基于ADAMS模型的四旋翼飞行器悬停控制研究

针对四旋翼飞行器悬停控制问题,采用ADAMS(automatic dynamic analysis of mechanical system)搭建了四旋翼飞行器的非线性数学模型,并将模型导入Matlab中,采用PID控制策略对飞行器的飞行姿态和悬停状态进行控制.为了验证控制器的抗干扰性能,在飞行器平稳飞行的情况下对四旋翼飞行器的任一电机加入干扰电压信号后,飞行器能够迅速回到平稳状态.仿真和实验结果表明:所设计的控制器对于四旋翼飞行器具有响应速度快、超调小、鲁棒性强等特点;所采用的联合仿真方法效果直观.     

四旋翼自主飞行器跟踪系统设计

此飞行器跟踪系统是针对四旋翼飞行器具有图像采集处理、目标追踪、姿态控制以及定高飞行的要求进行设计的。该系统采用RX23T和STM32f407VG作为系统的主控芯片,MPU6050三轴陀螺仪作为飞行姿态反馈机构。定高飞行是通过超声波模块实时采集的对地高度数据,并由STM32f407VG进行处理,然后根据程序设定的高度值实时调节无刷电机的转速。摄像头进行图像信息采集,图像通过RX23T对目标的颜色进行识别反馈给STM32f407VG进行处理,最后调节电机转速以达到目标追踪。测试结果表明,该系统定性与准确性达到设计要求。     

基于深度学习的四轴无人机飞行姿态估计方法

为解决传统无人机姿态估计过程中出现的精度低、实时性差、容易被干扰、模型复杂、计算量大、处理时间长等问题,研究基于深度学习的四轴无人机飞行姿态估计方法.结合多传感器数据融合技术,使用MARG传感器和光流传感器采集无人机飞行姿态数据,经小波阈值去噪算法和最大—最小标准化算法对采集到的数据进行去噪及归一化预处理后,基于GRU神经网络构建一个新的姿态估计模型.将预处理后传感器的数据输入模型中进行融合,通过模型训练输出重力矢量和地磁矢量,经无人机姿态角转换获取无人机飞行姿态.实验结果表明：基于深度学习的四轴无人机飞行姿态估算结果与实际值接近,且误差小、速度快,同时利用GRU神经网络可以融合多种传感器的数据,无需建立复杂的数学模型,即可实现无人机飞行姿态的高精度测量.     

基于蚁群算法优化的EPS系统PID控制

汽车电动助力转向系统是一个非线性时变的复杂系统,在对它进行控制时,单独采用常规PID控制难以达到平稳准确的效果,在此加入蚁群算法(ACO)对其进行优化而得到稳定的最优参数解.根据车辆动力学关系,建立了两自由度整车模型、电动助力转向系统模型以及带有蚁群算法优化的PID控制器模型.通过Matlab,对该模型进行仿真分析.仿真结果表明,蚁群算法和PID控制的结合,使系统控制更精确、运行更加平稳.     

三容水箱T-S模糊PID控制

结合非线性模型线性化方法、PID控制结构及基于T-S模型的模糊控制技术,提出了三容水箱的T-S模糊PID控制策略.在Matlab下建立三容水箱控制的仿真模型并进行仿真研究,结果验证了控制策略的有效性和正确性.     

基于SIMULINK的直流电动机转速闭环控制系统的仿真

以直流电动机闭环控制系统为研究对象,利用SIMULINK软件建立直流电动机的闭环控制仿真模型.仿真模型中直流电动机的驱动采用晶闸管整流模块,而其转速的控制采用ASR调节器进行反馈控制.通过调节PID调节器的参数,观察直流电动机转速、电流及其他参数特性的变化情况,得到P控制、PI控制、PID控制作用下的直流电动机转速闭环控制系统的优缺点.     

基于极大化思想的无人机安全避障域识别算法

为提高四轴飞行器避障的准确性与实时性，提出一种结合LK (Lucas-Kanade)光流法和极大化思想的四轴飞行器避障算法.首先，对四轴飞行器采集的视频流进行预处理，得到图像帧；其次，通过LK光流法剔除图像帧中光流小于阈值的角点，采用基于角点距离的聚类算法对角点进行分组，并计算出每组角点的外包轮廓；然后，利用基于极大化思想的安全避障域算法计算最优通行区域，进一步根据避障域求得偏差数据；最后，将偏差数据输入比例微分（PD）控制器得到控制信息，并发送控制指令使四轴飞行器及时调整飞行姿态，完成避障飞行.通过特洛（Tello）四轴飞行器进行不同场景的实验表明，本文所提出的算法计算每帧图像最优安全避障域平均所需时间为0.17 s，既满足无人机避障实时性要求，又解决了识别障碍物区域与计算安全避障域问题.     

车用主动转向液压系统非线性建模与仿真分析

基于非线性状态方程,建立位置反馈PID控制闭环系统Simulink模型,分别对阀控非对称缸及整个闭环系统进行仿真分析;利用AMESim软件建立相同结构及参数模型进行对比,验证了非线性状态方程模型的有效性。结果表明:位置反馈PID控制可改善主动转向液压缸活塞运动方向改变时位移、速度、流量的不对称特性,但压力差异与突变依然存在,并在换向位置出现轻微振荡现象。     

基于Matlab的飞行模拟器电动加载系统控制仿真研究

电动加载系统是飞行模拟器的重要组成部分,针对飞行模拟器电动加载系统的高度非线性和易受干扰性,在MATLAB环境下,提出一种基于PIDNN的控制方案.分析飞行模拟器的结构,结合外界干扰,整理出系统的数学模型,利用PIDNN控制器优良的自适应功能对该模型进行控制.仿真结果表明:PIDNN控制系统具有良好的动静态特性和鲁棒性,满足实时控制的要求,对飞行模拟器电动加载系统的控制具有一定的参考价值.     

复杂城市环境下无人机路网模型研究

针对复杂城市环境下无人机路径规划问题，采用三维可视图法研究路网模型。首先，在考虑无人机飞行安全裕度的前提下，将城市密集而不规则的障碍物环境进行变形重组，再以不同的水平和竖直间隔对障碍物外表面进行离散化的节点采集，并构建基于三维可视图的复杂城市低空路网模型。其次，为降低无人机之间的潜在冲突和碰撞风险，引入无人机机动保护区的概念，进一步缩减路网规模，优化路网结构。最后，结合无人机性能和平稳飞行的要求，以最大航向角改变量作为主要限制条件，以最小化路径长度为目标，提出改进的涟漪扩散算法进行求解。仿真结果表明：三维可视图中的采点间隔直接决定了路网模型中节点和链接的数量，并对最优路径与规划时间具有显著影响；1000组仿真实验表明，考虑机动保护区后，最短路径的平均长度相较于无机动保护区时增长了不足1%，而计算耗时降低了近70%。仿真实验验证，通过引入无人机机动保护区和航向角改变量的限制，能够有效降低路网规模，提升运算效率，并有利于获得平滑的路径，降低无人机的潜在碰撞风险。