CN116301026A - 一种复杂环境下四旋翼无人机大机动敏捷飞行方法 - Google Patents
一种复杂环境下四旋翼无人机大机动敏捷飞行方法 Download PDFInfo
- Publication number
- CN116301026A CN116301026A CN202310065839.2A CN202310065839A CN116301026A CN 116301026 A CN116301026 A CN 116301026A CN 202310065839 A CN202310065839 A CN 202310065839A CN 116301026 A CN116301026 A CN 116301026A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- rotor unmanned
- flight
- agile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000001133 acceleration Effects 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 239000002131 composite material Substances 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 17
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 229910052744 lithium Inorganic materials 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 22
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000010801 machine learning Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 6
- 230000036461 convulsion Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102220521099 DCN1-like protein 1_F45A_mutation Human genes 0.000 description 1
- 241001537287 Viscum minimum Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种复杂环境下四旋翼无人机大机动敏捷飞行方法。本发明基于四旋翼无人机动力学的微分平坦性质设计机动性轨迹生成算法，通过minimum snap构建轨迹规划最优化函数，利用复合串级PID控制器实现了对机动性轨迹的可靠跟随。本发明还给出了一种适用于大机动敏捷飞行的四旋翼无人机硬件结构，具有轻量化、紧凑化的设计和良好的动力学对称性。本发明无需机器学习方法，仅依靠机载传感器和算力资源实现实时规划，解决了四旋翼无人机在复杂环境下实现大加速度、大姿态角的机动敏捷飞行问题，充分发挥四旋翼无人机的飞行潜力，扩展了其执行特殊任务的能力。
Description
技术领域
本发明涉及机器人感知与导航技术领域，具体涉及一种复杂环境下四旋翼无人机大机动敏捷飞行方法。
背景技术
四旋翼无人机具有低成本、小尺寸、高机动、自由悬停的特点，在狭窄复杂地形下实现自主导航具有得天独厚的优势。但是，目前市面上的商用四旋翼无人机都设有姿态锁，只能以较为平稳的姿态飞行，无法实现敏捷的大姿态飞行。这使四旋翼无人机丧失了机动性，无法通过更为受限的环境地形(如施工隧道、废墟缝隙等)，限制了其完成特殊任务的潜力。四旋翼无人机作为具有六个自由度的动态系统，大机动敏捷飞行同时涉及到位置平移与姿态旋转，使用可达性算法、增量搜索技术或基于LQR树的搜索来探索整个状态空间是不切实际的。因此，尽管已经有多种通用的机器人轨迹生成方法，都很难直接应用于四旋翼无人机的机动性轨迹生成并保证高效的在线规划。此外，面向狭窄的使用场景时无人机还要受到尺寸、重量和功率的限制，这对使用有限的机载传感器和算力资源提出了更高的要求。专家学者们针对以上所列出的优点和缺点，提出了不同的解决方案，针对四旋翼无人机的大机动敏捷飞行，已有的解决方案有如下几种：
方案1：文献(Mueggler E,Huber B,Scaramuzza D.Event-based,6-DOF posetracking for high-speed maneuvers[C]//IEEE/RSJ International Conference onIntelligent Robots&Systems.IEEE,2014.)文献关注于使用DVS相机的智能体进行6自由度高速轨迹跟踪，位置与姿态达到了良好的跟随效果。但是该方法仅适用于先验已知的平面图或梯度图，无法实现实时在线规划，并且在轨迹闭环控制中并没有使用机载传感器的位姿估计。
方案2：文献(Foehn P,Kaufmann E,Romero A,et al.Agilicious:Open-sourceand open-hardware agile quadrotor for vision-based flight[J].ScienceRobotics,2022,7(67):eabl6259.)文献提出了一个为四旋翼无人机大机动敏捷飞行定制的硬件、软件框架，提供了高推重比执行器、机载视觉传感器、图形处理单元(GPU)和支持多种控制器的灵活软件架构，达到了基于视觉的特技飞行效果。但是该方案基于学习方法，依赖神经网络训练、神经网络推理加速计算硬件、实时飞行控制器和多功能软件堆栈。
方案3：文献(Mellinger D,Kumar V.Minimum snap trajectory generation andcontrol for quadrotors[C]//IEEE International Conference on Robotics&Automation.IEEE,2011.)文献利用四旋翼无人机微分平坦的特性，提出了一种高效的轨迹规划算法来生成机动性的轨迹，实现了四旋翼无人机大姿态角倾斜、大加速度的机动飞行，达到了出色的飞行效果。与之前的工作相比，其优势在于针对未知环境进行轻量化的实时在线规划，并且不受四旋翼无人机动力学模型的限制。但是这项工作需要使用三种线性化控制器策略的切换，四旋翼无人机结构冗余，没有发挥出其飞行性能极限，并且依赖于运动捕捉系统进行外部定位。
