CN107861516A - 基于sumt寻烟羽源机器人最优行为决策 - Google Patents
基于sumt寻烟羽源机器人最优行为决策 Download PDFInfo
- Publication number
- CN107861516A CN107861516A CN201711054707.0A CN201711054707A CN107861516A CN 107861516 A CN107861516 A CN 107861516A CN 201711054707 A CN201711054707 A CN 201711054707A CN 107861516 A CN107861516 A CN 107861516A
- Authority
- CN
- China
- Prior art keywords
- module
- source
- quadcopter
- smoke plume
- sumt
- 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.)
- Pending
Links
- 101710094840 Sirohydrochlorin ferrochelatase Proteins 0.000 title claims abstract 5
- 101710188946 Uroporphyrinogen-III C-methyltransferase Proteins 0.000 title claims abstract 5
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000006073 displacement reaction Methods 0.000 claims abstract description 8
- 239000000779 smoke Substances 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 21
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 13
- 230000006399 behavior Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000001914 filtration Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012358 sourcing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了基于SUMT寻烟羽源机器人最优行为决策，包括飞行控制器、气压测量模块、浓度测量模块、图像传输模块、姿态测量模块、位移测量模块、速度测量模块、超声波模块、电源模块、电机驱动模块、电机；所述飞行控制器分别与所述气压测量模块、浓度测量模块、图像传输模块、姿态测量模块、位移测量模块、速度测量模块、超声波模块、电源模块、电机驱动模块连接，所述电机驱动模块与电机相连；本发明实现四轴飞行器自主导航和自主定位到烟羽源两个功能，可以精准、高效地进行烟羽源追踪和定位，具有较强的实用性。
Description
技术领域
本发明涉及自主寻烟羽源技术领域，特别是涉及基于SUMT寻烟羽源机器人最优行为决策。
背景技术
工业上一旦发生化学危险品在空气中泄漏或爆炸事故，不仅对人们的生命财产安全产生一定的威胁，还会破坏生态平衡，造成环境污染。经过大量调查得知，不管是化学危险品在空气中泄漏，还是扩散累积，一定有其相应的源头。因此需要相应的四轴飞行器设备采集环境信息，监测化学危险品在空气中的浓度，以便快速、高效、精准地确定污染源位置，并将其移除或隔离，最终减小或消除污染源引起的灾难性伤亡事故，有效避免财产损失。因此，研究在艰苦恶劣的环境下，采用四轴飞行器代替人类进行寻找污染源具有重要的科学与现实意义。
发明内容
针对以上问题，本发明提出了基于SUMT寻烟羽源机器人最优行为决策。为了实现上述技术目的，提供了如下方法：基于SUMT寻烟羽源机器人最优行为决策，包括飞行控制器、气压测量模块、浓度测量模块、图像传输模块、姿态测量模块、位移测量模块、速度测量模块、超声波模块、电源模块、电机驱动模块、电机；所述飞行控制器分别与所述气压测量模块、浓度测量模块、图像传输模块、姿态测量模块、位移测量模块、速度测量模块、超声波模块、电源模块、电机驱动模块连接，所述电机驱动模块与电机相连；本发明实现四轴飞行器自主导航和自主定位到烟羽源两个功能，可以精准、高效地进行烟羽源追踪和定位，具有较强的实用性。
所述的飞行控制器采用的是：STM32f103T8U6芯片。
所述的气压测量模块采用的是：DPS310传感器。
所述的浓度测量模块采用的是：MQ-3浓度传感器。
所述的图像传输模块采用的是：DS-2CD2112F-I传感器。
所述的姿态测量模块采用的是：MPU9250传感器。
所述的电机驱动模块采用的是：IRMCF183模块。
所述的速度测量模块采用的是：MH188KSO传感器。
所述的超声波模块采用的是：KS103传感器。
所述的四轴飞行器自主导航是根据当前位置坐标、偏航角以及四轴飞行器的数学模型，采用PD控制算法，从而实现四轴飞行器自主导航。
