四旋翼無人機的倒立擺系統(tǒng)作為非線性系統(tǒng),具有強耦合性和欠驅(qū)動性。其具有八個自由度,即六個自由度的四旋翼無人機和兩個自由度的倒立擺。它們結(jié)合作為一個新型的控制器平臺,既保留了四旋翼無人機的模型上的不確定性,又引入了倒立擺的特性,符合當前研究控制復(fù)雜系統(tǒng)方法的驗證需求。同時,也有利于研究無人機高精度的飛行姿態(tài),提高無人機的工作效率�，F(xiàn)有研究領(lǐng)域中,控制器設(shè)計是基于線性化的數(shù)學模型。但是,實際的控制器形式復(fù)雜,參數(shù)難以調(diào)整,需要大量試驗,而且不恰當?shù)膮?shù)設(shè)計成的控制器容易受到外部的干擾。針對上述問題,本文提出了基于遺傳算法和強化學習算法的控制器,通過仿真實驗,驗證了算法的可行性。本文的主要研究工作包含了以下幾個方面:（1）首先,根據(jù)拉格朗日力學建立了系統(tǒng)的動力學方程,系統(tǒng)的動力學模型主要有兩方面,一個是四旋翼無人機的數(shù)學模型,另一個是倒立擺的數(shù)學模型。對已建立的數(shù)學模型,在平衡點附近做線性化處理,簡化了系統(tǒng)的數(shù)學模型。（2）其次,為了解決控制器參數(shù)難以調(diào)整的問題,采用遺傳算法優(yōu)化LQR控制器的辦法。相對于試湊法經(jīng)驗法而言,遺傳算法作為人工智能算法的一種,它使用群體搜索技術(shù),不需要目標函數(shù)的導(dǎo)... 

【文章來源】：長春理工大學吉林省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

系統(tǒng)在圓形軌跡運動下的仿真結(jié)果

第4章基于改進遺傳算法的控制器設(shè)計36圖4.5系統(tǒng)在圓形軌跡運動下的仿真結(jié)果如圖4.4所示，模擬了四旋翼無人機的倒立擺系統(tǒng)的圓形軌跡跟蹤。倒立擺的初始角度規(guī)定為20°。軌跡是半徑為1.5米的圓，其中心是原點。這也表明了改進后的遺傳算法優(yōu)化的LQR的參數(shù)比傳統(tǒng)的遺傳算法優(yōu)化的參數(shù)以及PID控制器調(diào)試后的參數(shù)更優(yōu)秀，并且四旋翼無人機返回標準軌道的時間更短。經(jīng)過圖4.5比較，改進的遺傳算法表現(xiàn)出明顯的優(yōu)勢。x方向上誤差的平均值要比GA小1.586m，且超調(diào)量更校y方向誤差的平均值，相比減小了11.29%。四旋翼無人機的翻滾角方面，這里為了方便觀察，給出了6~10s的角度變化。經(jīng)過數(shù)據(jù)比對后，平均要比GA小6%。而倒立擺的角度在t=1.6s下，也要比GA小了0.4°，平均比GA小1.28%。綜上，改進的遺傳算法優(yōu)化的LQR控制器的誤差小于GA。它可以在10s之后接近標稱軌道。在改進的遺傳算法的作用下，無人機在較小的范圍內(nèi)運動。圖4.6是直徑為3米的模擬飛行，其飛行原點為中心的八字形軌跡，初始擺角20°的條件下，可以觀察到傳統(tǒng)遺傳算法優(yōu)化的控制器，效果并不好，軌跡不平滑，在水平方向調(diào)整的時間比改進后的算法多了2s。系統(tǒng)達到穩(wěn)態(tài)時，誤差多了0.08m。位移（米）角度（度）幅度（度/米）x方向的誤差y方向的誤差z方向的誤差

