【《一种用于输电线路树障清理的悬空机器人设计与仿真研究》15000字（论文）】

[28]的电机模型，导入了其电机插件。下图4.18为收缩状态的机器人，图4.19为工作状态伸展的机器人。图4.18收缩状态的机器人 图4.19工作状态的机器人树障Gazebo模型在MATLAB建模中，将树障的作用简化为某一时刻的力与力矩，在Gazebo仿真中，可充分发挥其可视化的优点，建立树障的物理模型。首先，将树障的形态简化为竖直的圆柱体，再将树障分为与地面固定连接的树体与将要割除的障碍体，树体与障碍体之间为旋转关节，在URDF文件中编写其各项物理属性后就能在Gazebo中将模型载入作为机器人的工作对象。图4.26Gazebo可视化仿真示意ROS控制节点实现本文编写C++程序建立了ROS控制节点，将建立的MATLAB模型转换为程序文件，通过发布和接收消息与Gazebo进行通信。在控制节点中编写了PID和ADRC控制算法对Gazebo模型进行控制。位置控制核心代码//位置控制用双环PIDexpect_velocity<<position_gain(0)*(expect_position(0)-state_pos(0)),position_gain(1)*(expect_position(1)-state_pos(1)),position_gain(2)*(expect_position(2)-state_pos(2));expect_accel<<PID_calculate(&_pid_u,expect_velocity(0),state_vel(0)),PID_calculate(&_pid_v,expect_velocity(1),state_vel(1)),PID_calculate(&_pid_w,expect_velocity(2),state_vel(2));姿态控制核心代码Eigen::Quaternionderror_q=_state_q.conjugate()*_command_q;error_q.normalize();command_omega=2.0f/0.5*Sgn(error_q.w())*error_q.vec();_M_b<<_adrc_roll.ComputeControl(command_omega(0),_state_omega(0)),_adrc_pitch.ComputeControl(command_omega(1),_state_omega(1)),_adrc_yaw.ComputeControl(command_omega(2),_state_omega(2));完成Ubuntu系统下代码包的编写后，只需通过设定一些启动文件，就能够实现机器人模型的ROS-Gazebo的可视化仿真操作。可视化实验仿真结果将Gazebo启动，并开启ROS节点控制，先使机器人在X、Z方向上各前进1米，在第15秒时，使机器人的航向角偏移90°同时Y方向前进1米进行切割，在第20秒时，使机器人沿方向退后1米结束切割。使用ROS中的rosbag工具进行数据实时记录，得到如下图4.16的位置曲线和姿态曲线。从图中可以看出，ADRC在可视化仿真中有较好的效果，能够实现位姿的跟踪。图4.24位置响应曲线本章小结本章对悬挂刀具空中机器人控制性能开展实验验证。首先通过MATLAB进行数值仿真，验证ADRC在稳定、解耦、抗扰能力性能优于PID。然后进行Gazebo的可视化仿真实验，仿真验证ADRC算法在倾转多旋翼上的可行性。展望和设想工作总结本文研究了悬挂刀具空中机器人的建模与控制，具体研究内容可以分为以下几点：1）使用SolidWorks三维设计软件完成了倾转多旋翼的结构建模。建立了飞行器的坐标系，分析飞行器的动力学和运动学模型，完成了倾转多旋翼的数学建模，为之后的控制器设计及分析奠定了基础。通过虚拟控制量，将非线性的控制分配问题转换为线性的控制分配问题。2）研究了基于自抗扰控制的方法。首先分别设计了ADRC控制器所包含的跟踪微分器、扩张状态观测器、非线性状态误差反馈律，给出了本文基于ADRC的控制律总体流程，通过仿真与PID、LQR控制相比，最终验证了ADRC在解耦和抗扰方面有更好的性能。3）完成了基于倾转多旋翼的ROS-Gazebo可视化仿真。在Ubuntu系统中，搭建了倾转多旋翼的URDF格式文件，编写了基于ADRC的控制算法，实现了倾转多旋翼的实时控制。最终通过位姿的六自由度全向运动，验证了所设计的基于ADRC控制的倾转多旋翼方案是可行的。工作展望悬挂刀具空中机器人能够在ADRC的控制下完成割树任务，在面对较大的扰动时仍具有较好的控制性能，为解决输电线路上树障的问题提出了有效的解决方案。但是，受时间和作者水平能力的限制，仍有许多问题未能及时研究。未来将从以下几点进行深入的探索：1）位置回路采用的是PID控制，今后将设计六通道ADRC控制器对机器人进行自由度更高的控制。2）姿态采用ADRC的非线性状态反馈采用的是最简洁的一种方式，今后将对其它非线性函数进行研究。3）对于悬挂刀具机器人进行智能控制器设计，如强化学习控制器，以面对更复杂的任务。4）本文仅进行了MATLAB与Gazebo平台的仿真实验，后续还将进行实物仿真验证可行性。参考文献LinX,YuY,SunCY.SupplementaryReinforcementLearningControllerDesignedforQuadrotorUAVs[J].IEEEAccess,2019:1-1.陈听雨.四旋翼飞行器建模、仿真与PID控制[J].电子世界,2018,000(021):5-7.陈洪亮,张向文.基于LQR控制器设计的无人机姿态控制[J].自动化应用,2019(10).REYES-VALERIAE,ENRIQUEZ-CALDERAR,CAMACHO-LARAS,etal.LQRcontrolforaquadrotorusingunitquaternions:Modelingandsimulation:InternationalConferenceonElectronics,Communications&Computing[C],2013.