基于PID算法的四旋翼飞行器定点跟踪控制

四旋翼飞行器是一种结构紧凑、飞行方式独特的垂直起降式飞行器,具有欠驱动、强耦合的特点。为实现对飞行器的控制,使之能从起始位置在一定时间内到达设定目标点并稳定悬停,根据其飞行特点建立动力学模型并在此基础上提出了一种双闭环PID控制方法。其中,外环实现飞行器的位置控制,使用目标点与反馈回的实际坐标的偏差作为控制器的输入,内环实现飞行器的姿态控制,其姿态的参考量由外环的输出经逆向求解获得的欧拉角与实际姿态角求得的偏差作为控制器的输入。通过PID算法后输出的姿态控制信号,经过四旋翼飞行器“十”字动力学模型解耦得到4个电机的转速控制值,从而完成定点跟踪任务。提出的双闭环PID控制方法在仿真中获得了验证,为飞行器的进一步研究提供了基础。     

四旋翼无人机可视化轨迹跟踪仿真系统

为了便于对四旋翼无人机控制算法进行实验仿真和验证,联合Solidworks和Matlab/SimMechanics工具箱设计了一种四旋翼无人机可视化轨迹跟踪仿真系统;利用Solidworks搭建了四旋翼无人机三维实体模型,并通过Solidworks和Matlab转换接口将该实体模型导入到Matlab/SimMechanics中;Matlab/SimMechanics提供了了三维可视化窗口,可以显示无人机的实时仿真状态;仿真平台在Matlab/SimMechanics环境中实现,与Matlab/Simulink通信方便,可方便的将Simulink设计好的控制算法添加到仿真系统中,以进行验证和参数整定,还具有姿态分析和数据分析等功能;轨迹跟踪仿真结果表明,四旋翼无人机可视化轨迹跟踪仿真系统直观可视,准确可靠,能较好地对控制算法进行研究和测试,对四旋翼无人机以及控制算法的研究和开发具有重要价值。     

基于改进单神经元的四旋翼PID控制器设计

针对传统PID控制算法对四旋翼飞行器的姿态角进行控制时,其控制参数很难随着环境的变化进行自整定,进而影响四旋翼飞行器的稳定性的问题,提出了一种改进的PID控制算法;该算法通过改进单神经元中的K值公式提高了K_p、K_i、K_d的学习速率,从而提高了系统的响应速度;通过增加超调惩罚措施,通过适当的放大或缩小超调,可以使系统超调达到最小;通过与增量型PID、标准二次型单神经元PID算法进行比较,并且进行仿真实验;结果表明:所提方法具有参数自整定能力强且快速响应、鲁棒性强及稳定性好。     

语音控制的四旋翼飞行器设计与实现

基于语音识别技术,设计了一套语音远程控制四旋翼飞行器的系统。使用LD3320语音处理芯片和STM32微处理器实现语音识别功能,采用NRF24L01将识别结果传输到飞行器。选用STM32作为四旋翼飞行器的主控芯片,采用六轴运动组件MPU6050、三轴数字罗盘HMC5583L等传感器对飞行器的姿态进行实时测量,再利用数字滤波器对姿态信息进行处理,然后采用四元数进行姿态解算,最后运用双闭环PID控制算法实现姿态控制的要求。测试结果表明,通过语音可以控制四旋翼的正常飞行及姿态变化,系统稳定可靠。     

基于激光测距的无人机地形匹配飞行方法研究

为了解决现有民用无人机在山区等复杂地形下难以实现地形匹配飞行的问题,分析了地形匹配飞行的技术难点,提出了一种基于激光测距的无人机地形匹配飞行方法;先运用基于最小二乘法的拟合模型提高激光测距模块的精度,再利用激光测距模块分别实时测得无人机与地面的相对高度和地形的起伏角度,结合DMC-PID串级控制算法,使得无人机可以自主实现地形匹配飞行;该方法无需昂贵的地形检测传感器和复杂的软件算法,具有设备重量轻,应用难度低等特点;通过实地飞行测试,验证了该方法的有效性和可行性。      

