XiaoMi-AI文件搜索系统
World File Search System四旋翼
四旋翼可转换 MAV：建模和实时悬停飞行控制
摘要 本文介绍了一种实验性倾转旋翼飞机的建模、控制和硬件实现。这种飞行器通过倾斜四个旋翼，将传统飞机的高速巡航能力与直升机的悬停能力结合起来。空中在巡航和悬停飞行模式之间切换称为过渡。使用牛顿方法推导出该飞行器的垂直和水平飞行模式的动态模型。提出并在模拟层面评估了一种非线性控制策略，以控制飞行器在纵向平面上的垂直和水平飞行动力学。开发了一架实验性的四平面飞机来进行垂直飞行。设计并构建了一种基于 DSP 的低成本嵌入式飞行控制系统 (EFCS)，以实现自主姿态稳定飞行。
基于超扭转算法的四旋翼飞机轨迹跟踪控制实时改进
摘要：本文介绍了微型自主四旋翼直升机系统 (X4 原型) 的轨迹跟踪控制的开发和实验验证，该系统使用基于二阶滑模技术的稳健算法控制，也称为户外环境中的超扭转算法。这种非线性控制策略保证在存在外部干扰或模型不确定性影响我们的四旋翼直升机的适当行为的情况下，在有限时间内收敛到所需路径 r (t)。为此，选择多项式平滑曲线轨迹作为参考信号，其中函数的相应导数是有界的。此外，我们考虑了作用于飞行器的阵风干扰，并在先进的自动驾驶系统中预先编程了参考信号。提出的解决方案包括使用 GPS 测量实施基于超扭转控制的实时控制律，以获得 xy 平面中的位置以实现所需的轨迹。给出了轨迹跟踪控制的仿真和实验结果，以证明所提出的非线性控制器在有风条件下的性能和鲁棒性。
基于...的四旋翼无人机建模与PID控制
摘要：本文旨在探讨四旋翼无人机的建模与控制方法。建模过程中采用机构建模与实验测试相结合的方式，特别对电机和螺旋桨进行了详细的建模。通过对四旋翼无人机机体结构和飞行原理的了解，采用牛顿-欧拉法对四旋翼无人机进行动力学分析，建立了小角度转动下的无人机数学模型。采用过程辨识器（PID）对其进行控制。首先采用PID控制模型的姿态角，在此基础上采用PID控制各个方向上的速度。然后，利用MATLAB对重心偏移的四旋翼飞行器的PID控制进行仿真。结果表明:在重心不发生偏移的情况下,俯仰角和滚转角可以共同控制5°,PID可以有效地控制控制量,并在较短的时间内达到预期的效果。对经典BP算法、经典GA-BP算法、改进GA-BP算法分别进行了训练,共150组训练数据,训练函数采用Levenberg-Marquardt(trainlm),性能函数采用均方误差(MSE)。在同样噪声的背景下,改进GA-BP算法的检测率最高,经典GA-BP算法次之,经典BP算法最低。
四旋翼飞行器精确准悬停控制的风速估计
本文重点研究了无风传感器的四旋翼飞行器的控制，这些飞行器需要在存在中等但未知的阵风的情况下准确跟踪低速轨迹。通过将风扰动建模为外源输入，并假设可以通过准静态飞行器运动补偿其影响，本文提出了一种创新的估计和控制方案，该方案包括一个线性动态滤波器，用于估计此类未知输入，并且只需要位置和姿态信息。该滤波器建立在未知输入观察器理论的结果之上，允许在不测量风本身的情况下估计风和飞行器状态。可以使用简单的反馈控制律来补偿由扰动引起的偏移位置误差。只要有相应的应用转子速度，所提出的滤波器就与用于消除跟踪误差的恢复控制方案无关。首先使用机器人操作系统中间件和 Gazebo 模拟器在模拟环境中检查该解决方案，然后使用四旋翼飞行器系统在真实风源下飞行进行实验验证。
通过基于模型的四旋翼无人机系统识别...
K t = 电机扭矩系数，N m/amp K e = 电机反电动势系数，V/(rad/s) V batt = 电池电压，伏特 R tt = 电机电阻（端子到端子），欧姆 J m = 电机和螺旋桨惯性，kg m2 D r = 转子（螺旋桨）直径，米 ρ = 空气密度，kg/m3 T = 螺旋桨推力，N Q = 螺旋桨扭矩，N m C T = 螺旋桨推力常数 C P = 螺旋桨功率常数 Ixx ，I yy ，Izz = 无人机惯性矩，kg m2 m = 无人机质量，kg L x ，L y = 从 CG 到电机的力臂，米 ω x ，ω y ，ω z = 机身轴旋转速度，弧度/秒 ψ，θ，φ = 惯性轴到机身的欧拉角，弧度 u x ，u y , u z = 感测位置处的身体轴速度 u x cg , u y cg , u z cg = 重心处的身体轴速度 ω m = 电机速度，rad/s T d = 硬件更新延迟，惯性测量单元 (IMU) T d 2 = 硬件更新延迟，OptiTrack 反馈 CG = 重心 z cg = OptiTrack 传感器测量点下方的垂直重心距离 G 输出输入 = 从输入到输出的传递函数
通过基于模型的四旋翼无人机系统识别...
