多旋翼无人机辅助避障系统控制算法设计,该文是关于系统控制相关本科论文范文和无人机和旋翼和算法方面本科论文范文.
系统控制论文参考文献：
【摘 要】 多旋翼无人机由于其简单的结构和优越的机动性能被广泛应用于各个行业中.本文基于遗传算法着重对无人机辅助避障系统的控制算法和PID 控制器各个参数的进行优化,进而达到对无人机精准控制的效果,为后续提高无人机避障操作奠定了理论基础.
【关键词】 无人机 避障 遗传算法 精确
引言
进入二十一世纪以来,无人机已经成为当前热议的话题.在众多型号的无人机中,尤属多旋翼无人机由于其简单的机械结构和优越的机动性能被广泛应用于军队和民生两个领域[1].比如：多旋翼无人机在电力检修行业中的应用,大大提高了工作人员日常的检修效率和检修的效果.然而,自从无人机问世以来,对无人机的精确控制就是首当其冲充的技术难题.由于各个不同的行业的情况不同,对无人机的控制精度提出了不同的要求.
比如,在电力检修行业中,由于无人机工作环境和操控手的计算误差往往会导致无人机碰撞的事故发生[2].因此,急需一套成熟、有效的无人机避障系统辅助对无人机的精确控制.本文主要以电力巡检行业中应用的无人机为研究对象,对其数学模型和控制算法进行研究的基础上,有针对性的提出了无人机辅助避障系统的数学模型和控制算法,为多旋翼无人机的精确控制奠定了理论基础.
一、辅助避障系统的数学控制模型
无人机控制系统主要对无人机的位置和姿态进行控制[3].传统意义上无人机的姿态控制和位置控制均是通过无人机和地面坐标系得到的.如图1 所示：
基于图1 所示的无人机控制系统坐标确定方法能够实现对无人机的位置进行控制.但是,在实际应用中由于无人机工作环境的复杂性,上述所述的地面坐标系法无法真实掌握无人机真实的运行环境.故,需要进一步优化无人机的避障系统,保证其能够准确、真实的反应无人机所飞行状态下其与障碍物的额相对位置关系,进而实现对无人机的辅助避障控制[4].
基于图1 对无人机的辅助避障系统进行优化主要将无人机常规的运动形态转换为无人机控制所依据的坐标系中.经研究分析,将无人机的升降、俯仰以及横贯三个动作形态替代传统坐标系中的东、北以及垂直地面三个方向.优化后的辅助避障系统的坐标系如图2 所示：
无人机辅助避障系统控制器可分为高度辅助控制器和俯仰、横滚辅助控制器两大部分[5].由于无人机高度控制器的情况与俯仰、横滚相对较为简单,故本文仅对无人机在俯仰、横滚两个方向的传递函数进行推理,得出其传递函数如式（1）所示：
二、辅助避障系统PID 控制器仿真分析
2.1 PID 控制原理
PID 控制是当前相对成熟的控制策略,广泛应用于机械控制中.PID 控制器通过对被控对象的输入值与输出值进行比较（比例、积分、微分）,而后对其差值信号进行处理,达到对控制信号尽心更优化的目的.PID 控制器的传递函数如式（2）所示：
2.2 辅助避障控制系统仿真分析
由2.1 可知：无人机辅助避障系统主要是对无人机的运行位置进行控制,且可以将对无人机的控制分为无人机高度和水平位置的控制.此外,由于无人机高度和水平位置的控制不存在干扰.故,可以采用PID 控制器对无人机高度进行控制,其控制算法及其传递函数如式（3）和（4）所示：
高度控制流程图如图3 所示：
设置仿真参数：取比例控制系数为-127,积分控制系数为-13,微分控制系数为-37.得出无人机辅助避障系统高度控制的响应情况.
同理,对无人机的俯仰和横滚两个动作情况的PID 控制的响应情况进行仿真分析,且两种情况下的仿真参数设置情况如下：
俯仰动作控制参数设置：比例控制系数为-1.4,积分控制系数为-0.125,微分控制系数为-0.468；横滚动作控制参数设置：比例控制系数为1.4,积分控制系数为0.125,微分控制系数为0.468.
