基于Matlab/Simulink 和飞行模拟器进行飞行控制联合仿真

简介: 基于Matlab/Simulink 和飞行模拟器进行飞行控制联合仿真

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

在真实的三维虚拟环境中进行飞行测试越来越被认为是评估飞机模型及其控制系统的安全且经济有效的方法。本文首先回顾并比较了迄今为止已成功与 MathWorks 软件接口的最流行的基于个人计算机的飞行模拟器。这种协同仿真方法可以将 Matlab 工具箱的导航、控制和传感器建模等功能的优势与专用飞行仿真软件的高级仿真和场景渲染功能相结合。然后,该方法可用于验证飞机模型、控制算法、飞行处理特性,或根据飞行数据进行模型识别。然而,有 缺乏足够详细的分步飞行协同仿真教程,而且也很少尝试一次评估一种以上的飞行协同仿真方法。因此,我们使用 Simulink 和三种不同的飞行模拟器演示我们自己的分步联合仿真实现:Xplane、FlightGear 和 Alphalink 的虚拟飞行测试环境 (VFTE)。所有三种联合模拟均采用实时用户数据报协议 (UDP) 进行数据通信,每种方法都具有优势,具体取决于飞机类型。以 Cessna-172 通用航空飞机为例,Simulink 与 Xplane 的联合仿真展示了成功的虚拟飞行测试,能够准确地同时跟踪高度和速度参考变化,同时在任意风力条件下保持滚转稳定性,这对单螺旋桨塞斯纳提出了挑战。对于中等续航能力的 Rascal-110 无人机 (UAV),Simulink 使用 MAVlink 协议与 FlightGear 和 QGroundControl 连接,允许准确跟踪地图上的横向 UAV 路径,此设置用于评估基于Matlab的六自由度无人机模型。对于较小的 ZOHD Nano Talon 微型飞行器 (MAV),Simulink 与专为此 MAV 设计的 VFTE 接口,并与 QGroundControl 一起使用软件在环 (SIL) 模拟来测试先进的基于 H-infinity 观察器的自动驾驶仪,以在有风条件下实现稳健的低空飞行。然后最终使用控制器局域网 (CAN) 数据总线和带有模拟传感器模型的 Pixhawk-4 迷你自动驾驶仪扩展到 Nano Talon MAV 上的硬件在环 (HIL) 实施。

