针对四旋翼无人机吊挂负载系统传统建模方法(牛顿-欧拉/拉格朗日)建模步骤繁琐、计算效率低以及负载摆动稳定时间过长的问题。首先,提出一种基于Kane法建立四旋翼吊挂系统动力学模型的方法。该方法无需分析牛顿-欧拉法中的理想约束反力...针对四旋翼无人机吊挂负载系统传统建模方法(牛顿-欧拉/拉格朗日)建模步骤繁琐、计算效率低以及负载摆动稳定时间过长的问题。首先,提出一种基于Kane法建立四旋翼吊挂系统动力学模型的方法。该方法无需分析牛顿-欧拉法中的理想约束反力,也不必计算拉格朗日法中的动力学函数及其导数。在此基础上,设计一种基于自适应矩估计-神经网络-PID(Adaptive Moment Estimation-Neural Network-PID,Adam-NN-PID)的抗摆控制器,并搭配一种摆角-位移控制策略,以实现负载快速稳定;最后,在仿真环节中,对系统加入多种风扰,以研究抗摆控制器的动态控制效果。仿真结果表明:相较于传统PID和BPNN-PID摆角控制器,基于Adam-NN-PID设计的抗摆控制器,能更快速的使负载稳定,并且负载摆动幅度更小。展开更多
文摘针对四旋翼无人机吊挂负载系统传统建模方法(牛顿-欧拉/拉格朗日)建模步骤繁琐、计算效率低以及负载摆动稳定时间过长的问题。首先,提出一种基于Kane法建立四旋翼吊挂系统动力学模型的方法。该方法无需分析牛顿-欧拉法中的理想约束反力,也不必计算拉格朗日法中的动力学函数及其导数。在此基础上,设计一种基于自适应矩估计-神经网络-PID(Adaptive Moment Estimation-Neural Network-PID,Adam-NN-PID)的抗摆控制器,并搭配一种摆角-位移控制策略,以实现负载快速稳定;最后,在仿真环节中,对系统加入多种风扰,以研究抗摆控制器的动态控制效果。仿真结果表明:相较于传统PID和BPNN-PID摆角控制器,基于Adam-NN-PID设计的抗摆控制器,能更快速的使负载稳定,并且负载摆动幅度更小。
