息可以不受初始状态影响,在预先设定的时间之内达到期望状态;在位置系统中,设计了一款预设时间位置控制器,实现四旋翼无人机的位置信息和速度信息在预先设定好的时间之内达到期望状态;同时引入虚拟控制量,将所设计的姿态控制器和位置控制器以内外环的形式耦合在一起,实现了对四旋翼无人机完整过程的控制。(3)针对实际环境中遇到的因素远比理论仿真中假设的情况更复杂的实际问题,如果直接将理论研究成果应用在真实四旋翼无人机中存在一定的风险,因此本文设计并搭建了一款四旋翼无人机硬件在环仿真平台。利用此平台可以实现将新型控制算法快速部署到真实环境中,同时降低了研究的风险和成本。本文将所提出的四旋翼无人机故障观测器和预设时间姿态控制器部署到了实物平台中,验证了其在实际系统中的有效性。四旋翼无人机技术的快速发展和广泛应用需要不断的研究和探索,本文的成果为四旋翼无人机领域的技术研究和应用提供有用的参考和借鉴。
四旋翼无人机半物理仿真系统研究
这是一篇关于四旋翼无人机,半物理仿真,飞行控制系统,传感器,Simulink的论文, 主要内容为近年来,随着科技的快速发展,四旋翼无人机的应用越来越广泛,在无人机工作环境中影响飞行的不确定因素越来越多,这些工况对飞行控制系统的设计和开发提出了更高的要求,飞行控制系统作为无人机的核心部件,验证其稳定性和正确性显得尤为重要。使用软件仿真验证,无法反映无人机真实飞行情况;使用真机验证,试验风险较大。因此,本文设计了一套四旋翼无人机半物理仿真系统,对飞行控制系统进行验证。主要研究内容如下:(1)对四旋翼无人机的飞行原理、坐标系与姿态变换进行了分析和研究,建立四旋翼无人机数学模型。在此基础上,采用MATLAB/Simulink仿真软件搭建无人机模型模拟无人机动态飞行、搭建通信模型实现模型通信、搭建视景窗口模型显示飞行画面,完成了计算机仿真平台的设计。(2)针对传感器信号切换和外接设备连接可靠性的问题,对飞行控制系统进行二次开发。将飞行控制系统中传感器从原有设计分离,并加入总线切换开关,实现物理传感器信号与虚拟传感器信号之间的切换;使用航空插座将信号线引出,连接外围设备和虚拟传感器。设计出稳定性更高的飞行控制系统。(3)为了模拟传感器的逻辑行为,设计了虚拟传感器。首先设计硬件,在硬件基础上设计传感器数据重构算法,通过无人机的位姿数据解算出对应传感器数据。然后设计传感器的模拟程序,使用软件模拟对应真实传感器内部寄存器的逻辑功能,从而达到模拟真实传感器的目的。(4)对各个模块组装连接,便构成半物理仿真系统。使用相同航线对四旋翼无人机进行半物理仿真飞行和真实飞行测试,并计算两种飞行模式数据的相关系数,系数普遍高于0.8,表明半物理仿真系统获得了逼真的仿真效果。通过对无人机半物理仿真系统的研制和测试,证明了系统的可行性和有效性,同时证明了设计的飞行控制系统和虚拟传感器的正确性。半物理仿真测试在室内进行,相对于真实飞行测试,半物理仿真系统高效的测试效率、优越的便利性与低廉的测试成本得到了体现。
基于四旋翼无人机的多模型自适应容错控制研究
这是一篇关于四旋翼无人机,多模型自适应,执行器故障,故障补偿,容错控制的论文, 主要内容为四旋翼无人机作为一种方便快捷,机动性强的特殊飞行器,广泛应用于航空拍摄,抢险救灾,气象监测等领域。正是由于四旋翼无人机的巨大应用前景,使得其在全球范围内形成了研究热潮,而控制系统的研究是其核心。本文以四旋翼无人机为研究对象,在小角度控制情况下,针对不同的飞行故障,提出了利用多模型自适应控制的方法实现其控制系统的容错控制。本文深入研究了基于多模型的自适应控制方法,扩展了其处理系统不确定性的能力,并提出了新的多模型自适应容错控制策略,以补偿系统故障(执行器故障和结构损伤)造成的参数结构不确定性。本文通过设计过程的描述、系统性能的分析以及在通过仿真模拟,阐述了基于多模型的自适应故障补偿控制系统设计过程。其中主要内容如下:(1)分析了四旋翼无人机的数学模型,建立了三姿态角和高度通道的控制模型,并利用经典PID实现控制。(2)基于模型参考自适应控制设计了多模型自适应执行器故障补偿控制策略,实现了对具有不同故障模式的未知执行器故障的有效补偿。