- 文献综述（或调研报告）：
摘要：随着MEMS传感器、无刷电机、单片机以及锂电池技术的发展，四旋翼无人机在军事侦查、农林业调查、灾害检测、输电线巡查、玩具航模、航拍、气象探测等领域有着越来越重要的作用。有越来越多的国家科研机构参与到四旋翼无人机的研究中。本篇文献综述在我阅读了大量文献的基础上由国内外四旋翼发展概况，四旋翼硬件选择与检测，控制算法技术，多机协同控制以及无人机的应用几方面展开综述。
关键词：国内外四旋翼发展概况 四旋翼硬件选择与检测 控制算法技术 多机协同 无人机的应用
- 国内外四旋翼发展概况
目前无人机在国内外都有着较为完整的研究体系。国外无人机研究起步早，目前已经形成了完整的无人机数学建模、控制算法研究、硬件芯片选择、无人机应用等的无人机系统架构。国内起步较晚，但是目前也已经有多家研究机构研究出了自己的数学建模和控制算法思想，且在无人机应用方面取得了符合发展需要的多样成就。综合国内外发展，无人机研究目前大量集中在控制算法及位置跟踪与检测算法上的创新与改善，基于几种基本控制思想的结合与数学模型的简化及精进进行研究。也有不少研究者在四旋翼的控制器中加入目前大热的人工智能与神经网络的思想，使无人机可以在参数调节，抗干扰，目标识别上不断提升表现。另一方面则集中在无人机应用上，无人机由于其良好的机动性渐渐替代机器人成为人们生活和社会工作的好帮手，在一些高精尖领域，例如国内的5G构架，北斗导航应用等方面发挥了重要作用。
- 四旋翼硬件选择与检测技术
目前四旋翼核心MCU大概分为通用微处理器和DSP数据处理芯片两部分，微处理器一般运行速度慢，数据运算功能欠佳，造价较低。而DSP芯片是专用级数据运算MCU，造价较高，很难满足大批量生产。而硬件要求往往由软件算法决定，最开始的四旋翼控制器或者要求极高的四旋翼往往参数繁多，数据运算复杂故不得不要求专用级MCU，也有一些控制算法通过精简运算和数学模型达到较好飞行姿态控制的同时满足了一般通用MCU的运算能力，从而可以降低MCU的造价，例如一种使用无模型强化学习的神经网络的低级四旋翼控制算法[1]，通过深度学习的策略梯度算法，放宽要求以提高培训效率，并通过减小RL神经网络的大小并将ReLu替换为tanh，提高计算效率，使四旋翼可以在低成本的机载MCU上实现任务要求。
四旋翼的硬件组成除了核心MCU外最重要的是传感器系统，目前已经形成了较为完善的体系，即气压计读取高度信息，陀螺仪，加速度计读取姿态信息，电子罗盘对于姿态信息进行校正。但是由于四旋翼参数多，一些控制算法例如PID算法对于参数极为敏感，所以传感器读取数据的精确程度则显得尤为重要，所以一些研究者致力于研究四旋翼传感器的检测技术。一种用于微机电传感器测试的系统[2]，用于无人机导航系统，该系统研究了微机电压力和温度传感器，磁场传感器和惯性单元，设备可以校准微机电传感器，而无需进行测试飞行，从而降低了在出现重大测量错误时无人机损坏的风险。此外，通过软件算法对于传感器测定结果进行补偿也是很多无人机经常使用的方法。
- 四旋翼的控制技术
目前四旋翼的基本控制技术分别为PID控制，滑模控制，反步控制，自适应控制，LQR控制等。尽管大部分控制算法在仿真时都展现了较强的控制技能，但也存在较大的局限性。例如：反步控制的控制效果很大程度上依赖于精准的数学模型；PID算法虽然不依赖精准的数学模型，但是不足以解决飞行器强耦合、非线性等问题；滑模控制在非线性系统中颤振明显，对系统的稳定性产生损害；自适应控制要求将非线性参数线性化，否则会对系统的稳定性造成冲击。所以目前研究者通过将几种技术融合并不断精进数学模型从来优化四旋翼的控制技术。一些学者提出了优化PID算法无法解决非线性的问题的方法，如模糊PID算法[3]，非线性PID[4]等，其对于四旋翼有一定的稳定作用，但是仍存在对参数敏感，抗干扰性能差的问题，在此基础上，串级PID[5]与自抗扰器（ADRC）的串级PID控制器[6]被提出，该控制器通过串级精确控制位置与姿态实现精确控制，同时对于扰动进行补偿起到了抗干扰作用。