给大家分享5篇关于固定翼无人机的计算机专业论文

今天分享的是关于固定翼无人机的5篇计算机毕业论文范文, 如果你的论文涉及到固定翼无人机等主题,本文能够帮助到你

小型固定翼无人机飞行控制系统设计与实现

这是一篇关于固定翼无人机,飞行控制系统,飞行实验,无人机仿真平台,自适应编队控制的论文, 主要内容为近些年来,随着控制科学技术、传感器技术和微机电技术迅速发展,固定翼无人机趋向于小型化发展,固定翼无人机小型化有利于未来实现固定翼无人机的协同飞行,能够应用于更加复杂的任务场景。本文研究了小型固定翼无人机的飞行控制系统。首先设计了一种小型固定翼无人机,基于该无人机搭建了飞行控制软硬件平台,完成单架固定翼无人机的自主飞行控制律设计与飞行实验验证,以及多架固定翼无人机编队控制律设计与仿真实验验证。本文具体研究内容分为以下几个方面:首先,本文为了实现小型固定翼单机与多机编队飞行,设计了一种小型固定翼无人机外形,并根据性能要求,搭建出航电系统与发射回收装置。基于上述飞行控制系统硬件平台设计了飞行控制系统软件架构,将无人机的制导环与姿态环分层,分成上层控制结构与底层控制结构,上层控制利用嵌入式板卡RK3399实现,底层控制利用PIXHWAK实现。同时为了验证飞行控制算法,搭建了无人机仿真平台。其次,建立了无人机对应的纵向与横侧向的非线性动力学模型,研究了该种固定翼无人机弹射起飞、巡航和开伞降落的策略。根据动力学模型与飞行策略设计了单架无人机的飞行控制律,使用串级PID控制方法实现无人机的姿态控制,利用导航技术和PID控制方法实现制导控制。PID控制结构简单,在硬件平台中便于实现,能够快速验证无人机的飞行性能。最后,在上述飞行控制系统软硬件的平台基础上,对该小型固定翼无人机的编队算法进行了研究,利用模型参考自适应的方法设计了固定翼无人机自适应编队算法。该种控制方法是完全分布式的,只需要通信网络中的局部无人机信息并且不需要模型参数就可以实现无人机编队。通过数值仿真与无人机仿真平台,利用自适应编队控制方法能够很好实现固定翼无人机编队。

无人机集群空基回收协同控制技术

这是一篇关于固定翼无人机,集群,空基回收,协同控制,一致性,三维可视化的论文, 主要内容为目前,很多国家都在争相发展无人机集群相关技术。本文以小型固定翼无人机集群为主要研究对象,针对无人机集群空基回收过程中的关键控制问题展开研究。首先将空基回收过程分为两个关键步骤——回收网的稳定控制与无人机跟踪回收网的协同控制;接着针对回收网的欠驱动特性,设计载机拖曳回收网的的运动控制律;然后分别从运动学和动力学角度出发,针对无人机的非线性特性、非对称输入约束、模型不确定性以及外界扰动等挑战,从状态估计、控制参数调节、构建数据驱动模型等角度开展无人机跟踪回收网的协同控制理论研究和方法验证;最后对无人机协同跟踪控制方案进行了半实物仿真并搭建了全流程三维可视化仿真平台。论文的主要工作及创新点如下:(1)针对拖曳回收网的欠驱动特性,建立“载机-缆绳-回收网”模型,分析了系统内部的状态约束,提出了回收网定高运动的控制方案;考虑了回收网阻尼系数的不确定性,设计了基于反步法的非线性控制器,实现了对回收网定高运动的控制,为无人机集群协同跟踪回收网提供了前提保证。(2)针对固定翼无人机模型中非线性特性与非对称速度约束,首先基于一致性协议定义了无人机的虚拟跟踪目标;接着基于Lyapunov方法设计了速度控制律,控制无人机跟踪目标,并通过调整控制参数使控制输入的约束得到满足;最后考虑了邻居无人机速度未知的情况下对邻居无人机速度状态的估计,并利用级联系统稳定性,证明了基于观测状态的速度控制律的全局一致稳定性。(3)针对无人机动力学模型中的模型不确定性部分,建立了数据驱动下的高斯过程模型,并设计了基于学习的分布式协同跟踪控制律;考虑了环境扰动对于协同控制的影响,并基于高斯过程回归的概率误差界,证明了扰动有界的情况下,无人机一致性跟踪误差的依概率有界性,从而保证了系统的鲁棒性。(4)基于Simulink的数值运算能力与Flight Gear的三维显示功能,设计了无人机集群空基回收的三维可视化仿真平台,使回收流程更加直观形象。

