项目名称: 多旋翼无人飞行器大机动轨迹跟踪飞行非线性鲁棒控制

项目编号: No.61503012

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 刘昊

作者单位: 北京航空航天大学

项目金额: 21万元

中文摘要: 多旋翼无人飞行器具有灵活性高、隐蔽性强、可垂直起降及悬停、制造成本低等特点,在民用和军用领域具有广泛的应用前景。该类飞行器具有耦合程度高、参数不确定性大、抗外界干扰能力差等特点,其控制器设计具有很大的挑战性。本项目拟研究多旋翼无人机大机动飞行时的鲁棒控制问题。. 针对这类无人机,本研究拟首先提出一种基于四元数的鲁棒姿态控制方法,使无人直升机能精确实现对大姿态角参考信号的跟踪,并可以抑制多种不确定性对于闭环控制系统的影响。同时,采用四元数代替欧拉角来描述其旋转运动以避免解的奇异性。其次,本项目拟引入反馈线性化技术并提出一种非线性鲁棒轨迹跟踪控制方法,以减轻非线性和耦合动态对于闭环控制系统的影响,从而降低鲁棒控制器设计的保守性。研究工作将围绕动态系统分析、鲁棒控制器设计、实验验证等环节展开。本项目的研究成果将为多旋翼无人机大机动飞行的工程实践提供理论基础。

中文关键词: 多旋翼直升机;鲁棒控制;非线性控制;非线性系统

英文摘要: Multi-rotor unmanned aerial vehicles (MUAVs) possess the characteristics of great flexibility, good imperceptibility, and abilities of vertical taking off and landing, as well as low production costs, therefore they are widely used in numerous civil and military fields. MUAVs involve strong couplings, large parametric uncertainties, and less anti-interference ability, which pose a challenge for their controller design. This project investigates the robust control problems for the MUAVs under aggressive maneuvers. . In this project, a quaternion-based robust attitude control method will be firstly proposed for the MUAVs to track large attitude references accurately and restrain the effects of multiple uncertainties on the closed-loop control system. Besides, quaternion-based attitude representations will be used instead of the Euler angle based representations to avoid the singularity problems. Then, the feedback linearization technique will be introduced and a nonlinear robust trajectory tracking control approach will be proposed for MUAVs under aggressive maneuvers to reduce the influences of nonlinearity and coupling dynamics on the closed-loop control system and thereby reduce the conservation of the robust controller design. This project includes dynamical system analysis, robust controller design, and experimental verification. The project provides the theoretical basis for MUAVs under aggressive maneuvers in engineering practice.

英文关键词: Multi-rotor Helicopters;Robust Control;Nonlinear Control;Nonlinear Systems

成为VIP会员查看完整内容
2

相关内容

基于深度神经网络的图像缺损修复方法综述
专知会员服务
25+阅读 · 2021年12月18日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
19+阅读 · 2021年5月4日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
133+阅读 · 2021年2月17日
专知会员服务
34+阅读 · 2020年11月26日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度神经网络的少样本学习综述
专知会员服务
170+阅读 · 2020年4月22日
苹果这次哪款新品让你心动了?
ZEALER订阅号
0+阅读 · 2022年3月9日
DynaSLAM II: 紧耦合的多物体跟踪和SLAM
计算机视觉life
1+阅读 · 2021年10月9日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
【无人机】无人机的自主与智能控制
产业智能官
48+阅读 · 2017年11月27日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
13+阅读 · 2021年10月22日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
基于深度神经网络的图像缺损修复方法综述
专知会员服务
25+阅读 · 2021年12月18日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
19+阅读 · 2021年5月4日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
133+阅读 · 2021年2月17日
专知会员服务
34+阅读 · 2020年11月26日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度神经网络的少样本学习综述
专知会员服务
170+阅读 · 2020年4月22日
相关资讯
苹果这次哪款新品让你心动了?
ZEALER订阅号
0+阅读 · 2022年3月9日
DynaSLAM II: 紧耦合的多物体跟踪和SLAM
计算机视觉life
1+阅读 · 2021年10月9日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
【无人机】无人机的自主与智能控制
产业智能官
48+阅读 · 2017年11月27日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员