所述的四轴飞行器定位到烟羽源：首先，指定四轴飞行器初始x、y、z位置和偏航角，使四轴飞行器到达指定位置；其次，以此位置为圆心，按照一定的半径让四轴飞行器飞行一周，以此来采集圆周上的浓度，比较各个采集点的浓度，存储最大浓度值所在的位置坐标，使四轴飞行器到达该位置；再次，按照上述相同的方法能够逐次找到浓度最大值所在位置，即是排放物体所在位置；最后，在浓度最大值处利用超声波传感器对排放物体进行再次确认，最终实现烟羽源定位。
本发明的有益效果是：与现有的追踪技术相比，本发明通过浓度传感器对环境中的化学浓度信息进行实时采集，然后将采集到的浓度信息传送到机器人中的数据处理模块中。数据处理模块对机器人左右两端浓度传感器采集到的浓度信息进行数据滤波预处理：采用递推平均滤波算法克服机器人在行进过程中遇到的随机干扰和周期性干扰；采用限幅滤波算法克服机器人在行进过程中的脉冲或尖峰干扰。将预处理后的数据信息分别以数组的形式进行存储。数据处理模块中的处理部分对预处理后的数据进行自主决策处理：采用等间隔浓度差控制策略对机器人左右两端的历史浓度数据进行处理，机器人单侧第时刻的浓度差是由第时刻采集的浓度信息与第时刻采集的浓度信息之差确定；第时刻的浓度差是由第时刻采集的浓度信息与第时刻采集的浓度信息之差确定；以此类推，数值的大小由控制器发出控制信号的频率决定，机器人采集信息浓度差的大小决定了机器人向左侧或者右侧飞行。根据存储的历史浓度信息多次改变机器人的运动，使机器人能够更快、更准确的寻找到羽流源位置，具有较强的实用性。
附图说明
为了更清楚地说明本申请的方法研究，下面将本方法研究具体实施描述中所需要使用的附图作简单介绍。
图1为本发明的硬件结构框图。
图2为本发明的三维硬件结构图。
图3为本发明的四轴飞行器实现自主飞行算法流程图。
图4为本发明的四轴飞行器实现定位到烟羽源算法原理图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方法，下面将结合本发明实施方法中的附图,对本发明实施方法进行清楚、完整地描述。
本发明公开了一种基于SUMT寻烟羽源机器人最优行为决策，如图1所示，硬件结构框图包括飞行控制器4、气压测量模块1、浓度测量模块2、图像传输模块3、姿态测量模块9、位移测量模块8、速度测量模块10、超声波模块11、电源模块7、电机驱动模块5、电机6；所述飞行控制器分别与所述气压测量模块1、浓度测量模块2、图像传输模块3、姿态测量模块9、速度测量模块10、电源模块7、电机驱动模块5连接，所述电机驱动模块5与电机6相连。所述的飞行控制器通过处理气压测量1模块、浓度测量模块2、图像传输模块3、姿态测量模块9、位移测量模块8采集的数据信息，利用PD控制算法输出PWM信号，来驱动电机驱动模块5有效地控制电机转速。本发明实现四轴飞行器自主导航和自主定位到烟羽源两个功能，可以精准、高效地进行烟羽源追踪和定位，具有较强的实用性。
通过分析寻烟羽源的影响因素，对其相关性与敏感性进行分析，研究寻烟羽源性能评价指标。在寻烟羽源行为的动态交互作用下以及探索在某性能指标下，采用SUMT获得机器人危险品寻源的最优行为决策。该方法基本思想是通过对原约束优化问题构造新的目标函数，使得在原问题的可行域内，二者完全等价；在可行域外，则给它无穷大的“惩罚”。通过危险品寻源行为的交互逻辑与分析，建立最优行为决策的目标函数;和分别为行为决策的不等式和等式约束；为危险品寻源过程中的维行为决策变量。通过SUMT方法，构造新的目标函数如式（1）所示
（1）
其中，为惩罚因子，是定义在上的一个函数，即惩罚项。当对求得极小点时，则（S表示可行域），即的极小点也是原问题的极小点。此时，将原约束问题转化为无约束问题；其中，可行域定义为。
由于危险品存在的复杂特点，四轴飞行器机器人在寻烟羽源过程行为多且复杂，且追踪效果受到多种非线性约束作用，需实时进行行为的动态决策与追踪控制，现有寻烟羽源方法难以适应新追踪环境的特殊要求。因序列无约束极小化技术(SUMT)是求解非线性约束优化的典型方法，且具有良好的决策优化能力，本发明将SUMT应用于移动机器人危化羽流寻源的动态最优行为决策中。因此，以上问题的成功解决，对四轴飞行器机器人高效、安全和精准危险品定位提供理论与方法支持。
如图2所示，是本发明三维硬件结构图，包括浓度传感器模块3、螺旋桨1、无刷直流电机2、机体6、支撑架4、电源模块5，所述的机体6内部包括图像传输模块、姿态测量模块、位移测量模块、电机驱动模块、超声波模块、气压测量模块和速度测量模块。
如图3所示，是本发明的四轴飞行器自主导航用到的算法流程图，所述的四轴飞行器自主导航是根据当前位置坐标、偏航角以及四轴飞行器的数学模型，采用PD控制算法，从而实现四轴飞行器自主导航。具体来讲就是：
本算法就是利用位置坐标，通过PD算法建立闭环控制，使四轴飞行器逐次到达所给位置。具体来讲，首先根据偏航角，利用PD算法，可以推导出z轴方向上的扭矩为：
（2）
其中是比例环节的放大倍数，是期望的偏航角，是利用闭环控制反馈回来的飞行器实际偏航角，是微分环节的系数，是偏航角的微分控制环节。
然后，根据高度坐标z，利用PD控制算法，可以推导出作用在四轴飞行器总的升力T为：
（3）
其中是比例环节的放大倍数，是飞行器要到达的高度，是利用闭环控制反馈回来的飞行器实际飞行高度，微分环节系数，是高度的微分控制环节，是为了抵消重力附加的。
再然后，根据位置坐标x，y，通过坐标变换，把位置坐标x、y变换成固定坐标系下的位置坐标X、Y，即：
(4)
其中，是坐标变换矩阵，再利用PD控制算法，可以推导出俯仰角和滚动角为：
(5)
(6)
其中，,是比例环节放大倍数，是要到达的轴位置坐标，是根据闭环控制反馈回来的飞行器飞行过程中实际位置坐标，代表的是X方向期望位置的变化，表示X方向实际位置的变化，表示Y方向实际位置变化，用此变化减去反馈的实际位置变化，进而可以根据位置坐标来控制俯仰角的变化。按相同的控制原理可以来控制滚动角。