第5章基于強化學習的控制器設(shè)計490246810時間（s）-0.4-0.200.20.4IGARL圖5.11x方向的軌跡跟蹤誤差圖5.12y方向的軌跡跟蹤誤差0246810時間（s）-5051015z方向的誤差（m）10-15IGARL0246810時間（s）-30-20-1001020幅度（度/米）位置角度圖5.13z方向誤差圖5.14倒立擺的位置和角度變化0246810時間（s）-2-1012IGA(X)YRL(X)圖5.15飛行器角度變化圖5.16飛行器X、Y方向變化考慮到實際應(yīng)用中可能存在擾動情況。在t=2.5s時，加入擾動。觀察四旋翼無人機倒立擺系統(tǒng)在圓形軌跡下的仿真結(jié)果。觀察兩種方法下，系統(tǒng)的魯棒性以及穩(wěn)定性。圖5.17所示的是仿真軟件下，模擬的四旋翼飛行器的飛行軌跡路線。觀察到z方向上誤差很小，隨后又給出了x，y坐標系下的飛行軌跡。如圖5.18所示，可以看到，在受擾動下，RL優(yōu)化后的控制器，波動的幅度較校且根據(jù)軌跡路線對比，RL優(yōu)化后的控制器在擾動下，能夠更加穩(wěn)定的飛行，偏離標定軌跡的偏差小，證明其魯棒性要更好，并且在擾動結(jié)束后，能夠更快的回到平衡位置。表5.1給出了在二種算法優(yōu)化后的控制器下系統(tǒng)的參數(shù)對比，對于仿真的參數(shù)，均給出了在同一時刻下，最大的

【參考文獻】：
期刊論文
[1]微型四旋翼無人機的姿態(tài)標定方法研究[J]. 張棋,吉喆,張一.  電子世界. 2020(02)
[2]森林航空消防負壓式氣體采集旋翼無人機[J]. 狄曙玲,何誠.  林業(yè)機械與木工設(shè)備. 2020(01)
[3]基于多旋翼無人機的煙氣監(jiān)測系統(tǒng)研究[J]. 胡偉,李成攻.  山東科學. 2019(06)
[4]一種改進遺傳算法的無人機航跡規(guī)劃[J]. 程澤新,李東生,高楊.  計算機仿真. 2019(12)
[5]基于GA-SVR的海水養(yǎng)殖過程軟測量建模[J]. 李康,王魏,林少涵.  控制工程. 2019(11)
[6]不確定性擾動下雙足機器人動態(tài)步行的自適應(yīng)魯棒控制[J]. 袁海輝,葛一敏,甘春標.  浙江大學學報(工學版). 2019(11)
[7]多旋翼無人機在氣象探測中的現(xiàn)狀與展望[J]. 侯天浩,行鴻彥,劉洋.  電子測量與儀器學報. 2019(10)
[8]快遞無人機的推進策略[J]. 胡娜,萬青云,徐良雄,陳三寶.  電子技術(shù)與軟件工程. 2019(04)
[9]準滑動模態(tài)控制在四級倒立擺的應(yīng)用[J]. 胡耀各,馮祖仁.  火力與指揮控制. 2018(07)
[10]基于四旋翼無人機的橋梁裂縫檢測系統(tǒng)設(shè)計[J]. 徐昊,彭雪村,盧志芳.  水利水運工程學報. 2018(01)

博士論文
[1]神經(jīng)智能控制在小型快遞無人機系統(tǒng)中的研究與應(yīng)用[D]. 張潮.北京科技大學 2017

碩士論文
[1]基于多目標智能算法的運載火箭上升段彈道優(yōu)化設(shè)計[D]. 李曉蘇.哈爾濱工業(yè)大學 2019
[2]雙輪自平衡機器人設(shè)計及軌跡跟蹤控制研究[D]. 陶言侃.哈爾濱工業(yè)大學 2019
[3]四旋翼無人機送快遞的管理控制平臺設(shè)計[D]. 郭麗.內(nèi)蒙古大學 2018
[4]無人機目標威脅評估與協(xié)同作戰(zhàn)任務(wù)分配研究[D]. 喬艷芝.沈陽航空航天大學 2018
[5]混合濾波器的多目標優(yōu)化及雙滯環(huán)控制方法的研究[D]. 孟磊.東北石油大學 2017



本文編號：3525344