陈平,罗晶.四旋翼直升机建模及H_∞回路成形控制器设计:2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C],2009.A.L.Salih,M.Moghavvemi,H.A.F.Mohamed,andK.S.Gaeid,‘‘ModellingandPIDcontrollerdesignforaquadrotorunmannedairvehicle,’’inProc.IEEEInt.Conf.Automat.,Qual.Testing,Robot.(AQTR),vol.1,May2010,pp.1–5.X.Liang,Y.Fang,N.Sun,andH.Lin,‘‘Nonlinearhierarchicalcontrolforunmannedquadrotortransportationsystems,’’IEEETrans.Ind.Electron.,vol.65,no.4,pp.3395–3405,Apr.2018.DasA,LewisF,SubbaraoK.BacksteppingApproachforControllingaQuadrotorUsingLagrangeFormDynamics[J].JournalofIntelligentandRoboticSystems,2009,56(1):127-151.ShaoX,LiuJ,CaoH,etal.RobustdynamicsurfacetrajectorytrackingcontrolforaquadrotorUAVviaextendedstateobserver[J].InternationalJournalofRobustandNonlinearControl,2018,28.Jingxin,Dou,Xiangxi,etal.Outputfeedbackobserver-baseddynamicsurfacecontrollerforquadrotorUAVusingquaternionrepresentation[J].ProceedingsoftheInstitutionofMechanicalEngineers,PartG:JournalofAerospaceEngineering,2016(14):2537-2548.NuradeenF,MaaroufS,HannahM,etal.RobustObserver-BasedDynamicSlidingModeControllerforaQuadrotorUAV[J].IEEEAccess,2018,6:45846-45859.LiuH,XiJ,ZhongY.RobustAttitudeStabilizationforNonlinearQuadrotorSystemsWithUncertaintiesandDelays[J].IEEETransactionsonIndustrialElectronics,2017:5585-5594.NingW,Shun-FengS,MinH,etal.BackpropagatingConstraints-BasedTrajectoryTrackingControlofaQuadrotorWithConstrainedActuatorDynamicsandComplexUnknowns[J].IEEETransactionsonSystems,Man,andCybernetics:Systems,2018,PP:1-16.토수안딘,안경관.Adaptivetrackingcontrolofaquadrotorunmannedvehicle[J].제어로봇시스템학회국내학술대회논문집,2015.AntonelliG,CataldiE,ArrichielloF,etal.AdaptivetrajectorytrackingforquadrotorMAVsinpresenceofparameteruncertaintiesandexternaldisturbances[J].IEEETransactionsonControlSystemsTechnology,2013:1-7.BansalS,AkametaluAK,JiangFJ,etal.Learningquadrotordynamicsusingneuralnetworkforflightcontrol[C].DecisionandControl.IEEE,2016.PhamHX,LaHM,FeilseiferDJ,etal.AutonomousUAVNavigationUsingReinforcementLearning[J].arXiv:Robotics,2018.Kimathi,EtheK,Kihato,etal.ApplicationOfReinforcementLearningInHeadingControlOfAFixedWingUAVUsingX-PlanePlatform[J].InternationalJournalofScientific&TechnologyResearch,2017,6(2):285-289.KochW,MancusoR,WestR,etal.ReinforcementLearningforUAVAttitudeControl[J].2018.PalunkoI,FaustA,CruzP,etal.Areinforcementlearningapproachtowardsautonomoussuspendedloadmanipulationusingaerialrobots[C]//IEEEInternationalConferenceonRobotics&Automation.IEEE,2013.RegoBS,RaffoGV.Suspendedloadpathtrackingcontrolusingatilt-rotorUAVbasedonzonotopicsta