發(fā)布時間：2023-03-29 04:25

　　近年來,日益復(fù)雜的空中作業(yè)對小型無人機的自主飛行能力提出更高的要求,而飛行控制技術(shù)是無人機自主性的前提和保障,研究自適應(yīng)能力強、綜合性能指標高的無人機智能控制技術(shù)對無人機行業(yè)和社會生產(chǎn)有重要意義。小型無人機,如四旋翼無人機,是一個多輸入、多輸出、強耦合、欠驅(qū)動、模型存在不確定、未知外部干擾繁多的非線性系統(tǒng)。對于這樣一個復(fù)雜的控制問題,現(xiàn)有的無人機控制技術(shù)難以自適應(yīng)滿足多種任務(wù)需求,也缺少優(yōu)化綜合性能指標的能力,因此,研究小型無人機的自學習、自校正、自優(yōu)化的智能控制技術(shù)具有重要的理論和實際意義。本文針對一類常見的小型無人機,考慮存在模型不確定性和未知外部干擾、機載計算機算力受限、低成本傳感器噪聲大等問題,主要研究結(jié)合強化學習的無人機智能控制技術(shù)。本文設(shè)計的無人機強化學習控制器能夠通過歷史飛行經(jīng)驗的積累和在線訓練學習,抵抗未建模的系統(tǒng)不確定性和未知的外部干擾,不斷優(yōu)化設(shè)定的綜合性能指標,為無人機提供智能、自主、對陌生環(huán)境自適應(yīng)強的高性能控制。本文的研究成果還可以通過事件驅(qū)動機制明顯降低小型無人機的計算資源消耗,可以通過地標檢測和狀態(tài)估計完成室內(nèi)無GPS環(huán)境下的精準降落。主要內(nèi)容和成果包括以...

【文章頁數(shù)】：127 頁

【學位級別】：博士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 課題背景與意義
    1.2 研究概況
        1.2.1 無人機的狀態(tài)估計
        1.2.2 無人機線性控制方法
        1.2.3 無人機非線性控制方法
        1.2.4 無人機非線性抗擾控制方法
        1.2.5 強化學習優(yōu)化控制理論
        1.2.6 無人機強化學習控制方法
    1.3 有待解決的關(guān)鍵問題
    1.4 論文的主要內(nèi)容與組織結(jié)構(gòu)
2 小型無人機的動力學與狀態(tài)估計
    2.1 引言
    2.2 小型無人機的動力學模型
        2.2.1 小型無人機的坐標系定義與基本運動機理
        2.2.2 小型無人機的動力學模型
        2.2.3 小型無人機的執(zhí)行器模型
    2.3 小型無人機的狀態(tài)估計
        2.3.1 傳感器模型
        2.3.2 姿態(tài)估計系統(tǒng)
        2.3.3 仿真與實驗
    2.4 本章小結(jié)
3 基于動態(tài)面控制與滑模擾動觀測器的無人機控制器設(shè)計
    3.1 引言
    3.2 問題描述
        3.2.1 無人機位姿控制問題
        3.2.2 旋翼推力輸出問題
    3.3 基于DSC與SMDO的解耦控制器設(shè)計
        3.3.1 滑模擾動觀測器的設(shè)計
        3.3.2 動態(tài)面解耦控制器設(shè)計
        3.3.3 閉環(huán)系統(tǒng)的穩(wěn)定性分析
    3.4 基于模糊邏輯的高精度推力解算算法
    3.5 實驗驗證
        3.5.1 懸停實驗
        3.5.2 跟蹤實驗
    3.6 本章小結(jié)
4 基于強化學習補償控制的無人機控制器設(shè)計
    4.1 引言
    4.2 問題描述
    4.3 基于強化學習的補償控制器設(shè)計
    4.4 數(shù)值仿真
        4.4.1 訓練過程實驗
        4.4.2 抗風性懸停實驗
        4.4.3 跟蹤實驗
    4.5 本章小結(jié)
5 基于事件驅(qū)動的無人機強化學習控制器設(shè)計
    5.1 引言
    5.2 問題描述
    5.3 基于事件驅(qū)動的強化學習控制器設(shè)計
        5.3.1 觸發(fā)條件設(shè)計
        5.3.2 評價器和動作器的更新規(guī)則
        5.3.3 閉環(huán)系統(tǒng)的穩(wěn)定性分析
    5.4 數(shù)值仿真
        5.4.1 懸停任務(wù)
        5.4.2 跟蹤任務(wù)
    5.5 本章小結(jié)
6 基于YOLO地標檢測的無人機強化學習控制器設(shè)計
    6.1 引言
    6.2 問題描述
    6.3 基于YOLO的強化學習無人機狀態(tài)控制器設(shè)計
        6.3.1 基于YOLO的地標檢測算法
        6.3.2 基于神經(jīng)網(wǎng)絡(luò)的無人機狀態(tài)估計器
        6.3.3 適用室內(nèi)起降任務(wù)的強化學習無人機控制器
    6.4 數(shù)值仿真
        6.4.1 YOLO檢測實驗
        6.4.2 基于神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計器的性能測試實
        6.4.3 強化學習無人機控制器的室內(nèi)降落實驗
    6.5 本章小結(jié)
7 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作展望
參考文獻
作者簡歷及在學研究成果
學位論文數(shù)據(jù)集



本文編號：3773994