CN106791417B - 一种风力发电机机舱双路摄像头防抖系统 - Google Patents
一种风力发电机机舱双路摄像头防抖系统 Download PDFInfo
- Publication number
- CN106791417B CN106791417B CN201611253866.9A CN201611253866A CN106791417B CN 106791417 B CN106791417 B CN 106791417B CN 201611253866 A CN201611253866 A CN 201611253866A CN 106791417 B CN106791417 B CN 106791417B
- Authority
- CN
- China
- Prior art keywords
- control
- shake
- compensation
- stabilization
- driving motor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
- H04N23/682—Vibration or motion blur correction
- H04N23/685—Vibration or motion blur correction performed by mechanical compensation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Adjustment Of Camera Lenses (AREA)
Abstract
本发明公开了一种风力发电机机舱双路摄像头防抖系统,属于风力发电装置技术领域。对于现在的发明和技术无法解决风机复杂多变、不可预测的抖动的问题:由于相机和移动机器人视觉系统的抖动情况相对较为简单,现有的针对相机和移动机器人视觉系统的防抖装置只能满足解决这种简单的抖动问题。本发明采用多传感器融合技术和多路电机协同控制,能够实时检测传回发生抖动的方向和距离,通过计算得到补偿校正的最优路径,而且本发明并没有采用传统的PID控制算法,而是采用无模型自适应控制算法实现对多路电机的协同控制,以实现实时检测、精确控制、迅速校正、视频防抖的目的。
Description
技术领域
本发明公开了一种风力发电机机舱双路摄像头防抖系统,属于风力发电装置技术领域。
背景技术
风力发电是一种新兴的清洁能源,目前在我国特别是在中西部地区已经大力发展。但与此同时,风机故障不能及时发现的问题也随之而来。为解决此问题,一种方案就是安装视频监控装置,监视风力发电机机舱内的具体运行情况,实现风力发电机的工况监测,但是,由于风力发电机安装在野外且具有一定的安装高度,风机机舱会产生一定倾角的摆动,且由于各种恶劣环境和天气的影响,这种摆动会呈现出复杂的工况,因此,直接安装摄像机得到的视频画面必然是模糊不清,剧烈抖动的。目前,国内应用于风力发电机机舱的视频监控防抖系统还很少。
针对视频抖动的问题,目前已经有一些应用于相机和移动机器人视觉系统的防抖技术,主要有以佳能、松下为代表的光学防抖技术,以奥林巴斯、尼康为代表的电子防抖技术,以及柯尼卡美能达独家的机身防抖技术。光学防抖就是利用安装在镜头内的陀螺仪侦测到微小的移动,并且将位移信号传递给微处理器进行计算,得出需要的补偿量进行位移补偿,这样就克服了由于相机抖动而产生的影像画面模糊。感光器防抖和光学防抖利用相同的原理,只是感光器防抖是把防抖装置设计在感光器上,利用微处理器的计算抵消感光器的移动量。电子防抖则应用了图像分析的方法,根据抖动,利用边缘的图像进行补偿。这些技术只适用于相机,对于微小的抖动可以起到较好的防抖效果,但并不能用于风力发电机机舱的视频监控系统。经文献检索,专利公告号为101612735,专利号为200910072585,名称为移动机器人视觉系统防抖装置与防抖补偿控制方法。该发明包括视觉系统防抖装置和防抖控制系统。视觉系统防抖装置由防抖机构、传感器系统、防抖控制系统构成;防抖控制系统用来实现视觉系统的防抖。该方法的防抖步骤为:抖动参数测量、判断移动机器人视觉系统是否有抖动、计算补偿量、规划补偿轨迹和基于PD反馈和逆动力学计算的抖动补偿控制。相对光学防抖技术和电子防抖技术,该发明可以解决移动机器人由于路面不平或移动时引起的振动导致视觉装置抖动成像不清晰的问题,但是由于风力发电机安装环境的特殊性,抖动幅度较大,抖动情况复杂、无规则且无法预测,而且高空中的抖动会因风速、风向的改变而改变,抖动的频率范围较大,因此,现有发明不能满足风力发电机机舱视频监控和依据红外图像进行故障分析的要求。
综上,现有技术以及专利中提及的防抖技术均不能解决风力发电机机舱视频监控系统复杂、无规则的抖动情况。综合现有的相关防抖发明,根据风力发电机的工作环境和工作情况,本发明从机械设计到控制算法都采用新的设计思路,以达到适用于风力发电机机舱实际工况,实现风力发电机机舱视频监控的目的。
首先,上述提到的现有发明,其应用环境是移动机器人视觉系统,抖动幅度相对较小,调节范围也较小,而风力发电机舱的安装具有一定的高度,抖动的状况明显不同,且幅度会被放大。因此,本发明另辟蹊径,采用了齿轮齿条传动的调节方法(一般防抖系统常常采用同步轮),针对本发明调节范围大且为了安装稳定,本发明采用了双滑轨的滑动方式和类似龙门的机械结构。其次,本发明的检测传感器单元不仅应用了振动传感器,同时加入了惯性测量单元和伺服反馈单元,惯性测量单元包括加速度传感器和陀螺仪,分别用来测量运动的加速度和旋转运动的角速度;伺服反馈单元包括四个磁场转角传感器,分别用来测量四个伺服电机的转角,以达到闭环反馈和精确控制的目的。最后,针对传统PID控制算法对电机快速控制效果不理想的问题,本发明并没采用传统PID控制算法,而是采用了改进型无模型自适应控制算法(Improved Model Free Adaptive Control,IMFA),从而实现了对多路电机快速、精确的控制。
风力发电的原理是利用风力带动风车叶片旋转,再通过增速机将旋转的速度提升,来促使发电机发电。风力发电正在世界上形成一股热潮,风力发电在已成为世界可再生能源发电的主流技术之一,在我国目前也正在大力发展。因为风力发电没有燃料问题,也不会产生辐射或空气污染,是一种很好的发电方式。
