發(fā)布時間：2021-03-31 14:51

　　為了保證無人機的操作簡便與解放人力的目標,提高為多旋翼無人機提供長期任務所需的自主水平,無人機在完成既定作業(yè)之后在回收平臺上的自主降落操作就成為了研究的熱點問題。由于回收平臺大多是機動的,無人機移動平臺上的自主降落成為了亟待解決的問題。本文的主要目的是通過機器學習機制來控制無人機解決其在地面移動平臺的降落問題。針對現(xiàn)實世界中無人機學習訓練的可重復性差和高危險性的問題,采用Parrot公司的Bebop2作為無人機單元并使用該公司的Sphinx環(huán)境下進行模擬,搭建了一套基于Gazebo-Parrot和ROS的無人機學習模擬仿真平臺,該平臺在Ubuntu/Linux操作系統(tǒng)下運行。通過該平臺,實現(xiàn)了無人機在仿真環(huán)境下的學習訓練,解決了實物訓練的可重復性差和危險性高的問題。本文同時對深度強化學習算法的發(fā)展背景以及其中的部分算法的具體原理和其中的詳細細節(jié)進行了具體的闡述,分析了各個算法的優(yōu)缺點以及如何選擇和應用深度強化學習算法在無人機在移動平臺降落的具體任務目標上。針對平臺和UAV的互相感知,本文提出了兩類具有高可操作特點的方案:外部輔助和機器視覺。其中外部輔助在仿真中由Gazebo模擬器來替代... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【部分圖文】：

lee等實驗裝置

Bi等的實驗裝置

Serra等的實驗裝置

【參考文獻】：
期刊論文
[1]基于強化學習的旋翼無人機智能追蹤方法[J]. 史豪斌,徐夢.  電子科技大學學報. 2019(04)
[2]基于自適應滑�？刂频乃男頍o人機軌跡追蹤控制[J]. 陶彥隱,王煒毅,邱亞峰,李杰.  信息與控制. 2018(03)
[3]物聯(lián)網(wǎng)無人機應用關鍵技術研究[J]. 劉青龍,董家山.  電子技術應用. 2017(11)
[4]深度強化學習綜述[J]. 劉全,翟建偉,章宗長,鐘珊,周倩,章鵬,徐進.  計算機學報. 2018(01)
[5]基于視覺的無人機魯棒tau控制方法研究[J]. 劉錦濤,吳文海,張源原,李靜.  哈爾濱工程大學學報. 2016(02)
[6]四旋翼無人機目標跟蹤系統(tǒng)設計[J]. 馬良,穆朝絮,楊萬扣,賀海鵬.  控制工程. 2015(06)
[7]我國農用植保無人機的應用與推廣探討[J]. 蒙艷華,周國強,吳春波,王志國,徐雪松.  中國植保導刊. 2014(S1)
[8]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[9]強化學習研究綜述[J]. 高陽,陳世福,陸鑫.  自動化學報. 2004(01)
[10]計算機視覺的PNP問題的最優(yōu)解[J]. 徐文立.  自動化學報. 1992(05)

碩士論文
[1]四旋翼無人機軌跡跟蹤與自主著陸控制研究[D]. 龔有敏.哈爾濱工業(yè)大學 2017
[2]視覺慣性及衛(wèi)星組合導航系統(tǒng)研究[D]. 魏振楠.哈爾濱工業(yè)大學 2016



本文編號：3111627