【《PID控制无人机算法的仿真结果与分析对比案例概述》1800字】

PID控制无人机算法的仿真结果与分析对比案例概述目录TOC\o"1-3"\h\u106PID控制无人机算法的仿真结果与分析对比案例概述 1201321.1PID控制仿真分析 151591.2DDPG控制仿真分析 41.1PID控制仿真分析运用PID控制器进行无人机的轨迹跟踪，需要大量的经验与实践作为基础。在这里为了能够更好地发挥PID这一经典算法操作简单，易于上手的优势，同时为了节约时间，提高实验效率，将飞行器的起始位置和目标位置设定为下表符号数值单位备注m1Kg四旋翼无人机的质量l0.2m四旋翼无人机的机臂臂长g9.81m/s2重力加速度Ixx0.232Kg/M2四旋翼无人机的X轴惯量Iyy0.232Kg/M2四旋翼无人机的Y轴惯量Izz0.464Kg/M2四旋翼无人机的Z轴惯量x00m四旋翼无人机的X轴起始坐标y00m四旋翼无人机的Y轴起始坐标z06m四旋翼无人机的Z轴起始坐标X0m四旋翼无人机的X轴目标坐标Y2m四旋翼无人机的Y轴目标坐标Z6m四旋翼无人机的Z轴目标坐标θ0°（deg）四旋翼无人机的俯仰角Φ0°（deg）四旋翼无人机的横滚角ψ0°（deg）四旋翼无人机的偏航角表1.1四旋翼无人机的参数设置图1.1（1）四旋翼无人机仿真环境Fig1.1（1）SimulationenvironmentofquadrotorUAV图1.1（2）四旋翼无人机目标位置Fig1.1（2）goallocationofquadrotorUAV如图1.1（1）所示为四旋翼无人机的仿真环境。该环境能够实时观测四旋翼无人机的飞行状态，得到无人机的位置，速度等信息。由于程序设置问题，Z轴方向与设计情况有所不同，真实情况下取向上为正向。图1.1（2）所示为四旋翼无人机的目标位置，在设计上，当无人机达到目标位置时，便即刻让无人机停止运行，并弹出“success”报警框。图1.1（3）所示为四旋翼无人机的轨迹跟踪情况。该图将Φ、θ、ψ和x、y作为输出将其与时间（t）绘制成了波形图，可见在利用PID控制器进行简单直线的轨迹跟踪时，能够较为准确地抵达目的地，同时在整个运行的过程中能够以一种较为平稳的状态进行飞行。图1.1（3）四旋翼无人机轨迹跟踪仿真图Fig1.1（3）SimulationchartofquadrotorUAVtrajectorytracking实验显示，传统的PID算法在完成简单曲线且无干扰的情况下具有良好的表现，同时兼具着上手简单，操作方便的优势。在无干扰的情况下，能够严格按照预定轨迹进行飞行。PID作为一种线性控制，运行速度很快，可以很快的将运行结果表示出来，方便后续的调整。其作为最经典的控制算法能够一直被沿用至今，仍然拥有着一定的道理。同时，PID控制算法也存在着一定的缺点，首先从实验结果上可以很明显地看出，无人机一直是以一种向前倾斜的方式进行前进，在飞行过程中始终存在着一定的稳态误差，这个误差难以进行消除。1.2DDPG控制仿真分析使用DDPG算法对于四旋翼无人机进行轨迹跟踪时，需要与先对于强化学习智能体进行训练，在这里由于无人机的初始状态基本与PID时相同，不再额外给出无人机的初始状态信息。图1.2（1）所示为自主设计的智能体的训练图，设计了智能体进行2000次的训练，在图中可以很明显地看出，在智能体进行了400次左右的训练后便开始得到收敛，在一次次的训练中，奖励最终慢慢趋向于平稳，这时也就能得到一个较为优秀的动作。图1.2（3）和图1.2（4）是强化学习算法的仿真效果图，将无人机的六个状态量与时间进行绘制图形，可以观察到强化学习算法同样能使无人机达到目标位置，同时在路径的选择上可以有了曲线的路径，同时在曲线路径的跟踪效果上同样能达到预定要求。图1.2（3）所示部分绿色线条为无人机的仿真轨迹，红色线条部分为预期轨迹。预期轨迹设为一条正弦曲线函数，起始点为（0，0），目标点为（10，0），达到目标点后，无人机可以在保持自身稳定的前提下做出原地盘旋等其他复杂动作。图1.2（1）DDPG智能体训练图Fig1.2（1）DDPGagenttrainingdiagram图1.2（2）四旋翼无人机轨迹跟踪效果图Fig1.2（2）TrajectorytrackingrenderingofquadrotorUAV图1.2（3）四旋翼无人机位置控制仿真图Fig1.2（3）SimulationdiagramofpositioncontrolforquadrotorUAV图1.2（4）四旋翼无人机姿态控制仿真图Fig1.2（4）SimulationdiagramofheadingcontrolforquadrotorUAV强化学习算法所运行的曲线更为复杂，动作也更为繁琐，同时考虑到了不断变化的干扰因素等。因此强化学习算法的模拟更具有现实性。同样的，DDPG也能使无人机达到目标点，而且在误差控制方面同样优秀，仅仅只有0.2m的误差，在控制性能方面，同样优秀。在无人机的飞行过程中，除了起始的颠簸状态外，基本能时刻保持完全平稳的状态进行飞行，即使在干扰不断变化的过程之中。强化学习作为最为一种在近年来才出现的控制算法已经日趋成熟