✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页:Matlab科研工作室
🍊个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。
🔥 内容介绍
四旋翼飞行器,或称无人机(UAV),自问世以来便以其独特的垂直起降、空中悬停和灵活机动能力,在军事、工业、民用等诸多领域展现出巨大的应用潜力。作为一类复杂的动力学系统,对其进行有效的控制是实现其自主飞行和执行任务的关键。而对四旋翼飞行器进行建模,则是理解其工作原理、设计控制算法以及进行仿真分析的基础。本文将深入探讨四旋翼飞行器的基本模型,从机械结构到动力学方程,力求全面阐述其内在机制。
一、四旋翼飞行器的机械结构与工作原理
四旋翼飞行器顾名思翼,由四个旋翼组成,这些旋翼通常位于飞行器的对称位置上,并通过支架与中心机体连接。每个旋翼由一个独立的电机驱动,产生向上的推力。为了实现飞行器的姿态和位置控制,这四个旋翼的旋转方向并非完全相同。通常,两个对角线上的旋翼(例如前右和后左)以相同的方向旋转,而另外两个对角线上的旋翼(例如前左和后右)则以相反的方向旋转。这种设计巧妙地利用了反作用力矩抵消的原理。当对角线上的两个旋翼反向旋转时,它们产生的反作用力矩会相互抵消,从而减少了对飞行器整体旋转的影响。
四旋翼飞行器通过改变四个旋翼的转速来实现各种飞行操作:
- 垂直升降:
当四个旋翼的转速同时增大或减小时,产生的总推力会改变,从而实现垂直上升或下降。
- 俯仰(Pitch):
改变前部和后部旋翼的转速差。例如,增大前部旋翼的转速,减小后部旋翼的转速,会使飞行器头部向下倾斜(俯)。反之则向上倾斜(仰)。
- 滚转(Roll):
改变左侧和右侧旋翼的转速差。例如,增大右侧旋翼的转速,减小左侧旋翼的转速,会使飞行器向左侧倾斜(滚转)。反之则向右侧倾斜。
- 偏航(Yaw):
利用对角线旋翼反向旋转产生的微小反作用力矩差。例如,同时增大两个顺时针旋转的旋翼的转速,同时减小两个逆时针旋转的旋翼的转速,会产生一个使得飞行器绕垂直轴旋转的净力矩,从而实现偏航。
这种简洁而高效的结构使得四旋翼飞行器具有优秀的机动性,能够在狭小空间内飞行,并且可以实现悬停和多种复杂的飞行姿态。
二、四旋翼飞行器的动力学建模
为了准确描述四旋翼飞行器的运动状态,需要建立其动力学模型。通常采用牛顿-欧拉方程来描述飞行器的平移和旋转运动。建立动力学模型首先需要选择合适的坐标系。常用的坐标系包括:
- 惯性坐标系(Inertial Frame):
通常建立在地面上,是一个固定的参考系,用于描述飞行器的绝对位置和速度。
- 机体坐标系(Body Frame):
建立在飞行器的质心上,并与飞行器固连。其坐标轴通常与飞行器的主轴对齐。机体坐标系用于描述飞行器的姿态和角速度。
三、线性化模型与控制设计
非线性动力学模型虽然能够准确描述飞行器的运动,但在进行控制设计时,直接处理非线性模型会非常复杂。因此,通常会对非线性模型进行线性化,特别是在飞行器悬停或小范围扰动的情况下。
在悬停状态下,飞行器的位置和姿态通常保持稳定,角速度接近零。此时,可以将非线性模型在悬停工作点附近进行泰勒展开,并忽略高阶项,得到线性化模型。
线性化模型将飞行器的状态变量和输入变量表示为对悬停状态的微小扰动。通过线性化模型,可以将复杂的非线性控制问题转化为相对简单的线性控制问题,从而可以使用成熟的线性控制理论进行控制器设计,例如 PID 控制、LQR 控制等。
尽管线性化模型在悬停附近有效,但在大范围机动飞行时,非线性特性会变得显著,此时需要采用非线性控制方法,例如反馈线性化、滑模控制、模型预测控制等,以确保飞行器的稳定性和控制性能。
四、模型中的不确定性与扰动
四旋翼飞行器的实际飞行过程会受到多种不确定性和外部扰动的影响,这些因素在基本模型中通常没有考虑或被简化。这些不确定性和扰动包括:
- 建模误差:
对飞行器质量、惯性张量、推力系数、力矩系数等的测量误差和近似。
- 外部扰动:
风力、气流等对飞行器产生的力和力矩。
- 执行器动力学:
电机和螺旋桨的动态特性,它们对控制信号的响应并非瞬时完成。
- 传感器噪声:
测量位置、姿态和角速度的传感器会受到噪声干扰。
- 空气动力学效应:
随着飞行速度的增加,空气阻力、侧滑力等空气动力学效应会变得更加显著,对基本模型产生影响。
这些不确定性和扰动会降低基于基本模型的控制器的性能,甚至导致系统不稳定。因此,在实际控制系统中,需要考虑这些因素,并采用鲁棒控制、自适应控制等方法来提高系统的抗干扰能力和鲁棒性。
五、更高级的建模方法
除了基于牛顿-欧拉方程的基本模型,还可以采用更高级的建模方法来更全面地描述四旋翼飞行器的动力学。例如:
- 基于拉格朗日方程的建模:
拉格朗日方程利用能量的概念来描述系统的动力学,可以更方便地处理约束和非完整系统,有时能得到更简洁的动力学方程形式。
- 考虑气动力的模型:
在高速飞行或复杂气流环境下,需要详细建模空气动力学对飞行器的影响,包括空气阻力、侧滑力、旋翼产生的诱导速度等。
- 考虑弹性效应的模型:
对于大型或柔性结构的四旋翼飞行器,机体和旋翼的弹性变形会对动力学产生影响,需要建立考虑弹性效应的模型。
这些更高级的模型能够更精确地描述飞行器的运动特性,但同时也增加了模型的复杂性,对计算资源和参数辨识提出了更高的要求。
结论
四旋翼飞行器的基本模型是理解其飞行原理和进行控制设计的基石。通过牛顿-欧拉方程,可以建立描述飞行器平移和旋转运动的非线性动力学模型。在悬停或小范围扰动情况下,可以将非线性模型线性化,从而简化控制器的设计。然而,实际飞行过程中存在诸多不确定性和扰动,需要在控制设计中加以考虑。此外,针对特定应用或更精确的分析需求,可以采用更高级的建模方法来描述四旋翼飞行器的动力学。对四旋翼飞行器基本模型的深入理解,为进一步研究其控制、导航、路径规划等高级功能奠定了坚实的基础,也推动了四旋翼飞行器技术在各个领域的广泛应用。
⛳️ 运行结果
🔗 参考文献
[1] 李俊,李运堂.四旋翼飞行器的动力学建模及PID控制[J].辽宁工程技术大学学报:自然科学版, 2012(1):4.DOI:10.3969/j.issn.1008-0562.2012.01.028.
[2] 乔维维.四旋翼飞行器飞行控制系统研究与仿真[D].中北大学,2012.DOI:10.7666/d.D316360.
[3] 江杰,冯旭光,苏建彬.四旋翼无人机仿真控制系统设计[J].电光与控制, 2015, 22(2):4.DOI:10.3969/j.issn.1671-637X.2015.02.006.
📣 部分代码
🎈 部分理论引用网络文献,若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