基于模糊PID的助行机器人调速系统的研究

助行机器人对系统的动态特性要求较高,而且在其爬楼的过程中有诸多不确定的因素,基于传统控制策略的单闭环负反馈控制系统调速效果难以令人满意。在这种情况下建立了系统的数学模型,设计了基于模糊PID的双闭环调速控制系统,并和传统的PID控制进行了对比。为了保证助行机器人爬楼过程的平稳性和乘坐者的舒适性,参考电梯运行的速度曲线,设计了正弦速度给定曲线。仿真结果表明：在助行机器人调速系统中,模糊PID控制比传统PID控制启动和制动过程更平稳,舒适性更高,误差更小,精度更高。     

基于改进蚁群算法的无人机动态航路规划

研究无人机航路规划,针对基本蚁群算法易于陷入局部最优、规划航路耗时长的问题,对基本蚁群算法进行了改进;引入航路点的动态自适应选择策略和信息素挥发因子动态自适应调整准则,有效克服了基本蚁群算法的不足,并对规划出的航路进行了平滑处理,使其更加满足无人机实际飞行需求。通过仿真分别规划出无人机在静态威胁和动态威胁中的航迹,仿真结果表明,与基本蚁群算法和遗传算法相比,改进的蚁群算法在两种飞行环境中均能规划出较优的航路。     

基于统计逼近的Stoilov改进算法

Stoilov算法是近几年提出的一种相移量任意的等步长相移算法,它无须知道相移量的大小,只要保证相移步长相等,就可以解算出物体表面的截断相位,因而在三维测量领域中倍受人们关注.但Stoilov算法的表达式过分依赖采集的变形条纹图像的光强,存在对光强的减法、除法和开方等运算,使相位计算时在某些位置会出现分子分母为零,开方出现复数等奇异现象,会导致算法算错或者相位展开出错,致使三维重构表面会出现畸变、失真,甚至无法进行三维重构.因此提出了一种基于统计逼近的方法对Stoilov算法进行修正,有效抑制了奇异现象引入的相位误差,提高了三维测量精度.实验验证了其算法的有效性和适用性.     

基于改进神经网络算法的PM2.5污染信号分析检测

当前为了保证污染信号分析的精度,在对PM2.5污染进行检测的过程中,需处理的数据量过大,导致经典神经网络方法遇到矛盾数据时,需要花费大量的数据校验时间,收敛速度下降,检测效率大幅降低,提出一种基于改进神经网络算法的PM2.5污染检测方法,在分析标准神经网络算法的基础上,允许信号跳变精确度范围内,在层与层之间引入容错性变量,同时在计算阈值的过程中融入松弛变量,提高收敛速度;避免神经网络陷入局部最优解。采用改进神经网络算法,通过不断调整网络的权值以及污染阈值,对PM2.5污染信号进行高效检测。以飞利浦公司的新一代检测系统为测试器材,测试结果表明,采用所提方法得到的PM2.5污染检测效率明显提高。     

基于蚁群算法自整定PID的风电系统最大风能追踪研究

以欠功率阶段的最大风能追踪为研究重点,对风力机捕获风能的过程进行理论分析,将蚁群算法自整定PID应用于最大风能追踪控制,设计了蚁群算法自整定PID控制器,并对其进行相应的仿真分析。仿真结果表明,与传统的PID控制策略相比,该控制策略使控制系统具有良好的动态响应能力,提高了控制精度、风能利用率、输出功率。     

基于粒子群算法的旋转双棱镜指向误差校正方法

旋转双棱镜系统具有扩大视场的特点,在大视场、高精度目标跟踪领域具有广泛的应用前景.通过增大棱镜顶角可以提高视场放大倍率,但同时增大了系统装配误差对目标指向精度的影响.针对大顶角旋转双棱镜系统指向精度不高的问题,提出一种基于粒子群算法的旋转双棱镜指向误差校正方法,搭建了棱镜顶角为14.85°、棱镜折射率为1.515的旋转...     

改进粒子群算法的立体传声器阵列声成像系统阵形优化设计

提出改进的粒子群优化算法,获得波束方向图主瓣宽度和旁瓣级折中的优化立体阵形,避免基本实数粒子群算法仅采用旁瓣级或主瓣宽度一个性能指标优化而导致另一个性能指标恶化的问题,利用阵列视角限制进一步优化立体阵形并设计了声成像测量系统。改进的粒子群算法与基本粒子群算法仿真优化阵形比较表明改进粒子群算法设计的优化阵形在保持较窄的主瓣宽度的条件下具有较低的旁瓣级。阵列声成像测量系统的性能测量分析结果表明该系统的空间分辨率和旁瓣抑制能力与理论结果接近,验证了所提算法的有效性。