发明内容
有鉴于此，本发明提供了一种复杂环境下四旋翼无人机大机动敏捷飞行方法。大机动敏捷飞行即为大姿态倾斜角(一般大于70°)、大加速度(一般大于20m/s2)的高速飞行，本发明的方法能够完成实时性的机动轨迹生成，并且只使用机载传感器与算力资源，无需依赖外部定位与机器学习方法，大大扩展了四旋翼无人机的飞行极限，提高了其执行特殊任务的能力。
本发明的技术解决方案是：
一种复杂环境下四旋翼无人机大机动敏捷飞行方法，该方法的步骤包括：
第一步，采用基于四旋翼无人机动力学系统微分平坦特性的轨迹规划算法，解算加速度与姿态角之间的耦合关系；
第二步，采用基于minimum snap的轨迹优化函数，将第一步中的耦合关系作为动力学约束项，求解最优化问题得到平滑、可执行的轨迹；
第三步，采用基于复合串级PID的轨迹跟随控制器，对第二步中的可执行轨迹实现精准、鲁棒的闭环控制。
所述的第一步中，微分平坦特性为：动力学系统的全部状态量，都可以用一组选定的平坦输出与其有限阶导数的函数表示出来；
所述的动力学系统状态量，针对四旋翼无人机系统为：
所述的平坦输出，针对四旋翼无人机系统为：
σ＝[x,y,z,ψ]T
其中，x,y,z分别为四旋翼无人机的三维位置，φ,θ,ψ分别为四旋翼无人机姿态的横滚角、俯仰角、偏航角；
所述的第一步中，轨迹规划算法的映射关系为：
σ→x
所述的第一步中，加速度与姿态角之间的耦合关系为：
其中，u为电机输入推力，m为四旋翼无人机平台质量，
为四旋翼无人机系统合加速度，a为电机推力加速度，zB为四旋翼无人机姿态的方向向量，zW为垂直于地面向下的方向向量；
所述的第二步中，平滑、可执行的轨迹由时间t的高阶可导多项式表示，形式为：
p(t)＝[1,t,t2,…,tn]·p
其中，p＝[p0,p1,p2,…,pn]T为多项式的系数向量，p0,p1,p2,…,pn为多项式的系数；
实际应用中，一段复杂的轨迹很难用一个多项式直接表示，因此轨迹采用多段轨迹相接的形式，用分段多项式表示为：
其中，t0,t1,t2,…,tm为轨迹上导航点的时间分配；
所述的第二步中，最优化问题形式为：
min f(p)
s.t. Aeqp＝beq
s.t. Aieqp≤bieq
其中，Aeqp＝beq为等式约束，Aieqp≤bieq为不等式约束，求解目标为p；
所述的第二步中，minimum snap的轨迹优化函数形式为：
其中，
r,c为矩阵的行索引和列索引，均从0开始；
所述的第二步中，动力学约束项形式为：
所述的第三步，复合串级PID控制器结构为：位置环-速度环-加速度环-角度环-角速度环；
所述的第三步中，位置环控制器以用户发送的导航点位置指令为输入，输出速度指令，采用P控制结构；
所述的第三步中，速度环控制器以位置环输出的速度指令为输入，输出加速度指令，采用PID控制结构；
所述的第三步中，加速度控制器以速度环输出的加速度指令为输入，输出姿态四元数指令，采用前馈结构；
所述的第三步中，角度环控制器以姿态四元数指令为输入，输出角速度指令，采用P控制结构；
所述的第三步中，角速度环控制器以角度环输出的角速度指令为输入，输出电机执行器指令，采用PID控制结构；
一种复杂环境下四旋翼无人机大机动敏捷飞行平台，该飞行平台包括飞行控制器、供电与执行器、运算平台与传感器的三层架构；
所述的飞行控制器层，采用Holybro Pixhawk 4mini飞行控制器，作为四旋翼无人机的接口连接核心与控制核心，实现位置和姿态的底层执行控制；
所述的飞行控制器，组成部分包括：一片STM32F76单片机为运算核心，另外一片STM32单片机作为I/O管理，内部传感器集成ICM20689与BMI055加速度计、IST8310磁强计、MS5611气压计；
所述的接口连接，包括：通过4路PWM输出连接电机、电调进行Dshot协议控制，通过SBUS协议串口连接RC遥控器进行无人机管理，通过UART协议串口连接GPU运算平台进行数据通信；
所述的位置和姿态底层执行控制，基于飞行控制器内运行的扩展卡尔曼滤波算法(EKF)将飞控定位数据与传感器定位数据进行融合，实现反馈闭环；
所述的供电与执行器层，采用轴距250mm的机架主体、格氏Tattu 4S2300mAh锂电池供电，搭配4对T-motor F45A电调、T-motor F40Pro IV穿越机电机、5150三叶螺旋桨作为执行器；
所述的运算平台与传感器层，采用NVIDIA Jetson Xavier NX的GPU运算核心作为机载运算平台，连接Intel Realsense T265相机作为视觉惯性传感器；
所述的机载运算平台，操作系统选用Linux内核的Ubuntu 18.04LTS，配置ROSMelodic机器人操作系统框架，使用MAVROS功能包基于MAVLINK协议与飞控进行实时通信；
所述的视觉惯性传感器，由双目鱼眼镜头和一个IMU(惯性测量单元)构成，以LibRealsense功能包驱动，在自身的VPU上运行视觉SLAM(同步定位与建图)算法。
有益效果
(1)本发明的大机动敏捷飞行方法具有无需先验地图的实时规划、轻量化、不依赖机器学习、仅依靠机载传感器和算力资源的优点。
(2)本发明利用四旋翼无人机动力学系统微分平坦的特性，即姿态与加速度和偏航角强耦合，将四旋翼无人机实现大机动敏捷飞行的问题转化为优化生成一条带约束的轨迹的问题，在轨迹特定的导航点位置达到特定的速度、加速度迫使无人机在该导航点达到大姿态横滚、俯仰。
(3)本发明采用minimum snap最优化函数，将四旋翼无人机的轨迹表示为含有未知系数的的多项式，由minimum snap原则得到的最小化成本函数可以保证轨迹物理意义上的平滑、动态可执行。
(4)本发明构建的轨迹最优化问题最终转化为QP问题(二次规划问题)，在添加速度、加速度约束时保证了解的存在性。
(5)本发明采用前馈-反馈复合的串级PID控制器，每两级PID控制器的输出-输入串联工作，达到更优的抗干扰效果，将速度、加速度信号添加为控制器的前馈通路，直接送入控制内环中，达到更快的响应速度。
