小型无人机的强化学习控制
发布时间：2023-03-29 04:25
近年来,日益复杂的空中作业对小型无人机的自主飞行能力提出更高的要求,而飞行控制技术是无人机自主性的前提和保障,研究自适应能力强、综合性能指标高的无人机智能控制技术对无人机行业和社会生产有重要意义。小型无人机,如四旋翼无人机,是一个多输入、多输出、强耦合、欠驱动、模型存在不确定、未知外部干扰繁多的非线性系统。对于这样一个复杂的控制问题,现有的无人机控制技术难以自适应满足多种任务需求,也缺少优化综合性能指标的能力,因此,研究小型无人机的自学习、自校正、自优化的智能控制技术具有重要的理论和实际意义。本文针对一类常见的小型无人机,考虑存在模型不确定性和未知外部干扰、机载计算机算力受限、低成本传感器噪声大等问题,主要研究结合强化学习的无人机智能控制技术。本文设计的无人机强化学习控制器能够通过历史飞行经验的积累和在线训练学习,抵抗未建模的系统不确定性和未知的外部干扰,不断优化设定的综合性能指标,为无人机提供智能、自主、对陌生环境自适应强的高性能控制。本文的研究成果还可以通过事件驱动机制明显降低小型无人机的计算资源消耗,可以通过地标检测和状态估计完成室内无GPS环境下的精准降落。主要内容和成果包括以...
【文章页数】：127 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
1 绪论
1.1 课题背景与意义
1.2 研究概况
1.2.1 无人机的状态估计
1.2.2 无人机线性控制方法
1.2.3 无人机非线性控制方法
1.2.4 无人机非线性抗扰控制方法
1.2.5 强化学习优化控制理论
1.2.6 无人机强化学习控制方法
1.3 有待解决的关键问题
1.4 论文的主要内容与组织结构
2 小型无人机的动力学与状态估计
2.1 引言
2.2 小型无人机的动力学模型
2.2.1 小型无人机的坐标系定义与基本运动机理
2.2.2 小型无人机的动力学模型
2.2.3 小型无人机的执行器模型
2.3 小型无人机的状态估计
2.3.1 传感器模型
2.3.2 姿态估计系统
2.3.3 仿真与实验
2.4 本章小结
3 基于动态面控制与滑模扰动观测器的无人机控制器设计
3.1 引言
3.2 问题描述
3.2.1 无人机位姿控制问题
3.2.2 旋翼推力输出问题
3.3 基于DSC与SMDO的解耦控制器设计
3.3.1 滑模扰动观测器的设计
3.3.2 动态面解耦控制器设计
3.3.3 闭环系统的稳定性分析
3.4 基于模糊逻辑的高精度推力解算算法
3.5 实验验证
3.5.1 悬停实验
3.5.2 跟踪实验
3.6 本章小结
4 基于强化学习补偿控制的无人机控制器设计
4.1 引言
4.2 问题描述
4.3 基于强化学习的补偿控制器设计
4.4 数值仿真
4.4.1 训练过程实验
4.4.2 抗风性悬停实验
4.4.3 跟踪实验
4.5 本章小结
5 基于事件驱动的无人机强化学习控制器设计
5.1 引言
5.2 问题描述
5.3 基于事件驱动的强化学习控制器设计
5.3.1 触发条件设计
5.3.2 评价器和动作器的更新规则
5.3.3 闭环系统的稳定性分析
5.4 数值仿真
5.4.1 悬停任务
5.4.2 跟踪任务
5.5 本章小结
6 基于YOLO地标检测的无人机强化学习控制器设计
6.1 引言
6.2 问题描述
6.3 基于YOLO的强化学习无人机状态控制器设计
6.3.1 基于YOLO的地标检测算法
6.3.2 基于神经网络的无人机状态估计器
6.3.3 适用室内起降任务的强化学习无人机控制器
6.4 数值仿真
6.4.1 YOLO检测实验
6.4.2 基于神经网络的状态估计器的性能测试实
6.4.3 强化学习无人机控制器的室内降落实验
6.5 本章小结
7 总结与展望
7.1 工作总结
7.2 工作展望
参考文献
作者简历及在学研究成果
学位论文数据集
本文编号：3773994
【文章页数】：127 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
1 绪论
1.1 课题背景与意义
1.2 研究概况
1.2.1 无人机的状态估计
1.2.2 无人机线性控制方法
1.2.3 无人机非线性控制方法
1.2.4 无人机非线性抗扰控制方法
1.2.5 强化学习优化控制理论
1.2.6 无人机强化学习控制方法
1.3 有待解决的关键问题
1.4 论文的主要内容与组织结构
2 小型无人机的动力学与状态估计
2.1 引言
2.2 小型无人机的动力学模型
2.2.1 小型无人机的坐标系定义与基本运动机理
2.2.2 小型无人机的动力学模型
2.2.3 小型无人机的执行器模型
2.3 小型无人机的状态估计
2.3.1 传感器模型
2.3.2 姿态估计系统
2.3.3 仿真与实验
2.4 本章小结
3 基于动态面控制与滑模扰动观测器的无人机控制器设计
3.1 引言
3.2 问题描述
3.2.1 无人机位姿控制问题
3.2.2 旋翼推力输出问题
3.3 基于DSC与SMDO的解耦控制器设计
3.3.1 滑模扰动观测器的设计
3.3.2 动态面解耦控制器设计
3.3.3 闭环系统的稳定性分析
3.4 基于模糊逻辑的高精度推力解算算法
3.5 实验验证
3.5.1 悬停实验
3.5.2 跟踪实验
3.6 本章小结
4 基于强化学习补偿控制的无人机控制器设计
4.1 引言
4.2 问题描述
4.3 基于强化学习的补偿控制器设计
4.4 数值仿真
4.4.1 训练过程实验
4.4.2 抗风性悬停实验
4.4.3 跟踪实验
4.5 本章小结
5 基于事件驱动的无人机强化学习控制器设计
5.1 引言
5.2 问题描述
5.3 基于事件驱动的强化学习控制器设计
5.3.1 触发条件设计
5.3.2 评价器和动作器的更新规则
5.3.3 闭环系统的稳定性分析
5.4 数值仿真
5.4.1 悬停任务
5.4.2 跟踪任务
5.5 本章小结
6 基于YOLO地标检测的无人机强化学习控制器设计
6.1 引言
6.2 问题描述
6.3 基于YOLO的强化学习无人机状态控制器设计
6.3.1 基于YOLO的地标检测算法
6.3.2 基于神经网络的无人机状态估计器
6.3.3 适用室内起降任务的强化学习无人机控制器
6.4 数值仿真
6.4.1 YOLO检测实验
6.4.2 基于神经网络的状态估计器的性能测试实
6.4.3 强化学习无人机控制器的室内降落实验
6.5 本章小结
7 总结与展望
7.1 工作总结
7.2 工作展望
参考文献
作者简历及在学研究成果
学位论文数据集
本文编号：3773994
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3773994.html
