无人机与垂直起降多旋翼无人机平台背景与动机无人驾驶飞行器（UAV）就是通常所说的无人机。从军事应用到全球业余爱好者的青睐，再到近越来越多重要的民间应用，无人机取得了令人印象深刻的发展和进步。根据BI Intelligence的报告（Meola，2017），与2016年的85亿美元销售额相比，无人机在2021年的销售额有望超过120亿美元，这意味着复合年增长率（Compound Annual Growth Rate，CAGR）将达到可观的7.6%。国际无人机系统协会（Association for Unmanned Vehicle Systems International，AUVSI）在其2013年的经济影响报告（AUVSI，2013）中指出：“在整合发展的个三年里，美国将产生7万多个工作岗位，对美国的经济影响超过136亿美元。这个效果将持续增长到2025年，预计会带来10万多个就业机会，产生820亿美元的经济收益。”普华永道的报告（PW Press Release，2016）预测民用无人机的市场价值会超过1270亿美元，让我们进一步分析这1270多亿美元在关键行业中的分布情况：●基础设施：452亿美元●农业：324亿美元●交通运输业：130亿美元●安防：100亿美元●媒体及娱乐：88亿美元●保险：68亿美元●通信：63亿美元●矿业：44亿美元……●总计：1273亿美元鉴于金融市场呈现上升和增长趋势，我们看上去有足够多而且合理的理由保持乐观。当然有些人还是建议在乐观的同时保持谨慎，毕竟还需要克服许多障碍：技术上的挑战、不成熟的技术、滞后的法规、不断变化的认证和运行要求、安全性、隐私和保密、急切的投资者、项目风险等。根据现有无人机行业的发展速度及面临的诸多挑战，同时涵盖所有问题和相应解决方案是非常困难的。本书是美国俄亥俄州辛辛那提大学和法国波尔多大学的研究成果，旨在为无人机开发和应用的关键领域提供有价值的见解，重点在于多旋翼平台的使用。本书涵盖以下主题：无人机的分类、无人机融入国家空域管理、系统架构、任务和路径规划、任务优化、隔离保障和容错、导航和飞行控制，以及数据/图像处理。现在，我们对本书各章内容进行简要介绍。无人机集成、分类、任务规划和系统架构2017年秋天，美国运输部部长Elaine L.Chao表示（US Department of Transpor-tation，2017）：“无人机驾驶员项目将通过在当地政府、美国联邦航空管理局（Federal Aviation Administration，FAA）和无人机个体运营商之间建立新的合作伙伴关系，加速无人机安全地融入我们的领空。这类新的伙伴关系将使当地社会团体尝试新技术，在统一和安全的空域下提供服务，例如派送包裹、在紧急事件中使用无人机探查等。”“统一和安全的空域”一词是关键推动因素。NASA在开发美国国家空域系统（National Airspace System，NAS）研究活动中的UAS（Unmanned Aerial System，无人机系统）解决方案方面加快了步伐，并处于领先地位（NASA，2016）：●技术挑战DAA：UAS检测与避碰操作的概念和技术。旨在建立检测与避碰（Detect And Avoid，DAA）的运行和技术标准，使得采用此类标准的具备通信、导航和监视能力（Communication，Navigation and Surveillance，CNS）的UAS功能可以同IFR指令保持一致，并成为载人和无人飞行器空中交通中检测、避碰的必要标准。●技术挑战C2（Command and Control）：UAS指挥控制。旨在开发一套连接卫星（卫星通信）与地基指挥控制系统的运行概念和技术标准，使得采用此类标准的各种具备通信、导航和监视能力的UAS功能可以支持IFR指令标准并同它保持一致，并且支持现在已经分配的保护频谱。●演示活动：系统集成与运行（Systems Integration and Operationalization，SIO）。旨在演示采用集成了DAA、C2和飞行器技术的无人机系统在NAS内的稳定操控能力，以这种演示认证的方式展示FAA无人机系统的集成策略及运行程序。第1章分别从欧洲和美国的视角探讨了无人机的分类，与之相关的任务、法规和安全性，认证，以及空管问题。无人机系统完整地融入国家空域面临着巨大的挑战，这两个视角在挑战的艰巨性上也有所不同，审视它们之间的不同是件有趣的事情。第2章介绍了无人机系统的分类和相关的常规任务，具体列举了现有系统及潜在的未来民用无人机系统的应用，既包括企业或商用无人机，也包括个人购买的用于非商业、非专业用途的消费级无人机（Meola，A.，2017）。第3章描述了无人机系统的使用，这套系统相当复杂，而且采用了结构化的系统工程方法，通过提供一系列的实用工具来达成以下目标：权衡性研究、功能性分析和非功能性分析、需求分析、运行分析、对系统架构设计的见解、基本的人因成分以及确认和验证技术。路径规划、隔离保障及容错无人机需要携带载荷从一地飞至另一地，在综合空域中实现操控需要有效的路径规划方法，也需要隔离保障来确保飞行安全。按照FAA的规定，常用的电动多旋翼无人机平台质量通常不超过55磅1磅约合0.453 6千克。——编辑注，续航时间相对较短，因此采用高效的方法来充分利用无人机的飞行时间非常重要，尤其是空域存在如机场、市中心等杂乱的禁飞区时。