(6)本发明的机动型四旋翼无人机硬件结构紧凑、小巧灵活，总重量仅770g，宽度仅40cm，厚度仅10cm，续航时间可达15min。
(7)本发明的机动型四旋翼无人机硬件结构提供丰富的外部接口，可扩展性强。
(8)本发明的机动型四旋翼无人机硬件结构具有良好的对称性，成正三角形结构，具有较强的稳定性，且重心位于平台中心，作为机动型无人机具有优异的性能。
(9)本发明的飞行控制器与机载运算平台直接通过UART串口进行连接，保证通信速率与指令实时性。
(10)本发明的电调-电机-螺旋桨动力套件可提供1.448kg的最大拉力，强劲的动力性能支持大机动敏捷飞行需要。
(11)本发明实际测试中在障碍物复杂环境下达到姿态倾斜角>75°，加速度>30m/s2的大机动敏捷飞行，并保证准确性、鲁棒性，充分发挥四旋翼无人机的飞行潜力，扩展了其执行特殊任务的能力。
(12)本发明公开了一种复杂环境下四旋翼无人机大机动敏捷飞行方法。本发明基于四旋翼无人机动力学的微分平坦性质设计机动性轨迹生成算法，通过minimum snap构建轨迹规划最优化函数，利用复合串级PID控制器实现了对机动性轨迹的可靠跟随。本发明还给出了一种适用于大机动敏捷飞行的四旋翼无人机硬件结构，具有轻量化、紧凑化的设计和良好的动力学对称性。本发明无需机器学习方法，仅依靠机载传感器和算力资源实现实时规划，解决了四旋翼无人机在复杂环境下实现大加速度、大姿态角的机动敏捷飞行问题，充分发挥四旋翼无人机的飞行潜力，扩展了其执行特殊任务的能力。
附图说明
图1为本发明大机动敏捷飞行算法框架图；
图2为本发明复合串级PID控制器结构图；
图3为本发明大机动敏捷飞行轨迹效果图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
一种四旋翼无人机大机动敏捷飞行方法，采用基于四旋翼无人机微分平坦的轨迹规划算法，基于minimum snap的轨迹优化函数，基于复合串级PID的轨迹跟随闭环控制，包括：采用四旋翼无人机动力学系统的微分平坦特性设计轨迹规划算法，微分平坦是指系统的全部状态量和输入量，都可以用一组选定的平坦输出与其有限阶导数的函数表示出来。针对四旋翼动力学系统，四旋翼的姿态可以由位置、速度、加速度和偏航角唯一确定。因此，四旋翼无人机实现敏捷机动飞行的核心问题转化为规划生成一条可行的轨迹，在轨迹特定的导航点位置达到特定的速度、加速度，即可迫使无人机在该导航点达到大姿态横滚、俯仰。
采用minimum snap的原则构建轨迹最优化函数，将四旋翼无人机的轨迹表示为含有未知系数的的多项式，通过最优化思想求解多项式系数进而得到轨迹。由minimum snap原则得到的最小化成本函数可以保证轨迹物理意义上的平滑，同时问题最终转化为QP问题(二次规划问题)，保证了解的存在性。
采用前馈-反馈复合的串级PID控制器，将前一级的控制输出作为下一级的设定输入，每两级PID控制器串联工作，达到改善控制效果的目的。同时在有限状态机中添加控制器的前馈通路，将速度、加速度信号直接送入控制内环中，达到更快的响应速度。
复合串级PID控制器结构为位置环-速度环-加速度环-角度环-角速度环。采用飞行控制器、供电与执行器、运算平台与传感器的三层架构；
采用Holybro Pixhawk 4mini飞行控制器，作为四旋翼无人机飞行的控制核心，实现位置和姿态闭环控制。采用轴距250mm的机架主体，连接4对T-motor F45A电调、T-motorF40Pro IV穿越机电机、5150三叶螺旋桨作为执行器，搭配格氏Tattu 4S 2300mAh锂电池进行供电，续航时间可达15min。
采用NVIDIA Jetson Xavier NX的GPU运算核心作为机载运算平台，连接IntelRealsense T265相机作为视觉惯性传感器。围绕Holybro Pixhawk 4mini飞行控制器，连接以下接口：通过4路PWM输出连接电机、电调进行Dshot协议控制，通过SBUS协议串口连接RC遥控器进行无人机管理，通过UART协议串口连接GPU运算平台进行数据通信。操作系统选用Linux内核的Ubuntu18.04LTS，配置ROS Melodic机器人操作系统框架，使用MAVROS功能包基于MAVLINK协议与飞控进行实时通信。传感器以LibRealsense功能包驱动，在自身的VPU上运行视觉SLAM(同步定位与建图)算法。
在飞行控制器内运行扩展卡尔曼滤波算法(EKF)，将飞控定位数据与传感器定位数据进行融合处理。
控制了所有负载几何尺寸，飞行控制器尺寸仅有38×55×15.5mm，运算核心尺寸仅70×45mm，传感器尺寸仅108×24.5×12.5mm，适配小型四旋翼无人机的集成。
保证了四旋翼无人机系统整体的轻量小巧与结构紧凑，四旋翼无人机平台总重量仅770g，宽度仅40cm，厚度仅10cm。
本四旋翼无人机平台具有良好的对称性，成正三角形结构，具有较强的稳定性，且重心位于平台中心，作为敏捷机动型无人机具有优异的性能。
实施例
本发明着眼于狭窄的典型障碍环境中，四旋翼无人机基于纯机载的传感器能力与算力资源，实现大加速度、大姿态倾斜角的机动敏捷飞行方法。在此任务场景下，有必要放宽四旋翼无人机悬停状态下的小角度假设，允许发生横滚、俯仰的显著倾斜，建立动力学模型。本发明从系统的角度，提出了一种实现四旋翼无人机敏捷机动飞行的方案，包括硬件平台方案、轨迹规划算法方案与控制器方案。本发明的工作包括：
设计制作针对大机动敏捷飞行任务的四旋翼无人机硬件平台，该平台具有良好的动力学对称性、轻量化的设计、强劲的飞行性能。
设计基于四旋翼无人机微分平坦的动力学特性和minimum snap最优化的思想，通过速度、加速度约束生成四旋翼无人机机动性轨迹的软件方法，通过具有前馈通路的复合串级PID控制器保证了对机动轨迹的可靠跟随。
下面就上述两个部分分别进行详细说明，如下：
一、四旋翼无人机平台硬件设计
本发明自主搭建的四旋翼无人机硬件平台为三层结构：上层为Pixhawk 4mini飞行控制器，作为四旋翼飞行的控制核心，实现位置和姿态控制；中层为轴距250mm的机架主体，并连接了4对电机、螺旋桨作为执行器；下层为Nvidia Jetson Xavier NX，作为机载GPU运算平台运行ROS框架和轨迹规划算法，并搭载了Intel Realsense T265相机作为视觉传感器。
