基于反步滑模算法的四旋翼无人机容错控制研究

来源 :东北农业大学 | 被引量 : 0次 | 上传用户:toponeforever
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,四旋翼无人机行业蓬勃兴起,在各行各业发挥着不可替代的作用。四旋翼无人机具有体积小、易操作、物理结构简单等特点,被广泛用于森林防火、电力巡线、农林植保、快递投送、航拍摄影、三维建模、遥感监测等方面。四旋翼无人机的执行任务越发多样化,四旋翼处于不同的执行环境下,受风向、地磁及无人机本身执行机构等因素的影响较大,增加了故障发生的可能性。因此,如何在四旋翼执行器出现故障时,保证飞行姿态稳定是当今无人机姿态研究的一个重要方向。
  为了提高四旋翼在飞行过程中的姿态稳定性,增强四旋翼的容错控制能力,本文根据反步法控制的故障重构能力,以及滑模法控制的反馈线性化方法,基于反步法和滑模法设计了姿态容错控制器,构造了反步滑模观测器实时观测无人机故障状况,并对所提出的反步滑模算法进行了仿真验证与物理实验。研究具体内容如下:
  (1)首先,根据牛顿-欧拉方程为四旋翼无人机建立了动态模型。由于四旋翼具有非线性、强耦合的特点,因此四旋翼无人机在飞行过程中的姿态控制是保证平稳飞行的先决条件。无人机在飞行过程中会遇到周围气体环境的干扰,或者由于电机、螺旋桨等执行机构失效导致的飞行器故障,将这种故障的损失表达为各个通道的输入量,间接表示为俯仰、滚转、偏航通道的输入损失,在动态模型方程的基础上加入故障干扰,建立了四旋翼无人机故障模型。
  (2)其次,对线性二次型调节器法(Linear Quadratic Regulator,LQR)控制、积分反步法控制(Integrator Backstepping Controller,IBC)、滑模法控制(Sliding Mode Control,SMC)的姿态控制稳定性进行对比。对系统故障模型进行简化处理,得出带有加性故障的执行器状态方程,建立了一个状态观测器实时观测四旋翼无人机的输出。分别建立线性二次型调节控制器、反步法控制器、滑模控制器,在Matlab/Simulink环境下分别对无故障干扰和有加性故障干扰的条件下进行了仿真对比实验,得出了在无故障干扰时,三种控制算法均能在较短时间内快速达到稳定状态,当有加性故障干扰时,LQR算法不能收敛,SMC算法在初始时刻有较小抖动,IBC算法的电机姿态控制具有抖动的现象。根据上述三种算法的仿真实验,结合滑模算法的滑动“模态”特点与反步法的递归方式,可以得出反步滑模控制(Backstepping Sliding Mode,BSM)对四旋翼无人机有较强的容错控制性。
  (3)本文基于反步法和滑模法设计了一种姿态容错控制器。通过构造中间虚拟控制量,完成整个系统输入输出控制律的设计,并设计反步滑模姿态容错控制器,全局优化系统参数,自适应调整加权矩阵,验证了该方法具有较佳的鲁棒性、轨迹跟踪能力及容错控制性。
  本文通过设计反步滑模控制器,进行仿真对比试验,最后将程序写入Pixhawk飞行器,现场试飞验证。由飞行控制器机载MPU6050模块获得数据,验证了BSM算法具有良好的轨迹跟踪性以及鲁棒性。
其他文献
估计图像中物体的三维位姿(位置和朝向)是计算机视觉领域的基本问题,在增强现实领域起着非常核心的作用。在增强现实环境中,系统需要实时跟踪现实世界中特定物体的位姿,才能保证渲染的虚拟物体与现实物体保持几何一致性。基于视觉的三维物体跟踪方法是实现连续跟踪物体位姿的关键技术,由于其具有非侵入式、准确和廉价的优点得到快速发展。随着智能移动设备的普及和其计算能力的提升,基于单目彩色相机的三维物体跟踪方法成为研
学位
