基于PID神经网络的无人机纵向姿态控制
无人机纵向自动控制毕业设计
第一章绪论无人驾驶飞机简称“无人机”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。
机上无驾驶舱，但安装有自动驾驶仪、程序控制装置等设备。
地面、舰艇上或母机遥控站人员通过雷达等设备，对其进行跟踪、定位、遥控、遥测和数字传输。
可在无线电遥控下像普通飞机一样起飞或用助推火箭发射升空，也可由母机带到空中投放飞行。
回收时，可用与普通飞机着陆过程一样的方式自动着陆，也可通过遥控用降落伞或拦网回收。
可反覆使用多次。
广泛用于空中侦察、监视、通信、反潜、电子干扰等。
无人机技术是一项涉及多个技术领域的综合技术，它对通信、传感器、人工智能和发动机技术有比较高的要求。
如果在恶劣环境下作战，它还需要有比较好的隐身能力。
无人机与所需的控制、拖运、储存、发射、回收、信息接收处理装置统称为无人机系统。
无人机种类很多，不同的无人机可以完成不同的特殊任务。
军用无人机的主要用途包括：战术侦察和地域监视、目标定位和火炮校射、电子侦察和电子干扰、通信中继转发、靶机和实施攻击等。
与有人飞机相比，无人机具有多种优势：1、由于机上没有驾驶员，因此可省去驾驶舱及有关的环控及安全救生设备，从而降低飞机的重量和成本。
2、无人机在作战时不会危及飞行员，更适于执行危险性高的任务。
3、由于机上没有驾驶员，飞机可以适应更激烈的机动和更加恶劣的飞行环境，留空时间也不会受到人所固有的生理限制。
4、在使用维护方面，无人机比较简单，而且费用低，操纵员只需在地面进行训练，无需上天飞行。
无人机从产生到现在已有多年，早在70年代西方就产生用无人机进行对地攻击和格斗空战的构想，在美国还进行了大量飞行试验，但是由于技术上的难度，使这些构想无法实现。
无人机存在的致命弱点主要有两个：一是自主作战能力差，由于无人机执行任务时需要有人参与遥控，其自主作战能力有限，因而缺乏有人飞机所具有的灵活性和适应能力。
二是完成任务的有效性低，由于控制人员对无人机所处环境的了解必须借助远距离通信，而这种远距离通信又随时会被压制而中断，从而造成了人机之间无法及时、准确交流信息，影响了无人机完成任务的有效性。
基于神经网络PID算法的疫情防控四旋翼无人机控制系统
基于神经网络 PID 算法的疫情防控四旋翼无人机控制系统摘要：近年来，对四旋翼无人机的研究受到人们的广泛重视。
由于其低廉的造价以及灵活的操作性，使得四旋翼无人机在民事和军事领域都有着重要的应用。
尤其是新冠疫情背景下，可利用四旋翼无人机开展“无接触式”消毒、物资配送以及救援观察等工作，从而大大降低病毒的传染率。
但现行的无人机控制算法多为传统、单一的PID 算法，使四旋翼无人机很难快速的适应各种环境变化和干扰，对其发展不利。
而本文在传统PID（Proportional Integration Differentiation）控制的基础上引进神经网络算法对PID算法的3个参数进行“实时”调节，使控制算法控制精度高，具有更好的静态特性和动态特性。
从而更好地实现四旋翼无人机在不确定性干扰和模型参数变化的情况下对飞行姿态的稳定控制，使其在复杂环境下也能保证安全稳定运行。
关键词：四旋翼无人机；新冠疫情；PID算法；神经网络算法；复杂环境；0前言从四旋翼无人机诞生发展到现在，演变出了许许多多的类型，其在军事及社会各行业也得到了充足的运用。
四旋翼无人机融合了直升机与固定翼飞行器的优点，能在各种复杂地形飞行，具有垂直起降、可携带负载、方便控制的特点，不需要滑跑就能够方便的起飞和降落，使用方便且易于伪装，具有很高的科研和应用价值。
在军事方面，有的任务是危险系数高，执行难度大，四旋翼无人机不需要人驾驶，便于完成某些特殊任务，四旋翼无人机也能利用其独特的优点为城市建设做出贡献，它能检测天气状况和空气指数来预测天气，方便人们的生活。
疫情当下，四旋翼无人机更是凭借它的优点一骑绝尘，在“无接触式”消毒、物资配送、救援观察、轨迹跟踪、自主飞行以及自动避障等方面大放异彩。
为了提高四旋翼无人机姿态控制系统的稳定性、鲁棒性、抗干扰性，本文对其控制算法进行优化设计。
1研究现状四旋翼无人机在结构和控制方法上跟一般的无人机有一定的区别，四旋翼无人机的控制系统包括姿态控制、速度控制和轨迹控制，而姿态控制是整个飞行控制的核心。
