无人机视觉引导对接过程中的协同目标检测

无人机空中自主回收是未来的发展趋势,对空中载具的自动识别是实现视觉引导回收的关键技术之一。目前对于空中关联目标检测的研究局限于单个目标个体,没有充分利用关联目标之间的信息。本文针对空中高动态对接中的关联目标检测问题,提出了一种母机与挂载对接物体的单阶段快速协同目标检测算法,包括相关类别并行独立分支目标检测、相关类别掩模增强检测以及相关类别的特征一致性约束,这些模块能够共同提升检测表现。实验表明,在测试集中该算法相比于YOLOv4能够提升4.3%的平均精度,相比YOLOv3-Tiny能够提升31.6%的平均精度。同时,该算法已应用在MBZIRC2020的高动态空中对接项目上,实现机载图像在线实时处理,团队借此斩获冠军。     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

基于旋翼无人机技术的近地磁测系统

为了提高无人机航空磁探测精度,文章利用大疆六旋翼无人机作为飞行平台,搭载三轴磁通门传感器及相应的数据采集子系统,组建了旋翼无人机磁场测量系统;分析和测量了六旋翼无人机本底磁性分布特征,优化了无磁伸杆的安装位置;采用综合系数法修正了三轴磁通门传感器的误差;最后进行了野外飞行试验,对旋翼无人机磁测系统的整体性能进行验证。结果表明,系统可持续飞行15 min,可有效完成低空磁场探测和磁矩计算,且飞行稳定性能高。文章进一步提出了技术改进方向。该研究可为无人机磁探技术和工程应用提供参考。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

非匹配扰动下变体无人机预设性能控制

针对半倾转旋翼变体无人机易受到非匹配扰动和受制于性能约束的问题,提出一种基于复合浸入与不变(I&I)理论的非匹配/匹配扰动观测器和有限时间预设性能控制策略.首先,建立了含有复合扰动的变体无人机数学模型;其次,引入有限时间动态尺度技术和监督因子的概念,提出了一种复合I&I的扰动观测器对非匹配/匹配扰动进行估计和补偿;最后...     

无人机GNSS/IMU组合导航系统完好性监测方法

针对民用无人机组合导航系统中,全球导航卫星系统（GNSS）和惯性测量单元（IMU）均存在故障风险的情况,提出一种兼顾GNSS和IMU故障风险的组合导航系统完好性监测方法。该方法根据故障检测结果建立完好性风险模型,设计完好性风险需求分配方案并建立各故障模式的保护级反演模型,利用滤波新息表达过去历元故障偏差对定位误差的影响,解决故障起始历元和故障偏差取值未知的前提下保护级反演难题。典型无人机低空飞行作业场景下的仿真结果表明：该方法设计的保护级反演模型计算所得保护级可跟踪定位误差的变化趋势,对定位误差形成包络,从而保障组合导航系统的完好性。     

基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。