固定翼無人機(jī)發(fā)展較早，在相關(guān)技術(shù)上相對比較成熟，而且在最近幾十年 的幾次軍事戰(zhàn)爭中也充分展現(xiàn)了它的優(yōu)秀偵查和攻擊性能。與固定翼的飛行器 發(fā)展相比，旋翼式這種可垂直起降(VTOL ，Vertical Take-off and landing)的飛 行器發(fā)展要緩慢很多，最近幾年隨著影視拍攝行業(yè)的成功應(yīng)用才慢慢進(jìn)入大眾 的視野，這是因?yàn)?VTOL 旋翼式的飛行器的控制比較復(fù)雜。相比于固定翼飛行器，VTOL 飛行器具有難以比擬的優(yōu)越性：結(jié)構(gòu)簡單，更加小型化，能夠適應(yīng) 各種復(fù)雜的環(huán)境，具備自主起飛和著陸功能，能以如懸停、倒飛、側(cè)飛、前飛 等各種姿態(tài)飛行，具有良好的低空低速飛行性能，對場地要求不像固定翼那么苛刻。 四旋翼直升機(jī)是一種具有四個(gè)螺旋槳的飛行器，屬于多旋翼飛行器中的一種，國外又稱 Four-rotor，Quadrotor，  X4-flyer，4 rotors helicopter 等等。其螺 旋槳按照旋轉(zhuǎn)方向的不同可以分為正槳和反槳， 四個(gè)螺旋槳按照正反槳交替的 順序依次安裝在一個(gè)具有“X”或“十”型剛性結(jié)構(gòu)的末端。與傳統(tǒng)的直升機(jī)通過調(diào) 節(jié)主槳和尾槳的槳距角來改變直升機(jī)的姿態(tài)有所不同， 目前大部分四旋翼直升機(jī)是固定槳距的，只能通過改變四個(gè)螺旋槳的轉(zhuǎn)速來改變飛行器姿態(tài)，實(shí)現(xiàn)各 種飛行動(dòng)作（目前也有變螺距的四旋翼飛行器，這種飛行器的結(jié)構(gòu)相對復(fù)雜一些，但控制更靈活方便）。 小型四旋翼飛行器由于其自身小巧靈活的特點(diǎn)，特別適合在近地面環(huán)境中
執(zhí)行監(jiān)控、偵察等任務(wù)。目前已成功運(yùn)用于航空影視拍攝，交通疏導(dǎo)，地圖測 繪，抗震救災(zāi)等多個(gè)領(lǐng)域，有著巨大的市場前景。與此同時(shí)，四旋翼飛行器 還是美國 火星探測 項(xiàng)目中的 無人飛行器 重要研究方向之一[2]。另外，由于其結(jié)構(gòu)簡單、外觀新穎、成本低廉、 飛行控制方式 獨(dú)特(通過調(diào)節(jié) 4 個(gè)螺旋槳的轉(zhuǎn)速， 實(shí)現(xiàn)飛行控制)以及性能卓越等諸多優(yōu)點(diǎn)，使其逐漸成為國際上新的研究方向。 隨著近年來空中機(jī)器人相關(guān)領(lǐng)域技術(shù)的進(jìn)步，尤其是關(guān)鍵傳感器的小型化 和通信技術(shù)的發(fā)展，四旋翼飛行器的發(fā)展十分迅速，大家對空中機(jī)器人在工業(yè) 和生活中的應(yīng)用興趣逐步提高，小型四旋翼無人機(jī)正在廣泛應(yīng)用于民用基礎(chǔ)設(shè) 施檢查（如公路、橋梁和大壩），環(huán)境監(jiān)測 (如森林、河流、湖泊等)，飛行表演，
以及航空拍攝中。由于四旋翼飛行器是一個(gè)典型的多輸入多輸出非線性系統(tǒng)， 在飛行器飛行過程中各通道間有很嚴(yán)重的耦合特性，使得飛行控制器設(shè)計(jì)變得 十分復(fù) 雜， 像傳 統(tǒng)的 控制器 如增 益調(diào) 參 [3]   的小擾 動(dòng) 線 性設(shè) 計(jì)方 法 已經(jīng) 很難 適 用，尋找更好的控制方法具有很重要的現(xiàn)實(shí)意義。

1.2  研究現(xiàn)狀
1.2.1  四旋翼飛行器的研究現(xiàn)狀
四旋翼飛行器自問世以來已經(jīng)有將近百年的歷史，由于其自身的工作方式， 導(dǎo)致旋翼式飛行器的能源利用率不高，續(xù)航時(shí)間和飛行半徑較短，一直沒有引 起足夠的關(guān)注。隨著近年來微機(jī)電系統(tǒng)（MEMS）傳感器測量精度的提高，低 功耗高性能處理器技術(shù)的進(jìn)步，鋰電池存儲密度的提升，以及新型的高強(qiáng)度輕 便材料的應(yīng)用，都為四旋翼無人飛行器的 發(fā)展提供了強(qiáng)有力的硬件支持。與此 同時(shí)，四旋翼無人飛行器在軍事和商業(yè)領(lǐng)域的應(yīng)用也不斷被挖掘，未來也將會(huì)有更多的應(yīng)用場景被發(fā)現(xiàn)，其商業(yè)價(jià)值也逐漸顯現(xiàn) ，市場需求量很大，前景廣 闊。
目前的國內(nèi)外研究的四旋翼飛行器大體上都屬于微小型 無人飛行器 ，  其研究主要集中在以下三個(gè)方面：基于慣性導(dǎo)行的 飛行控制[4]，基于計(jì)算機(jī)視覺 的 飛行 控制[5]和自主飛行器 系統(tǒng)方案 。其 典型 代表分別是：瑞士洛桑聯(lián)邦科技學(xué)院（EPFL）的  OS4[5]，佐治亞理工大學(xué)的  GTMARS[6]和賓夕法尼亞大學(xué)的HMX4[7]。OS4 已經(jīng)完成了兩代樣機(jī)，是由 EPFL 自動(dòng)化實(shí)驗(yàn)室開發(fā)的一種小型四旋 翼飛行器，其第二代樣機(jī)如圖 1-4 所示。針對飛行器的飛行特點(diǎn)，對其控制算 法進(jìn)行了深入的研究 ，目前 已經(jīng)實(shí)現(xiàn)了基于多種控制算法 ( 如  PID ， LQ ， Backstepping，Sliding-mode)[8]的飛行實(shí)驗(yàn)，可以實(shí)現(xiàn)自主懸停控制。HMX4 在機(jī)械機(jī)構(gòu)上與 Draganflyer  III 相似，利用雙攝像機(jī)的計(jì)算機(jī)視覺來獲取飛行器的姿態(tài)和位置，使用 Backstepping 和反饋線性化的控制算法實(shí)現(xiàn) 了自主懸停控制，并且在多機(jī)編隊(duì)等協(xié)同合作方面取得了突破性進(jìn)展，其樣機(jī) 圖如圖 1-5 所示。

0.jpg (39.91 KB, 下載次數(shù): 79)

下載附件

2018-1-11 23:57 上傳

佐治亞理工大學(xué)的開發(fā)的 GTMARS 無人機(jī)系統(tǒng)是為實(shí)現(xiàn)火星探測任務(wù)而 設(shè)計(jì)的，該飛行器登陸火星后能夠自動(dòng)展開被封裝的四面體機(jī)構(gòu)，實(shí)現(xiàn)自主起飛和降落，樣機(jī)圖如圖 1-6 所示。其著落器上安裝了太陽能電池，在執(zhí)行探測 任務(wù)時(shí)可以返回著陸器補(bǔ)充能量。
近年來，國內(nèi)外很多研究人員開始研究多旋翼無人直升機(jī)，并且發(fā)表了大 量相關(guān)論文，也提出了很多無人直升機(jī)控制算法。并且國外很多高校已經(jīng)成功 實(shí)現(xiàn)了其算法在硬件實(shí)驗(yàn)平臺上的飛行控制。
目前，大部分無人直升機(jī)控制算法可大致分為以下兩類：
（1）基于經(jīng)驗(yàn)的控制算法：PID 控制[9]，神經(jīng)網(wǎng)絡(luò)控制[10]，模糊控制等；
（2）基于模型的控制算法： 滑模控制[6]，魯棒控制[6]，Backstepping[11]，
LQR[12]控制等。 由于多旋翼飛行器的外環(huán)位置直接受內(nèi)環(huán)姿態(tài)的控制，所以飛行器的內(nèi)環(huán)姿態(tài)控制就顯的尤為重要，所以目前國內(nèi)外很多研究都著重進(jìn)行了非線性的姿 態(tài)控制器設(shè)計(jì)，雖然仿真效果比較好，但由于其對模型有很強(qiáng)的依賴性，當(dāng)模 型不夠精確時(shí)，其實(shí)際控制效果有時(shí)還不如基于經(jīng)驗(yàn)的 PID 控制。因此，應(yīng)尋 找既可以精確控制飛行器，又具有良好的環(huán)境自適應(yīng)能力和不依賴于系統(tǒng)精確 數(shù)學(xué)模型的控制算法。