风力发电机就是将风能转换为机械能的动力机械,又称风车。风力发电机包括机舱、转子叶片、轴心、低速轴、齿轮箱、发电机、电子控制器、液压系统、冷却元件和塔,其中机舱内包含着风力发电机的关键设备,主要有轴承、齿轮箱和发电机。在环境问题日益突出的今天,风能做为可再生的绿色能源,风力发电已经成为一种新兴的重要发电形式。然而,风机经过长时间的工作运行,必然会产生一些故障和异常情况,目前采用的工作人员定期巡检很多时候并不能及时发现故障,这就会影响风力发电机的稳定性和发电效率。因此,在风力发电机机舱内安装视频监控系统有很大的必要性和实用价值。
目前,国内风力发电机机舱内还没有视频监控系统,主要问题是机舱内的剧烈、大幅度的抖动问题。因此,如何让机舱内的摄像头得到平稳、清晰的视频画面是需要解决的首要问题。本发明是基于多传感器融合技术、机械传动技术和先进控制理论为基础的风力发电机机舱视频监控防抖系统。主要解决如下问题:
1、由于风力发电机要安装在风能资源良好的环境下,就我国西部地区来说,有较丰富的风能资源,但同时恶劣的环境也对风机的工况产生影响。空气密度会降低风力发电的最大功率;大气温度会使风力发电输出功率波动变大;风电机组的覆冰会产生大的温差,易引起发电机绕组表面冷凝;雷暴会引发风力发电机组故障;日照强度强会使风电机组散热变差;风沙会使风电机组加速老化且易引发故障。本发明设计了一种适用于风力发电机机舱实际工况,可支持红外和高清双路摄头图像采集的装置,实现风力发电机机舱内运行情况的实时视频监控;
2、由于风力发电机具有一定的安装高度,风机本身会产生一定幅度的抖动,再加上各种天气变化的影响,风机的抖动情况会变得更加复杂,因些,直接在风力发电机机舱安装摄像头并不能达到实时视频监控和红外图像故障监测的目的。本发明采用多传感器融合技术(包括2路振动传感器、1路惯性测量单元、4路磁场转角传感器)和多路伺服电机构成两路摄头防抖系统,解决风机上视频画面抖动严重的问题;
3、本发明涉及到多路电机的协调控制,且控制精度有较高的要求,传统PID控制算法在超调量和调节时间上不能同时满足本发明的要求,无法达到预期的精度要求。本发明采用改进无模型自适应控制算法(Improved Model Free Adaptive Control,MFA)实现多路电机的控制,解决传统控制算法(PID)控制效果不理想的问题。
发明内容
虽然上述已有的各种防抖技术在相应的应用领域得到一定的应用,取得了一定的防抖效果,但是如果要直接应用于风力发电机机舱视频监控防抖系统还存在一些问题。
1)无法解决风机大幅度的抖动
现有的防抖技术只适用于相机和移动机器人视觉系统,它们的抖动是由拍照者手部的抖动或者是移动机器人行走时的振动引起的,抖动幅度较小,而由于风机的安装高度在80米左右,抖动幅度会大大增加,因此,现有的防抖技术并不适用于风机视频的防抖,不能直接应用在风力发电机机舱视频监控系统中。
2)无法解决风机复杂多变、不可预测的抖动
由于风机安装的高度较高,风机的抖动会因风速、风向的改变而变化,且抖动情况复杂多变、无规则、不可预测。相对相机和移动机器人的视觉系统,它们的抖动较为简单,用于防抖的校正装置也较少,对于相机拍照和机器人移动中的视频拍摄可以取得较好的防抖效果,但是无法解决风机复杂的抖动。
3)如何完成风力发电机机舱内运行细节的监控及红外图像故障分析的判断
本发明的最终目的是要实现风力发电机机舱运行情况的视频监控和基于红外图像的机械部件故障分析,进而及时发现故障。普通的摄像头清晰度和功能显然无法满足要求,且无法完成故障分析的目的。
4)传统PID控制算法对MIMO控制效果不理想
目前,PID控制是一种被广泛应用的控制方法,然而,事实表明,并不是所有控制过程都可以用PID来实现,例如多变量、非线性、时变等过程都需要用更为先进的控制技术。传统的PID控制算法对SISO(单输入单输出系统)具有较好的控制效果,能够满足对超调量、调节时间等各项指标的要求,但是对于MIMO(多输入多输出系统)的控制效果并不理想,而且由于本发明对调节时间和精度的要求较高,传统的PID控制算法并不能很好地满足本发明的控制要求。
针对上述存在的问题,本发明根据风力发电机机舱的抖动情况以及风力发电机安装环境的特殊性,通过机械和控制手段,从根本上消除风力发电机机舱视频监控系统的抖动,在本发明中采用双路摄像头(红外和高清摄像头),从硬件上保证图像分析的可靠性,以到达对风力发电机机舱的监控和故障分析。其中选择可通过程序变焦的高清摄像头和红外摄头组成双路视觉系统,高清摄像头用于监控机舱运行的状态,红外摄像头完成机舱内关键部件的故障分析。
对于现有的发明和技术无法解决风机大幅度抖动的问题:现有的相关发明和技术都是适用于小幅度的抖动,对于风机这样大幅度的抖动校正问题,不仅校正调节的距离范围要大大增加,而且同时也要满足调节精度和调节时间的要求。本发明采用齿轮齿条传动的校正调节方式,其调节精度小于5mm,传动速度可以达到0.5m/s以上,可以满足调节精度和速度的要求。
对于现在的发明和技术无法解决风机复杂多变、不可预测的抖动的问题:由于相机和移动机器人视觉系统的抖动情况相对较为简单,现有的针对相机和移动机器人视觉系统的防抖装置只能满足解决这种简单的抖动问题。但是受到风力发电机安装高度的影响,风机在无风状态下也会发生一定频率的抖动,在遇到风沙、雷电、暴雨等天气变化的时候,抖动会变的更加复杂多变,这就要求风力发电机机舱摄像头防抖装置能够对不同的抖动情况做出精确的调节,而且在抖动情况突然发生变化时要能够迅速做出响应。本发明采用多传感器融合技术和多路电机协同控制,能够实时检测传回发生抖动的方向和距离,通过计算得到补偿校正的最优路径,而且本发明并没有采用传统的PID控制算法,而是采用无模型自适应控制算法实现对多路电机的协同控制,以实现实时检测、精确控制、迅速校正、视频防抖的目的。
对于如何完成风力发电机机舱内运行细节的监控及红外图像故障分析的问题:现有的关于相机和移动机器人视觉系统的防抖,都仅仅实现了视频的传输,而本发明的目的是要实现风力发电机机舱运行情况的实时视频监控,依据红外图像对关键部件进行故障分析。因此,普通的摄像头不仅清晰度很难满足要求,而且无法完成故障检测的任务。本发明采用可通过程序控制调焦的高清摄像头和红外摄像头组成的双路摄像头,高清摄像头通过远程控制调焦完成风机机舱全方位的视频监控,红外摄像头利用热成像原理,通过检测风机运行的热成像来分析故障的发生,从而分别实现视频监控和故障监测。