无人机飞行PID控制及智能PID控制技术研究
设计。 首先，建立无人机对象模型。在前苏联体制下，建立无人机六自由度十二＿二阶非线
性微分方程，并对模型进行线性化，得到无人机的纵向和侧向线性化方程。 接着，介绍了所采用的常规ＰＩＤ和智能ＰＩＤ控制的思路和方法。以及如何将智能
ＰＩＤ应用于无人机飞行控制律设计。 然后，针对纵向控制系统，研究了其组成和控制方案，分别用常规ＰＩＤ和智能
无人驾驶飞机（下面简称无人机）是１９１７年英国首先研制成功的。２０世纪５０ 年代，世界各国空军大量装备ＵＡＶ作为空靶。６０年代，美国率先研制成功无人驾驶 侦察机，并开始用于越战。无人机受到越来越多国家的青睐，发展迅猛。在１９８２年 的中东战争中，以色列在贝卡谷地交战中，用“侦察兵”和“猛犬”无人机诱骗叙军 的地空导弹的制导雷达开机，侦查获取了雷达的工作参数并测定了其所在位置。无人 机的飞速发展是在海湾战争后，以美国为首的多国部队的无人机在海湾战争中成功地 完成了战场侦察、火炮校射、通信中继和电子对抗任务。无人机的研制成功和战场运 用，揭开了以远距离攻击型智能化武器、信息化武器为主导的“非接触性战争”的新 篇章，由此引发了无人机及其飞行控制研究的热潮。
ＩＩ
硕士论文
无人机飞行ＰＩＤ挣制及智能ＰＩＤ控制技术研究
１ 绪论
１．１研究背景、目的及意义
无人驾驶飞机（ＵＡＶ，Ｕｎｍａｎｎｅｄ Ａｅｒ Ｊａｌ Ｖｅｈｉｃｌｅ）是一种由无线电遥控设备或自 身程序控制装置操纵的无人驾驶飞行器。无人机大体上由无人机载体、地面站设备（无 线电控制、任务控制、发射回收等起降装置）以及有效负荷三部分组成。
由于无人机与有人机相比有上述无法比拟的优点，并且无人机在越南战争、中东 战争、两次海湾战争、科索沃战争、阿富汗战争、反恐战争中发挥了重要作用，取得 了突出的作战效果，所以许多国家对无人机的重要性和功用有了新的认识，给无人机 的研究发展注入了新的活力。
基于神经网络的无人机控制技术
基于神经网络的无人机控制技术无人机是一种具有高度智能化、高度自主化、高度协同化的新兴机器人系统。
它不仅在军事、安防领域大展拳脚，还在物流、环保、抢险救援、地质勘探等领域象征着智慧和进步。
然而，无人机的发展离不开可靠的自主控制技术，而基于神经网络的无人机控制技术正是目前最为前沿和热门的研究方向之一。
一、神经网络的基本原理及应用神经网络属于一种模拟大脑神经系统处理信息的计算模型，它能够通过不断地学习和调整，自主提高其处理信息的能力。
神经网络与传统计算机采用的算法不同，它更适合于处理具有模糊性、复杂性、非线性和不确定性的信息。
在实际应用中，神经网络可以广泛应用于识别、控制、优化、预测等领域，其中控制是其重要应用之一。
神经网络控制具有自适应性强、容错性好且可扩展性强的特点，已经成为控制领域中的一种重要方法。
二、无人机控制技术的发展与现状无人机控制技术一直是无人机的发展关键技术之一。
目前，无人机控制技术主要采用传统的控制算法，例如PID控制算法和容错控制算法等。
这些算法虽然简单有效，但是其对于无人机运动和环境变化的响应较慢，并且容错性差。
近年来，随着神经网络的应用不断拓展，基于神经网络的无人机控制技术逐渐成为研究热点。
目前，研究者们已经在无人机控制系统中应用了多种神经网络算法，例如BP神经网络、RBF神经网络、自适应神经网络和模糊神经网络等。
这些算法的应用可以有效提高无人机控制系统的自适应性、鲁棒性和泛化性能。
三、基于神经网络的无人机控制技术基于神经网络的无人机控制技术是指利用神经网络对无人机的运动状态、环境变化等进行学习和预测，从而实现无人机的自主控制。
其主要特点是：1. 自适应控制：神经网络能够自动调整控制器参数，从而改善无人机控制系统的自适应性和稳定性。
2. 鲁棒控制：神经网络能够容忍控制系统中的干扰和噪声，并能够及时调整控制器参数，提高控制系统的鲁棒性。
3. 泛化控制：神经网络能够处理控制系统中的非线性、模糊和动态调整等问题，提高无人机控制系统的泛化性能和可靠性。
农用无人机纵向姿态控制系统设计及仿真
农用无人机纵向姿态控制系统设计及仿真刘超;张长利;王树文;王润涛;张伶鳦;吕涛;栾吉玲;周雅楠【摘要】针对农用无人机的作业特点和应用领域，设计了一种基于经典 PID 控制方法的纵向姿态控制系统。
