四旋翼无人机的倒立摆系统姿态控制研究
发布时间：2021-11-28 23:15
四旋翼无人机的倒立摆系统作为非线性系统,具有强耦合性和欠驱动性。其具有八个自由度,即六个自由度的四旋翼无人机和两个自由度的倒立摆。它们结合作为一个新型的控制器平台,既保留了四旋翼无人机的模型上的不确定性,又引入了倒立摆的特性,符合当前研究控制复杂系统方法的验证需求。同时,也有利于研究无人机高精度的飞行姿态,提高无人机的工作效率。现有研究领域中,控制器设计是基于线性化的数学模型。但是,实际的控制器形式复杂,参数难以调整,需要大量试验,而且不恰当的参数设计成的控制器容易受到外部的干扰。针对上述问题,本文提出了基于遗传算法和强化学习算法的控制器,通过仿真实验,验证了算法的可行性。本文的主要研究工作包含了以下几个方面:（1）首先,根据拉格朗日力学建立了系统的动力学方程,系统的动力学模型主要有两方面,一个是四旋翼无人机的数学模型,另一个是倒立摆的数学模型。对已建立的数学模型,在平衡点附近做线性化处理,简化了系统的数学模型。（2）其次,为了解决控制器参数难以调整的问题,采用遗传算法优化LQR控制器的办法。相对于试凑法经验法而言,遗传算法作为人工智能算法的一种,它使用群体搜索技术,不需要目标函数的导...
【文章来源】：长春理工大学吉林省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
系统在圆形轨迹运动下的仿真结果
第4章基于改进遗传算法的控制器设计36图4.5系统在圆形轨迹运动下的仿真结果如图4.4所示，模拟了四旋翼无人机的倒立摆系统的圆形轨迹跟踪。倒立摆的初始角度规定为20°。轨迹是半径为1.5米的圆，其中心是原点。这也表明了改进后的遗传算法优化的LQR的参数比传统的遗传算法优化的参数以及PID控制器调试后的参数更优秀，并且四旋翼无人机返回标准轨道的时间更短。经过图4.5比较，改进的遗传算法表现出明显的优势。x方向上误差的平均值要比GA小1.586m，且超调量更校y方向误差的平均值，相比减小了11.29%。四旋翼无人机的翻滚角方面，这里为了方便观察，给出了6~10s的角度变化。经过数据比对后，平均要比GA小6%。而倒立摆的角度在t=1.6s下，也要比GA小了0.4°，平均比GA小1.28%。综上，改进的遗传算法优化的LQR控制器的误差小于GA。它可以在10s之后接近标称轨道。在改进的遗传算法的作用下，无人机在较小的范围内运动。图4.6是直径为3米的模拟飞行，其飞行原点为中心的八字形轨迹，初始摆角20°的条件下，可以观察到传统遗传算法优化的控制器，效果并不好，轨迹不平滑，在水平方向调整的时间比改进后的算法多了2s。系统达到稳态时，误差多了0.08m。位移（米）角度（度）幅度（度/米）x方向的误差y方向的误差z方向的误差
第5章基于强化学习的控制器设计490246810时间（s）-0.4-0.200.20.4IGARL图5.11x方向的轨迹跟踪误差图5.12y方向的轨迹跟踪误差0246810时间（s）-5051015z方向的误差（m）10-15IGARL0246810时间（s）-30-20-1001020幅度（度/米）位置角度图5.13z方向误差图5.14倒立摆的位置和角度变化0246810时间（s）-2-1012IGA(X)YRL(X)图5.15飞行器角度变化图5.16飞行器X、Y方向变化考虑到实际应用中可能存在扰动情况。在t=2.5s时，加入扰动。观察四旋翼无人机倒立摆系统在圆形轨迹下的仿真结果。观察两种方法下，系统的鲁棒性以及稳定性。图5.17所示的是仿真软件下，模拟的四旋翼飞行器的飞行轨迹路线。观察到z方向上误差很小，随后又给出了x，y坐标系下的飞行轨迹。如图5.18所示，可以看到，在受扰动下，RL优化后的控制器，波动的幅度较校且根据轨迹路线对比，RL优化后的控制器在扰动下，能够更加稳定的飞行，偏离标定轨迹的偏差小，证明其鲁棒性要更好，并且在扰动结束后，能够更快的回到平衡位置。表5.1给出了在二种算法优化后的控制器下系统的参数对比，对于仿真的参数，均给出了在同一时刻下，最大的
