资源预览内容
第1页 / 共86页
第2页 / 共86页
第3页 / 共86页
第4页 / 共86页
第5页 / 共86页
第6页 / 共86页
第7页 / 共86页
第8页 / 共86页
第9页 / 共86页
第10页 / 共86页
亲,该文档总共86页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
HUNAN UNIVERSITY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。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 (particle swarm optimization,PSO)算法优化的模糊径向基函数(radial basis function,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(Fuzzy Neural Network)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Study on Design and Control Method for Quadrotor AbstractQuadrotor is a compact, unmanned air vehicle flight with unique vertical take off and landing. It keeps strong advantages in military and civil areas prospects because of its good performance. The quadrotor is an under-actuated system, and its attitude and position has a direct coupling with the multiple variables and nonlinear characteristics. So attitude control is the key to the entire flight control. This paper aims to design a controller of quadrotors attitude, which has high quality of anti-interference ability and adaptive ability, and to make the self-designed quadrotor have a good flying performance.In the current engineering practice, traditional PID controller is often used for attitude adjustment of quadrotor. For quadrotor is a kind of under-actuated system with multiple inputs and strong coupling, manual optimization of PID control parameter for the quadrotor aircraft is time-consuming, and it is difficult to achieve good control effect. Therefore, the fuzzy radial basis function (RBF) neural network PID control system for a quadrotor UAV based on particle swarm optimization (PSO) is designed to realize steady control of the system. In this control system, the control parameters of PID controller were adaptively adjusted by fuzzy RBF neural network, the control parameters of system were optimized by the hybrid learning methods integrating the offline particle swarm optimization (PSO) algorithm with the online Gradient Descent algorithm of local searching ability. Meanwhile this paper also made a mathematical modeling of quadrotor by studying the structural characteristics and working principle of quadrotor, and designed a quadrotor by using microprocessor TM4C123G and MPU-6050 measurement units for attitude detection.Combining simulation results and actual flight experiment, neural network PID control with fuzzy radial basis function based on particle swarm optimization can enhance the anti-jamming capability and adaptive capability of quadrotor for its good control quality, and its control performance is better than conventional PID controller.Key Words:Quadrotor; PID controller; Fuzzy radial basis function (RBF) neural network; Particle swarm optimization (PSO); Attitude control湖南大学毕业设计(论文) 第V页目 录1绪 论11.1课题研究背景及意义11.2国内外研究现状31.2.1国外研究现状31.2.2国内研究现状51.3四旋翼飞行器的关键技术61.4四旋翼飞行器控制研究71.5本文的主要内容及组织结构92四旋翼飞行器系统结构及其工作原理112.1四旋翼飞行器的主要结构112.2四旋翼飞行器工作原理112.2.1四旋翼飞行器的结构特征112.2.2四旋翼飞行器的姿态分析122.3四旋翼飞行器姿态研究142.3.1四旋翼飞行器姿态的定义142.3.2四旋翼飞行器姿态描述152.3.3四旋翼飞行器动态模型分析172.4本章小结203四旋翼飞行器控制器设计及仿真分析213.1常规PID控制213.1.1PID控制原理213.1.2PID控制器设计223.1.3PID控制系统仿真243.2模糊PID控制293.2.1模糊PID控制原理293.2.2模糊PID控制器设计323.2.3模糊PID控制系统仿真343.3神经网络PID控制363.3.1神经网络PID控制原理363.3.2神经网络PID控制器设计373.3.3神经网络PID控制系统仿真383.4模糊神经网络PID控制403.4.1模糊神经网络PID控制原理403.4.2模糊神经网络PID控制器设计423.4.3模糊神经网络PID控制系统仿真433.5基于粒子群算法的模糊神经网络PID控制453.5.1粒子群算法介绍453.5.2基于PSO FNNPID控制器设计463.5.3基于PSO FNNPID控制系统仿真463.6本章小结494四旋翼飞行器系统设计504.1四旋翼飞行器机械系统设计504.2四旋翼飞行器硬件电路设计514.2.1单片机及外围电路的PCB524.2.2四旋翼飞行器主控芯片524.2.3电源模块534.2.4四路PWM模块544.2.5有源晶振模块544.2.6高清摄像头模块554.2.7OLED显示屏554.2.8JTAG下载电路554.2.9TM4C123GH6PM时钟配置以及引脚资源分配564.2.10惯性参考单元574.3四旋翼飞行器软件系统设计584.3.1四旋翼飞行器姿态检测584.3.2四旋翼飞行器底层模块需求584.3.3四旋翼飞行器软件系统585四旋翼飞行器系统测试615.1四路PWM测试615.2俯仰角和横滚角静态偏差测量625.3四旋翼飞行器平衡测试645.3.1传统PID控制器姿态平衡测试645.3.2基于PSO Fuzzy RBFNNPID控制器姿态平衡测试655.4摄像头检测测试665.5四旋翼飞行器飞行测试676总结与展望686.1论文总结686.2未来的研究展望68致谢70参考文献71本科期间的竞赛和科研情况751.竞赛经历752.参与的科研项目753.发表的学术论文75附录A 控制算法GUI仿真平台76附录B 最
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号