首先，利用MatLab 软件建立了无人机在配平点处的纵向运动数学模型，分析了无人机的纵向运动规律。
在此基础上，采用经典PID 理论对无人机纵向运动的俯仰角控制回路和高度控制回路进行设计。
通过Simulink 软件进行仿真实验，结果表明：该飞行姿态控制系统控制效果良好，可以满足农用无人机的技术要求。
%This Longitudinal attitude control system is designed on the basis of Classic PID control method .It’ s also spe-cific to the character of how Agricultural unmanned aerial vehicle operates and its application field .The system firstly uses Matlab to build a Longitudinal motion mathematical model at the trim point of the vehicle ,which can analyze the Longitu-dinal motion of itself .Secondly , the system applies the Classic PID theory to the design of the Pitch and Height attitude control loop of the vehicle .The result shows that the attitude control system effects well during flight and can meet the technical requirement of Agricultural unmanned aerial vehicle .【期刊名称】《农机化研究》【年(卷),期】2016(000)010【总页数】6页(P6-10,46)【关键词】农用无人机;纵向姿态;PID控制, 仿真【作者】刘超;张长利;王树文;王润涛;张伶鳦;吕涛;栾吉玲;周雅楠【作者单位】东北农业大学电气与信息学院，哈尔滨 150030;东北农业大学电气与信息学院，哈尔滨 150030;东北农业大学电气与信息学院，哈尔滨 150030;东北农业大学电气与信息学院，哈尔滨 150030;东北农业大学电气与信息学院，哈尔滨 150030;东北农业大学电气与信息学院，哈尔滨 150030;东北农业大学电气与信息学院，哈尔滨 150030;东北农业大学电气与信息学院，哈尔滨 150030【正文语种】中文【中图分类】S251农用无人机是现代农业系统中的重要组成部分，具有中低空飞行、巡航速度低、载重量大的特点[1]。
神经网络控制下的无人机姿态控制研究
神经网络控制下的无人机姿态控制研究一、前言随着现代科技的不断发展，无人机越来越受到人们的关注和重视。
在日常生活中，我们可以看到无人机在农业、林业、航拍等领域的应用越来越广泛。
而在军事方面，无人机更是成为了必不可少的一部分。
为了更好地发挥无人机的优势，研究人员们不断努力探索着新的技术，其中，神经网络控制被广泛地应用于无人机的姿态控制。
二、无人机姿态控制无人机是一种复杂的机械系统，它的运动状态和姿态控制对于其功能的实现十分关键。
在现代飞行器中，飞行控制系统十分重要，姿态控制是其中的重要组成部分。
姿态控制是指通过控制飞行器的旋转运动，使其朝着一定方向前进，同时保持平稳的飞行状态。
传统的无人机姿态控制方法主要是基于PID控制器。
但是PID控制器中需要精确的模型和参数调整，而这些参数对于无人机姿态控制的鲁棒性要求较高。
因此，对于无人机姿态控制技术的研究，需要开发出更加高效、稳定和鲁棒的控制方法。
三、神经网络控制神经网络控制是一种基于非线性逼近方法的无模型控制方法，具有较强的适应性和鲁棒性。
这种控制方法可以应用于各种复杂的系统控制中。
在无人机姿态控制中，神经网络控制是一种有效的控制方法。
神经网络控制的基本思想是将神经网络作为控制器，通过输入-输出学习，不断地将控制器的权值系数调整到最优状态。