该策略分别针对无人机系统,设计了一组系统和故障参数的估计器,每个估计器对应于故障模式集中一种可能的故障模式,再根据估计的参数计算得到每种故障模式下的控制器,并基于估计误差设计了切换机制确定最合适的当前控制器,从而实现对故障模式、故障时间和故障值都未知的执行器故障的补偿。(3)由于气动设备对姿态角变化的影响,导致气动参数的变化很可能造成姿态角的误差,即状态转移矩阵的不确定因素,为了补偿该不确定性因数带来的系统偏差,通过引入实际状态转移矩阵与参考状态转移矩阵之间的误差,重新优化了多模型自适应控制器,使得新的控制器能够在不确定性因素干扰下,提高其容错性能。(4)针对多模型自适应控制算法的中模型库数量不足,故障覆盖面不广的情况,设计了二级多模型自适应控制算法,对已有的模型库故障模型进行二次权重再分配使其可以在模型数量有限的情况下,匹配更多的故障情况,大大提高了故障模型的利用率以及算法的容错效率。上述多模型自适应容错控制策略都通过matlab/simulink成功实现了仿真模拟,验证了其有效性和可行性。
未知环境下四旋翼无人机自主飞行系统设计与实现
这是一篇关于四旋翼无人机,组合导航,环境感知,自主避障,运动规划的论文, 主要内容为四旋翼无人机凭借其结构简单、造价低廉、使用灵活等特点,被广泛应用于航测、植保、管线巡查与抗震救灾等多个领域。随着无人机行业发展与应用领域扩大,诸如集群飞行、智慧物流、三维测绘等新型任务对无人机的自动化程度提出了较高要求,传统的人工操作或半人工操作模式已无法胜任大规模、复杂环境下的飞行任务。为使无人机能够更好的完成上述任务,需要其在飞行过程中自主处理环境信息,实现自主定位、主动观测环境、动态规划航迹与主动规避障碍等功能,并最终实现全自主飞行,研究无人机自主飞行系统成为拓展其应用场景,推动行业发展的关键。文章以无人机自主飞行系统为研究对象,首先分析了系统实现所需的关键技术,从自主导航、环境感知与运动规划三方面入手对国内外发展现状进行了系统调研,确定了无人机的软件系统总体架构与分系统任务。在此基础上,给出了硬件在环仿真系统设计方案,完成了自主无人机系统的总体设计。针对无人机在未知环境中的定位问题,文章设计实现了一套基于位姿图优化的组合导航系统。系统使用视觉-惯性里程计(Visual-Inertial Odometry,VIO)获取运动状态估计值,将其对齐到位姿图后输出实时运动状态;之后将运动状态与视觉特征、GPS数据一起添加到位姿图模型中,使用非线性优化方法对历史位姿进行优化,消除VIO的累计误差。考虑到运动规划与环境模型关系紧密,文章将环境感知方法作为运动规划方法的一部分同时设计。环境感知方法以Octo树结构为基础,使用点云与当前位姿构建全局地图,并通过改进碰撞检测逻辑优化了其在高动态环境下的表现。运动规划使用运动基元方法实现,通过求解最优控制问题构建状态转移函数与评价函数,并使用A*方法求解,最终实现无人机运动规划。
基于观测器的四旋翼无人机姿态控制
这是一篇关于四旋翼无人机,姿态控制,观测器,滑模控制,有限时间的论文, 主要内容为四旋翼无人机具有灵活、高效、方便等特点,在交通、建筑、防灾救援、航道巡查等领域中应用广泛。四旋翼无人机抗干扰能力较弱且极易受到外部环境的影响,这些都增大了其控制难度。因此,一个稳健、可靠的控制方法就显得尤为重要。本文着重于四旋翼无人机的姿态控制问题,将观测器与控制器相结合,针对存在一种或多种干扰的情况下,在有限时间内实现其姿态角的精确、快速跟踪,并且通过软、硬件仿真验证了所设计算法的有效性。其主要工作归纳如下:(1)针对存在未建模动态和环境干扰(一般假定干扰导数界已知)的四旋翼无人机姿态控制系统,设计有限时间扩张状态观测器对未建模动态和环境干扰组成的集总未知数进行估计,利用估计值设计基于未知补偿的互补滑模控制器来实现精确地轨迹跟踪。并且利用Lyapunov理论证明了系统的稳定性,从而建立一个无模型的有限时间控制方案。最后,通过数值仿真对算法的有效性进行了验证。