m基于内外环PD控制算法的四旋翼无人机飞行控制simulink仿真

简介: m基于内外环PD控制算法的四旋翼无人机飞行控制simulink仿真

1.算法仿真效果
matlab2022a仿真结果如下:

0da7370d93358f16d02f5713ae34e0d2_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
a9d7590ec60360c45e207ff883b981c6_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
8e82e04f434b41bddbf45e01dc9ca5a9_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
be1123b9cf981552332700f1544cc5e7_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要
随着无人飞行器技术的不断发展,其在各个领域有着越来越多的应用,如商业领域通过无人机进行物件派送,在农业领域通过无人机进行农作物的监控,在军事领域通过无人机进行敌情监控等。无人机相对于载人飞机而言,最大的区别是其无人驾驶和自动飞行功能,由于飞行器省去了飞行员的质量,因此其质量较轻,可以充分利用空气动力来抵消大部分自身重量。

   四旋翼飞行器由于其飞行动力来自四个相互独立的电机,因此四旋翼飞行器也被称为四轴飞行器。通过四个电机可以快速实现四旋翼飞行器的起降,任意高度的控制悬停,翻滚飞行以及小曲率转弯等飞行功能。图给出了四旋翼飞行器的实物图和数学模型简化图。

918b8b5234d5fa6c4f758084f060bb1e_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

    四旋翼飞行器的四个电机为十字型等间隔分布。其中第一个电机和第三个电机选择方向为顺时针旋转,第二个电机和第四个电机选择方向为逆时针旋转。通过这四个电机可以给四旋翼飞行器产生四个上升动力,此外也可以通过改变四个电机的旋转速度,是的无人机产生各种不同的飞行动作。如果要保证四旋翼飞行器的飞行状态为悬停状态,那么只要保证四个电机的选择速度相同,且保证四个电机产生的动力和飞行器自身的重力相同就可以实现;如果四个电机产生的动力大于飞行器自身的重量,那么飞行器将上升;如果四个电机产生的动力小于飞行器自身的重量,那么飞行器将下降。如果其中2个电机产生的动力较大,2个电机产生的动力较小,那么飞行器将出现角度切斜的飞行状态。

b089df0e0059702852d1fd633ab9a71a_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
bb9a20de727027c7287a8b57e0256dbe_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

   一种基于内外环的四旋翼飞行器的PD控制系统,将四旋翼飞行器的位置控制系统作为外环控制环节,将四旋翼飞行器的姿态控制系统作为内环控制环节。下面对该控制系统的基本原理和实现方式进行介绍,基于内外环的四旋翼飞行器的PD控制的基本结构如下图所示: 

555cce4c3179ac3891cecb46a8980b94_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

  四旋翼飞行器是无人机中较为常用的一个机种,其具有垂直起飞和降落的功能,其可以在各种复杂地形中进行飞行和起降,随着无人飞行器技术的不断发展,四旋翼飞行器有着越来越多的应用,如农业,商业,军事等多个领域。相对于传统的固定翼飞行器,四旋翼飞行器具有诸多优势,其可靠性较高,机动性较高,使用成本较低。四旋翼飞行器是一种非线性极强的系统。其涉及了多个学科的新的研究领域,包括物理、机械、数学、电力电子、控制算法、传感器、无线通信、数字图像采集等多个领域。

    PID控制器是一种应用及其广发的控制系统,其包括比例控制器,微分控制器以及积分控制三个部分构成,然后通过MATLAB仿真分析了PID控制器中比例参数,微分参数以及积分参数对控制器的影响。当控制反馈误差较大的时候,可以逐渐增加比例参数,适度的减少微分控制参数,并将积分控制可以设置一个较小值甚至为零。当控制反馈误差适中的时候,设置较小的比例参数,同时适当的增加积分参数。当控制反馈误差较小的时候,此时需要设置较大的比例系数和积分系数,并且根据系统的稳定性情况,合理设置微分控制参数。最后介绍了一种基于内外环PD控制器的的四旋翼飞行器控制系统,该控制系统包括位置控制模块,姿态位置转换模块,姿态控制模块,升力反解计算模块以及四旋翼飞行器模块。

