登录
首页 » MATLAB » 固定翼无人机群容错控制

固定翼无人机群容错控制

于 2020-12-07 发布
0 559
下载积分: 1 下载次数: 19

代码说明:

基于协同控制策略,多无人机之间可以通过能力互补和行动协调,实现单架无人机任务能力的扩展以及多无人机整体效能的提升,进而解决个体能力限制与任务需求之间的矛盾。本文以多固定翼无人机姿态同步控制为例,分析无人机飞行过程中可能面临的实际情况,认为无人机模型或参数不确定、测量误差、干扰、系统中存在的时延及控制器故障是影响多无人机协同控制的主要因素。本文针对上述无人机中存在的复杂情况,分析和设计各中复杂情况下的多无人机协同控制算法,实现多无人机系统控制的稳定性。主要研究成果概括如下: 首先,根据牛顿力学对理想情况(无干扰或故障)下多固定翼无人机姿态运动过程进行数学建模,并根据构造的理想情况下固定翼无人机姿态运动的数学模型,结合无人机在运行过程中所面临的实际复杂情况,分别构建以下数学模型: (1) 伴随集成不确定项(外部干扰、模型或参数不确定、测量误差及控制器微小故障)的多固定翼无人机姿态运动数学模型。(2) 伴随集成不确定项以及状态时延的多固定翼无人机姿态运动数学模型。(3) 伴随集成不确定项以及控制器卡死故障的多固定翼无人机姿态运动数学模型。 然后,结合主从式协同控制策略和理想情况下多固定翼无人机姿态运动模型,设计多固定翼无人机姿态一致性控制方法。最后,设计相应的方法解决上述复杂情况下的多无人机姿态同步问题。针对包含集成不确定项的多无人机姿态运动方程,设计两种方法用以解决其姿态一致性同步问题,分别为在提出的基于主从式控制策略设计的姿态一致性控制方法中结合神经网络设计直接姿态一致性控制器以补偿不确定项;结合观测器与神经网络设计间接姿态一致性控制器以观测并补偿不确定项,并对比这两种方法各自的优劣性。针对包含集成不确定项以及状态时延的情况,在提出的基于神经网络的直接姿态一致性控制器的基础上,结合Lyapunov-Krasovskii函数以补偿时延造成的剧烈波动,最后通过理论证明及仿真验证其有效性,并对比有无Lyapunov-Krasovskii函数时无人机姿态的控制效果。针对包含集成不确定项以及控制器卡死故障的情况,在提出的基于观测器与神经网络的间接姿态一致性控制器基础上,结合基于扩展卡尔曼滤波器设计的故障检测方案和基于控制分配方法设计的控制器重构模块,确保各无人机在检测到控制器卡死故障的同时重构健康控制器,进而使无人机控制力矩及姿态稳定在期望值附近。 【核心代码】 程序 ├── 第3章│   ├── Cbn.m│   ├── Cnb.m│   ├── MultiUAVs_noNN.m│   ├── Uav_Model_FD.m│   ├── moment.m│   ├── nummarkers.m│   └── plotfit.m├── 第4-1节程序│   ├── Cbn.m│   ├── Cnb.m│   ├── MultiUAVs.m│   ├── Uav_Model_FD.m│   ├── moment.m│   ├── nummarkers.m│   └── plotfit.m├── 第4-2节程序│   ├── Cbn.m│   ├── Cnb.m│   ├── MultiUAVs.m│   ├── Uav_Model_FD.m│   ├── moment.m│   ├── nummarkers.m│   └── plotfit.m├── 第5章程序│   ├── Cbn.m│   ├── Cnb.m│   ├── Contrast_mutiUAVs.m│   ├── ShiftOperation.m│   ├── Uav_Model.m│   ├── moment.m│   ├── mutiUAVs.m│   ├── nummarkers.m│   └── plotfit.m└── 第6章程序    ├── Actuator_fault1.m    ├── Augmented_matrix_vector.m    ├── CD.mat    ├── Cbn.m    ├── Cnb.m    ├── Contrust_MultiUAVs.m    ├── Disred_control.m    ├── FDI_robust_false_alarm.m    ├── MoM.mat    ├── MultiUAVs.m    ├── Probability_Density_Adjust.m    ├── Simplified2_MultiUAVs.m    ├── Uav_Model_FD.m    ├── control_allocation.m    ├── control_two1ifault_allocation.m    ├── control_two2ifault_allocation.m    ├── control_two3ifault_allocation.m    ├── control_two4ifault_allocation.m    ├── control_two5ifault_allocation.m    ├── desired_torque_parameters.m    ├── fault_torque1.m    ├── fault_torque1i.m    ├── fault_torque2i.m    ├── fault_torque3i.m    ├── fault_torque4i.m    ├── fault_torque5i.m    ├── fualt_filter.m    ├── kalman_filt.m    ├── kalman_filt_new.m    ├── kalman_filt_old.m    ├── moment.m    ├── newKalman.m    ├── nummarkers.m    ├── printFilt.m    ├── probability_adjust.m    ├── two1ifualt_filter.m    ├── two2ifualt_filter.m    ├── two3ifualt_filter.m    ├── two4ifualt_filter.m    ├── two5ifualt_filter.m    └── z1.m5 directories, 71 files

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 人工势场结合模糊控制算法的机器人路径规划(可直接运行)
    人工势场配合Mamdani型模糊控制算法的机器人路径规划与分析。MATLAB代码,可直接运行
    2019-10-16下载
    积分:1
  • 模糊聚类法matlab代码
    【实例简介】
    2021-06-23 00:31:02下载
    积分:1
  • leslie矩阵模型人口预测
    leslie矩阵模型人口预测
    2019-07-13下载
    积分:1
  • 时差频差GDOP程序实现
    时差频差GDOP程序实现
    2019-06-23下载
    积分:1
  • 仿真的BPSK信号的循环谱循环自相关函数
    【提供BPSK信号的循环谱循环自相关函数,可以绘制三维图】
    2020-11-29下载
    积分:1
  • matlab共振峰估计实验
    【实例简介】有具体实例 和完整代码
    2021-06-11 00:31:17下载
    积分:1
  • MATLAB金融算法分析实战1
    MATLAB金融算法分析实战1
    2019-10-29下载
    积分:1
  • GA-RBF
    【实例简介】
    2021-08-01 00:30:59下载
    积分:1
  • pdw参数产生代码(有注释)
    检测到10048个脉冲:toa,pw以当前点数定义脉冲   1: TOA= 1030.00,PW= 810.00,PA=4569.326,MF= 28.111MHz脉冲   2: TOA= 1191.00,PW=1476.00,PA=6549.591,MF= 35.730MHz脉冲   3: TOA= 1289.00,PW=1484.00,PA=7356.821,MF= 23.770MHz雷达信号分选仿真数据产生
    2021-05-07下载
    积分:1
  • 帧差法目标识别(目标检测跟踪).doc
    本文展示了一种自动识别视频中移动目标的方法。论文中提取移动目标通过帧序列,这种方法不需要先验知识,比如:时间阈值调整。基于相邻帧的连续对称差分,我们能得到全分辨率显著图;然后利用最大熵方法计算阈值决定候选区域和获得兴趣点的种子;最后用修改的模糊生长方法获得最终的结果。本文中提出的算法是有效的、具有鲁棒性的。实验结果也证明它具有很好的效果。移动目标检测在计算机视觉中有广泛应用,但是在研究过程中也有很多挑战。通常目标检测方法被分为三类:(1)基于时间信息。例如:帧差法能很快检测出目标,但很难得到整个物体的轮廓,并且易受背景的影响。(2)基于空间信息的。(3)基于时间和空间信息的。有较好的效果,计算复杂度高。本文提出了一种基于时间信息的方法。(1)通过相邻帧对称差分获得显著图;(2)使用最大熵模型得到一个阈值去二值化时间显著图和获得候选区域。然后选择候选区域最显著的点作为兴趣种子点。(3)对于每一兴趣种子点,在显著图上应用模糊生长方法直到没有点能被聚集和能获得移动物体的轮廓A.移动显著图的产生①获得一段连续帧②相邻帧做差分得到移动目标。③对得到的差分显著图做开运算。作用:消除小的和亮的细节。④为了去除噪声和背景运动的影响,对差分得到的显著图做和再平均。B.兴趣种子选择由于图像是连续变化的,一个固定的阈值不能很好的二值化显著图,本文采用最大熵方法得到一个变化的阈值去二值化显著图和提取候选兴趣区域。然后选择兴趣种子点。C.移动目标检测为了提取移动的目标,本论文应用模糊生长方法去使兴趣点的种子生长成一片区域。如果像素值满足下列条件,对兴趣点的种子使用模糊生长算法。a和u表示如下图实验数据集:PETS2000, PETS2001 and Dataset2014设备:The algorithm is implemented with C on a personal computer with Core i3 3.3 GHz CPU and 2G RAM.评价标准:假负率(False Negative Rate , FNR) :FNR = FN /(TP FN) ,即被预测为负的正样本结果数/正样本实际数假正率(False Positive Rate , FPR) :FPR = FP /(FP TN) ,即被预测为正的负样本结果数 /负样本实际数    Specificity (负例的覆盖率,True Negative Rate) =正确预测到的负例个数/实际负例总数     PBC :Percentage of Bad Classifications召回率(Re、recall):预测为真实正例除以所有真实正例样本的个数准确率(Precision) :预测为真实正例除以所有被预测为正例样本的个数F-measure:查准率和查全率的调和平均值, 更接近于P, R两个数较小的那个: F=2* P* R/(P R)实验结果如下图 表一表示的是本论文实验得出的结果;Fig7和Fig8本文的实验结果与图中方法的比较,可以看出本文中的方法表现很出色。论文中的检测结果本论文的贡献共以下五点:(1)产生特征图基于时间信息。(2)对于场景不需要任何先验知识。(3)扩展了差分从相邻两帧到相邻n帧。(4)对于复杂的背景和相机的抖动具有很好的鲁棒性。(5)自动的提取移动目标。
    2019-08-29下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载