Pixhawk 4mini是一款小巧但功能强大的飞行控制器(飞控)。Pixhawk 4mini使用STM32F765单片机作为主处理核心，另外设有一片STM32单片机用作I/O管理，能够支持PX4第五代原生固件。飞控硬件内集成了磁强计、两套加速度计、陀螺仪、气压计等多种传感器。其接口可以提供8路PWM输出，3路UART通用串口以及支持SBUS和PPM协议的RC遥控器接口。Pixhawk 4mini的尺寸仅有38×55×15.5mm，重量仅37.2g，因此可以方便地安装在250轴距的小型四旋翼无人机上。
围绕Pixhawk 4mini飞控，本四旋翼无人机平台连接了以下外设：通过4路PWM输出连接了4组电机、电调进行控制，使用基于SBUS协议的串口连接了RC遥控器，通过UART串口连接了机载GPU进行通信。
本发明为搭建的四旋翼无人机选择了T-motor F40Pro IV穿越级电机。该电机具有强劲的动力性能，能够提供1.448kg的最大拉力，能够满足敏捷机动飞行的需要。
四旋翼无人机使用的电机为直流无刷电机，直流无刷电机是通过三相直流电交替换向进行驱动的。因此，从飞控输出的PWM控制信号到驱动电机，需要借助电子调速器(电调，Electronic Speed Control，ESC)。电调可以根据输入的PWM控制信号，控制电机需要的三相直流电换向，并调节电机的转速。本发明为搭建的四旋翼无人机选择了T-motor F45A电调，该电调可以在4S锂电池的电压输入下，提供可达45A的持续电流，与穿越级电机完全匹配。
NVIDIA Jetson Xavier NX是一款外形小巧的GPU系统模组(SOM),它将出色的性能、功耗优势和一组丰富的IO接口相结合，可以为嵌入式AI和边缘系统提供领先的计算机性能。
在机载GPU运算平台上，部署了Ubuntu 18.04操作系统和ROS Melodic框架，连接了T265相机作为视觉传感器，并通过串口以Mavlink通信协议，实现了机载GPU与飞控的通信。
Intel Realsense T265是一款实感追踪摄像头，由双目鱼眼镜头传感器和一个IMU(惯性测量单元)构成。该相机具有外形小巧、低功耗的特点，因此非常适合用于小型四旋翼无人机的视觉定位。Intel Realsense T265会在自身的VPU上运行视觉SLAM(同步定位与建图)算法，利用环境中的视觉特征，实现自身的位置和姿态定位。当无人机同时具有内部定位和外部定位时，在Pixhawk 4mini飞控内，会运行扩展卡尔曼滤波算法(EKF)，将内部、外部定位数据进行融合处理。
经过测量，该四旋翼无人机飞行平台结构紧凑、小巧灵活，不搭载电池时总重仅770g，含螺旋桨保护圈的最长宽度40cm，厚度仅10cm。并且，本平台具有良好的对称性，成正三角形结构，具有较强的稳定性，且重心位于平台中心，作为敏捷机动型无人机具有优异的动力性能，为大机动敏捷飞行提供了可靠的硬件保障。
二、大机动敏捷飞行框架软件设计
大机动敏捷飞行算法软件框架如图1所示，存储模块、外部协议模块、驱动模块运行在Holybro Pixhawk mini4飞行控制器上，飞行控制模块运行在Nvidia Xavier NX机载运算平台上，各个模块之间基于ROS通信机制，使用总线实现异步通信。
存储模块由算法数据库、参数库与飞行日志构成，完成任务执行中的基本存储任务；外部协议模块封装了各种常用的通信协议，为飞行控制器与机载运算平台的通信提供支持；驱动模块提供了常用传感器的驱动接口，具有极强的可扩展性。
飞行控制模块中，估计器即为基于四旋翼无人机微分平坦性质的轨迹规划算法，提供加速度与姿态角之间的耦合关系解算；导航器即为基于minimum snap最优化函数的轨迹优化，求解最优化问题得到平滑、可执行的轨迹；位置控制器、姿态控制器、混合器、输出驱动即为复合串级PID控制器的任务逻辑，完成轨迹控制指令到电机驱动执行的过程。状态机作为机载运算平台与飞行控制器的软件连接环节，发挥任务调度的“遥控器”功能。
(1)四旋翼无人机的微分平坦性质建模
在对一个系统进行运动学分析之前，需要建立系统运动所在的坐标系。通常选取世界坐标系W与机体坐标系B来描述四旋翼的运动。世界坐标系与机体坐标系均遵循右手螺旋法则。其中，机体坐标系遵循东北天坐标系(East-North-Up,ENU)
按照Z-X-Y欧拉角的原则，可以定义横滚角(roll)、俯仰角(pitch)、偏航角(yaw)，分别用字母φ,θ,ψ表示。由于需要考虑与悬停姿态有很大倾斜的敏捷姿态，可以使用旋转矩阵描述来避免奇点。世界坐标系到机体坐标系的旋转矩阵WRB即表示了四旋翼此时的姿态。
WRB＝WRC CRB
其中，WRC表示从世界坐标系W旋转偏航角φ，获得了中间坐标系C；CRB表示从中间坐标系C旋转了横滚角φ和俯仰角θ，获得了机体坐标系B。
四旋翼是一种典型的欠驱动系统，有4个控制输入，6个方向的自由度。四旋翼的执行器是四个电机，每个电机旋转将产生一个转速ωi、力Fi和力矩Mi。
在工程实践中，与刚体动力学与空气动力学相比，电机动力学相对较快。因此，在考虑将电机的输出的力、转矩作为系统控制输入时，可以假设他们瞬间实现。输入选择u1作为机体的净推力，u2,u3,u4分别作为机体在roll、pitch、yaw三个方向的转矩。整个系统的输入向量u＝[u1,u2,u3,u4]T可以表示为：
其中，L是电机转轴到四旋翼中心的距离。
将四旋翼质心在世界坐标系W中的位置向量表示为r。作用在质心上的力有重力和机体受到的推力，其中重力总是沿着-zW方向，机体受到电机的推力之和总是沿着zB方向。根据牛顿动力学方程，可以描述质心所受到的力与其加速度之间的关系：
将四旋翼的角速度用ωBW表示，力矩与角加速度的关系可以由欧拉运动学方程描述：
其中，I是xB-yB-zB轴的惯性矩矩阵。
选择四旋翼动力学系统的状态量为位置、速度、姿态、角速度，分别可以用位置向量r，速度向量
旋转矩阵wRB和角速度矩阵ωBW来表示。即全状态向量：
推导表明，四旋翼动力学系统是微分平坦的。所谓微分平坦，是指系统的全部状态量和输入量，都可以用一组选定的平坦输出与其有限阶导数的函数表示出来。针对四旋翼动力学系统，选择平坦输出为位置向量r和偏航角ψ，即：
σ＝[x,y,z,ψ]T