对于传统PID控制算法对MIMO控制效果不理想的问题:为了满足本发明对多路电机协同控制的调节时间和精度的要求,解决传统PID控制算法对MIMO控制效果不理想的问题,本发明采用改进无模式自适应控制算法(Improved Model Free Adaptive Control,IMFA)来完成对风力发电机机舱双路摄像头防抖装置的控制。
为解决上述技术问题,本发明采用的技术方案为一种风力发电机机舱双路摄像头防抖系统,该系统包括双路摄像头防抖装置和防抖控制算法模块两部分,防抖控制算法模块嵌入在双路摄像头防抖装置中。
双路摄像头防抖装置由防抖机构、多路检测传感器单元、电机控制机构三个部分组成。防抖机构由固定基座、左右移动单元、前后移动单元、俯仰单元和偏摆单元构成,固定基座为整个防抖装置的固定单元,固定基座安装在风力发电机机舱,前后移动单元、左右移动单元、俯仰单元和偏摆单元都设置在固定基座上。
多路检测传感器单元由第一振动传感器、第二振动传感器、惯性测量单元和四路磁场转角传感器构成,第一振动传感器、第二振动传感器和惯性测量单元都安装在固定基座上,四路磁场转角传感器分别安装在靠近四路电机的位置。电机控制机构由主控制器、电机驱动和伺服反馈单元组成。
左右移动单元由左右移动驱动电机、左右移动滑轨a、左右移动滑轨b、左右移动滑块、左右移动传动齿轮、左右移动齿条和左右固定架构成,左右移动滑轨a、左右移动滑轨b平行布置;左右移动驱动电机通过左右移动传动齿轮和运动齿条带动左右固定架在左右移动滑轨a、左右移动滑轨b上做左右移动;前后移动单元安装在左右固定架上。
前后移动单元由前后移动驱动电机、前后移动滑轨a、前后移动滑轨b、前后移动滑块、前后移动传动齿轮、前后移动运动齿条和前后固定架构成,前后移动滑轨a、前后移动滑轨b平行布置;前后移动驱动电机通过前后移动传动齿轮和运动齿条带动前后固定架在前后移动滑轨a、前后移动滑轨b上做前后运动;偏摆单元均安装在前后固定架上。
偏摆单元由偏摆驱动电机、偏摆传动齿轮、偏摆固定轴架和偏摆运动轴盘构成;偏摆驱动电机通过传动齿轮带动偏摆运动轴盘相对偏摆固定轴架做偏摆运动;俯仰单元安装在偏摆运动轴盘上。
俯仰单元由俯仰驱动电机、俯仰传动齿轮、俯仰传动皮带、俯仰固定支架和俯仰运动支架构成;俯仰驱动电机通过俯仰传动齿轮和传动皮带带动俯仰运动支架做俯仰运动;高清摄像头和红外摄像头组成的双路摄像头安装在俯仰运动支架上。
多路检测传感器单元是基于多传感器融合技术实现,多路检测传感器单元由两个振动传感器、一个惯性测量单元和四个磁场转角传感器构成,两个振动传感器分别用来检测前后和左右两个方向的抖动偏移,惯性测量单元用来检测抖动的俯仰角和偏摆角以及前后、左右两个方向抖动的加速度信息,四个磁场转角传感器分别用来测量前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机四个电机的转角。
电机控制机构包括主控制器、电机驱动和伺服反馈单元组成;主控制器完成抖动信息的处理和控制命令的输出即防抖控制算法输出,由于整个系统安装环境的特殊性,在主控制器前端加入隔离电路和防雷电路,以确保系统安全、可靠的运行;电机驱动完成对前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机的运动控制,通过主控制器的控制,实现对抖动的校正;伺服反馈单元用于检测电机转过的角度,实现对抖动校正的精确控制,采用磁场转角传感器检测电机的转角,通过反馈控制实现对电机转角的精确控制,更好的解决风力发电机机舱视频监控系统的抖动。
多路检测传感器单元将采集到的风力发电机机舱抖动信息传输给主控制器进行处理,通过主控制器内的相应控制算法计算得到防抖控制调节指令,输出防抖控制指令给各驱动电机驱动器,各电机带动相应的运转机构对抖动进行校正补偿,从而确保双路摄像头相对地面静止,实现对风力发电机机舱运行情况的实时监控和红外成像画面的准确采集。
附图说明
图1a为双路摄像头视频监控系统防抖装置整体三维立体图。
图1b为双路摄像头视频监控系统防抖装置整体三维立体图侧视图。
图2为关节路径3-5-3插值规划关系曲线。
图3为本发明的系统结构总体框图。
图4为本发明控制过程总体流程图。
图5为本发明校正补偿子程序流程图。
图6为IMFA控制器工作原理。
图7为双路摄像头防抖系统应用在大型风力发电机机舱内的示意图。
图8为基于IMFA的防抖算法控制框图。
图中:1、固定基座,2、左右移动驱动电机,3、左右移动滑轨a,4、左右移动滑轨b,5、左右移动滑块,6、左右移动传动齿轮,7、左右移动齿条,8、左右固定架,9、前后移动驱动电机,10、前后移动滑轨a,11、前后移动滑轨b,12、前后移动滑块,13、前后移动传动齿轮,14、前后移动运动齿条,15、前后固定架,16、偏摆驱动电机,17、偏摆固定轴架,18、偏摆运动轴盘,19、俯仰驱动电机,20、俯仰传动齿轮,21、俯仰传动皮带,22、俯仰固定支架,23、俯仰运动支架,24、可变焦高清摄像头,25、红外摄像头。
具体实施方式
步骤1:由第一振动传感器和第二振动传感器检测得到风力发电机机舱在X轴方向和Y轴方向的抖动数据m1、m2,m1、m2分别表示基座沿X轴和Y轴方向的移动,由惯性测量单元检测得到风机机舱沿X轴方向和Y轴方向的转角θ1、θ2及加速度δ1、δ2,惯性测量单元包括三轴加速度计和陀螺仪模块。θ1、θ2、δ1、δ2分别表示基座沿X轴和Y轴方向的转角和加速度。将检测传感器得到的抖动信息传输给主控制器,经过主控制器的计算判断风机机舱是否发生抖动,如果发生抖动,则进行校正补偿;否则,不进行校正,继续对传感器的检测得到的数据进行计算判断,直到发生抖动。
步骤2:如果发生抖动,则计算补偿量,设初始平衡位置矢量为{S1,S2,Φ1,Φ2},其中S1,S2,Φ1,Φ2分别代表两个摄像头的左右移动矢量、前后移动矢量、俯仰角、偏摆角;由传感器检测到参数(m1、m2、θ1、θ2、δ1、δ2)的情况下,推算出防抖机构当前位置矢量过渡到抖动补偿位置矢量{S1,S2,Φ1,Φ2}情况下须补偿的补偿矢量增量为则防抖系统各关节补偿后位置矢量为:
初始平衡位置矢量{S1,S2,Φ1,Φ2}下,相对于基座的姿态矩阵为Ma=A1A2A3A4A5A6,其中A1A2A3A4A5A6分别代表平衡位置下由传感器检测得到的两个摄像头的位姿参数,即由(m1,m2,θ1,θ2,δ1,δ2)所构成的矩阵,防抖机构当前位置矢量下,相对于基座的姿态矩阵为M′a=A′1A′2A′3A′4A′5A′6,其中A′1A′2A′3A′4A′5A′6分别代表当前位置下由传感器检测得到的两个摄像头的位姿参数,即由(m′1,m′2,θ′1,θ′2,δ′1,δ′2)所构成的矩阵。由第一振动传感器、第二振动传感器和惯性测量单元测得的抖动参数,经积分等运算,可得到m1,m2,θ1,θ2和m′1,m′2,θ′1,θ′2,两个摄像头相对于基座的抖动姿态矩阵为
MD=Mov(X,m1)Mov(Y,m2)Ang(X,θ1)Ang(Y,θ2)Acc(X,δ1)Acc(Y,δ2),其中X代表两个摄像头抖动沿X轴方向的分量,Y代表两个摄像头抖动沿Y轴方向的分量,则根据如下关系式:
推算出防抖机构当前位置矢量过渡到抖动补偿位置矢量{S1,S2,Φ1,Φ2}情况下须补偿的补偿矢量增量为
步骤3:规划补偿路径。为了保证在一定时间内及时的完成校正补偿,也即保证防抖装置在最短时间内回到基点位置,必须根据各个驱动电机的补偿量规划最佳补偿路径。在计算得到补偿矢量增量Δl后,需要在规定时间内使补偿矢量从0增加到Δl,因此需要在规定时间内对补偿过程进行关节路径3-5-3插值规划。
关节路径3-5-3插值规划是将各关节的运动路径分为三段轨迹:第一段完成各关节的运动速度从0增加到某一设定值,即加速阶段;第二段完成各关节的匀速稳定运动,即防抖路径补偿阶段;第三段完成各关节的运动速度从设定值减小到0,即减速阶段。3-5-3插值规划过程中的三个阶段,各关节的运动经过了三段不同的轨迹,其中第一段由起始点到第一匀速点的轨迹用三次多项式表示,第二段由第一匀速点到第二匀速点的轨迹用五次多项式表示,第三段由第二匀速点到终止点的轨迹用三次多项式表示。其中第一匀速点和第二匀速点的速度相同,且第一匀速点到第二匀速点之间的各点速度均与此两点相同,起始点和终止点的速度与加速度均为0。
图2为补偿矢量在第k个采样周期T内的关节路径3-5-3插值规划得到的关节补偿矢量增量Δl与时间的关系曲线。
步骤4:基于IMFA控制算法的风机机舱抖动补偿控制。根据计算得到的防抖系统各关节补偿后位置矢量l为
以及,该位置下的速度l′即一阶差分,为期望的控制输入,采用IMFA控制算法对各个驱动电机进行控制,并通过磁场转角传感器进行反馈控制,确保防抖装置精确、快速的回到基点位置。
本发明的系统整体结构如图3所示,图4为本发明控制过程总体流程图。本发明校正补偿子程序流程图如图5所示。
图3所示系统整体结构图中,第一振动传感器和第二振动传感器分别用来检测前后和左右两个方向的抖动偏移并将检测得到的数据传输给主控制器,惯性测量单元用来检测抖动的俯仰角和偏摆角以及前后、左右两个方向抖动的加速度信息并将检测得到的数据传输给主控制器,主控制器完成抖动信息的处理和控制命令的输出即防抖控制算法输出,电机驱动接收由主控制器输出的控制命令并完成对前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机的运动控制,从面实现对抖动的校正;由四个磁场转角传感器构成的饲服反馈单元分别用来测量前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机四个电机的转角,形成整个控制系统的反馈环节,实现对抖动校正的精确控制。
图4所示系统控制过程总体流程图中,首先完成对所用到的各个模块、各个芯片以及各个传感器的初始化操作,然后开始读取传感器的数据并传输给主控制器进行处理,判断是否有抖动发生,如果发生抖动,则输出控制命令进行校正补偿,完成防抖任务;如果未发生抖动,则进入下一周期,继续读取传感器数据。
图5所示校正补偿子程序流程图中,首先将读取到的传感器数据(m1,m2,θ1,θ2,δ1,δ2)传输给主控制器并进行计算判断,如果发生抖动,则根据步骤2中所述方法计算补偿矢量增量(Δl1,Δl2,Δl3,Δl4)并根据步骤3中所述方法计算得到各电机的运行补偿量(a1,a2,a3,a4),然后对各电机的运行补偿量进行判断来确定各电机的运行情况,并通过反馈量与补偿量的比较确定校正补偿过程是否结束,最终完成一个周期的防抖校正控制;如果未生抖动,则进入下一周期,继续读取传感器数据。
(2)防抖控制方法
由于涉及到多路电机的协调控制,且控制精度有较高的要求,传统PID控制算法在超调量和调节时间上不能同时满足本发明的要求,无法达到预期的精度要求。为此,采用了新的控制策略,即采用了改进的MFA(IMFA)控制器对多路电机实现协调控制。
1)改进MFA(IMFA)控制器原理
传统MFA控制器采用连续时刻的偏差进行学习获得最佳控制参数,在解决多输入多输出(MIMO)对象的控制问题上,相比PID算法有较好的控制效果。但传统MFA未充分考虑偏差变化率的影响,更适用于过程控制系统,为此,本发明中,对MFA控制器进行了一定的改进,即在控制器的输入端增加了连续时刻的偏差变化率,类似于PID中的微分(D)作用,这样使MFA能够更好的应用到运动控制系统中。IMFA控制器工作原理如下:
如图6所示,单回路IMFA控制器的核心是一个多层感知器人工神经网络。神经网络包含一个输入层、一个有2N个神经元的隐含层和一个单个神经元的输出层,N为自然数;该IMFA控制器能够扩展为多入多出系统。
如图5所示,控制器输入e(k)=r(k)-y(k),其中,r(k)为被控量设定值,设定值由实施例中的步骤2运算结果输出,y(k)为被控量测量值;e(k),e(k-1),…,e(k-N)分别为采样时刻k,k-1,…,k-N的设定值与测量值偏差,△e(k)=[e(k)-e(k-1)]/T为采样时刻k的偏差变化率,T为采样周期。
v(n)=Kc[o(n)+e(n)]
其中,n代表第n次迭代,v(n)是IMFA控制器的输出,Kc是IMFA控制器的增益,Kc>0,其值由具体的控制对象数量级和执行机构的量程决定。为核函数,对于核函数的选取:高斯核函数、三角核函数、双指数核函数。Wij和hj是神经网络权值,权值是指神经网络中每两个节点间的连接权系数,它代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。神经网络训练的目的就是要获得适用于该问题的一组权值或权值矩阵,当权值确定了神经网络就确定了,Wij代表输入层(i个节点)到隐含层(j个节点)的权值矩阵,hj代表隐含层到输出层的权值矩阵,由于输出为一个节点,因此hj退化为一个向量,权值的学习算法按下式计算:
Δhj(n)=λ·Kc·e(n)·qj(n)
其中,λ为学习因子0≤λ≤1。被控量为防抖系统中难于控制的关键变量,位置偏移量ΔS1、ΔS2和角度偏移量ΔΦ1、ΔΦ2,因此,采用IMFA控制器实现有效控制。
神经网络根据需要更新其权值来改变动态模块的行为。网络学习的算法是以偏差最小为目标,这与反馈控制的目标相一致。网络的训练即IMFA控制器的训练采用手动开环控制数据。当过程动态特性发生变化的时候,权值的自适应能力帮助控制器减小偏差。基于神经网络的IMFA控制器通过偏差趋势分析的学习获得,因此能记忆过程连续变化趋势,为过程动态的快速控制提供指导。相比之下,数字式PID控制器只保留当前和之前的两个采样数据。在这一点上,PID控制器几乎没有任何记忆能力,而IMFA拥有一个记忆控制器所必需的记忆能力。
图6为IMFA控制器工作原理。
2)基于IMFA的防抖控制算法
这里,以1.2MW双馈式风力发电机机舱安装防抖系统为例说明本发明中IMFA控制器的工作过程。如图7所示为实施图例,是本发明所述双路摄像头防抖系统应用在大型风力发电机机舱内的示意图。图8为防抖算法控制系统框图,我们在防抖系统关键控制回路中应用IMFA控制器实现双路摄像头系统的防抖控制。具体实施步骤如下:
风力发电机机舱双路摄像头防抖系统为MIMO(多输入多输出系统)系统,包括4个自由度的控制,且控制中对超调量、调节时间等各项指标的要求较高。因此,传统的PID控制算法控制效果不理想,在本发明中,提出了改进的MFA(IMFA)控制器,在传统MFA控制器中增加了微分项,更好的考虑了控制器的快速调节性能,算法控制框图如图8所示。
图8中,传感器采集单元实时采集第一、第二振动传感器和惯性测量单元数据(m1、m2、θ1、θ2、δ1、δ2),通过补偿量计算单元换算成实时位置矢量,并与给定期望位置矢量进行比较,获得补偿位置矢量增量并计算获得一阶差分项。通过存储并追溯前n个时刻(本例中n=3)的上述输入作为IMFA控制器的输入矢量,经IMFA控制器运算最终获得各电机的运动补偿量,通过电机伺服机构(磁场转角传感器)实现电机的反馈跟踪。
本例中IMFA控制器选择高斯核函数。按照以上所构造的网络结构,训练该控制器使其匹配N维输入数据xp到K维输出数据dq之间的映射关系。典型情况下,IMFA的径向基网络隐层神经元数量I应小于等于输入向量数量P。I<P时,则需要对基函数中心进行聚类即自组织学习方法,使用K-均值聚类算法来发现I个径向基函数中心位置。中心位置确定后,接着确定基函数的宽度。当RBF选用高斯函数,通常宽度取:其中,dmax为所选取中心之间的最大距离。或通过寻优方式来寻找合适的基函数宽度,即,合适的基函数宽度应该使得输出误差和最小。
学习权值wki(k=1,2···,K;i=1,2···,P),权值的学习仍采用最小二乘法(Least Mean Square,LMS)方法,LMS算法需要注意的两点是:第一,LMS算法输入为RBF网络隐层的输出;第二,RBF网络输出层的神经元只是对隐层神经元的输出加权求和。权值的学习采用梯度下降迭代的LMS方法。
可以看出,本发明应用基于改进无模型自适应(IMFA)的控制算法,该方法与PID反馈控制器相似,根据设定值和过程变量之间的偏差和偏差变化率决定如何最好的控制过程,但与传统PID控制器不同的是,它通过前N个采样值来分析偏差和偏差变化率来实现控制,这就使控制器可以观察到过程的动态特性。因此,MFA是基于前n时刻的数据趋势指导控制,可实现对防抖系统的多入多出、强非线性、时变等特点的比较精确的控制,能够保证防抖算法的实施。
图7为双路摄像头防抖系统应用在大型风力发电机机舱内的示意图。
图8为基于IMFA的防抖算法控制框图。
Claims (5)
1.一种风力发电机机舱双路摄像头防抖系统,其特征在于:该系统包括双路摄像头防抖装置和防抖控制算法模块两部分,防抖控制算法模块嵌入在双路摄像头防抖装置中;
双路摄像头防抖装置由防抖机构、多路检测传感器单元、电机控制机构三个部分组成;防抖机构由固定基座、左右移动单元、前后移动单元、俯仰单元和偏摆单元构成,固定基座为整个防抖装置的固定单元,固定基座安装在风力发电机机舱,前后移动单元、左右移动单元、俯仰单元和偏摆单元都设置在固定基座上;
多路检测传感器单元由第一振动传感器、第二振动传感器、惯性测量单元和四路磁场转角传感器构成,第一振动传感器、第二振动传感器和惯性测量单元都安装在固定基座上,四路磁场转角传感器分别安装在靠近四路电机的位置;电机控制机构由主控制器、电机驱动和伺服反馈单元组成;
左右移动单元由左右移动驱动电机、左右移动滑轨a、左右移动滑轨b、左右移动滑块、左右移动传动齿轮、左右移动齿条和左右固定架构成,左右移动滑轨a、左右移动滑轨b平行布置;左右移动驱动电机通过左右移动传动齿轮和运动齿条带动左右固定架在左右移动滑轨a、左右移动滑轨b上做左右移动;前后移动单元安装在左右固定架上;
前后移动单元由前后移动驱动电机、前后移动滑轨a、前后移动滑轨b、前后移动滑块、前后移动传动齿轮、前后移动运动齿条和前后固定架构成,前后移动滑轨a、前后移动滑轨b平行布置;前后移动驱动电机通过前后移动传动齿轮和运动齿条带动前后固定架在前后移动滑轨a、前后移动滑轨b上做前后运动;偏摆单元均安装在前后固定架上;
偏摆单元由偏摆驱动电机、偏摆传动齿轮、偏摆固定轴架和偏摆运动轴盘构成;偏摆驱动电机通过传动齿轮带动偏摆运动轴盘相对偏摆固定轴架做偏摆运动;俯仰单元安装在偏摆运动轴盘上;
俯仰单元由俯仰驱动电机、俯仰传动齿轮、俯仰传动皮带、俯仰固定支架和俯仰运动支架构成;俯仰驱动电机通过俯仰传动齿轮和传动皮带带动俯仰运动支架做俯仰运动;高清摄像头和红外摄像头组成的双路摄像头安装在俯仰运动支架上;
多路检测传感器单元是基于多传感器融合技术实现,多路检测传感器单元由两个振动传感器、一个惯性测量单元和四个磁场转角传感器构成,两个振动传感器分别用来检测前后和左右两个方向的抖动偏移,惯性测量单元用来检测抖动的俯仰角和偏摆角以及前后、左右两个方向抖动的加速度信息,四个磁场转角传感器分别用来测量前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机四个电机的转角;