1.2.2  迭代學(xué)習(xí)的研究現(xiàn)狀
學(xué)習(xí)能力是人作為智 慧生物的一項(xiàng)重要特 征，讓控制器具有 某種“學(xué)習(xí)能 力”，一直是諸多自動(dòng)控制研究者一個(gè)夢寐以求目標(biāo)。自從 Fu[13]于 1971 年在控 制中提出學(xué)習(xí)的思想后，各國學(xué)者對學(xué)習(xí) 控制 的研究一直很活躍，像神經(jīng)網(wǎng)絡(luò)， 人工智能，迭代學(xué)習(xí)，強(qiáng)化學(xué)習(xí)等智能控制越來越受大家關(guān)注。迭代學(xué)習(xí)控制 作為智能控制領(lǐng)域的一個(gè)分支，在控制的學(xué)習(xí)過程中不需在線辨識系統(tǒng)模型參 數(shù)，而是根據(jù)最終的所達(dá)到的控制效果，既依靠“控制品質(zhì)”來修正 控制器參數(shù) 。 日本研究者 Uchiyama[14]針對高速運(yùn)行的機(jī)械手的控制問題于 1978 年開創(chuàng)性的 提出了迭代學(xué)習(xí)的控制思想：對同一個(gè)軌跡進(jìn)行跟蹤控制，并每次根據(jù)上次的 控制結(jié)果不斷調(diào)節(jié)控制輸入，最終達(dá)到比較好的的跟蹤控制效果。基于這一基 本思想，Arimoto 等人在 1984 年正式提出迭代學(xué)習(xí)控制的概念[15]，從此開創(chuàng)了 一個(gè)新的研究方向，吸引越來越多的研究者加入。
迭代學(xué)習(xí)控制方法主要是利用控制系統(tǒng)的先驗(yàn)數(shù)據(jù)，以及系統(tǒng)期望的輸出 信號來尋找理想的控制輸入信號，減小系統(tǒng)的跟蹤誤差，類似于人的“經(jīng)驗(yàn)學(xué)習(xí)” 過程。迭代學(xué)習(xí)控制與魯棒控制類似，迭代學(xué)習(xí)控制可以處理實(shí)際系統(tǒng) 模型的 不確定性，相比較而言，它要求系統(tǒng)較少的先驗(yàn)知識，不依賴于非常精確的系 統(tǒng)模型，能夠處理未知參數(shù)以及模型的不確定性等復(fù)雜 的控制問題，具有很強(qiáng)的魯棒性。因此，對那些軌跡跟蹤控制中有著高度非線性，難建模等特點(diǎn)系統(tǒng) 的有著非常重要的研究意義。
目前迭代學(xué)習(xí)控制思想已廣泛應(yīng)用在各種工業(yè)生產(chǎn)中，對機(jī)械臂和機(jī)器人 系統(tǒng)的控制是其最主要的應(yīng)用領(lǐng)域[16]，同時(shí)在各類實(shí)時(shí)控制的系統(tǒng)中，迭代學(xué) 習(xí)控制也得到了廣泛的應(yīng)用，例如永磁電機(jī)控制 [17]，磁盤驅(qū)動(dòng)器控制[18]，光學(xué) 掃描系統(tǒng)[19]等等。隨著迭代學(xué)習(xí)控制理論研究的不斷深入和發(fā)展，以及其在實(shí)際系統(tǒng)的廣泛應(yīng)用，迭代學(xué)習(xí)控制越來越多的與其他控制方法相結(jié)合，由此產(chǎn) 生了各種新的算法，如自適應(yīng)學(xué)習(xí)律[20]，模型參考學(xué)習(xí)律[21]，基于優(yōu)化理論等
的新型學(xué)習(xí)律[22]，不再局限與傳統(tǒng)的 P 型、D 型學(xué)習(xí)律。

1.3  主要研究內(nèi)容
由前文介紹可以看出，未來多旋翼無人機(jī)由于其自身的優(yōu)點(diǎn)會(huì)擁有更廣闊 的前景和應(yīng)用空間，會(huì)吸引越來越多的國內(nèi)外的學(xué)者和研究機(jī)構(gòu)加入。 由于四 旋翼無人機(jī)的強(qiáng)耦合、非線性、欠驅(qū)動(dòng)的系統(tǒng)特性，再加上飛機(jī)的震動(dòng)和飛行 的大機(jī)動(dòng)性，導(dǎo)致飛控系統(tǒng)的姿態(tài)測量和控制設(shè)計(jì)相對較為復(fù)雜。本文將以小 型四旋翼直升機(jī)作為課題研究平臺，針對軌跡跟蹤控制算法和多傳感器數(shù)據(jù)融 合方法進(jìn)行研究，對基于迭代學(xué)習(xí)的軌跡跟蹤控制算法進(jìn)行仿真驗(yàn)證，同時(shí)對 飛行器硬件控制系統(tǒng)進(jìn)行設(shè)計(jì)。
本文的研究內(nèi)容如下：
（1）首先介紹 四旋翼無人機(jī) 的研究背景，發(fā)展現(xiàn)狀，以及迭代學(xué)習(xí)控制的 發(fā)展，針對多旋翼飛行控制系統(tǒng)的設(shè)計(jì)，分析其中兩個(gè)關(guān)鍵問題，之后提出了
本文的主要研究內(nèi)容。
（2）接著介紹四旋翼無人直升機(jī)的基本工作原理及相關(guān)知識，定義建模和 控制所需的兩個(gè)坐標(biāo)系和對應(yīng)的坐標(biāo)旋轉(zhuǎn)矩陣，介紹歐拉角與四元數(shù)的兩種不
同的姿態(tài)表示方法，并建立四旋翼飛行器的動(dòng)力學(xué)模型 。
（3）之后進(jìn)行軌跡跟蹤控制算法仿真研究。介紹迭代學(xué)習(xí)控制算法的基本 思想和流程，在確定的四旋翼動(dòng)力學(xué)模型的基礎(chǔ)上進(jìn)行 模型簡化處理，確定飛 機(jī)的飛行軌跡并生成初始輸入。用卡爾曼濾波對由系統(tǒng)模型誤差產(chǎn)生的擾動(dòng)進(jìn) 行估計(jì)，運(yùn)用優(yōu)化理論的迭代學(xué)習(xí)的更新算法更新系統(tǒng)輸入，補(bǔ)償系統(tǒng)由于模 型誤差帶來的重復(fù)性擾動(dòng)，并用 Matlab 軟件仿真進(jìn)行學(xué)習(xí)算法的評估，并給出 仿真實(shí)驗(yàn)結(jié)果。
（4）再接著進(jìn)行硬件平臺設(shè)計(jì)及多傳感器的數(shù)據(jù)融合。在搭建的四旋翼飛 行控制器的硬件實(shí)驗(yàn)平臺的基礎(chǔ)上，分析所以慣性傳感器的特性，進(jìn)行傳感器標(biāo)定，補(bǔ)償由于傳感器制作工藝帶來的測量誤差，并運(yùn)用基于四元數(shù)的間接卡 爾曼濾波器抑制由于機(jī)體震動(dòng)以及飛機(jī)大幅運(yùn) 動(dòng)對姿態(tài)估算的擾動(dòng)，并對濾波 器進(jìn)行故障檢測與隔離，給出最終的實(shí)驗(yàn)結(jié)果。
（5）最后，本文將總結(jié)我的課題所做的研究工作，并對 未來進(jìn)一步需要完 善和發(fā)展的工作進(jìn)行展望。