K t = 电机扭矩系数，单位为 N m/amp K e = 电机反电动势系数，单位为 V/(rad/s) V batt = 电池电压，伏特 R tt = 电机电阻（端子到端子），欧姆 J m = 电机和螺旋桨惯性，单位为 kg m2 D r = 转子（螺旋桨）直径，单位为 m ρ = 空气密度，单位为 kg/m3 T = 螺旋桨推力，NQ = 螺旋桨扭矩，单位为 N m CT = 螺旋桨推力常数 CP = 螺旋桨功率常数 Ixx 、I yy 、Izz = 无人机惯性矩，单位为 kg m2 m = 无人机质量，单位为 kg L x 、L y = 从 CG 到电机的力矩臂，单位为 m ω x 、ω y 、ω z = 机身轴旋转速度，单位为 rad/s ψ、θ、φ = 惯性轴到机身的欧拉角，单位为 rad ux 、uy 、uz =感知位置处的体轴速度 ux cg , uy cg , uz cg = 重心处的体轴速度 ω m = 电机速度，rad/s T d = 硬件更新延迟，惯性测量单元 (IMU) T d 2 = 硬件更新延迟，OptiTrack 反馈 CG = 重心 z cg = OptiTrack 传感器测量点下方的垂直重心距离 G 输出输入 = 从输入到输出的传递函数
无模型滑模控制算法（包括对真实四旋翼飞行器的应用）
摘要 - 滑模控制是一种鲁棒的非线性控制算法，已用于实现无人飞机系统的跟踪控制器，该控制器对建模不确定性和外部干扰具有鲁棒性，从而为自主操作提供出色的性能。无人飞机系统滑模控制应用的一个重大进步是采用无模型滑模控制算法，因为滑模控制实施中最复杂和最耗时的方面是结合系统模型推导控制律，这是每个单独的滑模控制应用都需要执行的过程。使用各种航空系统模型和真实世界干扰（例如离散化和状态估计的影响）在模拟中比较了各种无模型滑模控制算法的性能。结果表明，两种性能最佳的算法表现出非常相似的行为。这两种算法在四旋翼飞行器上实现（在模拟和使用真实硬件的情况下），并使用相同的状态估计算法和控制设置将其性能与传统的基于 PID 的控制器进行了比较。模拟结果表明，无模型滑模控制算法表现出与 PID 控制器相似的性能，而无需繁琐的调整过程。两种无模型滑模控制算法之间的比较表明，通过跟踪误差的二次均值测量，性能非常相似。飞行测试表明，虽然无模型滑模控制算法可以控制真实硬件，但在成为传统控制算法的可行替代方案之前，还需要进一步的特性描述和重大改进。无模型滑模控制和基于 PID 的飞行控制器都观察到了较大的跟踪误差，并且其性能对于大多数应用而言是不可接受的。两种控制器的性能不佳表明跟踪误差可以归因于状态估计中的误差。通过改进状态估计进行进一步测试将可以得出更多结论。关键词：无模型控制、滑模控制、鲁棒控制、飞行控制、无人机系统。1.简介
X650 行业应用四旋翼无人机
智能模式 无人机支持多种智能模式，操作便捷，包括航线飞行、航点飞行、绕圈飞行（兴趣点）、方向锁定模式。无人机可自动起飞并启用智能模式，按照预设的航线/航点和兴趣点飞行。任务完成后，无人机将自动返回基地并降落。
受限室内环境中的四旋翼飞行器 - INAOE
无人机在民用领域的应用越来越广泛。四轴飞行器是一种经过广泛研究的无人机，是新型控制技术的绝佳试验台。四轴飞行器的一些预期用途需要在受限环境中运行，其中物体与飞行器距离很近。在这些条件下，飞行会受到气动相互作用（力和扭矩）的影响。直观地讲，这些相互作用可以看作是气流从周围环境中反弹回飞行器。开发用于描述此类相互作用的有效计算方法仍有待改进，因为现有的精确模型需要大量的计算负荷，并且不能用于四旋翼飞行器的实时控制回路。这项研究假设，使用一个可以实时部署并近似气动相互作用行为的简化数学模型，可以改善四旋翼飞行器的飞行控制。为了证实这一假设，我们的目标是开发一种有效的气动相互作用模型，该模型可以从模拟和实验数据中检索出来。为解决这个问题，我们将探索三个主要知识领域：控制理论、人工智能和流体力学。作为初步进展，我们提出了非线性四旋翼控制的数值优化技术。
受限室内环境中的四旋翼飞行 - INAOE
无人机在民用领域的应用越来越广泛。四轴飞行器是一种经过广泛研究的无人机，是新型控制技术的绝佳试验台。四轴飞行器的一些预期用途需要在受限环境中运行，其中物体靠近飞行器。在这些条件下，飞行会受到空气动力学相互作用（力和扭矩）的影响。直观地讲，这些相互作用可以看作是气流从周围环境中反弹回飞行器。由于现有的精确模型需要大量的计算负荷，并且不能用于四旋翼飞行器的实时控制回路，因此开发用于描述此类相互作用的有效计算方法仍有待改进。本研究假设，通过一个可以实时部署并近似气动相互作用行为的简化数学模型，可以改善四旋翼飞行器的飞行控制。为了证实这一假设，我们的目标是开发一种有效的气动相互作用模型，该模型可以从模拟和实验数据中检索。为解决这个问题，我们将探索三个主要知识领域：控制理论、人工智能和流体力学。作为初步进展，我们提出了非线性四旋翼控制的数值优化技术。