电机控制机构包括主控制器、电机驱动和伺服反馈单元组成;主控制器完成抖动信息的处理和控制命令的输出即防抖控制算法输出,由于整个系统安装环境的特殊性,在主控制器前端加入隔离电路和防雷电路,以确保系统安全、可靠的运行;电机驱动完成对前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机的运动控制,通过主控制器的控制,实现对抖动的校正;伺服反馈单元用于检测电机转过的角度,实现对抖动校正的精确控制,采用磁场转角传感器检测电机的转角,通过反馈控制实现对电机转角的精确控制,更好的解决风力发电机机舱视频监控系统的抖动;
多路检测传感器单元将采集到的风力发电机机舱抖动信息传输给主控制器进行处理,通过主控制器内的相应控制算法计算得到防抖控制调节指令,输出防抖控制指令给各驱动电机驱动器,各电机带动相应的运转机构对抖动进行校正补偿,从而确保双路摄像头相对地面静止,实现对风力发电机机舱运行情况的实时监控和红外成像画面的准确采集。
2.根据权利要求1所述的一种风力发电机机舱双路摄像头防抖系统,其特征在于:
该系统的实现过程如下,
步骤1:由第一振动传感器和第二振动传感器检测得到风力发电机机舱在X轴方向和Y轴方向的抖动数据m1、m2,m1、m2分别表示基座沿X轴和Y轴方向的移动,由惯性测量单元检测得到风机机舱沿X轴方向和Y轴方向的转角θ1、θ2及加速度δ1、δ2,惯性测量单元包括三轴加速度计和陀螺仪模块;θ1、θ2、δ1、δ2分别表示基座沿X轴和Y轴方向的转角和加速度;将检测传感器得到的抖动信息传输给主控制器,经过主控制器的计算判断风机机舱是否发生抖动,如果发生抖动,则进行校正补偿;否则,不进行校正,继续对传感器的检测得到的数据进行计算判断,直到发生抖动;
步骤2:如果发生抖动,则计算补偿量,设初始平衡位置矢量为{S1,S2,Φ1,Φ2},其中S1,S2,Φ1,Φ2分别代表两个摄像头的左右移动矢量、前后移动矢量、俯仰角、偏摆角;由传感器检测到参数(m1、m2、θ1、θ2、δ1、δ2)的情况下,推算出防抖机构当前位置矢量过渡到抖动补偿位置矢量{S1,S2,Φ1,Φ2}情况下须补偿的补偿矢量增量为则防抖系统各关节补偿后位置矢量为:
初始平衡位置矢量{S1,S2,Φ1,Φ2}下,相对于基座的姿态矩阵为Ma=A1A2A3A4A5A6,其中A1A2A3A4A5A6分别代表平衡位置下由传感器检测得到的两个摄像头的位姿参数,即由(m1,m2,θ1,θ2,δ1,δ2)所构成的矩阵,防抖机构当前位置矢量下,相对于基座的姿态矩阵为M′a=A′1A′2A′3A′4A′5A′6,其中A′1A′2A′3A′4A′5A′6分别代表当前位置下由传感器检测得到的两个摄像头的位姿参数,即由(m′1,m′2,θ′1,θ′2,δ′1,δ′2)所构成的矩阵;由第一振动传感器、第二振动传感器和惯性测量单元测得的抖动参数,经积分运算,可得到m1,m2,θ1,θ2和m′1,m′2,θ′1,θ′2,两个摄像头相对于基座的抖动姿态矩阵为
MD=Mov(X,m1)Mov(Y,m2)Ang(X,θ1)Ang(Y,θ2)Acc(X,δ1)Acc(Y,δ2),其中X代表两个摄像头抖动沿X轴方向的分量,Y代表两个摄像头抖动沿Y轴方向的分量,则根据如下关系式:
推算出防抖机构当前位置矢量过渡到抖动补偿位置矢量{S1,S2,Φ1,Φ2}情况下须补偿的补偿矢量增量为
步骤3:规划补偿路径;为了保证在一定时间内及时的完成校正补偿,也即保证防抖装置在最短时间内回到基点位置,必须根据各个驱动电机的补偿量规划最佳补偿路径;在计算得到补偿矢量增量△l后,需要在规定时间内使补偿矢量从0增加到△l,因此需要在规定时间内对补偿过程进行关节路径3-5-3插值规划;
关节路径3-5-3插值规划是将各关节的运动路径分为三段轨迹:第一段完成各关节的运动速度从0增加到某一设定值,即加速阶段;第二段完成各关节的匀速稳定运动,即防抖路径补偿阶段;第三段完成各关节的运动速度从设定值减小到0,即减速阶段;3-5-3插值规划过程中的三个阶段,各关节的运动经过了三段不同的轨迹,其中第一段由起始点到第一匀速点的轨迹用三次多项式表示,第二段由第一匀速点到第二匀速点的轨迹用五次多项式表示,第三段由第二匀速点到终止点的轨迹用三次多项式表示;其中第一匀速点和第二匀速点的速度相同,且第一匀速点到第二匀速点之间的各点速度均与此两点相同,起始点和终止点的速度与加速度均为0;
步骤4:基于IMFA控制算法的风机机舱抖动补偿控制;根据计算得到的防抖系统各关节补偿后位置矢量l为
以及,该位置下的速度l′即一阶差分,为期望的控制输入,采用IMFA控制算法对各个驱动电机进行控制,并通过磁场转角传感器进行反馈控制,确保防抖装置精确、快速的回到基点位置。
3.根据权利要求2所述的一种风力发电机机舱双路摄像头防抖系统,其特征在于:第一振动传感器和第二振动传感器分别用来检测前后和左右两个方向的抖动偏移并将检测得到的数据传输给主控制器,惯性测量单元用来检测抖动的俯仰角和偏摆角以及前后、左右两个方向抖动的加速度信息并将检测得到的数据传输给主控制器,主控制器完成抖动信息的处理和控制命令的输出即防抖控制算法输出,电机驱动接收由主控制器输出的控制命令并完成对前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机的运动控制,从面实现对抖动的校正;由四个磁场转角传感器构成的饲服反馈单元分别用来测量前后移动驱动电机、左右移动驱动电机、俯仰驱动电机和偏摆驱动电机四个电机的转角,形成整个控制系统的反馈环节,实现对抖动校正的精确控制。
4.根据权利要求2所述的一种风力发电机机舱双路摄像头防抖系统,其特征在于:
首先完成对所用到的各个模块、各个芯片以及各个传感器的初始化操作,然后开始读取传感器的数据并传输给主控制器进行处理,判断是否有抖动发生,如果发生抖动,则输出控制命令进行校正补偿,完成防抖任务;如果未发生抖动,则进入下一周期,继续读取传感器数据;
校正补偿子程序流程如下,首先将读取到的传感器数据(m1,m2,θ1,θ2,δ1,δ2)传输给主控制器并进行计算判断,如果发生抖动,则根据步骤2中所述方法计算补偿矢量增量(Δl1,Δl2,Δl3,Δl4)并根据步骤3中所述方法计算得到各电机的运行补偿量(a1,a2,a3,a4),然后对各电机的运行补偿量进行判断来确定各电机的运行情况,并通过反馈量与补偿量的比较确定校正补偿过程是否结束,最终完成一个周期的防抖校正控制;如果未生抖动,则进入下一周期,继续读取传感器数据。