对于滑模控制，文献[7]中提到了一种优化方法，一种三环不确定度补偿器（TLUC）和指数趋近律滑模控制器（ERSM）[7]，三回路不确定度补偿器（TLUC）的自适应和积分功能使其能够实时提供对干扰和不确定性的估计和补偿。 指数趋近律滑模（ERSM）可确保对位置，姿态和高度的完全控制，并确保低抖动和快速响应，从而解决了四旋翼机震颤扰动的问题。文献[8]中将神经网络、滑模控制结合提出了一种在参数不确定和外部干扰条件下对四旋翼无人机进行位置和姿态跟踪控制[8]的新方法。所提出的方法将神经网络自适应方案与滑模控制相结合，保留了两种方法的优点。将四旋翼的动力学模型分为两个全驱动子系统和欠驱动子系统。其次，为每个子系统设计相应的滑模控制器，并通过神经网络方法自适应地调整滑阀中的系数。通过比较通过不同方法获得的结果，可以得出控制器具有良好的瞬态和稳态行为、对参数变化不敏感、干扰抑制能力强等性能。此外，一种基于Lyapunov稳定性理论，将滑模控制与反推相结合的控制方法[9]，也已经证明了自身的跟踪性能和鲁棒性。
除了稳定飞行之外。一些研究者通过改变飞控算法有效的降低了飞行的功耗。文献[10]提出了一种新颖的鲁棒控制器[10]，适用于四旋翼飞行器，用于调节和轨迹跟踪任务。在提出的方案中，四旋翼位置由比例控制积分微分（PID）控制，而方向控制则通过基于模型的控制器来实现。拟议的控制器与功率降低方法结合使用，该方法包括控制器使用布谷鸟搜索算法获得调整阶段，以及最小的急动轨迹设计阶段。在无干扰的情况下以及在以下情况下评估新控制器在参数不确定性和气动干扰的影响下的性能。将新控制器与两个线性PID控制器和一个基于非线性滑模的控制器进行了比较，证明了任何控制器所需的功率都会降低。
一些科学家在四旋翼控制数学建模上做出了贡献，其中一个主要问题就是简化数学模型，以降低其耦合性和参数数量。许多研究者朝着简化四旋翼运动数学模型的方向工作，摒弃了四旋翼旋转过程中由于陀螺动量的存在而引起的交叉连接的影响。但是在不考虑交叉连接的影响的情况下，由于失配的非线性增长，将四旋翼精确转移到给定状态的问题的解决方案非常复杂[11]，可见数学模型简化较为困难。在参数简化上，文献[12]中通过引入粒子群算法[12]，并采用了指数衰减方程中的惯性因子和ITAE，有效的对于参数进行了优化。
四旋翼在飞行过程中的湍流或阵风会引起无人机空气动力学参数的急剧变化。特别是无人机的转子推力系数和反作用转矩系数存在不确定性波动，可能会损害控制性能。因此对于气动干扰的处理，很多研究者提出了抗干扰算法，其中一种实时估计策略[13]，以改进对扰动的识别。首先，采用无味卡尔曼滤波器（UKF）算法估计无人机状态和空气动力学参数。然后，设计了由位置和姿态组成的双环结构，用于轨迹跟踪控制。在外环中，采用比例微分控制器进行位置跟踪，并为内环提供欧拉角参考，即姿态控制器。此外，姿态控制器是采用逆动态技术设计的。这项研究的主要贡献是提出了对带有风扰动的空气动力学参数以及无人机状态的联合估计。该策略在细化风扰时变参数方面起着重要作用。
- 四旋翼的多机协同控制
目前四旋翼的控制已经不满足对单个飞行器的控制，而是形成飞行编队，从而执行更加复杂的任务。对于多机的控制算法，可通过使用粒子群优化（PSO）方法[14]，避免质心点碰撞的方法。仿真结果表示，该方法能够保证质点跟踪中四旋翼群具有最小的方差，并能够避免四旋翼群成员相互之间的碰撞。此外基于聚集的动力学模型，有一种分别由位置控制器，姿态控制器和机械手控制器组成的控制方案[15]。通过位置控制器和姿态控制器可以实现所需的单机姿态控制，而通过人工势函数（APF）方法可以确保避免碰撞。我们可以看到四旋翼多机协同的难点和重点在于避免四旋翼间的碰撞。
以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
