论文部分内容阅读
四旋翼飞行器的控制性能好坏对飞行安全具有重要意义。由于被控对象复杂且飞行过程中容易受到各种干扰,四旋翼飞行器难以建立精确的模型,因此如何设计合理有效的控制方法显得尤为重要。神经网络具备良好的学习能力和计算能力,能够实现较好的控制效果,但软件实现方式速度慢限制了其发展应用。FPGA硬件实现具有运行速度快,功耗较低,使用灵活等优势。本文主要从神经网络控制的算法优化和FPGA硬件加速展开研究,实现飞行姿态的稳态跟踪控制。针对四旋翼飞行器难以建立精确模型的问题,设计了一种基于粒子群-遗传算法优化的模糊神经网络PID控制器。为了获得理想的控制参数,采用模糊神经网络自适应调整PID的控制参数。利用粒子群-遗传算法优化模糊神经网络各参数的初始值,并使用梯度下降法进行参数调整。仿真结果表明,该控制器输出具有较好的动态性能,稳态误差小,调节时间短,抗干扰能力强。针对神经网络串行实现运行速度慢,无法满足复杂系统实时控制的问题,设计了一种FPGA并行实现的BP神经网络PID控制器。为了方便设计及节省资源,利用Cordic IP核和除法IP核相结合实现非线性激活函数,使用16位定点数完成数据运算。通过Vivado完成了俯仰、滚转及偏航通道的控制仿真和综合优化。仿真结果表明,该设计实现显著提高了神经网络控制的运行速度和计算性能。为了验证基于FPGA实现BP神经网络PID控制的有效性和可行性,利用软硬件协同设计方法实现FPGA的板级验证实验,并将输出数据通过以太网传输至Matlab中进行分析。实验结果表明,本设计在实际控制应用中具有一定的可行性。相较于串行实现方式,FPGA并行实现的运算速度快,功耗低。该控制系统的响应速度得到显著提高,满足飞行姿态的实时控制要求。