Мехатронная система управления полетом квадрокоптера и планирования траектории методами оптической одометрии

• Автор: Дахер Сайфеддин
• Шифр специальности: 05.02.05
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Новочеркасск
• Количество страниц: 186 с.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СРЕДСТВ ПЛАНИРОВАНИЯ ТРАЕКТОРИИ ПОЛЕТА И УПРАВЛЕНИЯ КВАДРОКОПТЕРОМ

1.1. Эволюция развития беспилотных летательных аппаратов

1.2. Методы планирования траектории полета беспилотных

летательных аппаратов

1.2.1. Программные методы планирования и управления

1.2.1.1. Прямой эксплицитный метод

1.2.1.2. Глобальный эвристический прямой метод

1.2.1.3. Поисковый комбинированный метод

1.2.1.4. Метод прямого расположения и
псевдоспектральный метод
1.2.1.5. Методы на базе генетического алгоритма
1.2.2. Аппаратные средства реализации систем управления
1.3. Особенности структуры планирования траектории полета
квадрокоптера
1.4. Требования к системе планирования траектории полета и
управления квадрокоптером
1.5. Выводы по главе
ГЛАВА 2. ИДЕНТИФИКАЦИЯ И МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ КВАДРОКОПТЕРА КАК ОБЪЕКТА УПРАВЛЕНИЯ
2.1. Анализ аэродинамических особенностей и математическое
описание квадрокоптера как объекта управления и описание режимов его полета
2.2. Аэродинамическая модель квадрокоптера, представление его
как линейного объекта и его математическое моделирование
2.3. Представление квадрокоптера со сдвинутым центром тяжести
как нелинейного объекта и его математическое моделирование..
2.4. Концепция реактивного управления полетом квадрокоптера в
неизвестной среде
2.5. Выводы по главе

ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ ПЛАНИРОВАНИЯ ТРАЕКТОРИИ ПОЛЕТА КВАДРОКОПТЕРА
3.1. Разработка гибридного поискового алгоритма глобального планирования траектории полета квадрокоптера на базе алгоритма А-стар и метода потенциальных полей
3.2 Планирование траектории с помощью оптической
одометрии
3.2.1. Глобальный алгоритм планирования траектории
3.2.2. Локальное планирование траектории полета с помощью распознавания мобильного агента
3.3. Неопределенность в задачах локального планирования и экстраполяция функции движения агента
3.3.1. Анализ с помощью модели байесовской сети
3.3.2. Анализ влияния температуры источника света на отслеживание динамического агента
3.3.3. Привязка нейронных сетей для решения проблемы дилеммы выбора агента отслеживания
3.3.3.1. Обучение нейронной сети ПАЯХ
3.3.3.2. Результаты экстраполяции функции движения агента
3.4. Выводы по главе
ГЛАВА 4. СИНТЕЗ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПОЛЕТОМ КВАДРОКОПТЕРА
4.1. Линейное моделирование и управление квадрокоптером
4.1.1. Синтез системы модального управления полетом квадрокоптера
4.1.2. Построение системы управления полетом методом линейно-квадратичного регулирования
4.1.3. Регулирование состояний полета на базе корректирующего ПД/ ПИД-регулятора
4.1.4. Управление параметрами состояния полета с помощью нечетких регуляторов
4.2. Оптимизация нечетких регуляторов методом роя частиц
4.3. Моделирование системы управления с учетом сдвига центра тяжести и нелинейности квадрокоптера
4.4. Выводы по главе

ГЛАВА 5. РАЗРАБОТКА И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ИТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ АВТОНОМНЫМ ПОЛЕТОМ КВАДРОКОПТЕРА С ПОМОЩЬЮ , -
ОПТИЧЕСКОЙ ОДОМЕТРИИ
5.1. Предложения по практической реализации интеллектуальной системы планирования траектории полета и управления квадрокоптером в неизвестной среде
5.2. Анализ параметров полета квадрокоптера по контрольным
точкам
5.3. Распознавание и отслеживание динамического агента
5.4. Описание процесса обучения квадрокоптера полету и
моделирование данного процесса
5.5. Метрологическая оценка системы управления полетом
квадрокоптера
5.5.1. Измерения гироскопа тангажа и крена
5.5.2. Измерения гироскопа рыскания
5.5.3. Измерения ультразвукового высотомера
5.5.4. Измерения акселерометра
5.6. Рекомендации по разработке системы планирования траектории
полета и автоматического управления беспилотным летательным аппаратом на базе квадрокоптера
5.7. Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ 1. Листинг програм моделирования
ПРИЛОЖЕНИЕ 2. Листинг програм планирования
ПРИЛОЖЕНИЕ 3. Акт внедрения

Помимо этого, для управления квадрокоптером по заданной траектории используются алгоритмы на базе искусственного интеллекта, включая нечеткую логику, разновидности нейронных сетей и даже комбинированные нейро-нечеткие регуляторы.
Математическая модель квадрокоптера — линейная [44,45,77]. Регуляторы состояний полета на базе искусственного интеллекта имеют преимущество адаптации к изменениям среды полета. Процесс регулирования в режиме реального времени может не соответствовать критерию оптимальности по быстродействию, особенно при нелинейном подходе моделирования [39,71,98,101].
При линейном подходе к моделированию квадрокоптера получаются четыре автономных контура управления, что приводит к тому, что изменение на выходе контура вращательного или поступательного движения не влияет на остальные контуры управления. Эго допущение принимется для обоснования выбора алгоритма модального управления для синтеза регуляторов состояний полета [13,40].
Более реалистичным подходом к моделированию и управлению квадрокоптером является представление контуров управления взаимосвязанными. При этом изменение любой величины во внутреннем (вращательное движение) пли во внешнем контуре управления (поступательное движение) вызывает изменения во всех остальных контурах. Вышеупомянутый подход является более сложным для формирования законов изменения состояний, а также для синтеза системы регулирования [42,63,64,73].
Существуют исследования, рассматривающие влияние позиции центра тяжести на управление БПЛА [74]. Это имеет важное значение для самолетов вертикального взлета и посадки и, в частности, для квадрокоптера, так как вся система обратной связи располагается на основе инерционных датчиков управления (гироскоп,акселерометр).