第 2 章  四旋翼工作原理及相關(guān)知識
2.1  引言
四旋翼無人直升機(jī)的動(dòng)力學(xué)模型是后期飛行控制算法研究的基礎(chǔ)和前提，模 型的正確性對控制系統(tǒng)的設(shè)計(jì)至關(guān)重要。本章首先簡單介紹四旋翼飛行器的基本 工作原理，同時(shí)定義機(jī)體坐標(biāo)系與慣性坐標(biāo)系的的坐標(biāo)變換矩陣，并根據(jù)剛體力 學(xué)知識和牛頓定理建立系統(tǒng)的數(shù)學(xué)模型。

2.2  四旋翼飛行器工作原理
四旋翼無人直升機(jī)是四個(gè)螺旋槳固定在一個(gè)“X”或“十”型剛性結(jié)構(gòu)的末端的 系統(tǒng)，如圖 2-1 所示，飛行系統(tǒng)的螺旋槳對稱分布于機(jī)體前、后、左、右四個(gè)端點(diǎn)， 這四個(gè)旋翼共處于同一平面上。飛行的動(dòng)力來源于四個(gè)電機(jī)帶動(dòng)螺旋槳高速轉(zhuǎn)動(dòng)， 通過調(diào)節(jié)四個(gè)螺旋槳的轉(zhuǎn)速可控制四旋翼飛行器的姿態(tài)和軌跡。相對的一對旋翼 2 和 4 繞逆時(shí)針方向旋轉(zhuǎn)，相反另外一對旋翼 1 和 3 則繞順時(shí)針方向旋轉(zhuǎn)。改變 1 和 3 螺旋槳的轉(zhuǎn)速可以產(chǎn)生俯仰以及相應(yīng)的前向運(yùn)動(dòng)，同理，改變 2 和 4 螺旋槳 的轉(zhuǎn)速可以產(chǎn)生相應(yīng)的橫滾和側(cè)向運(yùn)動(dòng)，由此產(chǎn)生飛機(jī)升力及姿態(tài)的控制力。

0.jpg (6.67 KB, 下載次數(shù): 76)

下載附件

2018-1-11 23:59 上傳

圖 2-1  四旋翼直升機(jī)槳翼旋轉(zhuǎn)示意圖

由于四旋翼直升機(jī)在空間中的具有六個(gè)運(yùn)動(dòng)自由度，但是僅有四個(gè)驅(qū)動(dòng)輸入， 改變?nèi)魏我粋�(gè)螺旋槳的轉(zhuǎn)速都會(huì)引起兩個(gè)姿態(tài)角的變化，因此四旋翼直升機(jī)是一 個(gè)欠驅(qū)動(dòng)的系統(tǒng)[23]。根據(jù)四旋翼無人直升機(jī)的結(jié)構(gòu)特點(diǎn)和四旋翼的姿態(tài)變化與各 個(gè)旋翼的旋轉(zhuǎn)速度的關(guān)系，其基本運(yùn)動(dòng)可以劃分為以下四個(gè)基本運(yùn)動(dòng)模式：
（1）垂直方向運(yùn)動(dòng)：主要有垂直升、降和懸停三個(gè)飛行狀態(tài)，當(dāng)四旋翼機(jī)身 處于平衡狀態(tài)時(shí)，同時(shí)等量的增大（或減小）四個(gè)旋翼旋轉(zhuǎn)速度的大小來實(shí)現(xiàn)直升機(jī)上升（或下降）運(yùn)動(dòng)，如圖 2-2 a)所示。

（2）俯仰方向運(yùn)動(dòng)：保持旋翼 2 和 4 的轉(zhuǎn)速恒定，增大（或減小）旋翼 1 的 同時(shí)減小（或增大）旋翼 3 的轉(zhuǎn)速，而四個(gè)螺旋槳總的升力保持不變，會(huì)產(chǎn)生沿 y 軸方向的扭矩，這樣就可以實(shí)現(xiàn)四旋翼的俯仰運(yùn)動(dòng)，由于耦合的作用，同時(shí)可以 實(shí)現(xiàn)飛機(jī)的前后方向的運(yùn)動(dòng),  如圖 2-2 b)所示。
（3）滾轉(zhuǎn)方向運(yùn)動(dòng)：保持旋翼 1 和 3 的轉(zhuǎn)速恒定，增大（或減小）旋翼 2 的 同時(shí)減小（或增大）旋翼 4 的轉(zhuǎn)速，會(huì)產(chǎn)生沿 x 軸方向的扭矩，這樣就可以實(shí)現(xiàn)四旋翼的橫滾運(yùn)動(dòng)，同理，由于耦合的作用，可以實(shí)現(xiàn)飛機(jī)的左右方向的運(yùn)動(dòng),  如 圖 2-2 c)所示。
（4）偏航方向運(yùn)動(dòng)：增大（或減小）1、3 旋翼，同時(shí)減小（或增大）2、4 旋翼的轉(zhuǎn)速，利用正反槳產(chǎn)生的相反方向的扭矩，可以改變直升機(jī)機(jī)體繞 z 軸總 體方向的扭矩，從而實(shí)現(xiàn)直升機(jī)偏航運(yùn)動(dòng)，如圖 2-2 d)所示。

0.jpg (30.46 KB, 下載次數(shù): 81)

下載附件

2018-1-12 00:00 上傳

2.3  剛體空間姿態(tài)表示
2.3.1 常用坐標(biāo)系的定義
宇宙中一切運(yùn)動(dòng)的物體都是相對而言的，單個(gè)物體是沒有運(yùn)動(dòng)可言的。一個(gè) 物體在空間中的位置和姿態(tài)是相對另一個(gè)物體而確定的，這就有了參考坐標(biāo)系的概念。為建立四旋翼直升機(jī)運(yùn)動(dòng)學(xué)模型以及進(jìn)行姿態(tài)控制，首先介紹后文所需要 的兩種常用坐標(biāo)系的定義：
（1）東北天坐標(biāo)系 E(NEU)，在地面指定一個(gè)點(diǎn)為參考原點(diǎn)，取水平面為 XOY 平面，以東方向?yàn)?X 軸正方向，順時(shí)針 90 度方向的北向?yàn)?Y 軸正方向，以垂直 水平面向上的方向作為 Z 軸正方向，如圖 2-3 所示。
（2）機(jī)體坐標(biāo)系 B(OXYZ)，以四旋翼直升機(jī)的質(zhì)心為原點(diǎn)，旋翼 1 和 3 的連
線為 x 軸，旋翼 1 指向?yàn)?x 軸正方向，旋翼 2 指向?yàn)?y 軸正方向，以過原點(diǎn)且垂 直于 xoy 平面的向上的直線作為 z 軸正方向，如圖 2-4 所示。機(jī)體坐標(biāo)系與飛行器固連，隨飛行器的運(yùn)動(dòng)而轉(zhuǎn)動(dòng)。

0.png (40.01 KB, 下載次數(shù): 73)

下載附件

2018-1-12 00:01 上傳

2.3.2 剛體姿態(tài)角表示
剛體在空間中相對參考坐標(biāo)系的形態(tài)即為剛體的姿態(tài)，它描述了兩個(gè)坐標(biāo)系坐標(biāo)軸之間的相對方向。剛體從一個(gè)姿態(tài)到另一個(gè)姿態(tài)之間的轉(zhuǎn)換可以用兩個(gè)坐 標(biāo)系的相對旋轉(zhuǎn)變換矩陣表示。姿態(tài)表示有多種表示方法，包括四元數(shù)、歐拉角、 歐拉軸/角和方向余弦矩陣等，各種表示方法有自己優(yōu)缺點(diǎn)，目前常用的表示方法為前兩種。歐拉角表示方法最大的優(yōu)點(diǎn)是簡單直觀，只需用 , , 三個(gè)參數(shù)分別表
示橫滾角，俯仰角和偏航角，符合人的直觀感受，缺點(diǎn)是不能表示剛體的全部姿 態(tài)，有奇異性，存在萬向鎖問題，并且在計(jì)算過程中有大量的三角函數(shù)運(yùn)算，計(jì) 算量較大；四元數(shù)表示法不存在萬向鎖問題，而且計(jì)算量小，現(xiàn)廣泛應(yīng)用于航空 航天領(lǐng)域以及三維動(dòng)畫制作領(lǐng)域，缺點(diǎn)是不夠直觀，每個(gè)參數(shù)沒有實(shí)際的物理意 義。下面將分別介紹這兩種姿態(tài)表示方法：
（1）歐拉角表示法 歐拉角是用來描述剛體在三維歐幾里得空間的取向。 對于任何參考系，一個(gè)剛體的取向，是依照順序，從這參考系，做三個(gè)歐拉角的 旋轉(zhuǎn)而設(shè)定的。所以，剛體的取向可以用三個(gè)基本旋轉(zhuǎn)矩陣來決定，圖 2-5 描述了 繞三個(gè)軸的基元旋轉(zhuǎn)。

