摘要
小型共轴双旋翼无人机具有成本低廉、体积小、结构紧凑以及载荷能力强等优点，在侦察监视、重点目标打击等军事领域以及电力巡检、遥感拍摄等民用领域具有广阔的应用前景。但小型共轴双旋翼无人机系统的强耦合、欠驱动、强非线性等特性，使得传统控制方法已难以满足控制需求，这对小型共轴双旋翼无人机的动力学建模与飞行控制提出了重大挑战。本文以小型共轴双旋翼无人机为研究对象，在实现基本稳定控制的基础上，结合深度学习的特征提取技术以及强化学习的环境交互策略，基于深度强化学习方法设计具有良好指令跟踪性能，并对执行器故障具有容错能力的飞行控制器。论文主要工作包括： 首先，搭建了小型共轴双旋翼无人机系统，研究了小型共轴双旋翼无人机动力学特性，建立了非线性动力学模型，通过开环仿真实验，分析了动力学不确定性和外界干扰因素对动力学模型的影响。进一步，设计了基于 PID 的稳定控制器，实现了小型共轴双旋翼无人机的稳定控制，通过仿真实验和实物悬停飞行试验，验证了控制器的有效性。 其次，依据小型共轴双旋翼无人机系统的特点，提出强化学习控制器，并对其进行优化，将策略随机取点改为根据概率密度的变化进行选择的方案，并设计了分层强化学习算法，提高了强化学习算法训练效率。进一步，将传统强化学习中的AC(Actor-Critic, AC)框架拓展到策略梯度方法中，针对小型共轴双旋翼无人机控制问题，构建了基于DDPG(Deep Deterministic Policy Gradient, DDPG)算法的深度强化学习控制器训练框架。通过仿真实验，验证了基于 DDPG 的控制器在目标状态和初始状态差别较大的情况下，相对于传统 PID位置控制器具有更强的鲁棒性和自适应能力。 最后，针对小型共轴双旋翼无人机在环境干扰和故障条件下的容错控制问题，提出一种基于多维向量场的被动容错控制方案。多维向量场通过支持向量机分类确定每一个维度的方向、通过对小型共轴双旋翼无人机姿态和位置等飞行状态的预测计算大小，从而产生补偿指令，实现对故障条件下无人机的被动容错控制。通过仿真实验，验证了设计的被动容错控制方案使得执行机构故障条件下的小型共轴双旋翼无人机系统具有良好的容错性能。
NETL