四旋翼动力学系统微分平坦的映射关系为：
σ→x
微分平坦的性质为敏捷机动轨迹的生成提供了很大的便利，以下本文推导，四旋翼的姿态可以表示为平坦输出与其有限阶导数的函数，即WRB可以由位置r、速度
加速度/>
和偏航角ψ唯一确定。
在平坦输出位置r＝[x,y,z]T已知的情况下，进行二阶求导，即可知速度
和加速度/>
从牛顿动力学方程可得：
至此，推导得到了机体坐标系的z轴方向。已经给出了偏航角ψ，即有单位向量：
xC＝[cosψ,sinψ,0]T
假定xC×zB≠0，根据旋转与向量外积的含义，可得：
由此，唯一确定的四旋翼的姿态为：
WRB＝[xB yB zB]
(2)基于minimum snap的最优化轨迹生成
根据微分平坦的性质可知，四旋翼的姿态可以由位置、速度、加速度和偏航角唯一确定。因此四旋翼无人机实现敏捷机动飞行的核心在于，规划生成一条可行的轨迹，在轨迹特定的导航点位置达到特定的速度、加速度，即可迫使无人机在该导航点达到大姿态横滚、俯仰。
考虑在指定时间内遍历m个导航点的问题。满足条件的最简单的轨迹是使用直线在导航点之间进行插值。然而，这种轨迹效率很低，因为它在导航点处具有无限的曲率，即速度、加速度不连续——这需要四旋翼无人机在每个导航点停止、调整偏航角、继续飞行，对于实现敏捷机动飞行当然是动态不可行的。
本发明使用了最优化的方法生成可行性轨迹。最优轨迹可以光滑连续地过渡m个导航点，并且在导航点处自由地施加速度、加速度约束。该最优化函数最终化为二次规划(QP)问题，保证了最优解的存在与求解的效率。
通常用时间t的n阶多项式来表示无人机轨迹的一个维度，可将无人机的位置(position)轨迹表示为：
其中，p0,p1,p2,…,pn为多项式的系数，设系数向量p＝[p0,p1,p2,…,pn]T，则多项式轨迹可以写成向量形式：
p(t)＝[1,t,t2,…,tn]·p
对于任意时刻t，可以根据系数依次求导，计算出轨迹的速度(velocity)、加速度(acceleration)、加加速度(jerk)、加加加速度(snap)：
v(t)＝p′(t)＝[0,1,2t,3t2,4t3,…,ntn-1]·p
a(t)＝p″(t)＝[0,0,2,6t,12t2,…,n(n-1)tn-2]·p
jerk(t)＝p(3)(t)＝[0,0,0,6,24t,…,n(n-1)(n-2)tn-3]·p
一个多项式曲线过于简单，一段复杂的轨迹很难用一个多项式表示。实际应用时需要将轨迹按m个导航点分成多段，每段各用一条多项式曲线表示，并分配相应的时间，形如：
其中，pi为第i段轨迹的系数向量。
轨迹规划的目的就是求多项式的系数p1,p2,…,pm。在实际的问题中，轨迹往往是二维、三维甚至更高维的，通常每个维度单独求解轨迹多项式系数。能够穿过所有导航点的轨迹有无数条。通过构建优化问题，最小化代价函数，能够找出光滑、连续、动态可行的最优化轨迹。将问题建模为一个典型的、带有约束的优化问题，形如：
minf(p)
s.t.Aeqp＝beq
s.t.Aieqp≤bieq
根据minimum snap的原理，在代价函数中最小化的目标是snap(加加加速度)的平方。定性分析来看，这样选择代价函数的原因是显然的——通过最小化snap，使得jerk的变化量最小，不发生突变，从而保证加速度平滑。加速度轨迹的平滑，依次保证了速度、位置轨迹的平滑。
可以将代价函数写成如下的形式：
其中：
r,c为矩阵的行索引和列索引，均从0开始。
在全时间段T上，二次型的系数矩阵Q为：
完整的代价函数即可化为数学形式上的二次规划(QP)问题：
minpTQp
实际的飞行过程需要轨迹满足一系列的约束条件。例如：设定起点和终点的位置、速度和加速度，希望相邻轨迹连接处平滑(位置、速度、加速度等连续)，希望轨迹经过某些导航点时具有特定的速度、加速度等。这些条件可以在优化中以等式约束、不等式约束的形式给出。
位置约束可以写作等式约束的形式，表示轨迹通过该导航点：
速度约束可以写作不等式约束的形式，表示限制四旋翼飞行的最大速度：
加速度约束可以写作等式约束的形式，表示在该导航点四旋翼具有特定的加速度，以迫使其实现敏捷性的大倾斜角姿态：
相邻段的轨迹位置、速度、加速度连续也可以写作等式约束的形式：
至此完整地将敏捷机动飞行轨迹的生成问题，建立为了带有等式和不等式约束的二次规划最优化问题。
(3)复合串级PID闭环跟踪控制
PID(Proportional-Integral-Differential，比例-积分-微分)是一种典型的控制算法，在工程实践中有着广泛的应用。其原理简单，便于参数整定，适用于多种控制对象，能够满足大多数场景的控制要求。PID控制律的基本思想是对“现在”、“过去”和“未来”的估计误差进行修正，基于比例、积分和微分的线性组合构成控制量，以求减小设定值和实际输出之间的控制误差，使控制目标稳定在设定值，或实现良好的跟随效果。
根据PID生成的控制律有如下的公式表示：
其中，KP、TI、TD为控制器参数。
但是，单个PID控制器的控制品质有着很大的局限性，在处理开环不稳定、大时滞等难控对象时，不能达到很好的控制效果。而本发明采取的串级PID控制器，这是一种标准的级联控制体系结构，将前一级的控制输出作为下一级的设定输入，每两级PID控制器串联工作，达到改善控制效果的目的。
对于相同的控制目标，串级PID控制器的控制品质远超简单的PID控制器。从串级PID控制器的工作过程看来，多个控制器是协调一致、互相配合的，以外环控制器为主导，内环控制器对中间变量进行精细调节，达到更稳定的控制目的。外环控制器可以看作是一个定值控制系统，内环控制器可以看成是前一级输出的随动控制回路，外环控制器根据给定输入的变化不断纠正内环控制器的设定值，使内环控制器所调节的中间变量适应给定和负载条件的变化。
针对四旋翼无人机系统，使用串级PID控制器有如下的优势：由于内环控制回路的存在，改变了原本的控制对象的特性，等效于使控制对象的时间常数变小，因此控制系统的过渡时间缩短，系统的快速性增强，控制作用更加及时；四旋翼无人机系统具有较大的非线性，当负载和给定条件变化时，控制回路中的工作点移动会影响其稳定性，在串级PID控制器中，内环控制回路的变化对整个系统的稳定性影响很小，更能适应不同负载和给定条件的变化；串级PID可以更有效地抑制干扰，控制鲁棒性大大增强，当系统的状态量受环境扰动影响时，内环控制回路会对干扰快速响应，结合外环控制回路，可以获得良好的动态性能和抗干扰性能。