0.png (106.92 KB, 下載次數(shù): 88)

下載附件

2018-1-12 00:03 上傳

0.png (104.29 KB, 下載次數(shù): 58)

下載附件

2018-1-12 00:03 上傳

0.png (86.65 KB, 下載次數(shù): 84)

下載附件

2018-1-12 00:04 上傳

0.png (73.76 KB, 下載次數(shù): 79)

下載附件

2018-1-12 00:05 上傳

0.png (117.22 KB, 下載次數(shù): 68)

下載附件

2018-1-12 00:06 上傳

(由于格式限制，51hei省略了部分內(nèi)容，論文完整內(nèi)容請下載本帖附件查看)

  由于迭代學(xué)習(xí)過程不依賴于精確的數(shù)學(xué)模型，我 們可以忽略系統(tǒng)的高階小 量，對公式（2-15）所表示的動(dòng)力系統(tǒng)進(jìn)行簡化處理，原系統(tǒng)的狀態(tài)空間方程可表示為公式（3-21）所示的系統(tǒng)。對于公式（3-21）所示的系統(tǒng)，在參考軌 跡領(lǐng)域內(nèi)進(jìn)行線性化處理：
對上述系統(tǒng)進(jìn)行離散化后就可得到迭代學(xué)習(xí)所需要的 鄰域方程。考慮到系統(tǒng)模型的不準(zhǔn)確性，在軌跡跟蹤過程中我們不能完全跟蹤中間的姿態(tài)角狀態(tài)以 及速度狀態(tài)，同時(shí)由于我們的最終目標(biāo)是對飛行器的位置進(jìn)行跟蹤，所以目標(biāo)函數(shù)（3-18）中的狀態(tài)權(quán)重矩陣 S 中只有位置狀態(tài)因子有效，其他因子取零 ， 同時(shí)不考慮輸入的懲罰函數(shù)。取位置誤差：
接下來利用 Matlab 軟件建立的四旋翼無人直升機(jī)的仿真平臺，對迭代學(xué)習(xí) 控制算法進(jìn)行仿真驗(yàn)證，圖 3-3 給出了設(shè)定參考軌跡為正弦線和圓時(shí)的迭代學(xué) 習(xí)的控制的效果圖，圖 3-4 為每次迭代學(xué)習(xí)的控制的位置跟蹤誤差。

0.jpg (47.45 KB, 下載次數(shù): 57)

下載附件

2018-1-12 00:18 上傳

從上圖中的正弦線軌跡跟蹤效果圖可以看出，通過多次的 迭代學(xué)習(xí)后，系 統(tǒng)能夠很快估計(jì)出系統(tǒng)的建模誤差，在下次迭代學(xué)習(xí)時(shí)對系統(tǒng)輸入進(jìn)行補(bǔ)償， 最終能夠較準(zhǔn)確的跟蹤上參考軌跡。同時(shí)，對圓形軌跡進(jìn)行仿真驗(yàn)證。 圖 3-5 中給出了設(shè)定為圓形參考軌跡時(shí) 飛行器在迭代學(xué)習(xí)控制算法下的跟蹤效果，經(jīng)過多次迭代學(xué)習(xí)，系統(tǒng)能很好的 跟蹤參考軌跡。從圖 3-6 可以看出，經(jīng)過多次迭代跟蹤誤差不斷減小。

0.jpg (32.3 KB, 下載次數(shù): 86)

下載附件

2018-1-12 00:20 上傳

0.jpg (27.69 KB, 下載次數(shù): 76)

下載附件

2018-1-12 00:20 上傳

3.3  本章小結(jié)
本章主要研究 四旋翼 無人直升機(jī)的基于迭代學(xué)習(xí)的 軌跡跟蹤控制 算法，根 據(jù) 四旋翼 直升機(jī)的關(guān)鍵動(dòng)力學(xué)模型，從迭代學(xué)習(xí)的控制算法的理論出發(fā)，結(jié)合 卡爾曼濾波的最優(yōu)估計(jì)特性，估計(jì)出系統(tǒng)的重復(fù)性擾動(dòng)和未建模誤差。選取基于時(shí)域內(nèi)二次性能函數(shù)離散方程的最優(yōu)迭代學(xué)習(xí)算法，對估計(jì)出的模型誤差進(jìn) 行擾動(dòng)補(bǔ)償，對算法的軌跡跟蹤性能進(jìn)行了仿真驗(yàn)證， 通過仿真給出了四旋翼 無人機(jī)的各種軌跡下的跟蹤結(jié)果，證明了算法的有效性。
第 4 章  硬件搭建及多傳感器數(shù)據(jù)融合
4.1  引言
在前期完成四旋翼無人機(jī)的軌跡跟蹤控制算法后，接下來課題的重點(diǎn)工作就 是建立飛行控制器的硬件實(shí)驗(yàn)平臺，完成實(shí)際四旋翼飛控的硬件平臺的設(shè)計(jì)。在 本章中，首先給出了飛控系統(tǒng)主要部分的硬件電路設(shè)計(jì)和程序設(shè)計(jì)的流程圖。而 在實(shí)際的工作環(huán)境中，MEMS 傳感器由于其自身的特點(diǎn)，雖然價(jià)格低廉，但由于 自身的工藝，傳感器自身有著很大的測量誤差，再加上飛行器飛行過程中的震動(dòng)， 傳感器的測量值需要很好的處理才能得到我們所期望的姿態(tài)角度，因此需要對傳 感器的特性進(jìn)行分析，并設(shè)計(jì)濾波器才能得到較精確的飛行姿態(tài)，只有姿態(tài)角度 測量準(zhǔn)確了，才能達(dá)到較好的控制效果。本章針對硬件平臺所面臨的問題，首先 對電子羅盤與加速度計(jì)進(jìn)行標(biāo)定，分析傳感器特性，對關(guān)鍵的傳感器（陀螺儀和 加速度計(jì)）進(jìn)行采樣分析，進(jìn)行基礎(chǔ)的濾波處理，然后用卡爾曼濾波進(jìn)行姿態(tài)更 新，最終得到較為準(zhǔn)確的姿態(tài)數(shù)據(jù)。

4.2  飛行控制器硬件平臺搭建
圖 4-1 為系統(tǒng)的硬件架構(gòu)圖，主要由主控芯片，傳感器接口，USB 接口，GPS模塊接口，接收機(jī)接口以及電調(diào)接口等部分，圖 4-2 為整個(gè)飛行控制系統(tǒng)的原理圖。

0.jpg (24.15 KB, 下載次數(shù): 63)

