13、多旋翼飞行器导航与地雷检测技术解析

多旋翼飞行器导航与地雷检测技术解析

1. 多旋翼飞行器导航控制研究

在多旋翼飞行器的飞行过程中,偏航航向旋转对飞行有较大影响。在相关飞行测试中,偏航旋转速度可达约 50°/s。不过,实验数据表明,飞行器在偏航旋转时会围绕参考轨迹振荡。虽然高偏航旋转速度会影响位置控制,但 50°/s 对于许多应用来说是可接受的。

研究团队扩展了之前的测试,使用额外的多旋翼飞行器 Parrot AR Drone 2.0 进行更多 3D 轨迹测试。这些测试展示了架构如何自动考虑每个航点处轨迹的内角,以及速度规划部分如何考虑航点之间的距离。

该研究的贡献主要有两方面:
- 探讨了多旋翼导航控制器故障的各种原因。
- 提出了一种简单且可靠的方法,在中层控制器架构中解决这些问题。

同时,所有相关代码都可在两个 GitHub 仓库中获取。研究围绕视觉里程计估计错误时,状态估计算法和控制器可能产生的负面交互展开。通过实验,确定了估计算法正确工作的安全边界,并设计了控制器,使其能自然地限制飞行器速度。这一工作提高了实验测试的安全性和可重复性,进而提高了测试效率,还在 2012 年的 IMAV 竞赛中获得了两个奖项。实验测试显示了该方法的鲁棒性,小的轨迹跟踪误差表明应重点改进里程计和定位算法,而非控制器本身。

整体而言,所提出的架构旨在实现多旋翼飞行器的快速部署。它允许使用低成本飞行器(如 AR Drone)在实际飞行中测试自主导航软件,然后轻松移植到更专业的飞行器(如 Asctec Pelican)上。

以下是一个简单的流程图,展示多旋翼飞行器导航控制的主要流程:


                
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值