基于自适应神经网络的无人机PID控制器研究

来源 :电子测量技术 | 被引量 : 0次 | 上传用户:liongliong435
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提高PID控制器对系统的稳定性,并减少控制误差,提出一种自适应神经网络PID控制器。首先,在离散时间模型中开发PID控制器,以减少在连续时间中设计控制器所带来的问题。然后,定义一个自适应神经网络,调整控制增益,以实现导航任务过程中六旋翼无人机(UAV)的跟踪误差最小化。利用梯度下降方法对PID控制器的重要参数进行整定。此外,通过卡尔曼滤波对传感器测量值进行过滤,以提高在线自适应的性能。实验结果验证了所提控制器的优越性,绝对值误差积分(IAE)为2.576×10~3,时间绝对值误差积分(ITAE)
其他文献
边缘计算在物联网领域有着广阔的应用前景,尤其是智能配电网中的电缆实时在线监测业务。然而,由于边缘节点的资源和能力相对有限,难以高度全面地满足电缆在线监测任务的高实时性要求。对此,提出了一种基于边缘计算的有线实时在线监测业务任务分配机制,在有效利用和优化边缘节点的资源和能力的基础上,进行动态任务分配。考虑到配网的线性分布特性、边缘节点状态、任务处理开销以及延迟敏感任务的调度策略,建立了基于边缘计算的任务分配模型。其次,提出了一种基于任务分配策略的优化方法。仿真结果表明,所提出的任务分配机制能够有效降低配网有
针对传统的小波增强算法应用于医学CT图像时处理效果不理想。存在许多问题,如在增强图像的同时使图像的细节丢失,减弱图像中目标的边缘信息,降低了图像的对比度。为保持良好的边缘细节信息,突出CT图像敏感信息,更好地重构增强图像,提出了一种基于多视小波变换融合的医学CT图像增强算法。该算法利用乘性分解得到原始图像的细节图和利用聚类的共显性方法得到原始图像的显著图并且通过小波变换进行融合,然后对图像融合准则
随着传动系统的进步以及传感器技术的发展,光电跟踪系统的应用领域不断拓展,系统针对的跟踪目标也从高空、远距离、速度快、运动规律强的传统目标进一步拓展到了低空、距离近、速度慢、运动规律弱的新型目标。面对新型的跟踪目标,光电跟踪系统需考虑进一步提升光电跟踪技术以提高系统的跟踪能力。前馈控制是一种提高系统跟踪能力非常有效的手段,前馈控制的关键在于获取实时准确的目标运动状态,但探测目标的图像传感器一般都存在不可忽略的时间延迟。因此就形成了基于预测滤波的光电跟踪技术研究方向。回顾目前主流的4种基于预测滤波的光电跟踪技
针对当前利用RGB-D图像进行目标检测出现的网络融合不充分和检测效率不高等问题,提出一种基于注意力机制的特征逐级融合网络结构。首先在基于Yolo v3的Backbone网络结构下,分别用标注好的RGB-D样本分别训练RGB和Depth网络,然后通过注意力模块增强两种特征,最后在网络中期逐层融合得到最终的特征权重。在具有挑战性的NYU Depth v2数据集上测试,得到本文方法的均值平均精度为77.
为了提高手语识别准确率,提出一种基于混合粒子群优化的支持向量机(HPSO-SVM)的多传感器手语识别方法.在原始数据采集阶段,利用ZTEMG-2000肌电传感器采集人体手臂表肌电信号
针对传统校正方法在非均匀背景场中会面临校正性能降低,甚至完全失效的问题,设计了一种新的非均匀背景场中的矢量磁力计阵列校正方法,依据空间中一点的张量不变量的旋转不变
针对未知动态环境中多机器人协作围捕的时间长、成功率低的问题,提出了一种基于生物启发神经网络的新型多机器人协作围捕方法.首先,构建了多机器人协作围捕模型,利用动态联盟
针对当前无线传感器网络(WSN)级联模型中流量指标无法正确反映WSN的汇聚特征,提出了一种受节点容量和链路容量限制的无线传感器网络级联模型.首先,在每个节点上根据新的度量
传统的单个模糊分类器方法采用固定的去模糊化规则,在情感数据分类上容易引起文本歧义,针对该问题,提出一种基于深度神经网络和模糊规则的文本分类方法.该方法分为两个主要阶
针对复合绝缘子安全运行需要,进行复合绝缘子脱粘缺陷相邻电容无损检测方法研究。通过数值仿真和实验,研究了相邻电容传感技术对多层介电结构脱粘缺陷检测的可行性及电极宽度和间距对相邻电容传感器检测能力的影响。结果表明,相邻电容传感技术可用于多层介电结构界面脱粘缺陷检测,且电极宽度和电极间距对其检测性能有影响,通过优选电极参数可以提高相邻电容检测技术的检测效率和分辨率。该研究工作为复合绝缘子芯棒脱粘检测提供了可行的技术方案。