第4章详细描述存在其他移动或固定障碍物的情况下，对在国家空域中飞行的单个UAV和协同飞行的UAV进行路径规划的优化算法的开发过程。解决这个NP难路径规划问题时，建议采用一种常用的基于混合整数线性规划（Mixed-Integer Linear Programming，MILP）的优化方法。随着国家空域里无人机数量的增长，存在潜在的空中碰撞安全隐患，要解决该项安全问题必须采用系统的结构化方法，将无人机整合到非隔离空域中。安全空域要求中重要的一个组成部分是“冲突检测和消除”（Yang等，2016）。第5章讨论了采用遗传模糊逻辑方法解决机场合作研究项目（Airport Cooperative Research Program，ACRP）（2017）中描述的飞行器冲突解脱的准则。该准则的目标是获得飞机不产生冲突的轨迹，使得机动总代价小化。该章提出了一种独特的架构，该架构包含神经元的隐藏层和提供终输出的模糊推理系统（Fuzzy Inference System，FIS）层。由一种名为EVE的人工智能程序训练该系统，训练完成后，就可以使用一组测试场景评估其能力。EVE训练人工智能本质上是一种遗传“模糊树”，设计目标是训练大型智能系统。EVE已经得到大量应用，包括飞行器控制（Ernest等，2016）。它把适应度函数每一次评估的功效化，以实现这种高性能和极限扩展。由于EVE是专门用于优化大型“模糊系统”的学习系统，因此它可以递归地应用于自身。EVE经过几代的迭代、优化，未来将成为解决大规模无人机隔离保障问题的理想训练器。持续地追求低成本、不断增长的民用无人机市场产生的竞争、爱好者圈子中出现的多旋翼无人机，再加上缺少类似有人机飞行的严格监管，会导致无人机出现很多意想不到的故障。故障可以定义如下（Isermann等，1997）：“故障即系统中至少一个特征属性或参数相比合适的、通常的或标准的条件产生了不允许的偏差。”无人机系统是安全关键系统，必须防止灾难性事件发生，从而挽救生命、保全财产、降低诉讼成本和保持财务底线。第6章介绍基于平坦度的容错控制方法。对于微分平面系统，可以找到一组变量，称为平面输出，从而把状态和控制输入表示为函数和时间导数。故障检测和隔离过程主要采用基于阈值的简单方法实现，通过比较来自传感器的信号和通过微分平坦度获得的无故障值，即可获得差值信号。第8章介绍了一种用于倾斜旋翼四旋翼无人机的数学建模和设计容错控制器的独特方法。因为驱动电机具有额外的自由度，该方法提供了额外的驱动控制，使旋翼能够围绕四旋翼无人机的旋翼支臂的轴倾斜。尽管传统的四旋翼无人机可以通过商业渠道采购，但它们是欠驱动系统，并且对单桨故障敏感，而改进的倾斜旋翼四旋翼无人机是一个能够处理螺旋桨故障的容错系统。技术进展：导航、飞行控制、态势感知、增材制造和协同群集随着无人机使用价值的提升，为了进行飞行控制的研发和验证，我们预测高精度多旋翼平台的仿真将获得更多关注。在使用无人机派送包裹时，有效载荷的质量、体积和重心可能会发生变化，需要具有自适应能力的有效飞行控制器，因此仿真特别重要，关键是针对当前研究分析的系统建立并开发精确的动态模型。下面给出四旋翼建模、系统识别、控制设计和仪表方面的文献综述。频域系统识别技术，如频率响应综合识别（CIFER）软件包（Tischler和Remple，2012）已经被证明可以生成各种旋翼飞机的精确模型（Woodrow等，2013）。基于飞行测试的输入输出数据已经用于研发固定翼/旋翼飞机动力学模型。基于以下原因，频域方法对于开发和验证飞行控制系统特别有效：它们非常适合解决复杂问题，包括多种重叠模式、不稳定的系统、低信噪比；频率响应是在没有预先确定状态空间模型结构的情况下获得的非参数特征；开环和闭环响应为裸机和闭环模型提供了重要的“书面记录”反馈的稳定性和噪声放大特性由开环频率响应、交叉频率、增益/相位裕度确定；现代处理技术的质量要求多数基于频率响应（Wei等，2017）。第7章使用频率响应综合识别技术（CIFER）提取和验证四旋翼无人机模型，并使用线性二次调节器（Linear Quadratic Regulator，LQR）方法优化飞行控制器。某些无人机应用需要在诸如野外着火或山洞这种恶劣的环境中飞行。室内环境无法使用全球定位系统（Global Positioning System，GPS）进行定位，在光线不足或变化的照明条件下也无法有效使用相机。第8章介绍了在室内环境中，四旋翼无人机利用携带的惯性传感器和声波传感器获取对室内环境的有限认知，实现围绕障碍物的自主导航飞行。该系统还能够跟踪已知目标并使用传感器对其进行地理定位，然后将目标的图像和位置传回地面站。第9章讨论了利用无人机检测和追踪野火来协助灭火工作，以此提高在高风险工作中的灭火效率。经过遗传算法训练的模糊逻辑系统能够使用视觉和前视红外雷达（Forward-Looking Infrared Radar，FLIR）视频输入来检测着火点。此外，还提出了一种两阶段级联的模糊逻辑系统，其中阶段使用视觉数据，第二阶段处理FLIR数据以对火险像素进行近乎准确的检测。视觉和红外数据的使用极大地提高了火灾探测的准确性。与其他常规方法不同，遗传模
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