⛄ 部分代码

function XDOT = UAV_model(X, U)%UAV_MODEL Full 9 DOF model for the UAV based on the RCAM Aircraft%(Christopher Lum, Garteur)%   [XDOT] = UAV_MODEL(X,U) returns the longitudinal state%   derivatives, XDOT, given the current state and inputs, X and U.  The%   constants are the nominal values defining the aircraft specifications.%============UAV State========%x1 = X(1);  %ux2 = X(2);  %vx3 = X(3);  %wx4 = X(4);  %px5 = X(5);  %qx6 = X(6);  %rx7 = X(7);  %phix8 = X(8);  %thetax9 = X(9);  %psiu1 = U(1);  %d_A aileronu2 = U(2);  %d_T elevatoru3 = U(3);  %d_R rudderu4 = U(4);  %d_th1 throttle 1u5 = U(5);  %d_th2 throttle 2%============Constants=========%%nominal UAV constantsm = 120000; %aircraft mass (kg)%Aerocbar = 6.6; %Mean aerodynamic chord (m)lt = 24.8;  %distance by AC of tail and fuselage (m)S = 260;    %Wing planform area (m^2)St = 64;    %Tail planform area (m^2)Xcg = 0.23*cbar;                %x position of CoG in Fm (m)Ycg = 0;                        %y position of CoG in Fm (m)Zcg = 0.10*cbar;                %z position of CoG in Fm (m)Xac = 0.12*cbar;                %x position of aerodynamic center in Fm (m)Yac = 0;                        %y position of aerodynamic center in Fm (m)Zac = 0;                        %z position of aerodynamic center in Fm (m)%Propulsion constantsUmax  = 120000*9.81; %  max thrust in newtonsXapt1 = 0;           %x position of engine 1 forceYapt1 = -7.94;       %y position of engine 1 forceZapt1 = -1.9;        %z position of engine 1 forceXapt2 = 0;           %x position of engine 2 forceYapt2 = 7.94;        %y position of engine 2 forceZapt2 = -1.9;        %z position of engine 2 force%Miscellaneous constantsrho = 1.225;        %air density (kg/m^3)g = 9.81;           %gravitational acceleration (m/s^2)depsda = 0.25;      %change in downwash (rad/rad)alpha_L0 = -11.5*(pi/180);    %zero lift AoA (rad)n = 5.5;            %slope of linear region of lift slopea3 = -768.5;        %coef of alpha^3a2 = 609.2;         %coef of alpha^2a1 = -155.2;        %coef of alpha^1a0 = 15.2;        %coef of alpha^0alpha_switch = 14.5*(pi/180); %=======Control limits and Saturation=======%%can be changed in simulink%{u1min = -25*pi/180; %Ailerons limitsu1max = 25*pi/180;u2min = -25*pi/180; %Elevator limitsu2max = 10*pi/180;u3min = -30*pi/180; % Rudder limitsu3max = 30*pi/180;u4min = 0.5*pi/180; % Throttle 1 limitsu4max = 10*pi/180;u5min = 0.5*pi/180; % Throttle 2 limitsu5max = 10*pi/180;%}%Saturation %{if(u1>u1max)    u1 = u1max;elseif(u1<u1min)    u1 = u1min;endif(u2>u2max)    u2 = u2max;elseif(u2<u2min)    u2 = u2min;endif(u3>u3max)    u3 = u3max;elseif(u3<u3min)    u3 = u3min;endif(u4>u4max)    u4 = u4max;elseif(u4<u4min)    u4 = u4min;endif(u5>u5max)    u5 = u5max;elseif(u5<u5min)    u5= u5min;end%}%===========Intermediate Variables==========%%airspeedVa = sqrt(x1^2 + x2^2 + x3^2);%alpha and betaalpha = atan2(x3,x1);%Angle of attackbeta = asin(x2/Va);%Side slip%dynamic pressureQ = 0.5*rho*Va^2;%define the vectors wbe_b and V_b wbe_b = [x4;x5;x6];V_b = [x1;x2;x3];%============Aerodynamics==================%%Calculate the CL_wbif alpha<=alpha_switch    CL_wb = n*(alpha - alpha_L0);else    CL_wb = a3*alpha^3 + a2*alpha^2 + a1*alpha + a0;end%Calculate CL_tepsilon = depsda*(alpha - alpha_L0);alpha_t = alpha - epsilon + u2 + 1.3*x5*lt/Va;CL_t = 3.1*(St/S)*alpha_t;%Total liftCL = CL_wb + CL_t;%Total drag  (no tail)CD =  0.13 + 0.07*(5.5*alpha + 0.654)^2;%SideforceCY = -1.6*beta + 0.24*u3;%==========Dimensional Aerodynamic Forces======%%calculate dimensional forces in F_s stability axisFA_s = [-CD*Q*S;         CY*Q*S;        -CL*Q*S];    %Rotate the forces to F_b body axisC_bs = [cos(alpha) 0 -sin(alpha);        0 1 0;        sin(alpha) 0 cos(alpha)];    FA_b = C_bs*FA_s;%========Aerodynamic Moment coefficient about AC ========%Calculate moments in Fbeta11 = -1.4*beta;eta21 = -0.59 - (3.1*(St*lt)/(S*cbar))*(alpha - epsilon);eta31 = (1 - alpha*(180/(15*pi)))*beta;eta = [eta11;       eta21;       eta31];dCMdx = (cbar/Va)*[-11 0 5;                    0 (-4.03*(St*lt^2)/(S*cbar^2)) 0;                    1.7 0 -11.5];              dCMdu = [-0.6 0 0.22;          0 (-3.1*(St*lt)/(S*cbar)) 0;          0 0 -0.63];%Calculate CM about AC in Fb axisCMac_b = eta + dCMdx*wbe_b + dCMdu*[u1;u2;u3];%========Aero Moment About AC==========%normalize to an aerodynamic momentMAac_b = CMac_b*Q*S*cbar;%conversion to stability axisC_sb = C_bs';Mac_b = CMac_b*Q*S*cbar;Mac_s = C_sb*Mac_b;CMac_s = Mac_s./(Q*S*cbar);CMac_s = C_sb*CMac_b;%========Aero Moment About CG==========%%transfer moment to CGrcg_b = [Xcg;Ycg;Zcg];rac_b = [Xac;Yac;Zac];MAcg_b = C_bs*Mac_s + cross(FA_b,rcg_b - rac_b);%=========Engine Force and moment======%%ThrustF1 = u4*Umax;F2 = u5*Umax;%Assume thrust aligned with FbFE1_b = [F1;0;0];FE2_b = [F2;0;0];FE_b = FE1_b + FE2_b;  %Engine thrust offset from CoG.mew1 = [Xcg - Xapt1;        Yapt1 - Ycg;        Zcg - Zapt1];        mew2 = [Xcg - Xapt2;        Yapt2 - Ycg;        Zcg - Zapt2];        MEcg1_b = cross(mew1,FE1_b);MEcg2_b = cross(mew2,FE2_b);MEcg_b = MEcg1_b + MEcg2_b;%=============Gravity Effects=========%%Calculating grabitational forces in the body frame. No moment about CoGg_b = [-g*sin(x8);        g*cos(x8)*sin(x7);        g*cos(x8)*cos(x7)];  Fg_b = m*g_b;%============State Derivatives==========%%Matrix of InertiaIb = m*[40.07 0 -2.0923;        0 64 0;        -2.0923 0 99.92];    %Inverse of inertia matrix invIb = (1/m)*[0.0249836 0 0.000523151;               0 0.015625 0;               0.000523151 0 0.010019];%Form F_b (all the forces in Fb) and calculate udot, vdot, wdotF_b = Fg_b + FE_b + FA_b;x1to3dot = (1/m)*F_b - cross(wbe_b,V_b);%Form Mcg_b (all moments about CoG in Fb) and calculate pdot, qdot, rdot.Mcg_b = MAcg_b + MEcg_b;x4to6dot = invIb*(Mcg_b - cross(wbe_b,Ib*wbe_b));%Calculate phidot,thetadot, and psidot    H_phi = [1 sin(x7)*tan(x8) cos(x7)*tan(x8);         0 cos(x7) -sin(x7);         0 sin(x7)/cos(x8) cos(x7)/cos(x8)];    x7to9dot = H_phi*wbe_b;%Place in first order form%Navigation EquationsC1v = [cos(x9) sin(x9) 0;    -sin(x9) cos(x9) 0;    0 0 1];C21 = [cos(x8) 0 -sin(x8);     0 1 0;    sin(x8) 0 cos(x8)];Cb2 = [1 0 0;    0 cos(x7) sin(x7)    0 -sin(x7) cos(x7)];Cbv =Cb2*C21*C1v;Cvb = Cbv';x10to12dot = Cvb*V_b;XDOT = [x1to3dot;        x4to6dot;        x7to9dot;       x10to12dot];