再根据求得的俯仰角和滚动角，利用PD控制算法，可以推导出作用在飞行器上的俯仰转矩和滚动转矩：
(7)
(8)
其中，是比例环节放大倍数，是求得的飞行器要旋转的角度，而是通过反馈环节反馈回来的飞行器实际飞行中旋转的角度。，是微分环节系数，是对飞行器要旋转的角度求导，是实际飞行的旋转角度求导，两者之差就是微分环节。同理滚动转矩也是利用PD控制规律求得的。
最后利用、、、与四个螺旋桨的旋转速度的关系求得旋转速度。、、、与四个螺旋桨的旋转速度的关系为：
(9)
最后根据新的位置坐标和偏航角，按照相同的控制方法，飞行器能逐步到达给定位置。
四轴飞行器自主定位到烟羽源算法原理：首先，指定四轴飞行器初始x、y、z位置和偏航角，使四轴飞行器到达指定位置；其次，以此位置为圆心，按照一定的半径让四轴飞行器飞行一周，以此来采集圆周上的浓度，比较各个采集点的浓度，存储最大浓度值所在的位置坐标，使四轴飞行器到达该位置；再次，按照上述相同的方法能够逐次找到浓度最大值所在位置，即是排放物体所在位置；最后，在浓度最大值处利用超声波传感器对排放物体进行再次确认，最终实现烟羽源定位。
如图4所示为本发明的四轴飞行器实现定位到烟羽源算法原理图，原点O是四轴飞行器初始到达的指定位置，四轴飞行器以O点为圆心建立平面直角坐标系，并且按照如图所示的半径飞行一圈。具体来说，在飞行器到达指定位置O点后，再计算出A坐标，并储存起来，然后输给飞行控制器，四轴飞行器按照所述的四轴飞行器自主导航控制算法飞行到A点位置。此时记录该位置下的烟羽浓度，并存储起来。再测量位于同一圆面的B点浓度，如图4，首先要以A点为圆心，重新建立平面直角坐标系，计算出B点的坐标，在X轴上的坐标为：
（10）
在Y轴上的坐标为：
（11）
计算完B点位置坐标后，保存B点坐标。再计算偏航角：
(12)
把B点坐标和偏航角输给飞行控制器，飞行控制器接收到B点位置信息后，四轴飞行器按照所述的四轴飞行器自主导航控制算法飞行到B点位置，此时保存B点位置浓度。然后再以B点为圆心采用相同的计算方法计算出C点的坐标，以此类推按照相同的方法计算D、E、F、G、H的坐标和偏航角，四轴飞行器会按照所给坐标信息，利用所述的四轴飞行器自主导航控制算法依次到达C、D、E、F、G、H位置，记录保存相应位置烟羽浓度。比较A、B、C、D、E、F、G、H位置处的烟羽浓度，计算出浓度最大位置，按照该位置和圆心O的连线方向确定下一个圆的圆心所在方向，再根据四轴飞行器要飞行的下一个圆的轨迹要经过A、B、C、D、E、F、G、H位置处找到的浓度最大的位置，就能确定圆心所在坐标，按照上述相同的方法能够逐次找到浓度最大值所在位置，即是排放物体所在位置；最后，在浓度最大值处利用超声波传感器对排放物体进行再次确认，最终实现烟羽源定位。
以上是对本发明所提供的基于SUMT寻烟羽源机器人最优行为决策的详细介绍。尤其重点详细介绍了四轴飞行器自主导航用到的算法原理和四轴飞行器自主定位到烟羽源位置用到的算法原理。以上两种算法原理的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (3)
1.本发明公开了基于SUMT寻烟羽源机器人最优行为决策，包括飞行控制器、气压测量模块、浓度测量模块、图像传输模块、姿态测量模块、位移测量模块、速度测量模块、超声波模块、电源模块、电机驱动模块、电机；本发明实现四轴飞行器自主导航和自主定位到烟羽源两个功能，可以精准、高效地进行烟羽源追踪和定位，具有较强的实用性。
2.根据权利要求1所述的基于SUMT寻烟羽源机器人最优行为决策，其特征在于：所述的四轴飞行器自主导航是根据当前位置坐标、偏航角以及四轴飞行器的数学模型，采用PD控制算法，从而实现四轴飞行器自主导航。
3.根据权利要求1所述的基于SUMT寻烟羽源机器人最优行为决策，其特征在于：所述的四轴飞行器定位到烟羽源：首先，指定四轴飞行器初始x、y、z位置和偏航角，使四轴飞行器到达指定位置；其次，以此位置为圆心，按照一定的半径让四轴飞行器飞行一周，以此来采集圆周上的浓度，比较各个采集点的浓度，存储最大浓度值所在位置坐标，使四轴飞行器到达该位置；再次，按照上述相同的方法能够逐次找到浓度最大值所在位置，即烟羽源所在位置；最后，在浓度最大值处利用超声波传感器对烟羽源进行再次确认，最终实现烟羽源定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711054707.0A CN107861516A (zh) | 2017-11-01 | 2017-11-01 | 基于sumt寻烟羽源机器人最优行为决策 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711054707.0A CN107861516A (zh) | 2017-11-01 | 2017-11-01 | 基于sumt寻烟羽源机器人最优行为决策 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107861516A true CN107861516A (zh) | 2018-03-30 |
Family