下載附件

2018-1-12 00:22 上傳

本課題所使用的飛行控制器  MCU  是意法半導(dǎo)體公司生產(chǎn)的基于  Contex-M4
內(nèi)核的 32 位處理器 STM32F407 芯片，該芯片擁有 168MHz 的主頻，處理速度可 達(dá) 210DMIPS，同時(shí)控制器內(nèi)部集成了單精度的浮點(diǎn)運(yùn)算單元和 DSP 指令，運(yùn)算速度大大提升，可以運(yùn)行一些更復(fù)雜的算法。 這款芯片擁有豐富的外設(shè)，包含多種通訊接口，如 USART 串行同步異步接口，
IIC，SPI，CAN  總線等，可以與飛行控制系統(tǒng)所多要的多種類型的傳感器直接相 連，不需要額外的通信協(xié)議轉(zhuǎn)換芯片，同時(shí)這些通信接口還可以作為數(shù)據(jù)回傳的 接口，可以和地面采集系統(tǒng)直接通信，大大簡化了系統(tǒng)的硬件設(shè)計(jì)和系統(tǒng)復(fù)雜度。 并且片上具有多個(gè)內(nèi)部定時(shí)器，其中的高級定時(shí)器[32]具有 PWM 波形發(fā)生器的功能，可以精確輸出PWM波形而不占用CPU任何處理時(shí)間，因此能夠通過定時(shí)器生成的 PWM 波 精確控制四旋翼直升機(jī)四個(gè)電機(jī)的轉(zhuǎn)速 。另外，此芯片不僅支持標(biāo) 準(zhǔn)的 JTAG 下載，還支持四線制的 SWD 接口供程序下載及調(diào)試，這樣可以占用更 少的芯片引腳，而且 SWD 接口在高速下載的情況下更加穩(wěn)定。芯片的 I/O 口多支 持引腳復(fù)用功能，大大提高了硬件設(shè)計(jì)的靈活性。該芯片還支持高速 USB-OTG 功 能，傳輸速率最高可達(dá) 480Mbps，使用其 Host 功能可將主控作為 USB 主機(jī)，進(jìn)行 數(shù)據(jù)的采集。整個(gè)系統(tǒng)的電路原理圖如圖 4-2 所示，系統(tǒng)的硬件測試平臺如圖 4-3 所示。

4.3  傳感器標(biāo)定
圖 4-3  硬件測試平臺
在飛機(jī)的姿態(tài)估算過程中，加速度計(jì)和磁力計(jì)的測量值將作為測量數(shù)據(jù)直接參與計(jì)算，其測量值的誤差直接影響姿態(tài)跟新的準(zhǔn)確性。而由于 MEMS 傳感器的 制作工藝等原因，傳感器原始輸出的測量值與真實(shí)值存在較大偏差，其誤差模型 如圖 4-4 所示。

0.jpg (18.26 KB, 下載次數(shù): 75)

下載附件

2018-1-12 00:24 上傳

下面就以三軸磁強(qiáng)計(jì)為例分析誤差產(chǎn)生原因。三軸磁強(qiáng)計(jì)的測量誤差主要來自以下四個(gè)個(gè)方面[33]：
（1）零位偏差和靈敏度誤差；
（2）非正交測量誤差（三軸磁力計(jì)的測量軸不能完全正交）；
（3）非對準(zhǔn)誤差（三軸磁強(qiáng)計(jì)的三個(gè)坐標(biāo)軸與飛行器本體的坐標(biāo)系不能完全重合）；
（4）硬磁干擾，軟磁干擾（軟磁干擾誤差可等效為非正交誤差，靈敏度誤差 和非對準(zhǔn)誤差的綜合表現(xiàn)）。
在理想情況下，磁力傳感器在空間中旋轉(zhuǎn)時(shí)三個(gè)軸的理論測量值 X，Y，Z 是 一個(gè)標(biāo)準(zhǔn)的球面。由于上述誤差的存在，傳感器的輸出將變?yōu)橐粋�(gè)傾斜的橢球， 為了消除傳感器由于自身工藝造成的測量誤差，本文使用基于約束的最小二乘橢球擬合方法將磁力傳感器三個(gè)軸的測量值映射為一個(gè)橢球面，然后將傳感器輸出 矯正為一個(gè)標(biāo)準(zhǔn)的球面。
二次曲面的一般方程為：

0.jpg (54.39 KB, 下載次數(shù): 67)

下載附件

2018-1-12 00:25 上傳

0.jpg (12.1 KB, 下載次數(shù): 69)

下載附件

2018-1-12 00:25 上傳

為了對原帶等式約束的優(yōu)化問 題進(jìn)行求解，我們運(yùn)用拉格朗日乘子方法將原優(yōu)化問題化為帶非線性約束的求解 特征值和特征向量的問題：

0.jpg (3.35 KB, 下載次數(shù): 86)

下載附件

2018-1-12 00:26 上傳

0.jpg (65.59 KB, 下載次數(shù): 75)

下載附件

2018-1-12 00:26 上傳

經(jīng)過橢球矯正后的實(shí)驗(yàn)結(jié)果如圖 4-7 所示。從圖 4-5 中可以看到，橢球擬合的 殘差很小，與真實(shí)值很接近，經(jīng)過矯正后的輸出是一個(gè)標(biāo)準(zhǔn)的球面，算法很好的 補(bǔ)償了由于傳感器的零位偏差，靈敏度誤差以及各個(gè)軸之間的非正交誤差帶來的 影響。同理，也可用此方法對加速計(jì)進(jìn)行標(biāo)定。

4.4  艾倫方差分析
慣性傳感器的測量誤差除了由于傳感器自身的制造工藝造成的標(biāo)度因子，非 正交等由敏感物理模型中的參數(shù)變化引起的確定性誤差外，還有敏感環(huán)境干擾這 種不確定因素引起的隨機(jī)誤差，主要有零偏不穩(wěn)定性、角度（速度）隨機(jī)游走、 速率隨機(jī)游走等。隨機(jī)誤差由于在各個(gè)時(shí)刻的具有隨機(jī)性，因此無法像確定性誤 差那樣通過固定的方程進(jìn)行直接補(bǔ)償，需要實(shí)驗(yàn)通過統(tǒng)計(jì)的方法來分析誤差特性。 最常用的隨機(jī)誤差建模方法有艾倫方差分析法[34]、時(shí)間序列分析法和功率譜密度 分析法（PSD）。
艾倫方差分析方法是一種時(shí)域分析方法，它同 PSD 之間存在積分轉(zhuǎn)換關(guān)系。 艾倫方差最早是由 David 于 1966 年提出的，最初用于分析振蕩器的相位和頻率不穩(wěn)定性。由于陀螺儀等慣性傳感器本身具有振蕩器特性，所以后來艾倫方差被廣
泛應(yīng)用于慣性傳感器的隨機(jī)誤差辨識[35]。相對于其他分析方法，其最大的優(yōu)點(diǎn)是 計(jì)算比較簡單，較容易對慣性傳感器中的各誤差源進(jìn)行辨識和分離。下面以角速度為例說明艾倫方差的定義與計(jì)算。
以采樣周期  對陀螺儀輸出角速度進(jìn)行采樣，共采樣  個(gè)點(diǎn)，把所獲得的數(shù) 據(jù)分成  組，每組包含 個(gè)采樣點(diǎn)：
使用飛行器上所用的慣性傳感器，將數(shù)據(jù)輸出速率設(shè)定為 100  Hz，將慣性傳 感器靜止放置，采取 4 個(gè)小時(shí)的陀螺儀和加速度計(jì)的原始數(shù)據(jù)，然后對采集的數(shù) 據(jù)進(jìn)行艾倫方差分析，分析的結(jié)果分別如上圖 4-9 和圖 4-10 所示。
陀螺儀和加速度計(jì)的隨機(jī)誤差主要包括零偏不穩(wěn)定性、角度隨機(jī)游走和速率 隨機(jī)游走，假設(shè)隨機(jī)誤差中各種誤差源相互獨(dú)立，艾倫方差可以表示為如下簡化 形式：通過對原艾倫方差進(jìn)行擬合，就可得到 Allan 方差系數(shù)，最終的分析結(jié)果如表
4-1 和表 4-2 所示，從表 4-1 中可以看出陀螺儀的 x 軸相對其他兩個(gè)軸性的零偏不 穩(wěn)定性要差很多，其對應(yīng)后面的卡爾曼濾波器中對應(yīng)的陀螺儀零偏不穩(wěn)定性的過程噪聲也要大很多。同樣，從表 4-2 中可以看出，加速度計(jì)的 z 軸的零偏不穩(wěn)定性 相對其他兩個(gè)軸要差很多。