⛄ 运行结果

⛄ 参考文献

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料

🍅 仿真咨询

1.卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
3.旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划
4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
5.传感器部署优化、通信协议优化、路由优化、目标定位
6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号
7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化
8.微电网优化、无功优化、配电网重构、储能配置
9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长


相关文章
|
7天前
|
传感器 算法 vr&ar
六自由度Stewart控制系统matlab仿真,带GUI界面
六自由度Stewart平台控制系统是一种高精度、高稳定性的运动模拟装置,广泛应用于飞行模拟、汽车驾驶模拟、虚拟现实等领域。该系统通过六个独立的线性致动器连接固定基座与移动平台,实现对负载在三维空间内的六个自由度(三维平移X、Y、Z和三维旋转-roll、pitch、yaw)的精确控制。系统使用MATLAB2022a进行仿真和控制算法开发,核心程序包括滑块回调函数和创建函数,用于实时调整平台的位置和姿态。
|
1天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
2天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
3天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
1天前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
2天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
2天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
14 3
|
7天前
|
机器学习/深度学习 算法 调度
基于ACO蚁群优化的VRPSD问题求解matlab仿真,输出规划路径结果和满载率
基于ACO蚁群优化的VRPSD问题求解MATLAB仿真,输出ACO优化的收敛曲线、规划路径结果及每条路径的满载率。在MATLAB2022a版本中运行,展示了优化过程和最终路径规划结果。核心程序通过迭代搜索最优路径,更新信息素矩阵,确保找到满足客户需求且总行程成本最小的车辆调度方案。
|
6天前
|
机器学习/深度学习 存储 算法
基于Actor-Critic(A2C)强化学习的四旋翼无人机飞行控制系统matlab仿真
基于Actor-Critic强化学习的四旋翼无人机飞行控制系统,通过构建策略网络和价值网络学习最优控制策略。MATLAB 2022a仿真结果显示,该方法在复杂环境中表现出色。核心代码包括加载训练好的模型、设置仿真参数、运行仿真并绘制结果图表。仿真操作步骤可参考配套视频。
18 0
|
7天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA-PSO-SVM算法的混沌背景下微弱信号检测matlab仿真
本项目基于MATLAB 2022a,展示了SVM、PSO、GA-PSO-SVM在混沌背景下微弱信号检测中的性能对比。核心程序包含详细中文注释和操作步骤视频。GA-PSO-SVM算法通过遗传算法和粒子群优化算法优化SVM参数,提高信号检测的准确性和鲁棒性,尤其适用于低信噪比环境。