【参考文献】：
期刊论文
[1]微型四旋翼无人机的姿态标定方法研究[J]. 张棋,吉喆,张一. 电子世界. 2020(02)
[2]森林航空消防负压式气体采集旋翼无人机[J]. 狄曙玲,何诚. 林业机械与木工设备. 2020(01)
[3]基于多旋翼无人机的烟气监测系统研究[J]. 胡伟,李成攻. 山东科学. 2019(06)
[4]一种改进遗传算法的无人机航迹规划[J]. 程泽新,李东生,高杨. 计算机仿真. 2019(12)
[5]基于GA-SVR的海水养殖过程软测量建模[J]. 李康,王魏,林少涵. 控制工程. 2019(11)
[6]不确定性扰动下双足机器人动态步行的自适应鲁棒控制[J]. 袁海辉,葛一敏,甘春标. 浙江大学学报(工学版). 2019(11)
[7]多旋翼无人机在气象探测中的现状与展望[J]. 侯天浩,行鸿彦,刘洋. 电子测量与仪器学报. 2019(10)
[8]快递无人机的推进策略[J]. 胡娜,万青云,徐良雄,陈三宝. 电子技术与软件工程. 2019(04)
[9]准滑动模态控制在四级倒立摆的应用[J]. 胡耀各,冯祖仁. 火力与指挥控制. 2018(07)
[10]基于四旋翼无人机的桥梁裂缝检测系统设计[J]. 徐昊,彭雪村,卢志芳. 水利水运工程学报. 2018(01)
博士论文
[1]神经智能控制在小型快递无人机系统中的研究与应用[D]. 张潮.北京科技大学 2017
硕士论文
[1]基于多目标智能算法的运载火箭上升段弹道优化设计[D]. 李晓苏.哈尔滨工业大学 2019
[2]双轮自平衡机器人设计及轨迹跟踪控制研究[D]. 陶言侃.哈尔滨工业大学 2019
[3]四旋翼无人机送快递的管理控制平台设计[D]. 郭丽.内蒙古大学 2018
[4]无人机目标威胁评估与协同作战任务分配研究[D]. 乔艳芝.沈阳航空航天大学 2018
[5]混合滤波器的多目标优化及双滞环控制方法的研究[D]. 孟磊.东北石油大学 2017
本文编号：3525344
【文章来源】：长春理工大学吉林省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
系统在圆形轨迹运动下的仿真结果
第4章基于改进遗传算法的控制器设计36图4.5系统在圆形轨迹运动下的仿真结果如图4.4所示，模拟了四旋翼无人机的倒立摆系统的圆形轨迹跟踪。倒立摆的初始角度规定为20°。轨迹是半径为1.5米的圆，其中心是原点。这也表明了改进后的遗传算法优化的LQR的参数比传统的遗传算法优化的参数以及PID控制器调试后的参数更优秀，并且四旋翼无人机返回标准轨道的时间更短。经过图4.5比较，改进的遗传算法表现出明显的优势。x方向上误差的平均值要比GA小1.586m，且超调量更校y方向误差的平均值，相比减小了11.29%。四旋翼无人机的翻滚角方面，这里为了方便观察，给出了6~10s的角度变化。经过数据比对后，平均要比GA小6%。而倒立摆的角度在t=1.6s下，也要比GA小了0.4°，平均比GA小1.28%。综上，改进的遗传算法优化的LQR控制器的误差小于GA。它可以在10s之后接近标称轨道。在改进的遗传算法的作用下，无人机在较小的范围内运动。图4.6是直径为3米的模拟飞行，其飞行原点为中心的八字形轨迹，初始摆角20°的条件下，可以观察到传统遗传算法优化的控制器，效果并不好，轨迹不平滑，在水平方向调整的时间比改进后的算法多了2s。系统达到稳态时，误差多了0.08m。位移（米）角度（度）幅度（度/米）x方向的误差y方向的误差z方向的误差
