基于深度学习的四旋翼无人机控制系统设计

针对四旋翼无人机受干扰时姿态控制效果差的问题,提出了基于深度学习的无人机控制系统设计.系统选用STM32芯片进行控制,采用MEMS传感器采集姿态调节数据,选用NRFNRF51822芯片实现远距离监控和参数调节,电源模块采用TP4059芯片供电,并对电池电量进行监控.构建深度学习目标控制模型,运用深度学习算法设计无人机控...     

四旋翼无人机控制系统设计

目前无人机已广泛应用到各行各业,其中无人机的稳定控制一直是研究的核心。在飞控系统中各参数的选择对无人机的稳定控制有着至关重要的作用。以STM32微控制器为核心,利用MPU9250采集四旋翼无人机的姿态数据,配合卡尔曼滤波算法对传感器所采集的数据进行融合滤波,从而实现精准的姿态测量。根据飞行姿态结合PID控制算法,完成对四旋翼无人机飞行姿态的控制。     

四旋翼无人机编队控制器设计

为解决单架四旋翼无人机载重和续航能力不足,应用场合限制等问题,本文设计了一种基于PID控制方法的编队控制器,僚机获取长机位置后通过控制器得到指令速度,从而形成预设编队,仿真实验结果表明了该控制器的有效性。     

基于深度学习的四旋翼无人机地面效应补偿降落控制设计

针对四旋翼无人机在降落控制过程中地面效应对控制性能有较大影响的问题,在地面效应复杂,难以建立机理模型的约束下,提出一种基于深度学习的新型非线性鲁棒控制策略.利用深度神经网络的学习能力,建立无人机降落过程中未知地面效应的补偿模型;结合super-twisting控制设计,实现对降落过程中未知地面效应的快速抑制和无人机降落...     

基于PID和LQR的四旋翼无人机控制系统研究

为提高四旋翼无人机的飞行稳定性、无人飞行器控制系统的鲁棒性和控制精度,以建立的四旋翼无人机飞行控制系统模型为基础,采用现代控制理论与传统控制论相结合的方法,针对姿态角速率、姿态角分别设计内环LQR(线性二次型调节器)控制器,及外环PID控制的双回路闲环控制器.充分利用PID控制器易于掌握且对模型要求精度低、LQR控制器能改善内回路的动态特性和稳态性能的特点,完成四旋翼无人机的飞行控制.通过实验遴选该双闭环控制器相关参数并进行优化,实验结果表明所设计的双回路控制器控制性能指标良好.     

基于强化学习的四旋翼无人机控制律设计

目前四旋翼无人机大部分都采用经典控制方法进行控制律的设计,然而控制参数的选择和对被控对象数学模型的依赖一直是经典控制方法设计中需要克服的问题;针对此问题,采用了一种基于深度强化学习算法Deep Q Network的无人机控制律设计方法,以四旋翼姿态角和姿态角速率作为三层神经网络的输入数据,最终输出动作值函数,再根据贪婪策略进行动作的选取,通过与环境的不断交互,智能体根据奖惩信息来更新神经网络的权值,使得智能体朝着获得累积回报最大值的方向选取动作;仿真结果表明在经过强化学习训练之后,四旋翼姿态角能够快速准确地跟踪上参考指令的变化,证明了基于强化学习的四旋翼无人机控制律的可行性,从而避免了传统控制方法对控制参数的选择与控制模型的依赖。     

四旋翼飞行器控制系统的设计

我国作为军事强国,四旋翼飞行器受到高度重视,并且其价格低廉,性能良好,被应用在很多领域,尤其在军事领域具有很强的研发价值.基于此原因,很多科学家致力于对四旋翼飞行器的研究.本文主要研究四旋翼飞行器的控制系统,首先对飞行器的动力学进行数学模型的建立,然后采用经典的PID控制算法对控制器进行设计,通过Matlab仿真软件对控制算法进行验证,得出稳定的仿真结果,验证了控制算法与数学模型的准确性.因此,本文的研究加深了对四旋翼飞行器的进一步了解,旨在推动四旋翼飞行器的发展,对日后相关方面的研究具有很大的意义.     

四旋翼无人机控制系统仿真设计

四旋翼无人机是一种性能优越的垂直起降无人飞行器,能够实现悬停、低速飞行、垂直起降等功能,在军事和民用方面具有重要价值。针对四旋翼无人机的控制系统设计问题,首先分析介绍了四旋翼无人机飞行原理,对其建立动力学模型和运动学模型,然后进行了基于PID控制的控制系统设计,控制系统采用四通道、多闭环的控制结构,包括无人机的姿态控制与轨迹控制。在MATLAB中进行无人机控制系统仿真实现。仿真结果表明,本文所设计的控制系统,能够有效地实现四旋翼无人机的姿态控制、轨迹控制,具有良好的控制精度与响应速度。     

四旋翼飞行器控制系统设计

四旋翼飞行器姿态控制是四旋翼飞行器控制系统的核心. 通过分析四旋翼飞行器的飞行原理,模型建立,设计了四旋翼飞行器的姿态控制系统;在该系统中采用STM32系列处理器作为主控芯片,MPU6050三轴加速度集和三轴陀螺仪惯性测量单元、磁力计等传感器用于姿态信息检测. 本文中传感器使用结构简单的数字接口对数据进行交换,运用模块化的思想对系统进行设计. 使用PID控制算法进行姿态角的闭环控制,最终实验结果表明,在实验平台上四旋翼飞行器飞行效果稳定,系统满足四旋翼飞行器飞行姿态控制的要求.     

