多旋翼无人机以机械结构简洁、机动能力强、操控便捷等优点,在工业、农业、国防军事等领域得到了广泛应用。在变加速度或高速运动等强机动状态下,多旋翼无人机的机体产生运动加速度,会导致姿态解算的精度明显降低。在GPS信号微弱或没有的复杂环境下(如室内环境、矿山井下),多旋翼无人机位置估计误差急剧增大,甚至无法进行姿态控制。针对以上问题,在构建多旋翼无人机实验平台的基础上,本文提出了基于改进极限学习机的姿态解算算法和基于UWB的组合导航算法,实现了多旋翼无人机的姿态优化。主要工作包括以下几个方面:首先,构建了多旋翼无人机飞行控制系统及整机硬件平台。设计并绘制了系统各部分(包括主控模块、AHRS模块、UWB模块、PWM输出模块、各类通讯模块等)原理图及PCB,通过打样、焊接、调试一系列过程生成完整的电路板,并与机架、无刷电机、螺旋桨等部件装配形成一套整机硬件平台。其次,利用STM32CubeMx、MDKIDE和Qt等开发工具,设计并开发了无人机飞行控制系统软件及相应的上位机软件。无人机系统软件包括:传感器读取任务、姿态控制任务、上下位机通讯任务等。上位机软件实现了姿态信息、位置信息、定位信息等数据的通讯与显示。再次,针对多旋翼无人机在强机动状态下姿态解算精度下降的问题,提出了一种基于改进极限学习机的姿态解算算法。该算法有两种工作模式,分别是训练模式和预测模式。在训练模式下,多旋翼无人机处于悬停或慢速移动状态,加速度数据可靠,根据飞行模态对样本数据进行分类,使用分类样本数据在线训练极限学习机的网络参数。在预测模式下,多旋翼无人机处于强机动运动状态,加速度数据中运动加速度分量增大,会对姿态解算产生不利影响,采用极限学习机动态调整互补滤波算法中融合权重及梯度下降的步长,降低系统对加速度计的信任程度,使得加速度计和陀螺仪对姿态解算的贡献最优。实验表明,改进后的无人机姿态解算算法精度明显提高,姿态优化效果显著。最后,针对多旋翼无人机在无GPS复杂环境下位置估计精度下降的问题,提出了基于UWB的组合导航算法。该算法利用UWB模块测距精度高、实时性强的特点,使用三边定位算法对多旋翼无人机进行地面坐标系下的位置解算,再将UWB定位数据代入卡尔曼滤波的量测方程,通过状态方程解算多旋翼无人机的位置和速度。分别基于Linux系统进行仿真实验,和基于硬件平台进行真机飞行实验,验证了基于UWB的组合导航算法可行性。实验结果显示基于UWB的组合导航算法在无GPS等复杂环境下提高了位置控制的精度。图[73]表[5]参[69]