XiaoMi-AI文件搜索系统
World File Search System四旋翼
Pelican 四旋翼飞行器的 PD 和反步控制实时设置
近年来，四旋翼飞行器控制设计研究迅速增多。四旋翼飞行器的线性控制器设计已在多项工作中实现，如线性二次调节器 (LQR) 和比例积分微分 (PID) (Khatoon 等人，2014) (Reyes-Valeria 等人，2013)。非线性控制设计也已通过不同的技术实现，如反步法 (Das 等人，2009)、滑模 (Runcharoon 和 Srichatrapimuk，2013) 和反馈线性化 (Saif，2009)。(Castillo 等人，2005) 将非线性控制算法与 LQR 控制律的性能进行了比较。结果显示，线性控制器应用于非线性系统时，响应不稳定，而非线性控制器则显示稳定响应。(Gomes 等人，2016) 使用 AR.Drone 四旋翼飞行器和 Vicon 运动捕捉系统跟踪移动目标，并使用比例微分 (PD) 控制器进行线性定位。(Mashood 等人，2016) 展示了两架 AR.Drone 使用 VICON 系统和 MATLAB/SIMULINK 进行反馈和控制实现，沿平方路径飞行的实验结果。这可以通过 AR Drone Simulink 开发套件 (ARDSDK) 实现。(Campbell 等人，2012) 展示了四旋翼飞行器自动驾驶仪的设计和实现，使无人机能够起飞、从一个位置移动到另一个位置并降落在所需位置 -
四旋翼无人飞行器的建模与滑模控制...
在本文中，我们使用非线性滑模控制方法处理四旋翼飞行器的稳定和跟踪问题。首先，借助牛顿-欧拉形式，提出了四旋翼飞行器的动态非线性模型的开发，该模型考虑了不同的物理现象和气动力和力矩。然后基于 Lyapunov 理论设计滑模控制器来稳定和跟踪四旋翼飞行器的姿态和位置。进行了几次模拟结果，以显示所提出的建模和非线性控制方法的有效性。即将开展的工作将使用基于元启发式的方法调整和优化所有 SMC 参数。此外，还将研究设计的 SMC 方法的硬件在环 (HIL) 联合仿真。
X650 一款适用于行业应用的四旋翼无人机
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、环线（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。
使用...检查四旋翼飞行器逆向模拟问题
研究了四旋翼机动飞行。提出的信赖域狗腿（DL）技术减轻了牛顿法在求解过程中用于系统状态数值微分的弱点。所提出的技术强调了逆模拟问题的全局收敛解。通过计算使四旋翼飞行器能够遵循指定轨迹（包括爬升悬停和巡航悬停机动）所需的控制输入来评估该算法。使用为四旋翼飞行器开发的线性最优控制通过直接模拟生成轨迹。四旋翼飞行器的旋翼是基于叶片元素理论（BET）、线性空气动力学和旋翼盘上非均匀流入开发的非线性模型。结果表明，从逆模拟获得的控制输入与通过直接模拟估计的控制输入具有良好的一致性。结果还证实，规定轨迹与直接模拟生成的轨迹之间的最大差异小于 0.02%，因此，信赖域狗腿优化的逆模拟的潜在应用显而易见。
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。
主动视觉和感知 - Cornell eCommons
1.2 在自主四旋翼飞行器上执行的基于事件的主动感知算法的演示。四旋翼飞行器最初跟踪并跟随骑自行车的人（a），在感知到人指向的动作（b）后，四旋翼飞行器迅速朝规定的方向飞行（c）。四旋翼飞行器继续自主飞行，直到沿着该方向飞过许多车辆无法穿越的复杂地形，直到另一个人通过在传感器的视野范围内挥手来控制四旋翼飞行器（d），并命令四旋翼飞行器安全着陆（e）。........。。。。。。12
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。
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
使用 PD 和反步控制对 Pelican 四旋翼飞行器进行实时设置
近年来，四旋翼飞行器控制设计研究迅速增多。四旋翼飞行器的线性控制器设计已在多项工作中实现，如线性二次调节器 (LQR) 和比例积分微分 (PID) (Khatoon 等，2014) (Reyes-Valeria 等，2013)。非线性控制设计也已通过不同的技术实现，如反步法 (Das 等，2009)、滑模 (Runcharoon 和 Srichatrapimuk，2013) 和反馈线性化 (Saif，2009)。 (Castillo 等，2005) 将非线性控制算法与 LQR 控制律的性能进行了比较。结果表明，线性控制器应用于非线性系统时响应不稳定，而非线性控制器则表现出稳定的响应。 (Gomes 等人，2016) 使用 AR.Drone 四旋翼飞行器和 Vicon 运动捕捉系统跟踪移动目标，并使用比例微分 (PD) 控制器进行线性定位。 (Mashood 等人，2016) 展示了两架 AR.Drone 沿平方路径飞行的实验结果，使用 VICON 系统和 MATLAB/SIMULINK 进行反馈和控制实现。这可以通过 AR Drone Simulink 开发套件 (ARDSDK) 实现。 (Campbell 等人，2012) 展示了四旋翼飞行器自动驾驶仪的设计和实现，使无人机能够起飞、从一个位置转移到另一个位置并降落在所需位置。
开放式喷射风洞的开发和测试...
悬停四旋翼飞行器在各种湍流风况下的定位保持最近备受关注，因为它有可能在复杂环境中应用。已经开发出各种类型的控制算法来提高四旋翼飞行器在这种风况下的性能。这些需要通过飞行四旋翼飞行器本身进行测试和验证。一种快速且低成本的解决方案是通过改造现有风洞来建立测试台，以重现这种风况。为了进行此类实验，马来西亚博特拉大学 (UPM) 将开放式喷射风洞连接到现有的开环风洞，该风洞最初的测试面积为 1 米乘 1 米。通过连接具有发散形状的开放式喷射风洞，测试段面积的直径增加到 2 米，确保有足够的空间来操纵和悬停实验四旋翼飞行器。在测试段前连接一个沉降室来表征输出风。开口处的最大风速为 8 米/秒。利用风速计对延伸风洞的流动特性进行了分析，获得了距开口四个不同距离处的速度分布，发现风速分布和湍流强度模拟了室外风湍流条件，可用于测试四旋翼悬停控制算法。