摘要:本文提出了一种共轴旋翼飞行器的滑模PID控制算法,之后采用Adams/MATLAB仿真与试验进行验证,结果表明该控制方法能够取得满意的效果。首先,当考虑上下旋翼间的气动干扰时,很难建立准确的数学模型,利用叶素理论和动态来流模型计算上下旋翼间的气动干扰和桨叶的挥动运动,其余不能准确建模的部分通过控制算法进行补偿。其次,将滑模控制算法与PID控制算法相结合对飞行器的姿态进行控制,其中,采用PID控制算法建立姿态与位置之间的关系,使飞行器能够更加平稳地飞行和悬停。第三,将飞行器的三维模型导入Adams,建立动力学仿真模型。然后在Simulink中建立控制器,并将控制器与动态仿真模型进行联合仿真,并通过仿真将滑模PID控制算法与传统PID控制算法进行比较,最后通过实验验证了滑模PID控制算法与传统PID控制算法的有效性。
在支持感兴趣区域上空的任务时,需要为当前和未来武装直升机的传感器操作员提供高分辨率视频图像。传感器操作员需要看到主平台视觉范围以外的物体,观察天气变化,并监控多个地理上分离或分散的目标。Lite Machines Tiger Moth UAV 旨在满足这一需求。本文介绍的工作目标是通过控制系统建模、优化和飞行测试来改进 Tiger Moth UAV 的内环控制律。进行了实验室测试以确定飞机传感器和伺服动力学。从有人驾驶的频率扫描中开发了裸机身悬停/低速动力学模型。将识别的组件和动力学模型与控制律的 Simulink ® 表示相结合,形成经过验证的分析模型,该模型在 CONDUIT ® 中用于优化姿态环反馈增益。优化增益后的飞行测试显示性能有所提升。最后,在 2011 年 12 月于印第安纳州阿特伯里营进行的无绳飞行测试中,美国空军获得了改进效果。
13. 摘要(最多 200 个字)无人机系统 (UAS) 的普及加剧了恶意行为者利用该技术进行恶作剧或伤害的不对称威胁。现有的地面解决方案受到视线的限制,而人工操作的响应无人机响应速度较慢且劳动强度较大。因此,需要具备基于视觉的自主追击和拦截未经授权的无人机的能力。为了解决这个问题,作者开发了一种计算机视觉 (CV) 算法,用于在现场条件下检测、跟踪和估计悬停和移动的空中小型 UAS 目标的相对位置和范围。将基于 CV 的测量结果与 GPS 数据进行比较,以评估 CV 算法的范围和角度估计性能。然后,飞行控制算法利用简单的角度制导原理处理 CV 估计的范围和角度信息以追击和拦截目标。使用原型无人机对该算法进行了现场测试。这项研究将为商用现货反无人机能力的概念设计和硬件实现选择提供参考。更广泛地说,这项研究为自主物体跟踪应用的知识体系做出了贡献。
降低各级风险以保持战斗力。具体来说,我们正在应用现代技术来攻击电压下降。去年,电压下降导致陆军 39.1%(11 起)的 A 级航空事故。在伊拉克自由行动 (OIF) 中,75% 的 A 级事故归因于电压下降情况,导致一人死亡。既然我们无法改变环境,我们就必须改变机组人员处理环境的能力。这是陆军走在前列的三项举措。先进的模拟器 大多数部队缺乏资源定期将飞机带到沙漠环境中;因此,我们的模拟器的有效性是一个极其重要的因素。我们目前的模拟器缺乏适当的感觉和视觉提示来建立肌肉记忆并提高飞行员的信心和控制力。下一代模拟器能够提供出色的训练。我最近参观了一个先进的模拟器综合体,它可以在 30 小时内开发一个国家数据库。地形复制了视觉提示,例如悬停时草的移动和低速时电压降低的形成。我认为未来的模拟器允许部队在主站执行集体任务,为他们准备任何可能的责任区 (AOR)。
摘要 - 增强学习(RL)已经证明了在空中机器人控制中的短期培训中保持政策可塑性的能力。但是,在非平稳环境中长期学习时,这些策略已显示出可塑性的丧失。例如,观察到标准近端策略优化(PPO)策略在长期培训环境中崩溃并导致重大控制绩效降级。为了解决这个问题,这项工作提出了一项成本吸引力的框架,该工作使用回顾性成本机制(ROCOM)与非固定环境平衡RL培训中的奖励和损失。使用奖励和损失之间的成本梯度关系,我们的框架动态更新了学习率,以在受干扰的风环境中积极训练控制政策。我们的实验结果表明,我们的框架在不同的风条件下学习了悬停任务的政策,而在可变的风条件下,与使用PPO的L2正则化相比,在可变风条件下的政策崩溃,休眠单位的休眠单位少11.29%。项目网站:https://aerialroboticsgroup.github.io/ rl-plasticity-project/