基于OpenMV四旋翼无人机视觉跟踪系统设计

无人机对目标的实时跟踪是无人机领域的研究热点与难点,该文设计了一个基于OpenMV四旋翼无人机视觉跟踪系统。该系统以STM32F407VGTx为主控芯片,以姿态传感器、气压计传感器、光流传感器、激光传感器和电子罗盘等为传感器,通过高速的SPI和UART接口获取无人机姿态,构建了一个稳定的飞行控制平台。设计了基于串级PID的无人机悬停、定点和定高飞行的控制算法与程序。在四旋翼无人机稳定飞行的平台上,通过OpenMV实现了四旋翼无人机对目标色块的实时跟踪。     

基于深度强化学习的多旋翼无人机空中目标自主跟踪

针对空中对接任务中的目标自主跟踪问题,提出了一种基于深度强化学习的端到端的目标跟踪方法。该方法采用近端策略优化算法,Actor网络与Critic网络共享前两层的网络参数,将无人机所拍摄图像作为卷积神经网络的输入,通过策略网络控制多旋翼无人机电机转速,实现端到端的目标跟踪,同时采用shaping方法以加速智能体训练。通过物理引擎Pybullet搭建仿真环境并进行训练验证,仿真结果表明该方法能够达到设定的目标跟踪要求且具有较好的鲁棒性。     

基于故障程度的四旋翼无人机容错控制

针对四旋翼无人机执行机构部分失效故障,采用一组线性二次最优控制器,并且设计了可变因子二阶卡尔曼滤波器在线快速估计状态和检测故障。当故障被检测和诊断出来时,通过可变因子二阶卡尔曼滤波器调节,同时切换到相应的线性二次最优控制器使故障影响变小。最后,在Matlab实验平台上对所提方法的可行性和有效性进行仿真验证验证,结果表明四旋翼无人机执行机构在发生部分失效故障时,输出信号能够快速跟踪轨迹,实现了对执行机构部分失效故障的容错控制。     

基于深度学习的无人机入侵检测方法

无人机滥用给低空范围带来巨大安全隐患,非法入侵无人机目标的检测问题成为低空防御系统中重要的研究方向.本文提出一种基于雷达、RGB相机等多传感器信息融合方法,用于探测低空范围内小目标物体.然后,引入SSD(Single Shot multibox Detector)深度学习算法,训练无人机目标检测模型,对RGB相机捕获到...     

基于深度网络的快速少样本学习算法

少样本学习方法模拟人类从少量样本中学习的认知过程,已成为机器学习研究领域的热点.针对目前少样本学习迭代过程的任务量较大、过拟合现象严重等问题,文中提出基于深度网络的快速少样本学习算法.首先,利用核密度估计和图像滤波方法向训练集加入多种类型的随机噪声,生成支持集和查询集.再利用原型网络提取支持集和查询集图像特征,并根据Bregman散度,以每类支持集支持样本的中心点作为类原型.然后,使用L2范数度量支持集与查询图像的距离,利用交叉熵反馈损失,生成多个异构的基分类器.最后,采用投票机制融合基分类器的非线性分类结果.实验表明,文中算法能加快少样本学习收敛速度,分类准确率较高,鲁棒性较强.     

基于混合滤波的四旋翼无人机抗干扰姿态控制系统设计

针对四旋翼无人机抗干扰姿态控制系统抗干扰能力较差,控制性能较差的问题;文章提出基于混合滤波的四旋翼无人机抗干扰姿态控制系统,优化设计了系统的硬件和软件部分;硬件部分设计主控制器,通过发生器输出的PWM波信号控制电速;设计传感器模块,测量姿态角与加速度等数据,采用双陀螺仪和双加速度计结构,避免共振对测量结果产生影响;设计电机驱动模块,选用X2216型无刷直流电机为运行提供较高的转速和响应速度;设计无线数据传输模块,选用3DR无线数据传输模块实时监测姿态信位置信息数据;构建基于混合滤波的四旋翼无人机抗干扰姿态控制系统,对角速度数据、加速度数据等数进行融合改正,再运用互补滤波器对陀螺仪和加速度计进行信号检测和控制调度,得到精确的实时姿态角;采用姿态控制算法和串级PID控制策略,提高对系统的控制力,保证飞行的平稳;实验结果表明,基于混合滤波的四旋翼无人机抗干扰姿态控制系统抗干扰性强、控制能力高以及响应速度快。     

Design of Fractional‐Order Backstepping Sliding Mode Control for Quadrotor UAV

This paper derives a nonlinear translational and rotational dynamic model of the quadrotor UAV. An original fractional‐order backstepping sliding mode control method for a typical quadrotor UAV is presented. The new approach can decrease the chattering phenomenon and increase the robustness of control strategy. The strongly coupled characteristics of the under‐actuated system are sought by the virtual controllers. The feasibility for different track trajectories are verified using MATLAB. The new control method can not only track the expected trajectory very well but also has a better robustness for different complex trajectory under disturbances, as the simulation results demonstrate.     

基于ARM的小型无人机飞行控制器设计

飞行控制器是无人机飞行控制系统的核心。采用ARM做为微处理器，结合MEMS传感器设计小型无人机飞行控制器。分析系统的功能和结构,并分为微处理器单元、导航传感器单元和气压传感器单元分别进行详细的功能和结构介绍。此设计符合飞行控制器的性能好、可靠性高、综合化能力强的发展趋势，具有广泛的应用前景。     

场景文字识别算法的研究

文字识别是一种通用的图像理解技术,对信息检索、车牌识别和自动驾驶等应用的研究有着重要意义。随着神经网络的伟大复兴,场景文字识别任务得到了很大推动,近年来涌现了许多基于深度学习的文字识别算法。本文提出了一种基于特征融合的CRNN改进算法,使用三个通用的文字识别数据集从识别准确率、运行效率和模型大小三个方面进行分析。实验结果表明该算法在提高准确率的同时,运行效率也有所提高。