无人机检测跟踪及远程监控系统研究

这是一篇关于YOLO,KCF,目标检测跟踪,固定翼无人机,远程监控的论文, 主要内容为近些年来,小型固定翼无人机在治安巡查任务中得到了广泛运用。搭载智能视觉追踪算法的小型固定翼无人机已成为自主高效的完成隐蔽侦察、应急追踪、人员控制等急难险危任务的首选。然而,现有小型固定翼无人机基于视觉的目标捕获、监控,存在自主化程度低、设备成本高、应用场景固定、算法推理速度慢等问题,需要满足在有限的资源上实现高效的目标识别追踪技术。因此,本文通过搭建固定翼无人机实验平台,提出了高效的目标检测跟踪算法,并基于此方法,采用远程MQTT通信的方式,设计并实现了无人机目标远程监控系统,实现远程无人机自动目标检测跟踪及控制。通过现实场景下无人机飞行实验验证本文提出的可行的远程巡查方案,本文研究内容及研究成果有:(1)针对现有目标检测跟踪方法的不足,研究了目标检测跟踪方法的构建、改进、部署及应用。基于深度学习方法,提出了一种小型固定翼无人机高帧率与高精度的紧耦合目标检测跟踪方法即YOLO-KCF算法。首先,通过优化联合区域计算的,提高对检测成功率和准确率;其次,提出了一种双线程追踪机制,实现机载计算机性能的优化利用;最后,使用差帧校验的方式,提升跟踪响应速度和检测跟踪效果。实验证明在复杂背景下本文方法对地面静止或移动目标的自主检测精度可达85.7%,平均FPS为23.6,并能够达到毫秒级别的反应速度并实现跟踪控制,控制撞击精度可达0.95。提出的方法在目标检测跟踪领域具有一定的理论和实践意义,为固定翼无人机在实际应用中提供了有力的技术支持。(2)为实现目标检测跟踪紧耦合算法YOLO-KCF算法在远距离条件下的应用,研究设计了无人机远程监控的通信方法。在通信方式上,选择MQTT通信协议,对消息服务器框架进行设计,通过使用消息代理的方式,实现无人机与监控系统之间信息交互的发布-订阅模式。设计无人机自动通信机制实现无人机的消息与远程监控系统的内外场协同作业,从而保证本文方法需要的实时通讯能力。对实体对象的信息结构设计实现数据的高效存储和简洁的数据管理。(3)结合目标检测跟踪算法和远程通信手段,有针对性的设计了无人机远程监控系统软件。经过需求分析,对系统各个模块进行具体设计,设计了包括系统主界面模块、状态通信模块、图像显示模块、地图航点规划模块、数据管理系统模块、实时目标检测跟踪模块等功能模块,完整实现了本文远程监控系统各个模块的功能和对无人机的远程通信控制。

多视角地基视觉引导无人机着陆轨迹估计

这是一篇关于固定翼无人机,视觉目标检测,地基视觉,位置估计,相似度计算,数据融合的论文, 主要内容为轻小型无人机在GNSS拒止环境下的安全着陆引导技术及低空小型无人机目标监视与轨迹估计技术的研究具有重要的学术价值和实际意义。然而,在基于视觉手段引导无人机安全着陆和小型无人机目标监视等应用场景中,轨迹估计精度低和数据稳定性不足等问题成为难题。此外,在执行任务过程中,无人机可能会遭遇导航传感器故障,特别是在着陆任务中,传统导航方式可能存在安全隐患。因此,一种可靠的无人机轨迹估计方案的出现显得尤为重要,本文研究了一种基于多视角地基视觉引导的固定翼无人机着陆技术。本论文在评估基于单一视觉传感器的无人机轨迹估计方案的基础上,探讨、设计并评估了分散多视角的低空无人机目标轨迹估计方案。相对于单一视觉传感器方案,本研究通过在场景中前后、左右分散布置多个低成本相机,扩大地基视觉系统的感知距离和视场角,以满足全程、持续、稳定的着陆轨迹估计需求,从而提高轨迹估计精度和可靠性。本研究主要包括以下两个方面的工作:1.针对单一视觉传感器方案中位置估计数据稳定性不足的问题,设计了基于多视角场景的目标遮挡检测算法和信息互补策略。通过利用多个地基视觉相机协同工作,进行数据映射与替补,这一设计方案能有效降低无人机位置估计信息丢帧的概率,从而提高轨迹数据的连续性。2.为了解决视觉引导无人机着陆系统整体轨迹估计精度较低的问题,进一步设计了基于多视角分散部署方案的轨迹融合算法,以提升无人机轨迹估计精度。首先,在地基视觉相机多方位部署的场景下,无人机在较远范围内的感知距离得到提升。其次,通过基于多相机的轨迹融合算法,改善了整体的轨迹估计效果。仿真验证结果表明,在改进方案下,与单视角方案相比。在整体轨迹估计结果中,横侧向误差降低了27%,纵向误差降低了56%,高度方向误差降低了41%,空间距离误差降低了18%。此外,估计轨迹与真实轨迹的相似度增加了47%。本论文在课题组前期开发的地基视觉引导着陆系统基础上,进行了完善和优化。开发了遮挡检测与信息互补模块,并设计了多视角轨迹融合算法,以提高无人机整体轨迹估计的精度。这些模块支持地基视觉系统在多相机分散布置的情况下进行数据收集和评估。在此基础上,本论文对多种方案下的无人机轨迹估计精度进行了综合验证。