3.MATLAB核心程序

c1e94fe8643841212abd3d06d513cd2f_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

```SEL = 3;

if SEL == 1

load data.mat

time11 = A.time;
Roll_des1 = A.signals(1).values;
Pitch_des1 = A.signals(2).values;
Yaw_des1 = A.signals(3).values;

load data0.mat
time10 = A.time;
Roll_des0 = A.signals(1).values;
Pitch_des0 = A.signals(2).values;
Yaw_des0 = A.signals(3).values;

figure;
plot(time10(1:10:end),Roll_des0(1:10:end),'b','linewidth',2);
hold on
plot(time11,Roll_des1,'r','linewidth',2);
xlabel('times');
ylabel('Roll');
legend('PID控制器','内外环PD控制器');
grid on

figure;
plot(time10(1:10:end),Pitch_des0(1:10:end),'b','linewidth',2);
hold on
plot(time11,Pitch_des1,'r','linewidth',2);
xlabel('times');
ylabel('Pitch');
legend('PID控制器','内外环PD控制器');
grid on

end

if SEL == 3

load data.mat
time1 = E.time;
x1 = E.signals(1).values;
y1 = E.signals(2).values;
z1 = E.signals(3).values;

load data0.mat
time0 = E.time;
x0 = E.signals(1).values;
y0 = E.signals(2).values;
z0 = E.signals(3).values;

figure;
plot(time0(1:10:end),x0(1:10:end),'b','linewidth',2);
hold on
plot(time1,x1,'r','linewidth',2);

xlabel('times');
ylabel('x');
legend('PID控制器','内外环PD控制器');
grid on

figure;
plot(time0(1:10:end),y0(1:10:end),'b','linewidth',2);
hold on
plot(time1,y1,'r','linewidth',2);
xlabel('times');
ylabel('y');
legend('PID控制器','内外环PD控制器');
grid on

figure;
plot(time0(1:10:end),z0(1:10:end),'b','linewidth',2);
hold on
plot(time1,z1,'r','linewidth',2);
xlabel('times');
ylabel('z');
legend('PID控制器','内外环PD控制器');
grid on

figure;
plot3(x0,y0,z0,'b','linewidth',2);
hold on
plot3(x1,y1,z1,'r','linewidth',2);
legend('PID控制器','内外环PD控制器');
xlabel('x');
ylabel('y');
zlabel('z');
grid on

end

if SEL ==2
load data0.mat
time0 = F.time;
fai0 = F.signals(1).values;
theta0 = F.signals(2).values;
psi0 = F.signals(3).values;
load data.mat
time1 = F.time;
fai1 = F.signals(1).values;
theta1 = F.signals(2).values;
psi1 = F.signals(3).values;

figure;
plot(time0(1:10:end),fai0(1:10:end),'b','linewidth',2);
hold on
plot(time1,fai1,'r','linewidth',2);
xlabel('times');
ylabel('横滚角');
legend('PID控制器','内外环PD控制器');
grid on
figure;
plot(time0(1:10:end),theta0(1:10:end),'b','linewidth',2);
hold on
plot(time1,theta1,'r','linewidth',2);

xlabel('times');
ylabel('俯仰角');
legend('PID控制器','内外环PD控制器');
grid on
figure;
plot(time0(1:10:end),psi0(1:10:end),'b','linewidth',2);
hold on
plot(time1,psi1,'r','linewidth',2);
legend('PID控制器','内外环PD控制器');

xlabel('times');
ylabel('偏航角');
grid on
end
```