4.3  濾波器設(shè)計(jì)
4.3.1 低通濾波器設(shè)計(jì)
前面總結(jié)了慣性傳感器的測量誤差，其中包括確定性誤差和隨機(jī)誤差，這兩 者主要是由于傳感器自身的特性所引起的，在實(shí)際的飛機(jī)飛行過程中，除了要了 解傳感器的自身特性外，還需要對慣性傳感器的工作狀況進(jìn)行分析。在飛行器飛行過程中，由于電機(jī)帶動(dòng)螺旋槳高速轉(zhuǎn)動(dòng)，若電機(jī)與螺旋槳的動(dòng)平衡達(dá)不到完美效果，在飛行過程中會(huì)產(chǎn)生很嚴(yán)重的高頻震動(dòng)，采集飛機(jī)近似懸 停的加速度數(shù)據(jù)如圖 4-11 所示。對采集的原始信號進(jìn)行傅里葉變換[38]，其頻譜特性如圖 4-12 所示，從圖中可以看出采集的信號中包含了很多高頻噪聲，飛行器的運(yùn)動(dòng)頻率通常小于 10 Hz[39]。

0.jpg (50.86 KB, 下載次數(shù): 69)

下載附件

2018-1-12 00:29 上傳

由圖 4-12 可以看出，在飛行過程中，飛行器在 60~70 Hz 之間有很強(qiáng)的高頻震 動(dòng)，通過設(shè)計(jì)一個(gè) FIR 低通濾波器就可以對其高頻噪聲進(jìn)行初步的濾波處理。用 Matlab 自帶的 FDATool 工具箱設(shè)計(jì)一個(gè)截止頻率為 25 Hz 的 FIR 低通濾波器，濾 波后的頻譜特性與數(shù)據(jù)如圖 4-13 所示。經(jīng)過所設(shè)計(jì)的 FIR 低通濾波器后，傳感器 所采集數(shù)據(jù)的高頻噪聲被有效的濾除，在一定程度上可以消除飛行器的震動(dòng)對傳 感器測量的影響，可以提高后期的姿態(tài)解算精度和控制效果。

0.jpg (51.04 KB, 下載次數(shù): 67)

下載附件

2018-1-12 00:30 上傳

4.3.2 卡爾曼濾波器設(shè)計(jì)

飛行器準(zhǔn)確的姿態(tài)求解是飛行器整個(gè)軟件部分中的重要一環(huán)，在前面部分， 我們已經(jīng)完成了傳感器的標(biāo)定，低通濾波器的設(shè)計(jì)，這些過程可以盡可能的減少 單個(gè)傳感器自身測量造成的誤差，但是為了得到最終飛行器姿態(tài)，還需要更好的 多傳感器數(shù)據(jù)融合算法。
對于目前常用的 MEMS 的慣性傳感器，陀螺儀的動(dòng)態(tài)性能比較好，但由于溫 飄和零偏，長時(shí)陀螺儀積分會(huì)造成很大的累計(jì)誤差，而加速度計(jì)和磁力計(jì)計(jì)算出 的飛行器姿態(tài)無這種累計(jì)誤差，不存在長時(shí)間漂移問題，但容易受環(huán)境和飛行器 飛行狀況影響。我們采用高效的遞歸濾波器—卡爾曼濾波，結(jié)合各傳感器的特點(diǎn)，

估計(jì)出飛行器的姿態(tài)。在濾波器的設(shè)計(jì)過程中，根據(jù)系統(tǒng)狀態(tài)的選取不同，濾波 方法有直接法和間接法兩種[40]。兩種方法的卡爾曼濾波器的特點(diǎn)有所不同：
（1）直接法是直接描述系統(tǒng)的動(dòng)態(tài)過程，系統(tǒng)方程多為非線性，因此只能采 用非線性卡爾曼濾波器；間接法的系統(tǒng)方程一般是按照近似方法推導(dǎo)出來的誤差 方程，一般可以轉(zhuǎn)化為線性方程，因此可以直接采用常規(guī)的線性卡爾曼濾波器。
（2）經(jīng)過系統(tǒng)化簡，相對于直接法，間接法可以減少系統(tǒng)維數(shù)，減小計(jì)算量。
同時(shí)，間接法所描述的狀態(tài)多為誤差量，數(shù)量級較為接近，可以減小計(jì)算誤差。 因此，本文采用間接的卡爾曼濾波器。卡爾曼濾波是一種高效的遞歸估計(jì)，它無需記錄觀測或者估計(jì)的歷史信息，本身是一種最優(yōu)化自回歸數(shù)據(jù)的處理方法， 整個(gè)迭代過程比較簡潔，非常適合作為 AHRS 的濾波算法。將卡爾曼濾波用于多 傳感器的數(shù)據(jù)融合時(shí)，首先需要建立一個(gè)符合卡爾曼濾波器算法的系統(tǒng)狀態(tài)方程 和觀測方程。
陀螺儀，加速度計(jì)，磁力計(jì)的測量模型為：
適用于卡爾曼濾波算法的線性模型就已經(jīng)建立，整個(gè)間接卡爾曼濾波算法的
結(jié)構(gòu)圖如圖4-15 所示：

0.jpg (19.03 KB, 下載次數(shù): 77)

下載附件

2018-1-12 00:32 上傳

4.3.3 多傳感器數(shù)據(jù)融合結(jié)果
在前面小節(jié)中，首先介紹了傳感器數(shù)據(jù)的預(yù)處理部分，包括傳感器矯正和 FIR 濾波器，然后介紹了卡爾曼濾波器的結(jié)構(gòu)設(shè)計(jì)及實(shí)現(xiàn)過程，本節(jié)主要對間接卡爾 曼濾波算法的姿態(tài)融合結(jié)果進(jìn)行數(shù)據(jù)分析，評估濾波器效果，并對實(shí)際飛行器飛 行過程中出現(xiàn)的濾波器故障進(jìn)行檢測與隔離，提高卡爾曼濾波器的準(zhǔn)確性和穩(wěn)定 性。首先做地面震動(dòng)實(shí)驗(yàn)，對飛控解鎖，推油門至飛行器接近起飛狀態(tài)，采集傳 感器數(shù)據(jù)并進(jìn)行數(shù)據(jù)融合后的結(jié)果如圖 4-15 所示。在實(shí)際橫滾角一直接近于零度 的情況下，由于飛機(jī)的震動(dòng)，直接用加速度計(jì)得到的橫滾角有很大的波動(dòng)，最大 可達(dá) 9 度，由于陀螺儀存在零偏，其直接計(jì)算的角度也很快會(huì)發(fā)散，用本文所提 出的卡爾曼濾波算法計(jì)算得到姿態(tài)角度一直非常平穩(wěn)，誤差很小，沒有發(fā)散現(xiàn)象。

0.jpg (51.28 KB, 下載次數(shù): 63)

下載附件

2018-1-12 00:32 上傳

在姿態(tài)更新的過程中，同時(shí)對陀螺儀的零偏進(jìn)行估計(jì)，零偏估計(jì)的結(jié)果如圖4-17  所示，在經(jīng)過一段時(shí)間的濾波器穩(wěn)定后，濾波器很快估計(jì)出陀螺儀的零偏， 并穩(wěn)定在某個(gè)常值附近。

0.jpg (52.97 KB, 下載次數(shù): 71)

