کنترل هوشمند هلی‌کوپتر چهار موتور بدون سرنشین در حالت معلق در هوا

الموضوعات :

ندا شمشیری ¹ ( دانشگاه آزاد اسلامی واحد نجف آباد )
عباس چترایی ² ( دانشگاه آزاد اسلامی واحد نجف آباد )

تاريخ الإرسال : 13 الأحد , شعبان, 1436 تاريخ التأكيد : 12 الثلاثاء , شوال, 1436 تاريخ الإصدار : 17 الثلاثاء , ذو القعدة, 1436

الکلمات المفتاحية: مدل‌سازی, کنترل‌کننده فازی, کنترل‌کننده عصبی- فازی, کنترل‌‌کننده ‎PID‎, کوادروتور,

ملخص المقالة :

هلی‌کوپتر چهار موتور (کوادروتور)، یک هواپیمای بدون سرنشین با چهار موتور است. به‌ دلیل قابلیت‌های منحصر ‌به‌فرد این وسیله از جمله نقصان تحریک بودن، پرواز و فرود عمودی، حرکت درجا، درجات آزادی بیشتر و کاربردهای نظامی و غیرنظامی، توجه ویژه بسیاری از محققین را به‌خود معطوف کرده است. به‌دلیل دینامیک غیرخطی و پیچیده این سیستم چندمتغیره با شش درجه آزادی، مدل‌سازی و کنترل این وسیله یکی از زمینه‌های چالش‌برانگیز در مهندسی کنترل به‌ شمار می‌آید. در این مقاله مدل‌سازی کوادروتور با استفاده از معادلات نیوتن- اویلر توصیف می‌گردد. پایدارسازی و کنترل ارتفاع و وضعیت این وسیله توسط سه کنترل‌کننده ‎‎PID‎‎‎‎ کلاسیک، فازی- ‎‎PID‎‎‎‎ ‎‎ و فازی- عصبی مبتنی بر PID صورت می‌پذیرد و همچنین عملکرد این کنترل‌کننده‌ها در حضور اغتشاش و نامعینی جرمی مورد بررسی قرار می‌گیرند. هدف اصلی این مقاله طراحی الگوریتم ‎PID‎‎‎‎ هوشمند می‌باشد که از تلفیق منطق فازی و شبکه‌های عصبی ساخته شده و کنترل‌کننده فازی- عصبی مبتنی بر ‎PID‎ را مطرح می‌نماید. نتایج شبیه‌سازی‌های صورت گرفته توسط نرم‌افزار ‎‎‎‎MATLAB‎‎‎‎‎ ‎‎‎ ارائه می‌شوند.

المصادر:

[1] M.W. Bailey, “Unmanned aerial vehicle path planning and image processing for orthoimagery and digital surface model generation”, Master’s thesis, Vanderbilt University, Nashville, Dec. 2012.

[2] S. Raza, G. Wail, “Intelligent flight control of an autonomous quadrotor, motion control”, University of Ottawa: In Tech, federico casolo ed, 2010.

[3] S. Gonz´alez-V´azquez, J. Moreno-Valenzuela, “A new nonlinear pi/pid controller for quadrotor posture regulation”, Proceeding of the IEEE/CERMA, pp. 642 – 647, Morelos, Oct. 2010.

[4] J. Li, Y. Li, “Dynamic analysis and pid control for a quadrotor”, Proceeding of the IEEE/ICMA, pp.573 –578, Beijing, Aug. 2011.

[5] S. Bouabdallah, A. Noth, R. Siegwart, “PID versus LQ control techniques applied to an indoor micro quadrotor”, Procedding of the IEEE/IROS, Vol. 3, pp.2451 – 2456, Sendai, Japan, Oct 2004.

[6] S. Khatoon, D. Gupta, L. Das, “PID LQR control for a quadrotor: Modeling and simulation”, Proceeding of the IEEE/ICACCI, pp.769– 802, New Delhi, Oct. 2014.

[7] S. Vaitheeswaran, R. Mekala, “Non-linear attitude control methods for quadrotor MAVs: A study”, Proceeding of the IEEE/CCIP, pp.1–6, Noida, March 2015.