ID=61696472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711054707.0A Pending CN107861516A (zh) | 2017-11-01 | 2017-11-01 | 基于sumt寻烟羽源机器人最优行为决策 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107861516A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108828140A (zh) * | 2018-04-26 | 2018-11-16 | 中国计量大学 | 一种基于粒子群算法的多无人机协同恶臭溯源方法 |
| CN112198893A (zh) * | 2020-05-22 | 2021-01-08 | 北京理工大学 | 基于分数阶微积分的无人机集群区域覆盖控制系统及方法 |
| CN112326917A (zh) * | 2021-01-05 | 2021-02-05 | 深圳市本特利科技有限公司 | 一种水环境污染溯源系统 |
| CN112697993A (zh) * | 2021-01-05 | 2021-04-23 | 深圳市本特利科技有限公司 | 一种基于水下无人机探测的水域水质监测方法 |
| CN114839978A (zh) * | 2022-04-22 | 2022-08-02 | 新疆大学 | 一种机器人多模态间歇性羽流寻源自主追踪方法 |
| CN114952829A (zh) * | 2022-05-11 | 2022-08-30 | 新疆大学 | 一种有限空间下机器人羽流源标识运动规划及其作业方法 |
| CN114839978B (zh) * | 2022-04-22 | 2024-10-25 | 新疆大学 | 一种机器人多模态间歇性羽流寻源自主追踪方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103853156A (zh) * | 2014-02-07 | 2014-06-11 | 中山大学 | 一种基于机载传感器的小型四旋翼飞行器控制系统及方法 |
| CN204855448U (zh) * | 2015-07-21 | 2015-12-09 | 河北国呈电子科技有限公司 | 微型无人机机载恶臭气体检测系统 |
| CN204964476U (zh) * | 2015-07-27 | 2016-01-13 | 南京信息工程大学 | 一种自动巡航的无人机大气污染监测装置 |
| CN105548476A (zh) * | 2015-12-21 | 2016-05-04 | 新奥科技发展有限公司 | 气体泄露检测方法及检测系统 |
-
2017
- 2017-11-01 CN CN201711054707.0A patent/CN107861516A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103853156A (zh) * | 2014-02-07 | 2014-06-11 | 中山大学 | 一种基于机载传感器的小型四旋翼飞行器控制系统及方法 |
| CN204855448U (zh) * | 2015-07-21 | 2015-12-09 | 河北国呈电子科技有限公司 | 微型无人机机载恶臭气体检测系统 |
| CN204964476U (zh) * | 2015-07-27 | 2016-01-13 | 南京信息工程大学 | 一种自动巡航的无人机大气污染监测装置 |
| CN105548476A (zh) * | 2015-12-21 | 2016-05-04 | 新奥科技发展有限公司 | 气体泄露检测方法及检测系统 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108828140A (zh) * | 2018-04-26 | 2018-11-16 | 中国计量大学 | 一种基于粒子群算法的多无人机协同恶臭溯源方法 |
| CN112198893A (zh) * | 2020-05-22 | 2021-01-08 | 北京理工大学 | 基于分数阶微积分的无人机集群区域覆盖控制系统及方法 |
| CN112198893B (zh) * | 2020-05-22 | 2022-08-19 | 北京理工大学 | 基于分数阶微积分的无人机集群区域覆盖控制系统及方法 |
| CN112326917A (zh) * | 2021-01-05 | 2021-02-05 | 深圳市本特利科技有限公司 | 一种水环境污染溯源系统 |
| CN112326917B (zh) * | 2021-01-05 | 2021-03-23 | 深圳市本特利科技有限公司 | 一种水环境污染溯源系统 |
| CN112697993A (zh) * | 2021-01-05 | 2021-04-23 | 深圳市本特利科技有限公司 | 一种基于水下无人机探测的水域水质监测方法 |
| CN114839978A (zh) * | 2022-04-22 | 2022-08-02 | 新疆大学 | 一种机器人多模态间歇性羽流寻源自主追踪方法 |
| CN114839978B (zh) * | 2022-04-22 | 2024-10-25 | 新疆大学 | 一种机器人多模态间歇性羽流寻源自主追踪方法 |
| CN114952829A (zh) * | 2022-05-11 | 2022-08-30 | 新疆大学 | 一种有限空间下机器人羽流源标识运动规划及其作业方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107861516A (zh) | 基于sumt寻烟羽源机器人最优行为决策 | |
