四旋翼无人机大机动高精度鲁棒飞行控制

Quadrotor unmanned aerial vehicles(UAVs) possess the characteristics of mobility, abilities of vertical taking off and landing, simple structure, low cost of manufacturing and maintenance etc., widely used in military and civil fields. However, quadrotors involve multivariable, strong coupling, underactuated, nonlinearity, uncertainty, which pose a challenge for their controller design. Existing independent flight control method will only work in a near-hover or flight status, which greatly limits its application fields. This project investigates the problems for large maneuver flight of quadrotor. Firstly, a vision-based state estimation will be proposed for quadrotor. It can guarantee the highly accurately of state estimation of quadrotor in the specific environment, like GPS- denied, and indoor environment. Then, for this type of aircraft, a robust control based on signal compensation will be proposed for the quadrotor large maneuver flight. It can ensure the quadrotor to achieve accuracy in high maneuver flight, and suppress the uncertainty, nonlinear dynamics, and external interference. In the end, the ultra wide band radar (UWBR) to scan the obstacles will be studied, to improve the obstacle avoidance ability of the quadrotor. The related works can be expand the application fields of quadrotor UAVs, such as tracking the high speed moving targets, precise and stable flight in strong wind, and taking off and landing on a moving platform, and so on.

四旋翼无人机具有机动性高、可垂直起降、结构简单、制造维护成本低等特点，在军事和民用领域均有广泛的应用。由于其自身具有多变量、强耦合、欠驱动、非线性、不确定性等因素，其控制器设计难度较大，目前已有的自主飞行控制方法也大多仅能令其工作在近悬停或低机动飞行状态，极大地限制了其应用领域。本项目就四旋翼无人机大机动飞行时存在的问题展开研究。首先，提出一种基于视觉的无人机状态估计，保证无人机在特殊环境下（如无GPS、室内等环境）高精度状态估计；其次，针对四旋翼飞行器，拟提出一种基于鲁棒信号补偿的四旋翼无人机大机动飞行控制算法，对外界干扰、自身不确定性、非线性动态进行抑制，使无人机能够精确地实现大机动飞行；最后，利用超宽带雷达技术对障碍物进行定位，提高无人机的避障能力。相关工作将扩大四旋翼无人机的应用领域，如特殊环境下的对高速物体跟踪、强风条件下的稳定飞行，以及移动平台起降等。

四旋翼无人机具有机动性高、可垂直起降、结构简单、制造维护成本低等特点，在军事和民用领域均有广泛的应用。由于其自身具有多变量、强耦合、欠驱动、非线性、不确定性等因素，其控制器设计难度较大，目前已有的自主飞行控制方法也大多仅能令其工作在近悬停或低机动飞行状态，极大地限制了其应用领域。本项目就四旋翼无人机大机动飞行时存在的问题展开研究。首先，提出一种基于视觉的无人机状态估计，保证无人机在特殊环境下（如无GPS、室内等环境）高精度状态估计；其次，针对四旋翼飞行器，拟提出一种基于鲁棒信号补偿的四旋翼无人机大机动飞行控制算法，对外界干扰、自身不确定性、非线性动态进行抑制，使无人机能够精确地实现大机动飞行；最后，利用图像技术对障碍物进行定位，提高无人机的避障能力。相关工作将扩大四旋翼无人机的应用领域，如特殊环境下的对高速物体跟踪、强风条件下的稳定飞行，以及移动平台起降等。项目取得的主要成果：（1）针对低成本传感器存在零飘的姿态估计问题，研究基于卡尔曼滤波的带零飘估计的低成本无人机姿态估计方法。此方法可以在不进行陀螺仪零 飘标定的情况下，依然保持精准的姿态信号输出。（2）实现四旋翼无人机存在参数不确定和外界干扰下的，位置控制系统的 鲁棒控制技术。考虑解决姿态和高度控制之间的耦合、旋转和平动之间的耦合、 参数摄动和外界干扰，研究并提出非线性鲁棒轨迹跟踪控制器的设计方法。（3）基于视觉系统的无人机位置估计是无GPS环境下无人机定位的关键。首先，提出了一种基于视觉的快速角点检测算法与光流相结合，保证了估计的实时性。同时，设计了具有非线性补偿输入的鲁棒控制器研究了四旋翼无人机的位置控制问题。最后用实验验证了该估计控制算法的实用性和高性能。 （4）针对实际的小型无人机存在传感器噪声较大、室内降落时GPS丢失等问题，研究基于YOLO目标检测的无人机强化学习控制方法。通过YOLO算法检测地标在下视图像中的位置（像素坐标），再通过基于神经网络的状态估计器对像素坐标和传感器初始数据进行滤波和状态预测，最后通过强化学习控制算法完成无人机的降落控制。本项目涉及到的研究课题均是无人机领域的热点问题，具有一定的实用性和前瞻性，获得研究成果将具有广泛的应用前景。