(2)与上述干扰导数界已知不同,本章节研究干扰导数界未知的情况下,设计自适应滑模干扰观测器对干扰进行快速估计,并利用估计值设计基于干扰补偿的非奇异终端滑模控制器来实现快速、精确地轨迹跟踪。接着,通过证明得出干扰的估计误差以及四旋翼无人机轨迹跟踪误差均可实现在有限时间内稳定。最后通过半实物仿真对算法的有效性进行了验证。(3)针对存在复杂非线性干扰与部分已知信息干扰的四旋翼无人机姿态控制系统设计双观测器。首先,对于复杂的非线性可微干扰采用扩张状态观测器进行估计,其次,对于部分已知信息的干扰用外生系统模型进行描述,并用干扰观测器进行估计。然后,利用双观测器的估计值设计基于双干扰补偿的滑模控制器来实现姿态控制。利用Lyapunov理论对系统进行稳定性证明,实现对姿态系统的复合抗干扰。最后,通过仿真实验,对所设计双观测器和控制器的有效性进行了验证。
基于观测器的四旋翼无人机姿态控制
这是一篇关于四旋翼无人机,姿态控制,观测器,滑模控制,有限时间的论文, 主要内容为四旋翼无人机具有灵活、高效、方便等特点,在交通、建筑、防灾救援、航道巡查等领域中应用广泛。四旋翼无人机抗干扰能力较弱且极易受到外部环境的影响,这些都增大了其控制难度。因此,一个稳健、可靠的控制方法就显得尤为重要。本文着重于四旋翼无人机的姿态控制问题,将观测器与控制器相结合,针对存在一种或多种干扰的情况下,在有限时间内实现其姿态角的精确、快速跟踪,并且通过软、硬件仿真验证了所设计算法的有效性。其主要工作归纳如下:(1)针对存在未建模动态和环境干扰(一般假定干扰导数界已知)的四旋翼无人机姿态控制系统,设计有限时间扩张状态观测器对未建模动态和环境干扰组成的集总未知数进行估计,利用估计值设计基于未知补偿的互补滑模控制器来实现精确地轨迹跟踪。并且利用Lyapunov理论证明了系统的稳定性,从而建立一个无模型的有限时间控制方案。最后,通过数值仿真对算法的有效性进行了验证。(2)与上述干扰导数界已知不同,本章节研究干扰导数界未知的情况下,设计自适应滑模干扰观测器对干扰进行快速估计,并利用估计值设计基于干扰补偿的非奇异终端滑模控制器来实现快速、精确地轨迹跟踪。接着,通过证明得出干扰的估计误差以及四旋翼无人机轨迹跟踪误差均可实现在有限时间内稳定。最后通过半实物仿真对算法的有效性进行了验证。(3)针对存在复杂非线性干扰与部分已知信息干扰的四旋翼无人机姿态控制系统设计双观测器。首先,对于复杂的非线性可微干扰采用扩张状态观测器进行估计,其次,对于部分已知信息的干扰用外生系统模型进行描述,并用干扰观测器进行估计。然后,利用双观测器的估计值设计基于双干扰补偿的滑模控制器来实现姿态控制。利用Lyapunov理论对系统进行稳定性证明,实现对姿态系统的复合抗干扰。最后,通过仿真实验,对所设计双观测器和控制器的有效性进行了验证。
旋翼无人机目标自主实时跟踪方法及应用研究
这是一篇关于四旋翼无人机,目标检测,YOLO v4-tiny,目标跟踪,MobileNet v2,孪生神经网络的论文, 主要内容为随着科学技术和社会的发展,无人机在内的各式各样的机器人日益广泛地应用在生产生活的方方面面。以旋翼无人机搭载相机视觉模块用于目标追踪的空中机器人系统,在很多任务场景下,能够解放劳动力甚至取得更高的效率,已广泛应用于:灾情抢救、仓储管理、安防巡查、赛事转播、军事打击等领域。针对目标跟踪过程中存在的算法复杂度与平台不适应、实际使用时跟踪效果不稳定等问题,本文提出一种基于深度学习的目标跟踪算法,用以实现在旋翼无人机平台上对移动目标的自主实时跟踪。本文的具体研究工作如下:(1)搭建了相关软硬件平台,针对硬件主体四旋翼无人机,构建了坐标系间的转换模型,并对四旋翼无人机进行了动力学建模。(2)设计了系统总体框架与算法运行流程,分为目标检测模块、目标跟踪模块、跟踪控制模块。目标检测模块求出初始帧待跟踪目标的信息,传递到跟踪模块用于指定目标的帧间跟踪;跟踪模块得到给定的初始帧和待跟踪目标的定位信息后,在后续的图像序列中定位跟踪该目标,并将跟踪结果反馈给控制模块后将影响决策结果,实现自主性;跟踪控制模块根据提前写好的控制策略,发出不同的控制指令,控制四旋翼无人机不同时刻的飞行状态,完成最终的跟踪任务。