本发明的控制器结构如图2所示。其中，位置环、姿态环作为双闭环控制的第一级控制器，发挥着粗调的作用，无需过分复杂的结构，因此仅设置为P控制器，以简化不必要的参数整定；速度环、角速度环作为双闭环控制的第二级控制器，发挥精调的作用，因此设置为PID控制器。作为反馈的状态估计值来自于扩展卡尔曼滤波算法，融合了传感器内部定位和视觉外部定位。
当状态机同时发布位置、速度、加速度信息时，位置信息将作为控制器的参考输入，而速度、加速度信息将会作为控制的前馈项直接送入内环控制回路，即直接作为速度环、加速度转换环节的输入。借助前馈项，系统可以无需等待缓慢生成的闭环反馈控制信号，以更快捷的前馈路径直接获取速度、加速度控制指令，保证了敏捷机动飞行过程中控制的快速性、准确性，达到更好的执行效果。
最后，本发明使用该大机动敏捷飞行方法对复杂环境进行测试，得到的结果如图3所示。可以看出，本发明的发激动敏捷飞行取得了较为可观的效果。总的来说，四旋翼无人机的微分平坦特性提供了添加速度、加速度约束实现大机动敏捷飞行的轨迹规划方法，minimun snap的轨迹最优化函数保证了轨迹的光滑和有解，复合串级PID控制实现了轨迹跟随的实时性，结合适用于大机动敏捷飞行的四旋翼无人机硬件结构，大大提高了系统的精确性和鲁棒性。并且相比于文献中的方法，本发明仅仅通过借助于机载传感器和算力资源进行实时轨迹生成，无需借助动捕等外部定位、无需使用机器学习方法，无需先验地图信息，保证了系统的轻量化和可扩展性。
需要说明的是，本发明的旋翼无人机大机动敏捷飞行方法并不限于本发明设计的硬件设备，只需要旋翼无人机同时配备定位模块、控制模块、运算模块即可，四旋翼、六旋翼等多旋翼无人机，激光、光流等定位手段均可扩展。而本发明设计的四旋翼无人机平台硬件，以小体积、轻量化奠定基础，其采用的软件部分可以不限于本发明设计的即时定位与建图方法。当然，同时采用本发明提供的硬件设备和软件框架，构成完整的大机动敏捷飞行系统，能够获得更优的飞行性能，设备的操作和运行相比于传统大型旋翼无人机结构而言有明显的提升。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于该方法的步骤包括：
第一步，采用基于四旋翼无人机动力学系统微分平坦特性的轨迹规划算法，解算加速度与姿态角之间的耦合关系；
第二步，采用基于minimum snap的轨迹优化函数，将第一步中的耦合关系作为动力学约束项，求解最优化问题得到可执行的轨迹；
第三步，采用基于复合串级PID的轨迹跟随控制器，对第二步中的可执行轨迹实现精准、鲁棒的闭环控制。
2.根据权利要求1所述的一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于：
所述的第一步中，微分平坦特性为：动力学系统的全部状态量，都能够用一组选定的平坦输出与其有限阶导数的函数表示出来。
3.根据权利要求2所述的一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于：
所述的动力学系统状态量，针对四旋翼无人机系统为：
所述的平坦输出，针对四旋翼无人机系统为：
σ＝[x,y,z,ψ]T
其中，x,y,z分别为四旋翼无人机的三维位置，φ,θ,ψ分别为四旋翼无人机姿态的横滚角、俯仰角、偏航角。
4.根据权利要求1所述的一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于：
所述的第一步中，轨迹规划算法的映射关系为：
σ→x
加速度与姿态角之间的耦合关系为：
其中，u为电机输入推力，m为四旋翼无人机平台质量，
为四旋翼无人机系统合加速度，a为电机推力加速度，zB为四旋翼无人机姿态的方向向量，zW为垂直于地面向下的方向向量。
5.根据权利要求1所述的一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于：
所述的第二步中，平滑、可执行的轨迹由时间t的高阶可导多项式表示，形式为：
p(t)＝[1,t,t2,…,tn]·p
其中，p＝[p0,p1,p2,…,pn]T为多项式的系数向量，p0,p1,p2,…,pn为多项式的系数。
6.根据权利要求5所述的一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于：
轨迹采用多段轨迹相接的形式，用分段多项式表示为：
其中，t0,t1,t2,…,tm为轨迹上导航点的时间分配。
7.根据权利要求1所述的一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于：
所述的第二步中，最优化问题形式为：
min f(p)
s.t.Aeqp＝beq
s.t.Aieqp≤bieq
其中，Aeqp＝beq为等式约束，Aieqp≤bieq为不等式约束，求解目标为p；
minimum snap的轨迹优化函数形式为：
其中，
r,c为矩阵的行索引和列索引，均从0开始；
动力学约束项形式为：
8.根据权利要求1所述的一种复杂环境下四旋翼无人机大机动敏捷飞行方法，其特征在于：
所述的第三步，复合串级PID控制器结构为：位置环-速度环-加速度环-角度环-角速度环。
9.一种复杂环境下四旋翼无人机大机动敏捷飞行平台，其特征在于：该飞行平台包括飞行控制器、供电与执行器、运算平台与传感器的三层架构；
所述的飞行控制器层，采用Holybro Pixhawk 4mini飞行控制器，作为四旋翼无人机的接口连接核心与控制核心，实现位置和姿态的底层执行控制；
所述的供电与执行器层，采用轴距250mm的机架主体、格氏Tattu 4S2300mAh锂电池供电，搭配4对T-motor F45A电调、T-motor F40Pro IV穿越机电机、5150三叶螺旋桨作为执行器；
所述的运算平台与传感器层，采用NVIDIA Jetson Xavier NX的GPU运算核心作为机载运算平台，连接Intel Realsense T265相机作为视觉惯性传感器。
10.根据权利要求9所述的一种复杂环境下四旋翼无人机大机动敏捷飞行平台，其特征在于：