下載附件

2018-1-12 00:33 上傳

接下來我們測試飛行器做大角度運(yùn)動(dòng)時(shí)的解算的姿態(tài)角度是否準(zhǔn)確，利用三樓運(yùn)動(dòng)控制實(shí)驗(yàn)室的  UR  機(jī)器人，我們將飛行控制器固定在機(jī)械臂的末端（如圖4-3），讓機(jī)械臂繞 Y 軸做往復(fù)搖擺運(yùn)動(dòng)，原始數(shù)據(jù)與卡爾曼濾波后得到的俯仰角 如圖 4-18 所示，在模擬飛行器做突加（減）速運(yùn)動(dòng)時(shí)，由于加速度計(jì)包含了很大 的運(yùn)動(dòng)加速度，原始姿態(tài)角有很大的超調(diào)，并伴隨有震蕩現(xiàn)象，經(jīng)過卡爾曼濾波 處理，可以消除由于突加（減）速運(yùn)動(dòng)的影響，使得所計(jì)算的姿態(tài)角度快速響應(yīng) 而無超調(diào)。
在飛行器實(shí)際飛行過程中，飛行控制系統(tǒng)的穩(wěn)定性是至關(guān)重要的，因此，濾 波器的容錯(cuò)設(shè)計(jì)也是需要考慮的。容錯(cuò)設(shè)計(jì)的目的是在每一個(gè)元部件穩(wěn)定性一定的情況下，提高系統(tǒng)整體的可靠性。容錯(cuò)設(shè)計(jì)的主要方法是實(shí)時(shí)監(jiān)測系統(tǒng)的運(yùn)行 狀態(tài)，對故障部件進(jìn)行檢測并進(jìn)行有效隔離，防止整個(gè)濾波器發(fā)散。
故障檢測與隔離（FDI）是一項(xiàng)專門的技術(shù)，近年來已有很大發(fā)展，在系統(tǒng)硬 件固定的情況下，從卡爾曼濾波器的更新過程可以進(jìn)行故障檢測與隔離，在這里 可以用卡方檢驗(yàn)來確定系統(tǒng)量測信息的有效性[44]，進(jìn)行觀測新息的故障檢測與隔 離，與卡爾曼濾波相結(jié)合可以很好的抑制傳感器測量的野值對濾波器的影響，下面具體說明基于殘差的卡方檢驗(yàn)法[45]對濾波器的故障進(jìn)行檢測和隔離 。
卡爾曼濾波器 的殘差[46]可表示為：
對加速度計(jì)和磁力計(jì)的量測信息分別設(shè)計(jì)一個(gè)局部的濾波器，在每一個(gè)傳感 器的量測更新過程中都加入上述的故障檢測與隔離算法，即可實(shí)時(shí)確定出失效的 量測信息，這樣就可以剔除傳感器采集的野值對濾波估計(jì)的影響。如圖 4-19 所示，在某次飛行測試中，由于傳感器測量異常，導(dǎo)致飛行姿態(tài)的橫滾角有兩次出現(xiàn)了 異常狀況，加入故障檢測與隔離后，飛行器的姿態(tài)角的異常相較與之前明顯減小 很多，濾波器變的更加穩(wěn)定。

0.jpg (49.97 KB, 下載次數(shù): 75)

下載附件

2018-1-12 00:39 上傳

本章小結(jié)
圖 4-22  磁力計(jì)原始數(shù)據(jù)
本章首先搭建了四旋翼無人直升機(jī)飛控系統(tǒng)的硬件實(shí)驗(yàn)平臺，并對所使用的傳感器進(jìn)行了標(biāo)定，濾波處理，在硬件平臺上進(jìn)行了大量的實(shí)驗(yàn)工作，驗(yàn)證整體 濾波性能的好壞，給出數(shù)據(jù)對比結(jié)果，并針對飛行器在飛行過程中會(huì)有傳感器數(shù)據(jù)采集異常或者有大機(jī)動(dòng)的情況，運(yùn)用卡方檢驗(yàn)的方法進(jìn)行檢測和隔離，數(shù)據(jù)結(jié) 果顯示了整個(gè)過程方法的有效性。


結(jié) 論
四旋翼直升機(jī)由于其自身靈活，機(jī)動(dòng)性能好，安全性高，結(jié)構(gòu)簡單，易于 小型化等諸 多特點(diǎn)，越來越受科研工作者和航模愛好者的青睞。近年來，隨著 空中機(jī)器人相關(guān)技術(shù)的提高， 以及在航空影視拍攝和農(nóng)業(yè)植保領(lǐng)域的成功應(yīng) 用，四旋翼無人機(jī)的發(fā)展將會(huì)越來越迅速 。本文在國內(nèi)外前人的研究基礎(chǔ)上 ， 重點(diǎn)對四旋翼直升機(jī)的軌跡跟蹤控制，多傳感器數(shù)據(jù)融合方法和傳感器數(shù)據(jù)處 理進(jìn)行研究，主要包括以下幾個(gè)方面的工作：
（1）依據(jù)四旋翼的動(dòng)力學(xué)模型，運(yùn)用卡爾曼濾波的最優(yōu)估計(jì)特性，在鄰 域空間估計(jì)出系統(tǒng)的重復(fù)性擾動(dòng)和未建模誤差。采用 基于時(shí)域內(nèi)二次性能函數(shù) 的最優(yōu)迭代學(xué)習(xí)算法，對估計(jì)出的模型誤差進(jìn)行擾動(dòng)補(bǔ)償，并用  Matlab 軟件 仿真進(jìn)行學(xué)習(xí)算法的評估，通過仿真給出了四旋翼無人 直升機(jī)的在各種軌跡下 的跟蹤結(jié)果，證明了算法的有效性。
（2）在理論仿真完成后，本文還搭建了 四旋翼 無人直升機(jī)飛控系統(tǒng)的硬件實(shí)驗(yàn)平臺，針對傳感器的測量特性，對所使用的傳感器進(jìn)行了標(biāo)定，濾波處 理，在硬件平臺上進(jìn)行了大量的實(shí)驗(yàn)工作，驗(yàn)證整體濾波性能的好壞，試驗(yàn)結(jié) 果顯示所運(yùn)用的 間接 卡爾曼濾波 對噪聲有很好的抑制作用。最后 并針對飛行器 在飛行過程中會(huì)有傳感器數(shù)據(jù)采集異常以及有大機(jī)動(dòng)的情況，運(yùn)用卡方檢驗(yàn)的 方法進(jìn)行 殘差的 故障檢測和隔離，結(jié)果證明該方法可以提高濾波器的穩(wěn)定性， 系統(tǒng)的姿態(tài)誤差在有故障時(shí)會(huì)更小。
四旋翼直升機(jī)飛控系統(tǒng)設(shè)計(jì)是一項(xiàng)長期而艱巨的任務(wù)，由于個(gè)人時(shí)間和精 力，以及實(shí)驗(yàn)條件的限制，本文研究還有很多擴(kuò)展工作需要完善：
（1）完善飛控系統(tǒng)的硬件平臺，采用更加精確的傳感器和效果更好 的濾 波算法，同時(shí)可以 加入計(jì)算機(jī)視覺 ，為飛行器提供更加準(zhǔn)確的 位置和姿態(tài)，讓飛行器更加穩(wěn)定和智能。
（2）進(jìn)一步可以增加四旋翼直升機(jī)的路徑規(guī)劃，將迭代學(xué)習(xí)與其方法相 結(jié)合，提高系統(tǒng)的魯棒性。