| Feng et al. | Autonomous landing of a UAV on a moving platform using model predictive control | |
| Cheng et al. | An autonomous vision-based target tracking system for rotorcraft unmanned aerial vehicles | |
| CN105676641B (zh) | 基于反步和滑模控制的非线性鲁棒控制器的设计方法 | |
| KR102279362B1 (ko) | 멀티콥터를 이용한 바람의 측정 | |
| CN104267743A (zh) | 一种采用自抗扰控制技术的船载摄像稳定平台控制方法 | |
| Soares et al. | A distributed formation-based odor source localization algorithm-design, implementation, and wind tunnel evaluation | |
| CN202939489U (zh) | 一种多旋翼自动平衡飞行控制器 | |
| Liang et al. | A scalable model-based learning algorithm with application to UAVs | |
| González et al. | Real-time attitude stabilization of a mini-uav quad-rotor using motor speed feedback | |
| Zhang et al. | Optimization design and flexible detection method of a surface adaptation wall-climbing robot with multisensor integration for petrochemical tanks | |
| CN108121334A (zh) | 一种自平衡机器人运动控制方法及装置 | |
| CN108469728B (zh) | 一种机载LiDAR姿态角补偿装置解耦控制方法 | |
| Ipate et al. | Research on the use of drones in precision agriculture | |
| Tiwari et al. | A unified framework for operational range estimation of mobile robots operating on a single discharge to avoid complete immobilization | |
| Abas et al. | Modeling and system identification using extended kalman filter for a quadrotor system | |
| Sabo et al. | Bio-inspired visual navigation for a quadcopter using optic flow | |
| Hayajneh et al. | Guidance, Navigation and Control System for Multi-Robot Network in Monitoring and Inspection Operations | |
| Hwang et al. | Sensor-fused fuzzy variable structure incremental control for partially known nonlinear dynamic systems and application to an outdoor quadrotor | |
| Mou et al. | Adaptive control of flapping-wing micro aerial vehicle with coupled dynamics and unknown model parameters | |
| Bobtsov et al. | Hybrid parallel neuro-controller for multirotor unmanned aerial vehicle | |
| US11534915B1 (en) | Determining vehicle integrity based on observed behavior during predetermined manipulations | |
| Xu et al. | A vehicle-model-aided navigation reconstruction method for a multicopter during a GPS outage | |
| Miao et al. | Robust Path-Following Control for AUV under Multiple Uncertainties and Input Saturation | |
| CN111879287A (zh) | 基于多传感器的低速车辆的前向地形三维构建方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180330 |