[8] H. Noshahri, H. Kharrati, “PID controller design for unmanned aerial vehicle using genetic algorithm,” Proceeding of the IEEE/ISIE, pp.213– 217, Istanbul, June 2014.

[9] B. Erginer, A. Erdin, “Design and implementation of a hybrid fuzzy controller for a quadrotor vtol vehicle”, International Journal of Control, Automation and Systems, Vol. 10, pp.61–70, Feb. 2012.

[10] E.A. Seidabad, S. Vandaki, A.V. Kamyad, “Designing fuzzy PID controller for quadrotor”, International Journal of Advanced Research in Computer Science Technology, Vol. 2, pp. 221– 227, Dec. 2014.

[11] M. Mirzaei, F.S. Nia, H. Mohammadi, “Applying adaptive fuzzy sliding mode control to an underactuated system”, Proceeding of the IEEE/ICIA, pp.654- 659, Shiraz, 2011.

[12] M. Efe, “Neural network assisted computationally simple PID control of a quad rotor uav”, IEEE Trans. on Industrial Informatics, Vol. 7, pp.354 –361, April. 2011.

[13] N. Raharja, Iswanto, M. Faris, A. Cahyadi, “Hover position quadrotor control with fuzzy logic”, Proceeding of the IEEE/ICITACEE, pp.89– 92, Semarang, Nov. 2014.

[14] A. Rabhi, M. Chadli, C. Pegard, “Robust fuzzy control for stabilization of a quadrotor”, Proceeding of the IEEE/ICAR, pp.471 – 475, Tallinn, June 2011.

[15] H. Boudjedir, F. Yacef, O. Bouhali, N. Rizoug, “Adaptive neural network for a Quadrotor unmanned aerial vehicle”, International Journal in Foundations of Computer Science and Technology, Vol.2, pp.1–13, July 2012.

[16] B.Y. Lee, H.I. Lee, Min-Jea Tahk, “Analysis of adaptive control using on-line neural networks for a quadrotor uav”, Proceeding of the IEEE/ICCAS, pp.1840–1844, Korea, Oct. 2013.

[17] M. Mahfouz, M. Ashry, G. Elnashar, “Design and control of quad-rotor helicopters based on adaptive neuro-fuzzy inference system”, International Journal of Engineering Research Technology (IJERT), Vol. 2, pp. 479–485, Dec. 2013.

[18] White, David Ashley, Donald A. Sofge, eds. Handbook of Intelligent Control: Neural, Fuzzy, and Adaptative Approaches. Van Nostrand Reinhold Company, 1992.

[19] Y. Amir, V. Abbass, “Modeling of quadrotor helicopter dynamics”, Proceeding of the IEEE/ICSMA, pp. 100-105, Gyeonggi-do, April 2008.

[20] X. Gong, Z.C. Hu, C.J. Zhao, Y. Bai, Y.T. Tian, “Adaptive back stepping sliding mode trajectory tracking control for a quad-rotor”, IEEE International Journal of Automation and Computing, Vol. 9, pp. 555–560, Oct. 2012.

[21] H. Voos, “Nonlinear state-dependent riccati equation control of a quadrotor uav”, Proceeding of the IEEE/ICCACACSD, pp.2547–2552, Munich, Germany, Oct. 2006.

[22] A.A. Zamani, S.M. Kargar-Dehnavi, ”Compensation of actuator’s saturation by using fuzzy logic and imperialist competitive algorithm in a system with PID controller”, Journal of Intelligent Procedures in Electrical Technology (JIPET), Vol. 3, No. 11, pp. 21-26, Summer 2013. (in Persian)

[23] M. Lotfi-Forushani, B. Karimi, Gh. Shahgholian, “Optimal PID controller tuning for multivariable aircraft longitudinal autopilot based on particle swarm optimization algorithm”, Journal of Intelligent Procedures in Electrical Technology (JIPET), Vol. 3, No. 9, pp. 41-50, Spring 2012. (in Persian)

[24] M. Safaei, S. Hosseinia, M. Hosseini-Toodeshki, “A general method for designing fractional order PID controller”, Journal of Intelligent Procedures in Electrical Technology (JIPET), Vol. 3, No. 12, pp. 25-34, Winter 2013. (in Persian)