多轴无人机的多模型容错控制方法研究

Because the diversity of actuators and strong coupling between them, multi-rotor Unmanned Aerial Vehicle(UAV) are easily to crash when some of actuators do not work. So the fault-tolerant control algorithm is a critical method to assure the safe flight for a multi-rotor UAV. Because of many actuators are assembled in a UAV, conventional methods based single model are difficult to tackle a system with diverse fault modes. In this project, a multiple model approach is introduced into fault-tolerant control of Hex-rotor UAV. The fault model set is found by modeling different fault modes, and then carry on online fault diagnosis with this model set through parallel filtering. The controller set is found by designing different rotor input plan for rotors under different fault modes. The reconfiguration of controller is carried out by online switching under the guide of fault diagnosis results. The aim of this project is to propose an active fault-tolerant control algorithm for hex-rotor UAV and enhance its safety performance under multiple failures of actuators

多轴无人机因为执行机构众多，相互耦合严重，局部故障容易造成整个无人机坠毁，发展容错控制方法以提高系统安全性能对无人机至关重要。考虑到多轴无人机操作机构众多，故障模式多种多样，常规单模型方法往往难以兼顾多种故障模式。本课题拟将多模型方法引入到六轴无人机的容错控制中来，通过对不同故障模式分别建模，构建故障滤波模型集合，采用并行滤波方式对多故障模式进行快速在线诊断；通过针对不同故障模式设计不同的旋翼升力控制输入分配方案构建控制器集合，根据故障诊断结果在线切换控制器，实现不同故障模式下的系统控制器重构。项目的主要目的在于提出一种能够对多种故障模式进行在线诊断的多模型滤波方法，以此为基础，建立一种能够在多种故障模式下均能保障飞行安全的容错控制方法，以提高六轴无人机的安全飞行能力。

小型多旋翼无人机在生产生活中得到了日益广泛的应用，在一些危险应用场合，无人机的旋翼容易受到损伤。由于多旋翼无人机的飞行姿态是由多个旋翼合作完成的，旋翼之间存在高度的耦合性，部分旋翼损坏极容易造成整机的坠毁，从而造成较大损失，因此探索故障状态下无人机的安全飞行控制方法对于提高无人机在危险环境下的应用具有较强的现实意义。.本课题重点围绕多旋翼无人机在故障状态下的控制与应用，在多旋翼无人机故障检测、姿态估计、飞行控制、定位与导航等几个方面开展研究。主要成果如下：. 1、在多旋翼无人机故障诊断和容错控制方面：以六旋翼无人机为对象，针对单个旋翼卡死完全失效故障，将交互多模型滤波方法用于执行器故障诊断，提出了一种基于交互多模型方法的故障诊断方法；针对常规分配矩阵的伪逆求解时容易超出执行器限制范围的问题，提出了一种基于迭代修正的控制分配方法；. 2、在多旋翼无人机控制方面：针对传统多旋翼无人机自抗扰控制器算法复杂、调节参数众多、参数整定困难的问题提出了一种基于自适应载荷补偿的多旋翼无人机模糊自抗扰控制方法；针对传统积分滑模控制方法暂态性能不佳的问题，提出了一种基于反馈线性化的多旋翼无人机积分滑模姿态控制方法； . 3、在多旋翼无人机姿态估计方面：考虑到无人机的非线性特性，将CKF引入无人机姿态解算过程，提出了一种基于自适应平方根容积卡尔曼滤波的姿态解算方法；. 4、在定位与导航方面，针对基于双目视觉的SLAM方法进行研究：针对弱纹理条件下传统双目匹配算法精度低的问题，将卷积神经网络与图像金字塔方法结合，提出了一种多尺度融合的匹配方法；针对传统视觉SLAM算法在动态环境定位精度低的问题，提出了一种融合动态目标检测和运动补偿的视觉SLAM算法；针对视觉里程计常用特征提取算法存在因提取角点分布不均匀而导致的计算出来的运动信息偏差较大的问题，提出一种基于图像金字塔的视觉里程计角点提取方法。