5.根据权利要求2所述的一种风力发电机机舱双路摄像头防抖系统,其特征在于:由于涉及到多路电机的协调控制,且控制精度有较高的要求,传统PID控制算法在超调量和调节时间上不能同时满足本发明的要求,无法达到预期的精度要求;为此,采用了新的控制策略,即采用了改进的MFA控制器对多路电机实现协调控制;
IMFA控制器工作原理如下:
单回路IMFA控制器的核心是一个多层感知器人工神经网络;神经网络包含一个输入层、一个有2N个神经元的隐含层和一个单个神经元的输出层,N为自然数;该IMFA控制器能够扩展为多入多出系统;
控制器输入e(k)=r(k)-y(k),其中,r(k)为被控量设定值,设定值由实施例中的步骤2运算结果输出,y(k)为被控量测量值;e(k),e(k-1),…,e(k-N)分别为采样时刻k,k-1,…,k-N的设定值与测量值偏差,△e(k)=[e(k)-e(k-1)]/T为采样时刻k的偏差变化率,T为采样周期;
ei'(n)=[e(k)△e(k)e(k-1)...e(k-N)]
v(n)=Kc[o(n)+e(n)]
其中,n代表第n次迭代,v(n)是IMFA控制器的输出,Kc是IMFA控制器的增益,Kc>0,其值由具体的控制对象数量级和执行机构的量程决定;为核函数,对于核函数的选取:高斯核函数、三角核函数、双指数核函数;Wij和hj是神经网络权值,权值是指神经网络中每两个节点间的连接权系数,它代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆;神经网络训练的目的就是要获得适用于该问题的一组权值或权值矩阵,当权值确定了神经网络就确定了,Wij代表输入层(i个节点)到隐含层(j个节点)的权值矩阵,hj代表隐含层到输出层的权值矩阵,由于输出为一个节点,因此hj退化为一个向量,权值的学习算法按下式计算:
△hj(n)=λ·Kc·e(n)·qj(n)
其中,λ为学习因子0≤λ≤1;被控量为防抖系统中难于控制的关键变量,位置偏移量ΔS1、ΔS2和角度偏移量ΔΦ1、ΔΦ2,因此,采用IMFA控制器实现有效控制;神经网络根据需要更新其权值来改变动态模块的行为;网络学习的算法是以偏差最小为目标,这与反馈控制的目标相一致;网络的训练即IMFA控制器的训练采用手动开环控制数据;当过程动态特性发生变化的时候,权值的自适应能力帮助控制器减小偏差;基于神经网络的IMFA控制器通过偏差趋势分析的学习获得,因此能记忆过程连续变化趋势,为过程动态的快速控制提供指导;相比之下,数字式PID控制器只保留当前和之前的两个采样数据;在这一点上,PID控制器几乎没有任何记忆能力,而IMFA拥有一个记忆控制器所必需的记忆能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611253866.9A CN106791417B (zh) | 2016-12-30 | 2016-12-30 | 一种风力发电机机舱双路摄像头防抖系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611253866.9A CN106791417B (zh) | 2016-12-30 | 2016-12-30 | 一种风力发电机机舱双路摄像头防抖系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106791417A CN106791417A (zh) | 2017-05-31 |
CN106791417B true CN106791417B (zh) | 2019-11-15 |
Family
ID=58954383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611253866.9A Active CN106791417B (zh) | 2016-12-30 | 2016-12-30 | 一种风力发电机机舱双路摄像头防抖系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106791417B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108688565A (zh) * | 2018-06-06 | 2018-10-23 | 钧捷科技(北京)有限公司 | 一种高动态双目cmos摄像系统及使用方法 |
CN109788200B (zh) * | 2019-01-31 | 2021-04-06 | 长安大学 | 一种基于预测分析的摄像稳定控制方法 |
US20220195994A1 (en) * | 2019-04-24 | 2022-06-23 | Siemens Gamesa Renewable Energy A/S | Blade inspection device and a blade condition monitoring system |
CN110672017B (zh) * | 2019-10-11 | 2021-07-16 | 大连海事大学 | 一种激光位移传感器振动补偿平台 |
CN111307072B (zh) * | 2020-02-14 | 2022-07-29 | 天津时空经纬测控技术有限公司 | 测量平台系统和测量系统 |
CN113300643B (zh) * | 2020-02-24 | 2023-02-07 | 杭州海康威视数字技术股份有限公司 | 一种监控设备和摄像机 |
CN112067218B (zh) * | 2020-08-12 | 2022-08-09 | 深圳市鑫信腾科技股份有限公司 | 一种光学防抖振动发生器的实现方法、装置及设备 |
CN112258687B (zh) * | 2020-09-23 | 2021-08-31 | 东莞博仕电子科技有限公司 | 一种信息技术的图像增强防抖行车记录仪 |
CN112525482B (zh) * | 2020-11-24 | 2021-09-17 | 清华大学 | 一种高温风洞环境下变形和温度测量装置及方法 |