相关文章
|
4天前
|
算法 安全 数据库
基于结点电压法的配电网状态估计算法matlab仿真
**摘要** 该程序实现了基于结点电压法的配电网状态估计算法,旨在提升数据的准确性和可靠性。在MATLAB2022a中运行,显示了状态估计过程中的电压和相位估计值,以及误差随迭代变化的图表。算法通过迭代计算雅可比矩阵,结合基尔霍夫定律解决线性方程组,估算网络节点电压。状态估计过程中应用了高斯-牛顿或莱文贝格-马夸尔特法,处理量测数据并考虑约束条件,以提高估计精度。程序结果以图形形式展示电压幅值和角度估计的比较,以及估计误差的演变,体现了算法在处理配电网状态估计问题的有效性。
|
1天前
|
数据采集 存储 算法
基于BP算法的SAR成像matlab仿真
**摘要:** 基于BP算法的SAR成像研究,利用MATLAB2022a进行仿真。SAR系统借助相对运动合成大孔径,提供高分辨率图像。BP算法执行回波数据预处理、像素投影及图像重建,实现精确成像。优点是高精度和强适应性,缺点是计算量大、内存需求高。代码示例展示了回波生成、数据处理到插值显示的全过程。
|
2天前
|
算法 vr&ar
基于自适应波束成形算法的matlab性能仿真,对比SG和RLS两种方法
```markdown - MATLAB2022a中比较SG与RLS自适应波束成形算法。核心程序实现阵列信号处理,强化期望信号,抑制干扰。RLS以其高效计算权重,而SG则以简单和低计算复杂度著称。[12345] [6666666666] [777777] ```
|
3天前
|
算法 索引
基于Prony算法的系统参数辨识matlab仿真
Prony算法在MATLAB2022a中用于信号分析,识别复指数信号成分。核心程序通过模拟信号X1,添加不同SNR的噪声,应用Prony方法处理并计算误差。算法基于离散序列的复指数叠加模型,通过构建矩阵并解线性方程组估计参数,实现LTI系统动态特性的辨识。
|
6天前
|
机器学习/深度学习 存储 算法
基于SFLA算法的神经网络优化matlab仿真
**摘要:** 使用MATLAB2022a,基于SFLA算法优化神经网络,降低训练误差。程序创建12个神经元的前馈网络,训练后计算性能。SFLA算法寻找最优权重和偏置,更新网络并展示训练与测试集的预测效果,以及误差对比。SFLA融合蛙跳与遗传算法,通过迭代和局部全局搜索改善网络性能。通过调整算法参数和与其他优化算法结合,可进一步提升模型预测精度。
|
4天前
|
算法
基于PSO粒子群优化的PID控制器参数整定算法matlab仿真
该文探讨了使用PSO(粒子群优化)算法优化PID控制器参数的方法。通过PSO迭代,不断调整PID控制器的Kp、Ki、Kd增益,以减小控制误差。文中提供了MATLAB2022a版本的核心代码,展示了参数优化过程及结果。系统仿真图像显示了参数随迭代优化的变化。PID控制器结合PSO算法能有效提升控制性能,适用于复杂系统的参数整定,未来研究可关注算法效率提升和应对不确定性。
|
4天前
|
算法
m基于GA遗传优化的高斯白噪声信道SNR估计算法matlab仿真
**MATLAB2022a模拟展示了遗传算法在AWGN信道中估计SNR的效能。该算法利用生物进化原理全局寻优,解决通信系统中复杂环境下的SNR估计问题。核心代码执行多代选择、重组和突变操作,逐步优化SNR估计。结果以图形形式对比了真实SNR与估计值,并显示了均方根误差(RMSE),体现了算法的准确性。**
12 0
|
8天前
|
机器学习/深度学习 自然语言处理 算法
m基于深度学习的OFDM+QPSK链路信道估计和均衡算法误码率matlab仿真,对比LS,MMSE及LMMSE传统算法
**摘要:** 升级版MATLAB仿真对比了深度学习与LS、MMSE、LMMSE的OFDM信道估计算法,新增自动样本生成、复杂度分析及抗频偏性能评估。深度学习在无线通信中,尤其在OFDM的信道估计问题上展现潜力,解决了传统方法的局限。程序涉及信道估计器设计,深度学习模型通过学习导频信息估计信道响应,适应频域变化。核心代码展示了信号处理流程,包括编码、调制、信道模拟、降噪、信道估计和解调。
30 8
|
10天前
|
算法
基于GA遗传优化的混合发电系统优化配置算法matlab仿真
**摘要:** 该研究利用遗传算法(GA)对混合发电系统进行优化配置,旨在最小化风能、太阳能及电池储能的成本并提升系统性能。MATLAB 2022a用于实现这一算法。仿真结果展示了一系列图表,包括总成本随代数变化、最佳适应度随代数变化,以及不同数据的分布情况,如负荷、风速、太阳辐射、弃电、缺电和电池状态等。此外,代码示例展示了如何运用GA求解,并绘制了发电单元的功率输出和年变化。该系统原理基于GA的自然选择和遗传原理,通过染色体编码、初始种群生成、适应度函数、选择、交叉和变异操作来寻找最优容量配置,以平衡成本、效率和可靠性。
|
11天前
|
机器学习/深度学习 算法
基于鲸鱼优化的knn分类特征选择算法matlab仿真
**基于WOA的KNN特征选择算法摘要** 该研究提出了一种融合鲸鱼优化算法(WOA)与K近邻(KNN)分类器的特征选择方法,旨在提升KNN的分类精度。在MATLAB2022a中实现,WOA负责优化特征子集,通过模拟鲸鱼捕食行为的螺旋式和包围策略搜索最佳特征。KNN则用于评估特征子集的性能。算法流程包括WOA参数初始化、特征二进制编码、适应度函数定义(以分类准确率为基准)、WOA迭代搜索及最优解输出。该方法有效地结合了启发式搜索与机器学习,优化特征选择,提高分类性能。