參考文獻(xiàn)
[1]    黨芬，王 敏芳，汪銀輝.  無人機(jī)發(fā)展現(xiàn)狀及趨勢[J].  地面防空武器，2005（3）：49-54.
[2]    聶博文，馬宏緒 ，王劍，等.  微小型四旋翼飛行器的研究現(xiàn)狀與關(guān)鍵技術(shù)
[J].  電光與控制，2007，14（6）：113-117.
[3]    楊恩泉 ， 高 金 源 .  無 人 機(jī) 機(jī) 動(dòng) 軌 跡 跟 蹤 系 統(tǒng) 設(shè) 計(jì) [J].  飛 行 力 學(xué) ， 2007，
25(2)：30-33, 38.
[4]    Bouabdallah  S,  Murrieri  P,  Siegwart  R.  Design  and  Control  of an  Indoor
Micro    Quadrotor[C]//IEEE    International    Conference    on    Robotics    and
Automation, New Orleans, USA, 2004（5）：4393-4398.
[5]    Altug E, Ostrowski J P, Taylor C J. Quadrotor Control Using Dual Camera
Visual    Feedback[C]//IEEE    International    Conference    on    Robotics    and
Automation, 2003：4294-4299.
[6]    Suresh K K, Kahn A D, Yavrucuk I. GTMARS -flight Controls and Computer
Architecture[M]. Atlanta: Georgia Institute of Technology, 2000：13-21.
[7]    Mellinger  D,  Shomin  M,  Kumar  V.  Control  of  Quadrotors  for  Robust
Perching  and  Landing[C]//Proceedings  of  the  International  Powered  Lift
Conference, 2010：119-126.
[8]    Bouabdallah  S.  Design  and  Control  of  Quadrotors  with  Application  to
Autonomous Flying[D]. École Polytechnique Federale De Lausanne, 2007：
45-58.
[9]    Bouabdallah S, Noth A, Siegwart R. PID vs LQ Control Techniques Applied to  an  Indoor  Micro  Quadrotor[C]//International  Conference  on  Intelligent
Robots and Systems, 2004：2451-2456.
[10]  Peng  K,  Cai  G,  Chen  B  M,  et  al.  Design  and  Implementation  of  an
Autonomous Flight Control Law for a UAV Helicopter[J]. Automatica, 2009,
45(10)：2333-2338.
[11]  McKerrow  P.  Modelling  the  Draganflyer  four -rotor  helicopter[C]//IEEE International Conference on Robotics and Automation，2004：3596-3601.
[12]  劉勇，王新民 ，余翔.  基于 LQR 的直升機(jī)懸停控制律設(shè)計(jì)與仿真 [J].計(jì)算 機(jī)測量與控制，2008，16(5)：670-672.
[13]  Fu  K.  Learning  Control  Systems  and  Intelligent  Control  Systems:  An Intersection   of   Artifical   Intelligence   And   Automatic   Control [J].   IEEE Transactions on Automatic Control, 1971, 16(1)：70-72.
[14]  Uchiyama M. Formulation of High-Speed Motion Pattern of a Mechanical
Arm by Trial[J]. Transactions on SICE (Soc. Instrum. Contr. Eng.), 1978, 14
（6）：706-712.
[15]  Arimoto  S,  Kawamura  S,  Miyazaki  F.  Bettering  Operation  of  Robots  by
Learning[J]. Journal of Robotic systems, 1984, 1(2) ：123-140.
[16]  Chien C J, Tayebi A. Further Results On Adaptive Iterative Learni ng Control of Robot Manipulators[J]. Automatica, 2008, 44(3)：830-837.
[17]  李兵強(qiáng)，林輝.  抑制  PMSM  周期性轉(zhuǎn)矩脈動(dòng)的迭代學(xué)習(xí)方法 [J].  電機(jī)與 控制學(xué)報(bào), 2011, 15（9）：51-55.
[18]  Chen Y Q, Moore K L, Yu J, et al. Iterative Learning Control and Repetitive
Control  in  Hard  Disk  Drive  Industry-A Tutorial[C]//IEEE  Conference  on
Decision and Control, 2006：2338-2351.
[19]  Yen J Y, Yeh Y C, Peng Y H, et al. Application of the Continuous No-Reset
Switching Iterative Learning Control on a Novel Optical Scanning System [J]. Mechatronics, 2009, 19（1）：65-75.
[20]  Chen  Y Q,  Moore K L.  Iterative  Learning  Control  with  Iteration-Domain
Adaptive  Feed-forward  Compensation[C]//The  42nd  IEEE  Conference  on
Decision and Control, 2003：4416-4421.
[21]  Lee J H, Lee K S, Kim W C. Model -based Iterative Learning Control With a
Quadratic Criterion for Time-Varying Linear Systems[J]. Automatica, 2000,
36(5)：641-657.
[22]  Amann  N,  Owens  D  H,  Rogers  E.  Predictive  Optimal  Iterative  Learning
Control[J]. International Journal of Control , 1998, 69(2)：203-226.
[23]  Schmidt  M  D.  Simulation  and  Control  of  a  Quadrotor  U nmanned  Aerial
Vehicle[D]. University of Kentucky, 2011 ：15-26.
[24]  Sidi  M  J.  Spacecraft  Dynamics  and  Control:  A  Practical  Engineering
Approach[M]. Cambridge University Press, 1997：55-100.
[25]  Leishman  J   G.   Principles  of  Helicopter  Aerodynamics[M] .  Cambridge
University Press, 2006：55-113.
[26]  Bellman R. Dynamic Programming and Lagrange Multipliers[J]. Proceedings of the National Academy of Sciences of the United States of America, 1956,
42(10): 767.
[27]  Murray  R,  Li  Z  X,  Sastry  S  S.  A  Mathematical  Introduction  to  Robotic
Manipulation[M]. CRC Press, 1994：53-57.
[28]  Wang  B,  Chen  B  M,  Lee  T  H.  An  RPT  Approach  to  Time-Critical  Path Following  of  An  Unmanned  Helicopter[C]//  IEEE  Control  Conference ，
2011：211-216.
[29]  Madani T, Benallegue A. Control of a Quadrotor Mini-Helicopter Via Full
State Backstepping Technique[C]// The 45th IEEE Conference on Decision and Control, 2006：1515-1520.
[30]  Bristow  D  A,  Tharayil  M,  Alleyne  A G.  A  Survey  of  Iterative  Learning
Control[J]. IEEE Control Systems, 2006, 26(3)：96-114.
[31]  Kalman R E. A New Approach to Linear Filtering and Prediction Problems[ J].Journal of Fluids Engineering, 1960, 82(1)：35-45.
[32]  蒙博宇.  STM32 自學(xué)筆記[M].  北京：北京航空航天大學(xué)出版社， 2012：298-316.
[33]  Gebre-Egziabher  D,  Elkaim  G  H,  David  Powell  J,  et  al.  Calibration  of Strapdown    Magnetometers    in    Magnetic    Field    Domain [J].    Journal    of Aerospace Engineering, 2006, 19(2) ：87-102.
[34]  Hou    H.    Modeling    Inertial    Sensors    Errors    Using    Allan    Variance[M].
University of Calgary, Department of Geomatics Engineering, 2004 ：76-101. [35]  El-Sheimy  N,  Hou  H,  Niu  X.  Analysis  and  Modeling  of  Inertial  Sensors Using    Allan    Variance[J].    IEEE    Transactions    on    Instrumentation    and Measurement, 2008, 57(1)：140-149.
[36]  熊凱，雷擁軍 ，曾海波.  基于  Allan  方差法的光纖陀螺建模與仿真 [J].  空 間控制技術(shù)與應(yīng)用，2010，36(3)：7-13.
[37]  趙思浩，陸明泉，馮振明. MEMS  慣性器件誤差系數(shù)的  Allan  方差分析 方法[J].  中國科學(xué) ，2010 (5)：672-675.
[38]  Shynk  J  J.  Frequency-domain  and  Multirate  Adaptive  Filtering[J].  IEEE Signal Processing Magazine，1992, 9(1)：14-37.
[39]  申珊穎.  斜十字四旋翼飛行器實(shí)驗(yàn)建模與控制技術(shù)研究 [D].  南京航空航 天大學(xué)，2013：15-37.
[40]  Park K C, Chung D, Chung H, et al. Dead Reckoning Navigation of a Mobile Robot  Using  an  Indirect  Kalman  Filter[C]//  International  Conference  on Multisensor Fusion and Integration for Intelligent Systems , 1996：132-138. [41]  秦永元.  慣性導(dǎo)航[M].  北京：科學(xué)出版社，2006：288-304.
[42]  Trawny   N,   Roumeliotis   S   I.   Indirect   Kalman   Filter   for   3D   Attitude
Estimation[J]. Department of Computer Science and Engineering, University of Minnesota, 2005, 26(4)：8-15.
[43]  唐萬生.  現(xiàn)代控制理論[M].  北京： 機(jī)械工業(yè)出版社 ，1983：58-73.
[44]  Brumback B, Srinath M. A Chi-Square Test for Fault-Detection in Kalman
Filters[J]. IEEE Transactions on Automatic Control, 1987, 32(6)：552-554. [45]  秦永元 ，洪鉞， 汪叔 華.  卡爾曼 濾波 與組 合導(dǎo)航 原理 [M].  西安 ：西北工業(yè)大學(xué)出版社，2012：244-252.
[46]  Welch G, Bishop G. An Introduction to the Kalman Filter[J]. Proceedings of SIGGRAPH, 2001, 41(8)：23175-27599.
[47]  崔乃剛，韓鵬鑫 ，穆榮軍.  基于強(qiáng)跟蹤  UKF  的導(dǎo)航系統(tǒng)故障檢測方法 [J].哈爾濱工程大學(xué)學(xué)報(bào) ，2011，32(10)：1295-1299.


完整的pdf格式的設(shè)計(jì)論文51黑下載地址（完整版共53頁）：
基于迭代學(xué)習(xí)的無人機(jī)的軌跡跟蹤控制.pdf (3.33 MB, 下載次數(shù): 37)

2018-1-11 09:47 上傳

點(diǎn)擊文件名下載附件
下載積分: 黑幣 -5