CN112796086B (zh) * | 2020-12-30 | 2022-02-18 | 广东格兰仕集团有限公司 | 一种衣物护理机抖动衣架频率的控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101612735A (zh) * | 2009-07-24 | 2009-12-30 | 哈尔滨工业大学 | 移动机器人视觉系统防抖装置与防抖补偿控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5150308B2 (ja) * | 2007-03-13 | 2013-02-20 | ペンタックスリコーイメージング株式会社 | 像ブレ補正装置 |
-
2016
- 2016-12-30 CN CN201611253866.9A patent/CN106791417B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101612735A (zh) * | 2009-07-24 | 2009-12-30 | 哈尔滨工业大学 | 移动机器人视觉系统防抖装置与防抖补偿控制方法 |
Non-Patent Citations (1)
Title |
---|
移动机器人视觉系统防抖装置设计与仿真分析;吴伟国等;《机械设计与制造》;20110731;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106791417A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106791417B (zh) | 一种风力发电机机舱双路摄像头防抖系统 | |
Shao et al. | Robust back-stepping output feedback trajectory tracking for quadrotors via extended state observer and sigmoid tracking differentiator | |
CN108646572B (zh) | 一种基于bp神经网络与自抗扰控制器相结合的三轴云台伺服电机的控制方法 | |
CN105786024B (zh) | 一种基于模型误差补偿的机载光电平台高精度跟踪控制器及其跟踪控制方法 | |
CN110221539A (zh) | 基于线性扩张观测器的四旋翼非奇异终端滑模控制方法 | |
CN111338368B (zh) | 一种航天器快速机动姿态跟踪自适应鲁棒控制方法 | |
CN110361829A (zh) | 一种望远镜指向误差校正方法及望远镜 | |
CN109752954A (zh) | 一种航空相机扫描机构位置步进自抗扰控制方法 | |
Tesch et al. | Pitch and roll control of a quadcopter using cascade iterative feedback tuning | |
Li et al. | High-precision disturbance compensation for a three-axis gyro-stabilized camera mount | |
Zhou et al. | A multi-time-scale finite time controller for the quadrotor UAVs with uncertainties | |
CN106292297B (zh) | 基于pid控制器和l1自适应控制器的姿态控制方法 | |
Geebelen et al. | Moving Horizon Estimation with a huber penalty function for robust pose estimation of tethered airplanes | |
CN114355959B (zh) | 空中机器人的姿态输出反馈控制方法、装置、介质和设备 | |
Cioffi et al. | Hdvio: Improving localization and disturbance estimation with hybrid dynamics vio | |
Maurya et al. | Components & Control Scheme used for Line of Sight Stabilization in Defence Applications | |
Gai et al. | Trajectory tracking control for a quadrotor UAV via extended state observer | |
CN112198797B (zh) | 一种无人机高度多级控制系统及方法 | |
Zhou et al. | An improved fuzzy neural network compound control scheme for inertially stabilized platform for aerial remote sensing applications | |
CN116149193A (zh) | 一种基于视觉的旋翼无人机抗扰动控制方法及系统 | |
Wang et al. | Altitude control for an indoor blimp robot | |
CN111381491B (zh) | 球形机器人控制系统及其设计方法和直线运动控制方法 | |
Irfan et al. | Model‐Based Design, HIL Testing, and Rapid Control Prototyping of a Low‐Cost POC Quadcopter with Stability Analysis and Control | |
Hong et al. | Model Predictive Control of Quadcopter Using Physics-guided Neural Network | |
Chen et al. | Balancing control of a cubical robot balancing on its corner |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |