14、无人机轨迹跟踪控制与河流淤积预测研究

无人机轨迹跟踪控制与河流淤积预测研究

1. 无人机轨迹跟踪控制

在一些人类无法干预的关键应用中，无人机的轨迹跟踪起着重要作用。研究采用基于PD/PI/PID的控制器，并使用粒子群优化（PSO）算法对其进行调优，以实现四旋翼无人机（QUAV）的轨迹跟踪。

1.1 控制器增益

针对螺旋、螺旋和圆形三种轨迹，对控制器进行了调优，以获得最优增益。以下是圆形轨迹的控制器增益：
| 控制器 | P - 增益 | I - 增益 | D - 增益 |
| ---- | ---- | ---- | ---- |
| x | 79.684 | - | 15.476 |
| y | 84.339 | - | 18.255 |
| z | 93.431 | - | 22.553 |
| ˙z | 73.595 | 59.836 | - |
| φ | 93.064 | - | 10.743 |
| θ | 70.555 | - | 10.056 |
| ψ | 97.664 | 64.652 | 78.295 |

1.2 跟踪性能评估

使用性能指标（ISE、ITSE、IAE和ITAE）对调优后的控制器的跟踪性能进行了定量测量，结果令人满意。与传统控制策略相比，结合自然启发式优化算法调优最优控制器增益，在控制具有非线性和欠驱动特性的复杂系统时，该方法更有效。

2. 河流淤积预测

在印度，大部分河流为冲积性河流，大量泥沙随水流进入河道，因此研究冲积河床的变化至关重要。当河流的输沙能力小于泥沙输入量时，会发生淤积现象，这会降低河流