摘要：空地协同作业场景中要求无人机同时具备快速路径规划与精准自主降落功能,这对无人机搭载有限计算资源下算法的实时性和准确性提出了更高要求。主要解决了无人机快速路径规划与自主降落功能一体化实现关键技术难题。首先,针对传统A~*算法实时性差、消耗资源多等问题,将传统8邻域搜索方式改进为16方向搜索方式,并设计高匹配度启发函数和自适应权重系数全面提升路径规划算法性能;其次,设计了基于视觉反馈的面向空地协同作业场景下无人机自主降落策略,提高了自主降落的精度;最后,进行了仿真和实验,验证了所提改进A~*算法、自主降落和一体化实现策略的性能。结果表明,改进的A~*算法在规划路径长度与平滑度性能方面均得到提升,算法实时性大幅提升,满足复杂环境下的实时避障与规划需求;同时,无人机可以快速稳定地降落在地面平台目标点上。

摘要：四旋翼无人机在飞行过程中易受到难测量的非线性多源干扰,进而影响系统的稳定性和控制精度。针对此问题,提出了一种基于自适应神经网络的鲁棒轨迹跟踪控制策略。首先,将四旋翼无人机的跟踪问题转化为对位置子系统和姿态子系统的期望指令跟踪控制问题,针对2个子系统设计基于干扰估计器的控制策略,使系统快速逼近期望轨迹;其次,针对干扰估计器存在估计误差问题,在位置子系统引入了自适应神经网络补偿,实现非线性多源干扰的高精度补偿;最后,通过仿真与实验验证所提控制策略的性能。实验结果表明,所提控制策略在快时变干扰下仍然能够实现期望轨迹跟踪控制,风扰环境下悬停和圆形轨迹跟踪的位置控制精度分别达到0.02m和0.1m,姿态控制精度达到0.1°。