论文部分内容阅读
目前,农用植保无人机成为研究热点,针对该领域对无人机飞行性能的要求,即飞行平稳性、反应及时性以及飞控系统的兼容性,本文对六旋翼无人机的飞行控制算法进行了研究。首先,本文对控制对象的结构特性、动力学特性进行了深入分析,为仿真模型和控制系统建立奠定理论基础;为避免姿态变量在调节过程中相互干扰,进行了控制方法的优化改进,实现了控制参数自适应调整。数学模型不仅能体现各变量之间的关系,还能反应该对象运动特性。本文结合六旋翼无人机主要部件的性能特点,对螺旋桨模型、运动学模型、控制分配模型进行了建模分析;此外,为了直观地查看控制对象运动情况,在Adams软件上搭建农用植保无人机机械模型,再与MATLAB进行联合仿真,为了模型创建的简洁性,在MATLAB上通过六自由度欧拉模型库和其它Simulink功能块搭建无人机仿真模型;控制分配模型是控制器的控制量和控制对象模型输入量的中间转化部分,也是不同旋翼数无人机数学模型的最大不同处,所以需要对其进行分析和构建。此外,对传统控制方法PID算法进行了改进。PID方法参数优化困难、系统自适应性差,而神经网络具备鲁棒性、非线性逼近和自主学习等特点,针对六旋翼无人机非线性、欠驱动、高耦合且机械结构复杂、质量非均匀分布等特点,本文采用将BP神经网络与PID融为一体的控制策略,即PIDNN控制方法。此方法不再显式调用PID方法,而是将神经网络隐含层设置为比例神经元、积分神经元及微分神经元,每次迭代都对连接权重进行整定。通过对比传统控制方法和改进的PIDNN方法的控制结果,发现PIDNN方法加快了六旋翼对象到指定状态的速度,缓解了超调现象,并且减少了繁琐的人工调参的次数,提高了控制系统的自适应性与兼容性,充分验证了PIDNN方法对六旋翼无人机姿态控制的有效性。