混合驱动的神经网络动态逆无人机机动飞行控制

最新推荐文章于 2020-10-18 20:29:13 发布

牛仔很忙^

最新推荐文章于 2020-10-18 20:29:13 发布

阅读量923

点赞数 3

分类专栏：智能无人系统

本文链接：https://blog.csdn.net/nudt_zrs/article/details/84666869

版权

智能无人系统专栏收录该内容

25 篇文章 36 订阅

订阅专栏

哈喽，好久不见。

本人最近都在忙硕士毕业的事，博客落下太久了，目前毕业情况尚且待定，但博客还是要追赶一下的。这次赶到11月的尾巴，把自己的课题简答介绍一下，也把之前文章串起来。如果有需要或者感兴趣的朋友，之后我会陆续把相关工作发出来。总体来讲，是自己用了几个月时间给自己挖了一个大坑，然后又用大半年的时间勉强填上来了。也希望大家尽量避免类似的错误，相近的工作可以借鉴一下，谨防闭门造车。

课题源自实验室的一个小项目，主要目标是实现无人机的多个机动动作的机动飞行，最开始探索过过很多思路，尝试过很多方法。最终确定的方案是使用的F-16模型，底层的姿态控制是动态逆控制，上层的机动动作是利用在X-Plane下操纵杆飞行采集的数据，经LSTM网络处理得到的。整体框图如下：

本文的飞行器模型是在荷兰代尔夫特理工大学（Delft University of Technology）的研究者L. Sonneveldt于2010年发布的《Nonlinear F-16 Model Description》以及E.R. van Oort & L. Sonneveldt于2008年开发的模型的基础上修改完成。其工作也是借鉴了明尼苏达大学2003年开发的Model of F-16 Fighter Aircraft以及Nguyen等人1979年发表的NASA技术论文。

整个飞行仿真系统包含四个模块：

（1）机动指令模块：将长短时记忆网络（LSTM）应用于无人机的机动动作实现，实现了基于数据驱动的具有抗干扰和记忆功能的机动指令生成器。针对机动动作难以准确描述和建模的问题，分别在实际飞行和仿真环境中进行了机动动作关键信息（姿态角、速度、GPS等）的数据采集，利用LSTM网络实现了机动动作姿态序列指令生成器。

（2）飞行控制模块：分别在风轴系（攻角、侧滑角、航迹倾角）、体轴系（俯仰、滚转、偏航）下实现了F-16模型的动态逆控制，针对大机动动作下欧拉角的奇异问题提出了四元数动态逆的控制方案；针对飞行器建模误差、机动动作下扰动严重等问题设计了神经网络补偿。控制飞行器对机动指令进行跟踪。

（3）飞行器模块：F-16飞行器仿真模型，包含运动学模型、动力学模型以及气动参数、大气模型、发动机模型等；

（4）飞行显示模块：通过NASA针对X-Plane通信开发的插件XPlaneConnect（XPC），可以将姿态角和GPS数据（经度、维度、高度）通过UDP通信按照一定频率逐个发送到X-Plane中，在X-Plane中显示出机动动作。

（1）铅垂面动作的实现

筋斗动作中，飞机在铅垂平面内作轨迹近似椭圆、航迹方向改变360°，筋斗大致由跃升、倒飞、俯冲等基本动作组成，图5-2~图5-4展示了筋斗的仿真测试。