激活函数作用是引入非线性到神经网络中,使神经网络可以更好地学习复杂的非线性函数,这是神经网络解决非线性问题的核心。激活函数的选取对于整个神经网络的训练起到十分重要的作用,如何选取激活函数会影响网络训练的时间和准确率。在现实处理器中,选取适当的非线性激活函数可以提高训练准确性,但是非线性激活函数的计算往往会消耗很大的运算周期。软件实现造成的延时会影响整个网络的训练效果,硬件层次的实现降低延迟同时存在
近年来,复杂网络研究引起了广泛的关注。现实生活中的许多基础设施都可以建模为复杂网络,如供电网络、交通网络和互联网等。大部分复杂网络并非是随机网络,而是呈现出一种特殊的结构。无标度网络就是一种特殊形态的复杂网络,它表现为少数的重要节点拥有大量的连接,而新加入的节点也会以较大概率连接到这些重要节点上。无标度网络因其“重尾”特性而表现得十分脆弱,因此会不可避免地出现各种故障。网络鲁棒性就是用来评估网络对
随着基本通信网络的发展,越来越多的物联网设备需要与用户进行交互。另一方面,由于物联网中的设备计算性能,内存存储性能和网络带宽资源都有限,所以提出MQTT的基于发布/订阅的轻量级数据传输协议,同时近几年随着物联网的发展,MQTT协议也被越来越多的用到物联网系统中,因此使用MQTT的进行传送的数据的安全性也被越来越多的讨论。  本文中提出了两个关于MQTT协议的安全性的相关方案,第一个方案基于物联网设
学位
近年来,随着社交媒体网站的大量涌现,分布在互联网上的多媒体数据内容呈现出爆炸式的增长。为了更全面地挖掘多媒体数据,帮助用户从海量且杂乱的数据中获取有价值的信息,大规模跨模态检索的需求与日俱增。与传统的单一模态的检索相比,跨模态检索可以大幅提升用户体验且更符合现实应用场景。但是互联网上的多媒体数据具有数据量大、数据结构复杂、数据维数高的特点,以及不同模态之间存在异构鸿沟和语义鸿沟问题,这对大规模跨模
随着互联网技术的飞速发展和移动设备的广泛普及,多媒体数据呈现爆发式增长的趋势。如何在大规模数据库中快速检索到查询数据的近邻变得愈发重要。哈希学习作为近似近邻检索的主要方法之一,因其在检索速度、存储开销等方面的良好性能而引起研究者的广泛关注。哈希学习大体可以分为无监督方法和监督方法两大类。相比于无监督方法,监督哈希学习方法通过引入类别标签、成对相似度关系和排序关系等监督信息,可以有效提升检索的精度,
生物特征识别是指利用人体自身生理特征(如人脸、指纹、虹膜和静脉等)或行为特征(如步态、声音和笔迹等)作为依据的身份识别技术。相比于密码、证卡等传统身份识别技术,生物特征识别技术具有简洁快速、不会遗忘和安全可靠等诸多优势,具有广阔的应用前景、巨大的社会和经济效益,已经引起了国内外学术界和工业界的广泛关注和高度重视。基于心电信号的身份识别(以下简称心电身份识别)是一种新兴的基于人体生理特征的生物特征识
遥感已被广泛的应用于各个领域,遥感影像解译是其中关键的一环,而传统解译方法因其分割精度低,效率低且泛化能力差,已成为进一步运用遥感的制约因素。近来虽然提供像素级分类的深度学习方法为图像分割提供了大量的模型,而遥感图像含有与生活场景图像不同的内容与频谱信息,所以为生活场景构建的深度神经网络模型并不能很好的运用于遥感图像。为了解决传统方法的问题并改善上述现状,本研究利用空洞卷积和密集连接设计了一种带孔
学位
水稻是我国重要的粮食作物,水稻产量对国家粮食安全具有重要意义。水稻在生长过程中容易受到病害侵染,病害直接影响着水稻的产量与品质。水稻病害多发生于叶片部位,水稻病害的准确识别有助于农业生产者精准地实施防治措施。目前水稻病害识别主要依靠有经验的农技人员在田间现场辨识,该方法对农技人员专业知识要求较高,不仅会耗费大量人力物力,且判定结果主观性较强,误差较大,无法实现病害的精准识别,容易错过病害防治的最佳
学位