学位论文 > 优秀研究生学位论文题录展示

无人机起飞与降落的控制技术

作　者: 宫林
导　师: 吴庆宪
学　校: 南京航空航天大学
专　业: 模式识别与智能系统
关键词: 无人机三轮建模两轮建模起飞着陆神经网络 LM算法自适应逆
分类号: V249.1
类　型: 硕士论文
年　份: 2009年
下　载: 255次
引　用: 4次
阅　读: 论文下载

内容摘要

无人机在当前的战争中起着不可替代的作用,而自主起飞和降落无疑成为无人机课题中比较重要的一项。论文研究了自主起飞着陆的关键问题:无人机三轮和两轮滑跑模型建立、起飞控制律和控制器的设计、着陆控制律和控制器的设计。介绍了无人机的应用前景,国内外的无人机发展状况,以及国内外无人机起飞着陆的现状。说明了我国无人机起飞着陆还处在初始阶段,证实了自主起飞着陆的重要性,论证了本课题研究的必要性。对无人机三轮滑跑和两轮滑跑模块进行了建模。作为起飞着陆过程的一个阶段,无人机在三轮滑行时的运动特性与空中飞行时的特性,以及仅主轮着地滑行时的运动特性有所不同。以某型号无人机为背景,根据经典的十二阶微分方程对这两个阶段建立了全量非线性模型,并且建立了风干扰模型、大气模型、和发动机模型。由于没有对刚体运动模型和气动数据做线性化处理,因此该模型比较准确反映该无人机的实际运行特性。在MATLAB/SIMULINK仿真环境下搭建了该模型的仿真系统,并用仿真结果来证明模型的可用性。由于经典的PID控制器对无人机在有风干扰的情况下不能很好的实现起飞和降落,论文使用基于LM (Levenberg-Marquardt)算法的神经网络对无人机起飞进行控制,在有风干扰的情况下,仿真证明了其可靠性;针对着陆状态设计了自适应逆控制律,提出了使用BPTM(backpropagation through (plant)model)和RTRL(real-time recurrent learning)算法对自适应逆控制器中的各滤波器权值进行更新,从仿真结果看自适应逆效果较好,最后在用风干扰的情况下进行验证了其鲁棒性。最后在Windows下设计了三维仿真平台。使用当下三维动画中最为流行的建模工具3ds-max建立了飞机模型,在VC环境下设计了控制器模块、无人机三维仿真模型、无人机数学模型和地形模块并完成了仿真系统设计,最后组建三维仿真系统,实现了无人机的起飞和降落的三维仿真。

全文目录

摘要  4-5
ABSTRACT  5-12
第一章绪论  12-21
  1.1 本课题选题意义  12-13
  1.2 无人机主要的发射和回收方式  13-15
    1.2.1 发射方式  13-14
    1.2.2 回收方式  14-15
  1.3 国内外研究现状  15-19
    1.3.1 无人机国内外发展现状  15-18
    1.3.2 无人机自主起飞降落国内外现状  18-19
  1.4 课题研究思路  19-20
  1.5 论文主要研究内容及关键技术  20-21
第二章无人机起飞降落飞行运动模型的建立  21-41
  2.1 引言  21
  2.2 无人机六自由度飞行模型  21-22
  2.3 无人机三轮及两轮滑跑模型建立  22-33
    2.3.1 某型无人机及其载荷的总重力  22
    2.3.2 发动机推力  22
    2.3.3 空气动力  22-23
    2.3.4 三轮滑跑阶段地面作用在无人机起落架上的力  23-25
    2.3.5 三轮滑跑阶段动力学方程  25-26
    2.3.6 三轮滑跑阶段的数学模型  26
    2.3.7 两轮滑跑阶段地面作用在无人机起落架上的力  26-28
    2.3.8 两轮滑跑阶段动力学方程  28
    2.3.9 两轮滑跑阶段的数学模型  28-29
    2.3.10 在滑跑阶段机轮支持力的计算  29-30
    2.3.11 气动参数的计算  30-33
  2.3 无人机各模型组件的建立  33-36
    2.3.1 风干扰模型的建立  33-35
    2.3.2 大气模型的建立  35
    2.3.3 发动机模型的建立  35-36
  2.4 三轮滑跑模型仿真验证  36-40
    2.4.1 着陆阶段三轮滑跑仿真  36-39
    2.4.2 起飞阶段三轮滑跑仿真  39-40
  2.5 本章小结  40-41
第三章起飞降落控制律的研究  41-63
  3.1 引言  41
  3.2 无人机自动起飞纵向通道的PID 控制  41-44
    3.2.1 无人机自主起飞过程描述  41-42
    3.2.2 起飞控制策略和控制律介绍  42-43
    3.2.3 滑跑起飞控制律设计与仿真  43-44
  3.3 无人机起飞的神经网络控制  44-48
    3.3.1 神经网络的介绍  44
    3.3.2 Levenberg-Marquardt 算法在起飞中的应用  44-47
    3.3.3 有风干扰情况下的仿真研究  47-48
  3.4 无人机纵向通道自动着陆的自适应逆控制  48-62
    3.4.1 无人机着陆描述  48-49
    3.4.2 自适应逆控制概述  49-50
    3.4.3 自适应逆算法的基本原理  50-51
    3.4.3 对象模型、控制器和扰动消除器的设计  51-53
    3.4.4 对象模型、控制器和扰动消除器的算法推导  53-57
    3.4.5 系统建模的算法步骤  57
    3.4.6 着陆控制策略和着陆轨迹设计  57-59
    3.4.7 降落时纵向飞行轨迹仿真  59-61
    3.4.8 有风干扰下的仿真研究  61-62
  3.5 本章小结  62-63
第四章无人机起飞降落的三维动画仿真  63-75
  4.1 引言  63
  4.2 三维仿真的系统建立  63-65
    4.2.1 三维仿真结构  63-64
    4.2.2 仿真系统的软件结构  64-65
  4.3 三维仿真各模块的具体实现  65-71
    4.3.1 无人机三维模型的VC 实现  65-68
    4.3.2 三维仿真地形的建立  68-69
    4.3.3 无人机起飞着陆控制模块  69
    4.3.4 无人机数学模型模块  69-70
    4.3.5 传感器模块  70-71
  4.4 起飞和着陆的程序流程图  71
  4.5 无人机起飞降落的三维视景效果  71-73
  4.6 本章小结  73-75
第五章总结与展望  75-77
  5.1 论文做出的主要工作及贡献  75
  5.2 不足与展望  75-77
参考文献  77-81
致谢  81-82
在学期间的研究成果及发表的学术论文  82-83
附录一  83-87
附录二  87-89
附录三  89

无人机起飞与降落的控制技术

内容摘要

全文目录

相似论文