当神经网络控制器与被控制对象的输入、输出数据相匹配时，系统的控制效果最佳。
四、无人机姿态控制研究近年来，越来越多的学者开始研究使用神经网络控制无人机姿态控制。
在研究的过程中，主要有以下几点重要的研究方向：1. 神经网络控制算法优化神经网络控制的效果取决于控制算法的优化效果，因此优化算法是神经网络控制无人机姿态控制的一个重要研究方向。
学者们通过对不同的神经网络算法进行研究，不断地改进神经网络控制算法，在实现无人机姿态控制的同时，提升控制效果和稳定性。
2. 神经网络控制系统建模神经网络控制需要将被控制对象的输入输出转化为数值形式，学者们研究建立神经网络模型，可以更加准确地将无人机的各种数据输入到神经网络中，更好地实现无人机姿态控制。
无人机应用中的姿态控制与稳定技术研究
无人机应用中的姿态控制与稳定技术研究随着科技的不断发展，人类的生活也在不断地改变和进步，科技给我们带来了方便和快捷。
无人机技术是当前发展最迅速的一种科技，它可以用于军事侦查、物流配送、搜救等各种领域。
其中，无人机的姿态控制与稳定技术是无人机能够稳定飞行的重要保证。
姿态控制是指通过改变无人机的角度，使其能够按照特定的路线飞行或进行特定的操作。
姿态控制是无人机中最难的技术之一，也是影响其飞行稳定的关键因素。
在姿态控制方面，目前主要有三种控制方式：基于传统PID控制器、基于模糊控制器和基于神经网络控制。
其中，基于传统PID控制器是最常见的控制方式。
其基本原理是根据无人机当前状态（如位置、角度、速度等）与目标状态之间的误差，在控制器内部进行计算并输出控制信号，使得无人机可以接近目标位置。
传统的PID控制器还需要在飞行过程中不断调整控制参数，以达到更精确的控制效果。
模糊控制器是一种更加智能化的姿态控制方式，其基于的是模糊推理的思想。
模糊控制器可以自适应地调整控制参数，更适合于在飞行过程中应用。
此外，模糊控制器还具有更好的适应性和稳定性，在复杂环境下的飞行效果更加优秀。
神经网络控制是一种更高级的姿态控制策略。
它将人工神经网络的学习算法应用到无人机控制中，通过不断的学习和优化，实现更为灵活、智能的姿态控制。
不过，神经网络控制需要大量的数据和计算资源，还有一定的运算时间，难度较大。
姿态稳定是指无人机在各种环境和外界干扰下能够保持稳定飞行的能力。
目前，无人机的姿态稳定主要借助于两种技术：陀螺仪技术和加速计技术。
陀螺仪技术是通过精密的陀螺仪组件来感受无人机的角速度变化，在姿态控制中起到重要的作用。
陀螺仪技术的精度和稳定性非常高，其可以通过运动学原理计算出无人机精确的角度变化，提高姿态控制的精度和响应速度。
加速计技术则是通过加速计来感受无人机的加速度变化。
加速计技术主要用于姿态控制时，对无人机实施微小的调整，保持其稳定飞行。
小型无人机纵向姿态模糊自适应PID控制与仿真
小型无人机纵向姿态模糊自适应PID控制与仿真
秦世引;陈锋;张永飞
【期刊名称】《智能系统学报》
【年(卷),期】2008(3)2
【摘要】针对某小型实验无人机智能自主飞行的要求,提出了一种无人机纵向姿态的模糊控制方法,设计了模糊自适应PID控制器,可有效实现该无人机的纵向姿态控制和纵向航迹跟踪.仿真结果表明,所设计的模糊自适应PID控制器较传统的PID控制器具有更好的控制性能,其响应快、超调小、精度高,而且鲁棒性和自适应能力也较强,可满足自主飞行的要求.
【总页数】8页(P121-128)
【作者】秦世引;陈锋;张永飞
【作者单位】北京航空航天大学,自动化科学与电气工程学院,北京,100083;北京航空航天大学,自动化科学与电气工程学院,北京,100083;北京航空航天大学,自动化科学与电气工程学院,北京,100083
【正文语种】中文
【中图分类】TP273.1
【相关文献】
1.三维姿态实时显示的小型无人机飞控仿真系统 [J], 张云洲;胡禹超;吴成东;宋云宏
2.某小型无人机近地飞行纵向控制律的设计与仿真 [J], 陈鹏;段凤阳;郑志成;肖伟;
张庆杰
3.小型四旋翼无人机姿态测量仿真研究 [J], 楚仕彬;袁亮
4.小型固定翼无人机纵向姿态控制律的研究 [J], 张鹏;王键
5.农用无人机纵向姿态控制系统设计及仿真 [J], 刘超;张长利;王树文;王润涛;张伶鳦;吕涛;栾吉玲;周雅楠
因版权原因，仅展示原文概要，查看原文内容请购买。