所述的飞行控制器层中，飞行控制器组成部分包括：一片STM32F76单片机为运算核心，另外一片STM32单片机作为I/O管理，内部传感器集成ICM20689与BMI055加速度计、IST8310磁强计、MS5611气压计；
所述的接口连接，包括：通过4路PWM输出连接电机、电调进行Dshot协议控制，通过SBUS协议串口连接RC遥控器进行无人机管理，通过UART协议串口连接GPU运算平台进行数据通信；
所述的位置和姿态底层执行控制，基于飞行控制器内运行的扩展卡尔曼滤波算法将飞控定位数据与传感器定位数据进行融合，实现反馈闭环；
所述的运算平台与传感器层中，机载运算平台，操作系统选用Linux内核的Ubuntu18.04LTS，配置ROS Melodic机器人操作系统框架，使用MAVROS功能包基于MAVLINK协议与飞控进行实时通信；
所述的视觉惯性传感器，由双目鱼眼镜头和一个IMU构成，以LibRealsense功能包驱动，在自身的VPU上运行视觉SLAM算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310065839.2A CN116301026A (zh) | 2023-01-13 | 2023-01-13 | 一种复杂环境下四旋翼无人机大机动敏捷飞行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310065839.2A CN116301026A (zh) | 2023-01-13 | 2023-01-13 | 一种复杂环境下四旋翼无人机大机动敏捷飞行方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116301026A true CN116301026A (zh) | 2023-06-23 |
Family
ID=86793228
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310065839.2A Pending CN116301026A (zh) | 2023-01-13 | 2023-01-13 | 一种复杂环境下四旋翼无人机大机动敏捷飞行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116301026A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107807661A (zh) * | 2017-11-24 | 2018-03-16 | 天津大学 | 轨迹控制室内四旋翼无人机编队演示验证平台及方法 |
| CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
| CN109857134A (zh) * | 2019-03-27 | 2019-06-07 | 浙江理工大学 | 基于A*/minimum_snap算法的无人机轨迹控制系统和方法 |
| CN112241125A (zh) * | 2020-10-29 | 2021-01-19 | 北京理工大学 | 一种基于微分平坦特性的无人机轨迹跟踪方法 |
| CN112286224A (zh) * | 2020-10-23 | 2021-01-29 | 中国有色金属长沙勘察设计研究院有限公司 | 一种无人机场旋翼飞行器实现精准自主起降的方法 |
| AU2021101989A4 (en) * | 2021-04-16 | 2021-06-03 | Arularasu, S. MR | Self-tuning controller and tracking method for autonomous aerial drone |
| CN113515129A (zh) * | 2021-08-23 | 2021-10-19 | 哈尔滨理工大学 | 一种基于边界查找的双向跳点搜索无人车路径规划方法 |
| CN114815899A (zh) * | 2022-06-09 | 2022-07-29 | 中国科学院合肥物质科学研究院 | 基于3d激光雷达传感器的无人机三维空间路径规划方法 |
| CN114911265A (zh) * | 2022-06-13 | 2022-08-16 | 北京航空航天大学杭州创新研究院 | 一种四旋翼无人机编队协同机动控制方法 |
| CN115258164A (zh) * | 2022-07-15 | 2022-11-01 | 江苏大学 | 一种基于倾转旋翼的直线型多旋翼植保无人机结构及控制方法 |
-
2023
- 2023-01-13 CN CN202310065839.2A patent/CN116301026A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107807661A (zh) * | 2017-11-24 | 2018-03-16 | 天津大学 | 轨迹控制室内四旋翼无人机编队演示验证平台及方法 |
| CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
| CN109857134A (zh) * | 2019-03-27 | 2019-06-07 | 浙江理工大学 | 基于A*/minimum_snap算法的无人机轨迹控制系统和方法 |
| CN112286224A (zh) * | 2020-10-23 | 2021-01-29 | 中国有色金属长沙勘察设计研究院有限公司 | 一种无人机场旋翼飞行器实现精准自主起降的方法 |
| CN112241125A (zh) * | 2020-10-29 | 2021-01-19 | 北京理工大学 | 一种基于微分平坦特性的无人机轨迹跟踪方法 |
| AU2021101989A4 (en) * | 2021-04-16 | 2021-06-03 | Arularasu, S. MR | Self-tuning controller and tracking method for autonomous aerial drone |
| CN113515129A (zh) * | 2021-08-23 | 2021-10-19 | 哈尔滨理工大学 | 一种基于边界查找的双向跳点搜索无人车路径规划方法 |