Green Hills Software 宣布推出适用于 Saab 的 Skeldar UAV(2008 年的无人驾驶飞行器)的 Integrity RTOS(实时操作系统),该系统具有 MULTI 调试器和基于 Freescale MPC5554 微控制器的 Probe。操作系统中的集成调试和监控功能特别有用,所提供的板级支持包构成了 BSP 的基础。Skeldar 是一种完全自主的轻型无人直升机。它可以在最少的现场准备或附加设备下悬停并执行 VTOL(垂直起降)。它旨在支持国内和国际任务中的军事和民事行动,并且可以在白天和夜间条件下运行。重量为 150 公斤,最高速度为 100 公里/小时,续航时间为 4 小时,行驶距离可达 100 公里。RTOS 为嵌入式应用程序提供可靠性,允许多个应用程序在同一台嵌入式计算机上安全可靠地运行。内存分区可防止一个应用程序访问、窃取或破坏另一个应用程序的内存或数据。时间分区可防止同一台计算机上低关键性应用程序窃取高关键性应用程序的 CPU 时间。
目前,雷达传感器面临的最大威胁是低速、低速、雷达截面较小的无人机(“低、慢、小 - LSS”)。这些无人机往往在存在地面杂波和降水杂波的区域运行。高速飞行的飞机和导弹在多普勒空间中与这种杂波很好地分离,但速度慢、雷达截面小的无人机很难在杂波中被发现和识别。需要多普勒滤波来抑制地面杂波并实现无人机检测。由于无人机速度相对较慢,并且在存在杂波的地方运行,因此过滤地面杂波和雨水变得更加困难。需要非常精细的多普勒分辨率才能将速度非常慢的无人机与杂波分离,以便检测到它们,这需要相对较高的脉冲重复频率 (PRF) 和相干处理间隔 (CPI) 内的大量脉冲的组合。这很难通过中长距离雷达实现。这些是管理近距防空雷达所用雷达的时间能量预算的关键因素。无人机(尤其是旋翼无人机)的特性会影响检测,例如,旋翼会产生与身体回波完全分离的多普勒边带,即使无人机悬停或与雷达相切飞行,这些边带也可用于检测目标而不是身体回波。
Green Hills Software 宣布推出适用于 Saab 的 Skeldar UAV(2008 年的无人驾驶飞行器)的 Integrity RTOS(实时操作系统),该系统具有 MULTI 调试器和基于 Freescale MPC5554 微控制器的 Probe。操作系统中的集成调试和监控功能特别有用,所提供的板级支持包构成了 BSP 的基础。Skeldar 是一种完全自主的轻型无人直升机。它可以在最少的现场准备或附加设备下悬停并执行 VTOL(垂直起降)。它旨在支持国内和国际任务中的军事和民事行动,并且可以在白天和夜间条件下运行。重量为 150 公斤,最高速度为 100 公里/小时,续航时间为 4 小时,行驶距离可达 100 公里。RTOS 为嵌入式应用程序提供可靠性,允许多个应用程序在同一台嵌入式计算机上安全可靠地运行。内存分区可防止一个应用程序访问、窃取或破坏另一个应用程序的内存或数据。时间分区可防止同一台计算机上低关键性应用程序窃取高关键性应用程序的 CPU 时间。
摘要 具有过渡飞行能力的微型飞行器,或简称为混合微型飞行器,结合了固定翼配置在续航能力方面的有益特性以及旋翼机的垂直起降能力,可在典型任务中执行五个不同的飞行阶段,例如垂直起飞、过渡飞行、前飞、悬停和垂直着陆。这种有前途的微型飞行器类别比传统微型飞行器具有更宽的飞行包线,这对控制界和空气动力学设计师都意味着新的挑战。混合微型飞行器的主要挑战之一是过渡飞行阶段气动力和力矩的快速变化,很难准确建模。为了克服这个问题,我们提出了一种飞行控制架构,它使用智能反馈控制器实时估计和抵消这些快速动态。所提出的飞行控制器旨在稳定混合微型飞行器的姿态以及它在所有飞行阶段的速度和位置。通过使用无模型控制算法,所提出的飞行控制架构无需精确的混合微型飞行器模型,因为该模型成本高昂且耗时。介绍了一套全面的飞行模拟,涵盖了尾座微型飞行器的整个飞行包线。最后,进行了真实飞行测试以比较模型
摘要:本文旨在介绍四轴飞行器的设计、仿真和控制,以无人机 (UAV) 为例。为了实现这一目标,我们开发了四轴飞行器的数学模型。在 MATLAB/Simulink 环境中开发了模型仿真和控制器设计。尽管它仍然是一个完整的非线性系统,但本文采用了四轴飞行器的数学表示和目标系统的建模。对所获得的数学模型进行了线性化。为了设计姿态控制器,使用系统识别技术获得了负责四轴飞行器运动的无刷直流电机 (BLDCM) 的传递函数。本文描述了一个完整的测试实验以实现这一目标。对设计的控制器进行了评估,并讨论了仿真结果。关键词:无刷直流电机 (BLDCM)、无人机 (UAV)、电子速度控制 (ESC)。1. 简介四轴飞行器无人机已被证明可用于许多军事和民用应用。最重要的特点是垂直起降 (VTOL) 和悬停能力,因此它适合于执行诸如监视、道路交通监控、自然灾害后的受害者定位等任务。此类飞行器也引起了学术研究机构越来越多的兴趣,因为它们可以用作机器人研究的低成本试验台 [1] , [2], [3]。为了让 au