通过上述仿真可知,虽然基于PID 控制的辅助避障系统能够在很短的时间内达到稳定状态,且在稳定后系统均未出现震荡情况.但,该控制器下系统的超调量和稳态时间无法满足实际应用的需求,故需对PID 控制器的各项参数进行优化.本文采用遗传算法对各个参数进行优化.
三、 基于遗传算法对控制参数的优化
经过上述分析,得出PID 控制器中的各个参数未达到最优状态,故本文采用遗传算法对其控制参数进行优化.基于遗传算法的PID 控制参数优化流程如图5 所示：
本文以无人机的横滚动作为例详细说明辅助避障系统PID 控制参数的优化细则.为了避免对无人机的控制能量过大,确定PID 控制参数的最优指标如式（5）所示：
设置遗传算法的迭代次数为300 次,在300 次迭代中式（5）的变化情况.
基于上述迭代后,得出无人机在横滚动作下的PID 控制器各个控制参数的值分别为：比例环节为47.7959,积分环节为1.4788,微分环节为3.4394.同理,得出无人机在上升和俯仰动作下的PID 控制的各个控制参数为：
上升动作下：比例环节为-47.7959,积分环节为-1.4788,微分环节为-3.4394；俯仰动作下：比例环节为-3021.22,积分环节为-125.14,微分环节为-230.08. 并对辅助避障系统的高度方向的响应情况进行仿真分析.
无人机辅助避障控制系统能够在规定的时间达到稳定状态,且其超调量和稳态时间均能够满足要求.
四、总结
本文着重对无人机辅助避障控制系统的控制算法及控制器参数进行优化分析.基于遗传算法对无人机俯仰、攀升以及横滚三个动作情况PID 控制器的比例、积分、微分三个参数进行优化,并达到了理想的控制效果.
参 考 文 献
[1] 王一凡, 谌德荣, 张立燕. 一种用于小型无人机避障的快速视差测距方法[J]. 中国测试, 2008, 34(3):114-116.
[2] 关震宇, 杨东晓, 李杰, 等. 基于Dubins 路径的无人机避障规划算法[J]. 北京理工大学学报, 2014, 34(6):570-575.
[3] 王振华, 章卫国. 基于改进概率地图的无人机实时避障研究[J]. 计算机工程与应用, 2010, 46(25):220-222.
[4] 刘小伟, 杨秀霞. 基于比例导引律的无人机避障研究[J]. 计算机仿真, 2015, 32(1):34-39.
[5] 王力群, 林朝辉. 基于Arduino UNO 平台的多适配性无人机避障技术[J]. 科技创新导报, 2016(9):18-19.
该文点评,此文是关于无人机和旋翼和算法方面的系统控制论文题目、论文提纲、系统控制论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文.
柔翼无人机在农业航空 前景
薛富利1,赵 昕2（1 襄阳宏伟航空器有限责任公司,湖北襄阳 441022；2 航宇救生装备有限公司,湖北襄阳 441003）摘要随着我国土地流转、土地集约化管理趋势加快,农业航空无人机将成为近两.
基于模糊控制的无人机机载测试系统温度控制器设计
摘要针对高空长航时无人机机载测试设备面临的恶劣环境测试条件,研究常规设备在超低温环境下的工作适应性,及时发现测试设备在超低温环境下工作存在的不足问题,采取模糊PID控制器,提高机载测试设备在超低温环境.
基于RaspberryPi的opencv智能辅助疲劳驾驶系统
摘 要 本文描述了一个基于Raspberry Pi 运行处理opencv,并实现自动驾驶与疲劳检测部分的识别,利用ccd 摄像头拍下人脸部分,并对面部图像进行处理,并从而定位眼睛嘴巴,利用高斯眼白对眼.
一种无人机风光互补发电系统与其运行方案设计*
杨少沛,刘建中（黄河交通学院,河南 焦作 454950）摘 要针对目前无人机因电源电量有限而导致续航能力较低的问题,阐述了无人机风光互补发电系统的整体方案设计与具体实施方式,设计了12 V电源适配器,.