毕业论文--四旋翼飞行器智能控制算法研究及实现

《毕业论文--四旋翼飞行器智能控制算法研究及实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、HUNANUNIVERSITY毕业设计(论文)设计论文题目：四旋翼飞行器智能控制算法研究及实现学生姓名：学生学号：专业班级：电气工程及其自动化1108班学院名称：电气与信息工程学院指导老师：学院院长：2015年月日湖南大学毕业设计(论文)第I页摘要四旋翼飞行器是一种结构紧凑、飞行方式独特的垂直起降式微型飞行器，其具有起飞降落所依赖空间小，姿态保持能力强，噪声小，重量轻，隐蔽性强等优点，因此在很多领域都有广阔的运用前景。然而，四旋翼飞行器的姿态与位置存在耦合，其有六个自由度，但仅有四个输入量，是典型的欠驱动系统。四旋翼飞行器具有非线性、多变量、强耦合等特点，因此，整个飞行控制的关键在于姿态控制

2、。本论文通过对飞行器的结构特征、工作原理以及控制算法进行研究，进而对四旋翼飞行器的系统进行设计，最终得出一种控制性能高、抗干扰能力和自适应能力强的飞行姿态控制器，使得自行设计并制作的四旋翼飞行器能够实现良好的飞行效果。在目前工程实践中，人们大量采用传统PID控制器对四旋翼飞行器姿态进行调节。但是针对具有非线性、时变以及强耦合特性的四旋翼飞行器模型，运用传统的试凑法对四旋翼飞行器的PID参数实行人工调节，不仅工作量大、浪费时间，而且难以达到较好的控制效果。因此本论文提出基于粒子群(particleswarmoptimization，PSO)算法优化的模糊径向基函数(radialbasisfun

3、ction，RBF)神经网络PID控制。其中改进的粒子群算法能快速准确找到模糊神经网络的最优参数，模糊神经网络(FuzzyNeuralNetwork)结合了模糊处理的不确定性以及神经网络的学习能力，对PID控制器参数实行自适应整定，进而使飞行器具有良好的自适应能力。同时本文对四旋翼飞行器的结构特性和工作原理进行研究，根据相关的飞行参数对四旋翼飞行器进行数学建模，并设计以TI公司的TM4C123G微处理器，MPU-6050惯性测量单元为主体的四旋翼飞行器硬件系统和软件系统。论文最后对所设计四旋翼飞行器姿态智能控制算法进行了Matlab/Simulink混合仿真，并将该算法编程输入到飞行器最小系

4、统板上，仿真和实际飞行试验结果表明基于粒子群算法优化的模糊径向基函数神经网络PID控制具有良好的控制品质，能够增强四旋翼飞行器的抗干扰能力和自适应能力，其控制性能优于传统PID控制器。关键词：四旋翼飞行器；PID控制器；模糊RBF神经网络；粒子群算法；姿态控制湖南大学毕业设计(论文)第II页StudyonDesignandControlMethodforQuadrotorAbstractQuadrotorisacompact,unmannedairvehicleflightwithuniqueverticaltakeoffandlanding.Itkeepsstrongadvantagesi

5、nmilitaryandcivilareasprospectsbecauseofitsgoodperformance.Thequadrotorisanunder-actuatedsystem,anditsattitudeandpositionhasadirectcouplingwiththemultiplevariablesandnonlinearcharacteristics.Soattitudecontrolisthekeytotheentireflightcontrol.Thispaperaimstodesignacontrollerofquadrotor'sattitude,whic

6、hhashighqualityofanti-interferenceabilityandadaptiveability,andtomaketheself-designedquadrotorhaveagoodflyingperformance.Inthecurrentengineeringpractice,traditionalPIDcontrollerisoftenusedforattitudeadjustmentofquadrotor.Forquadrotorisakindofunder-actuatedsystemwithmultipleinputsandstrongcoupling,m

7、anualoptimizationofPIDcontrolparameterforthequadrotoraircraftistime-consuming,anditisdifficulttoachievegoodcontroleffect.Therefore,thefuzzyradialbasisfunction(RBF)neuralnetworkPIDcontrolsystemforaquadrotorU