【无人机控制】无人机跟踪运动目标的模糊PID控制器simulink实现

 ✅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。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥 内容介绍

摘要：在基于视觉的无人机追踪移动车辆中，车辆速度与时间不同，随着时间变化，单一固定参数的传统PID控制器难以精确追踪移动车辆。 针对这个问题，设计能够根据不同条件调整PID控制器参数的模糊PID控制器是非常必要的。 本文通过描述其特点和调整参数的规则，可以很好地满足移动车辆跟踪的要求。 仿真结果证明在不同车速和随时间变化的情况下，模糊PID控制器响应快，超调小，鲁棒性强，跟踪精度高。

一 研究背景：近年来无人机的使用在军事和民用领域都有了显着的增长。民用应用包括地质测量，火灾监测,和搜救任务。军事应用包括侦察和跟踪，提供通信中继，并进行搜索和销毁[1]。在无人机基于视觉的移动车辆自主着陆项目中，该系统采用视觉传感器与其他传感器相结合的方式实现其功能。当无人机与车辆之间的高度较低时，水平误差导致图像不在摄像机视野内。因此，为了在移动车辆上自主着陆，精确跟踪移动车辆是必要的。在跟踪过程中，车速不同，速度变化幅度不同，传统的PID控制器不能满足要求。 PID控制器参数根据不同的条件是可调的。模糊控制器模仿人类思维，对于非线性，时变和复杂的机构系统，具有良好的控制特性[2]。因此模糊控制器和PID控制器的结合是一个不错的选择，可以精确地实现跟踪移动车辆。

三 基于视觉的模糊PID控制器跟踪系统

3.1基于视觉的跟踪系统原理

控制系统采用视觉导航与GPS导航相结合的组合导航方式。控制器是由常规PID和模糊控制器组成的模糊PID控制器。为了看清楚，跟踪控制步骤图如下：首先，在无人机远离车辆时，GPS的信息引导无人机到车顶。机载摄像头可以看到车辆上的图像，可以进入视觉导航模型.当摄像头识别标记时，根据计算机视觉算法，可以得到无人机到车顶的距离。测量飞机和相机摇架头的姿态角。而根据距离和姿态角度，我们可以计算水平面的误差和误差率。误差和误差率是模糊PID控制器的输入，控制器输出速度控制指令。如果图像不在相机视图中，则可以进入GPS导航模型。在GPS导航下，标记再次在摄像机的视野中。由于GPS精度低，无人机跟踪车辆精确取决于视觉引导。

⛳️ 运行结果

🔗 参考文献

🎈 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

🎁  私信完整代码和数据获取及论文数模仿真定制

🌿 往期回顾可以关注主页，点击搜索

🏆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

👇