第5章基于强化学习的控制器设计490246810时间（s）-0.4-0.200.20.4IGARL图5.11x方向的轨迹跟踪误差图5.12y方向的轨迹跟踪误差0246810时间（s）-5051015z方向的误差（m）10-15IGARL0246810时间（s）-30-20-1001020幅度（度/米）位置角度图5.13z方向误差图5.14倒立摆的位置和角度变化0246810时间（s）-2-1012IGA(X)YRL(X)图5.15飞行器角度变化图5.16飞行器X、Y方向变化考虑到实际应用中可能存在扰动情况。在t=2.5s时，加入扰动。观察四旋翼无人机倒立摆系统在圆形轨迹下的仿真结果。观察两种方法下，系统的鲁棒性以及稳定性。图5.17所示的是仿真软件下，模拟的四旋翼飞行器的飞行轨迹路线。观察到z方向上误差很小，随后又给出了x，y坐标系下的飞行轨迹。如图5.18所示，可以看到，在受扰动下，RL优化后的控制器，波动的幅度较校且根据轨迹路线对比，RL优化后的控制器在扰动下，能够更加稳定的飞行，偏离标定轨迹的偏差小，证明其鲁棒性要更好，并且在扰动结束后，能够更快的回到平衡位置。表5.1给出了在二种算法优化后的控制器下系统的参数对比，对于仿真的参数，均给出了在同一时刻下，最大的
【参考文献】：
期刊论文
[1]微型四旋翼无人机的姿态标定方法研究[J]. 张棋,吉喆,张一. 电子世界. 2020(02)
[2]森林航空消防负压式气体采集旋翼无人机[J]. 狄曙玲,何诚. 林业机械与木工设备. 2020(01)
[3]基于多旋翼无人机的烟气监测系统研究[J]. 胡伟,李成攻. 山东科学. 2019(06)
[4]一种改进遗传算法的无人机航迹规划[J]. 程泽新,李东生,高杨. 计算机仿真. 2019(12)
[5]基于GA-SVR的海水养殖过程软测量建模[J]. 李康,王魏,林少涵. 控制工程. 2019(11)
[6]不确定性扰动下双足机器人动态步行的自适应鲁棒控制[J]. 袁海辉,葛一敏,甘春标. 浙江大学学报(工学版). 2019(11)
[7]多旋翼无人机在气象探测中的现状与展望[J]. 侯天浩,行鸿彦,刘洋. 电子测量与仪器学报. 2019(10)
[8]快递无人机的推进策略[J]. 胡娜,万青云,徐良雄,陈三宝. 电子技术与软件工程. 2019(04)
[9]准滑动模态控制在四级倒立摆的应用[J]. 胡耀各,冯祖仁. 火力与指挥控制. 2018(07)
[10]基于四旋翼无人机的桥梁裂缝检测系统设计[J]. 徐昊,彭雪村,卢志芳. 水利水运工程学报. 2018(01)
博士论文
[1]神经智能控制在小型快递无人机系统中的研究与应用[D]. 张潮.北京科技大学 2017
硕士论文
[1]基于多目标智能算法的运载火箭上升段弹道优化设计[D]. 李晓苏.哈尔滨工业大学 2019
[2]双轮自平衡机器人设计及轨迹跟踪控制研究[D]. 陶言侃.哈尔滨工业大学 2019
[3]四旋翼无人机送快递的管理控制平台设计[D]. 郭丽.内蒙古大学 2018
[4]无人机目标威胁评估与协同作战任务分配研究[D]. 乔艳芝.沈阳航空航天大学 2018
[5]混合滤波器的多目标优化及双滞环控制方法的研究[D]. 孟磊.东北石油大学 2017
本文编号：3525344
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3525344.html