| CN114815899A (zh) * | 2022-06-09 | 2022-07-29 | 中国科学院合肥物质科学研究院 | 基于3d激光雷达传感器的无人机三维空间路径规划方法 |
| CN114911265A (zh) * | 2022-06-13 | 2022-08-16 | 北京航空航天大学杭州创新研究院 | 一种四旋翼无人机编队协同机动控制方法 |
| CN115258164A (zh) * | 2022-07-15 | 2022-11-01 | 江苏大学 | 一种基于倾转旋翼的直线型多旋翼植保无人机结构及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kumar et al. | Opportunities and challenges with autonomous micro aerial vehicles | |
| Kayacan et al. | Type-2 fuzzy logic trajectory tracking control of quadrotor VTOL aircraft with elliptic membership functions | |
| Mellinger et al. | Minimum snap trajectory generation and control for quadrotors | |
| Erginer et al. | Modeling and PD control of a quadrotor VTOL vehicle | |
| Nguyen et al. | Model predictive control for micro aerial vehicles: A survey | |
| Altug et al. | Quadrotor control using dual camera visual feedback | |
| Papachristos et al. | Design and experimental attitude control of an unmanned tilt-rotor aerial vehicle | |
| CN111880573B (zh) | 一种基于视觉惯导融合的四旋翼自主导航方法 | |
| Khatoon et al. | Dynamic modeling and stabilization of quadrotor using PID controller | |
| Papachristos et al. | Hybrid model predictive flight mode conversion control of unmanned quad-tiltrotors | |
| Zemalache et al. | Control of an under-actuated system: application a four rotors rotorcraft | |
| CN111459188B (zh) | 一种基于四元数的多旋翼非线性飞行控制方法 | |
| Soumelidis et al. | Control of an experimental mini quad-rotor UAV | |
| Jithu et al. | Quadrotor modelling and control | |
| Kastelan et al. | Fully actuated tricopter with pilot-supporting control | |
| Sanca et al. | Dynamic modeling with nonlinear inputs and backstepping control for a hexarotor micro-aerial vehicle | |
| Jatsun et al. | Control fligth of a UAV type tricopter with fuzzy logic controller | |
| Jacquet et al. | Perception-constrained and Motor-level Nonlinear MPC for both Underactuated and Tilted-propeller UAVS | |
| Rashad et al. | Design, modeling, and geometric control on SE (3) of a fully-actuated hexarotor for aerial interaction | |
| Karras et al. | Target tracking with multi-rotor aerial vehicles based on a robust visual servo controller with prescribed performance | |
| BOUZID et al. | Generic dynamic modeling for multirotor VTOL UAVs and robust Sliding Mode based Model-Free Control for 3D navigation | |
| Sukhatme et al. | Design and implementation of a mechanically heterogeneous robot group | |
| Xu et al. | Backstepping control for a tandem rotor UAV Robot with two 2-DOF tiltable coaxial rotors | |
| CN116301026A (zh) | 一种复杂环境下四旋翼无人机大机动敏捷飞行方法 | |
| Zou et al. | Visual track system applied in quadrotor aerial robot |
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 |