(3)为了平衡检测精度与检测速度,提出了一种基于YOLO v4-tiny改进的目标检测算法,用于为自动模式下的检测与跟踪任务提供初始帧中目标的位置信息。该算法,在YOLO v4-tiny的基础上对其网络结构进行大幅度的轻量化操作,并添加注意力机制与两次自顶向下的FPN网络结构提升针对旋翼无人机目标跟踪任务中的小目标物体的检测精度。(4)针对当前旋翼无人机在基于图像序列中的目标跟踪任务中无法实时、精准、鲁棒跟踪的问题,本文提出了一种基于轻量级神经网络Mobile Net v2改进的孪生神经网络,可在低算力的旋翼无人机的机载电脑端实时运行。该算法的主干特征提取网络融合了Mobile Net v2中的轻量化参数结构,并基于Mobile Net v2减小了网络深度的同时添加了注意力机制提升网络的特征提取能力。为提高跟踪算法的跟踪性能,使用了级联的RPN网络结构,用不同深度而空间分辨率相同的特征描述符作为输入,充分利用提取到的深层次特征与浅层次特征。
基于反步滑模的四旋翼无人机轨迹跟踪控制
这是一篇关于四旋翼无人机,轨迹跟踪,变质量,自适应控制,滑模控制的论文, 主要内容为四旋翼无人机因其具备机动灵活、可操控性强、性能好等特点,可替代人们进行危险繁重的工作,在各个领域都得到广泛的应用,成为近年来社会、学者们的研究热点。由于在实际环境飞行中,四旋翼无人机往往会遇到各种各样的不确定因素,因此获得精确的动力学模型变得困难。此外,在四旋翼无人机轨迹跟踪中,由于其系统是一个非线性、欠驱动系统,并且存在未知干扰、变质量和执行器故障等问题,所以四旋翼无人机轨迹跟踪改进研究是一个研究热点和难点。针对以上问题,本文对复杂环境下如何提高四旋翼无人机轨迹跟踪性能问题展开研究,主要内容如下:(1)基于牛顿-欧拉方程,建立了四旋翼无人机动力学模型。首先,分析概述四旋翼无人机两种参考坐标系,并建立起两种坐标系之间的联系,同时阐述飞行原理。其次,分析四旋翼无人机的干扰来源,考虑空气阻力、陀螺仪力矩,并将外部扰动和模型不确定性统一为总扰动,推导出基于扰动的无人机动力学模型。最后,考虑到四旋翼无人机具有欠驱动的特点,为保证控制精度采用双闭环控制方法。(2)针对四旋翼无人机在飞行过程中受到外界扰动以及可能存在的参数不确定性等因素的影响,提出了一种基于干扰观测器的反步滑模控制器设计。首先,为对干扰进行估计,提高抗干扰能力,设计了一种非线性干扰观测器。其次,为增强鲁棒性,设计了基于干扰观测器的闭环控制系统;采用基于滑模控制的反步法设计位置子系统和姿态子系统控制器,并设计Lyapunov函数证明整体系统的稳定。最后,通过MATLAB进行仿真,结果验证所提出控制方案具有良好的稳定性。(3)针对四旋翼无人机系统,考虑质量变化和执行器故障问题,提出了一种基于双闭环的复合控制器设计方案。首先,针对四旋翼无人机故障,设计一种自适应故障观测器对突发故障进行估计。其次,采用内外环控制方案实现位置环和姿态环的解耦,并通过自适应估计算法实现变质量估计;针对位置子系统质量变化问题,设计一种自适应反步滑模控制器;针对姿态子系统突发故障问题,设计一种积分反步滑模控制器。最后,通过仿真验证了所设计的自适应律能够很好追踪质量和故障;复合控制器设计方案使四旋翼无人机稳定跟踪期望位置,并与现有的滑模控制比较,仿真结果表明该方法具备更好地跟踪性能和稳定性。(4)通过四旋翼无人机实验平台对算法可行性进行验证。首先,对四旋翼无人机的基本组成进行介绍。其次,对实验平台搭建及实验平台各子系统进行重点介绍,并通过配置控制系统确保四旋翼无人机通讯连接。最后,编写飞控程序使其在实验环境下飞行,并将第四章提出的复合控制器设计方案同传统算法进行比对,实验结果证明所设计算法的优越性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码驿站 ，原文地址：https://bishedaima.com/lunwen/48503.html
