CN114089780B - 一种面向城市空间的多旋翼无人机路径规划方法 - Google Patents
一种面向城市空间的多旋翼无人机路径规划方法 Download PDFInfo
- Publication number
- CN114089780B CN114089780B CN202210073036.7A CN202210073036A CN114089780B CN 114089780 B CN114089780 B CN 114089780B CN 202210073036 A CN202210073036 A CN 202210073036A CN 114089780 B CN114089780 B CN 114089780B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- rotor unmanned
- aerial vehicle
- follows
- representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000004888 barrier function Effects 0.000 claims abstract description 4
- 238000005265 energy consumption Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 15
- 206010048669 Terminal state Diseases 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种面向城市空间的多旋翼无人机路径规划方法,具体步骤为:步骤1,确定多旋翼无人机动力学模型;步骤2,确定多旋翼无人机轨迹优化约束条件及优化指标;步骤3、建立多旋翼无人机动力学模型与障碍物约束线性化;步骤4、建立多旋翼无人机动力学方程及约束条件离散化;步骤5,求解完成面向城市空间的多旋翼无人机路径规划。面向城市环境进行约束条件设置,以能量消耗最低作为优化指标建立多旋翼无人机城市路径规划方程,通过线性化、离散化进行问题转换,通过内点法进行问题求解,降低了问题复杂度,提升了计算效率。有效提升了多旋翼无人机在城市环境下的应用效能。
Description
技术领域
本发明涉及一种无人机路径规划方法,特别是一种面向城市空间的多旋翼无人机路径规划方法。
背景技术
旋翼无人机是一种能够垂直起降、自主悬停的多旋翼飞行器,在航拍摄影、精确农业、电力巡检、物流运输等领域得到广泛应用。城市环境下,高层建筑物分布密集导致多旋翼无人机飞行障碍物多,人员车辆流动频繁导致多旋翼无人机追踪定位目标困难。此外,多旋翼无人机具有非线性、耦合性、多变量等特点,这些都给轨迹规划的准确性和实时性带来了挑战。因此,需要设计面向城市空间的多旋翼无人机路径规划算法以提升其在城市环境下的应用效能。
在已发展的多旋翼无人机轨迹优化算法中,在先技术(参见张博渊,宗群,鲁瀚辰等. 基于hp自适应伪谱法的多旋翼无人机编队轨迹优化. 中国科学:技术科学,2017,47:239–248)考虑多旋翼无人机的避障约束、状态量约束及控制输入量约束,采用可自适应选点的hp自适应伪谱法将最优控制问题转化为非线性规划问题进行求解。非线性规划问题求解复杂,轨迹规划的实时性难以保证。
在先技术(参见Optimal trajectory generation and robust flatness–basedtracking control of quadrotors)基于简化的动力学模型进行轨迹优化解算,同时采用B平面法进行轨迹跟踪算法设计。但基于简化的动力学模型降低了优化结果的精度,复杂优化指标的选取也进一步增加了计算量。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种面向城市空间的多旋翼无人机路径规划方法。
为了解决上述技术问题,本发明公开了一种面向城市空间的多旋翼无人机路径规划方法,包括以下步骤:
步骤1,确定多旋翼无人机动力学模型;
步骤2,确定多旋翼无人机轨迹优化约束条件及优化指标;
步骤3,建立多旋翼无人机动力学模型与障碍物约束线性化;
步骤4,建立多旋翼无人机动力学方程及约束条件离散化;
步骤5,求解完成面向城市空间的多旋翼无人机路径规划。
步骤1中所述多旋翼无人机动力学模型如下:
其中, x、 y和 z分别表示多旋翼无人机的三轴位置坐标, 、 和 分别表示多旋翼无人机沿三轴的速度分量, 、 和 分别表示三轴位置坐标关于时间的导数, 、 和分别表示三轴位置坐标关于时间的二阶导数; 、 和 分别表示多旋翼无人机的俯仰角、滚转角和偏航角, p、q和 r分别表示多旋翼无人机的俯仰角速度、滚转角速度和偏航角速度, 、和 表示姿态角关于时间的一阶导数, 、和表示姿态角关于时间的二阶导数; 、和 表示多旋翼无人机对应三个轴的转动惯量; m表示多旋翼无人机的质量, 表示升力作用点,即多旋翼无人机螺旋桨中心到质心的距离; 、 、 和 分别表示多旋翼无人机的四个控制输入量, g表示重力加速度。
步骤2中多旋翼无人机的初始状态约束定义如下:
其中, 、和 分别表示多旋翼无人机在初始时刻的三轴位置坐标, 、 和分别表示多旋翼无人机在初始时刻的沿x轴、y轴和z轴的速度分量, 、和 分别表示多旋翼无人机在初始时刻的姿态角, 、 和 分别表示多旋翼无人机在初始时刻姿态角速度。
步骤2中多旋翼无人机的终端状态约束定义如下:
其中, 表示飞行时间, 、 和 分别表示多旋翼无人机在时刻的三轴位置坐标, 、 和分别表示多旋翼无人机在时刻的沿 x轴、 y轴和z轴的速度分量, 、和分别表示多旋翼无人机在时刻的姿态角, 、和分别表示多旋翼无人机在 时刻姿态角速度。
步骤2中多旋翼无人机的过程约束定义如下:
步骤2中多旋翼无人机的控制输入约束定义如下:
步骤2中多旋翼无人机的障碍物约束如下:
其中, 表示障碍物中心, a表示障碍物边缘沿x轴方向距离障碍物中心的距离, b表示障碍物边缘沿 y轴方向距离障碍物中心的距离, z表示障碍物边缘沿z轴方向距离障碍物中心的距离, 表示多旋翼无人机距离障碍物的安全阈值;
优化指标定义如下:
步骤3中所述多旋翼无人机动力学模型与障碍物约束线性化方法如下:
步骤3-1,定义新变量如下:
步骤3-2,将动力学方程写成线性化形式如下:
其中, X*为任意参考轨迹, X表示状态变量,表达式为:
U表示控制输入,表达式为:
B的表达式如下:
步骤3-3,将障碍物约束写成线性化形式如下:
步骤4中所述多旋翼无人机动力学方程及约束条件离散化方法如下:
步骤4-2,根据显式四阶龙格库塔公式,对动力学方程进行离散化如下:
步骤4-3,终端状态约束可写成如下形式:
步骤4-4,过程约束可写成如下形式:
步骤4-5,控制输入约束写成如下形式:
步骤4-6,障碍物约束写为:
步骤4-7,优化指标写成如下形式:
步骤4-8,经过线性化和离散化处理后,所述面向城市空间的多旋翼无人机路径规划问题归纳为如下形式:
对步骤4中所归纳的多旋翼无人机路径规划问题进行求解,过程如下:
步骤5-2,将所述初始参考轨迹X*带入步骤4中的多旋翼无人机路径规划问题,采用内点法进行求解,得到一条新的轨迹,并将该轨迹作为下一次计算的参考轨迹X*;
步骤5-3,当得到的轨迹收敛以后,则得到最优解,即面向城市空间的多旋翼无人机能量消耗最优轨迹,完成面向城市空间的多旋翼无人机路径规划。
有益效果:
本发明给出了一种面向城市空间的多旋翼无人机路径规划方法,通过对原始轨迹问题进行线性化、离散化处理,降低了问题求解的复杂度,提升了算法的计算效率,有效提升了多旋翼无人机对城市环境的适应能力。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明方法的流程图。
图2是多旋翼无人机燃耗最优轨迹示意图。
图3是多旋翼无人机燃耗最优轨迹x轴位移曲线示意图。
图4是多旋翼无人机燃耗最优轨迹y轴位移曲线示意图。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实例1,如图1所示:
步骤一,确定多旋翼无人机动力学模型
其中, x、 y、z分别表示多旋翼无人机的三轴位置坐标, 、、分别表示多旋翼无人机沿三轴的速度分量, 、、分别表示三轴位置坐标关于时间的导数, 、、 分别表示三轴位置坐标关于时间的二阶导数。、、分别表示多旋翼无人机的俯仰角、滚转角、偏航角, 、、分别表示多旋翼无人机的俯仰角速度、滚转角速度、偏航角速度, 、 、表示姿态角关于时间的一阶导数, 、、表示姿态角关于时间的二阶导数。 、、表示多旋翼无人机对应三个轴的转动惯量。m表示多旋翼无人机的质量, 表示升力作用点,即多旋翼无人机螺旋桨中心到质心的距离。、 、 、 分别表示多旋翼无人机的四个控制输入量, g表示重力加速度。
步骤二,确定轨迹优化约束条件及优化指标
初始状态约束定义如下:
其中, 、 、分别表示多旋翼无人机在初始时刻的三轴位置坐标, 、、 分别表示多旋翼无人机在初始时刻的沿x轴、y轴、z轴的速度分量, 、、分别表示多旋翼无人机在初始时刻的姿态角, 、、分别表示多旋翼无人机在初始时刻姿态角速度。
终端状态约束定义如下:
其中, 表示飞行时间, 、、分别表示多旋翼无人机在时刻的三轴位置坐标, 、、分别表示多旋翼无人机在时刻的沿x轴、y轴、z轴的速度分量, 、 、 分别表示多旋翼无人机在时刻的姿态角, 、、分别表示多旋翼无人机在 时刻姿态角速度。
过程约束定义如下:
控制输入约束定义如下:
障碍物约束如下:
其中, 表示障碍物中心, a表示障碍物边缘沿x轴方向距离障碍物中心的距离, b表示障碍物边缘沿y轴方向距离障碍物中心的距离, z表示障碍物边缘沿z轴方向距离障碍物中心的距离。表示多旋翼无人机距离障碍物的安全阈值。
优化指标定义如下:
步骤三、动力学模型与障碍物约束线性化
定义新变量如下:
将动力学方程写成线性化形式如下:
其中, X*为任意参考轨迹。X表示状态变量,表达式为:
U表示控制输入,表达式为:
B的表达式如下:
将障碍物约束写成线性化形式如下:
步骤四、动力学方程及约束条件离散化
根据显式四阶龙格库塔公式,对动力学方程进行离散化如下:
终端状态约束可写成如下形式:
过程约束可写成如下形式:
控制输入约束可写成如下形式:
障碍物约束可以写为:
优化指标可写成如下形式:
经过线性化和离散化处理后,一种面向城市空间的多旋翼无人机路径规划问题可以归纳成如下形式:
步骤五,问题求解。
对步骤4中的面向城市空间的多旋翼无人机路径规划问题进行求解,具体求解过程如下:
2)将X*带入步骤四中的多旋翼无人机路径规划问题,采用内点法进行求解,得到一条新的轨迹,并将该轨迹作为下一次计算的参考轨迹X*。
3)当得到的轨迹收敛以后,则得到最优解,参见图2,即面向城市空间的多旋翼无人机能量消耗最优轨迹,其中,X轴位移曲线参见图3,Y轴位移曲线参见图4。
本发明提供了一种面向城市空间的多旋翼无人机路径规划方法的思路及方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (1)
1.一种面向城市空间的多旋翼无人机路径规划方法,其特征在于,包括以下步骤:
步骤1,确定多旋翼无人机动力学模型;
步骤2,确定多旋翼无人机轨迹优化约束条件及优化指标;
步骤3,建立多旋翼无人机动力学模型与障碍物约束线性化;
步骤4,建立多旋翼无人机动力学方程及约束条件离散化;
步骤5,求解完成面向城市空间的多旋翼无人机路径规划;
步骤1中所述多旋翼无人机动力学模型如下:
其中, x、 y和 z分别表示多旋翼无人机的三轴位置坐标, 、 和 分别表示多旋翼无人机沿三轴的速度分量, 、 和 分别表示三轴位置坐标关于时间的导数, 、 和分别表示三轴位置坐标关于时间的二阶导数; 、 和 分别表示多旋翼无人机的俯仰角、滚转角和偏航角, p、q和 r分别表示多旋翼无人机的俯仰角速度、滚转角速度和偏航角速度,、和 表示姿态角关于时间的一阶导数, 、和表示姿态角关于时间的二阶导数; 、和 表示多旋翼无人机对应三个轴的转动惯量; m表示多旋翼无人机的质量, 表示升力作用点,即多旋翼无人机螺旋桨中心到质心的距离; 、 、 和 分别表示多旋翼无人机的四个控制输入量, g表示重力加速度;
步骤2中多旋翼无人机的初始状态约束定义如下:
其中, 、和 分别表示多旋翼无人机在初始时刻的三轴位置坐标, 、 和 分别表示多旋翼无人机在初始时刻的沿x轴、y轴和z轴的速度分量, 、和 分别表示多旋翼无人机在初始时刻的姿态角, 、 和 分别表示多旋翼无人机在初始时刻姿态角速度;
步骤2中多旋翼无人机的终端状态约束定义如下:
其中, 表示飞行时间, 、 和 分别表示多旋翼无人机在时刻的三轴位置坐标,、 和分别表示多旋翼无人机在时刻的沿 x轴、 y轴和z轴的速度分量, 、 和分别表示多旋翼无人机在时刻的姿态角, 、和分别表示多旋翼无人机在 时刻姿态角速度;
步骤2中多旋翼无人机的过程约束定义如下:
步骤2中多旋翼无人机的控制输入约束定义如下:
其中, 表示障碍物中心, a表示障碍物边缘沿x轴方向距离障碍物中心的距离, b表示障碍物边缘沿 y轴方向距离障碍物中心的距离, z表示障碍物边缘沿z轴方向距离障碍物中心的距离, 表示多旋翼无人机距离障碍物的安全阈值;
优化指标定义如下:
步骤3中所述多旋翼无人机动力学模型中,动力学方程线性化表达式如下:
其中, X*为任意参考轨迹, X表示状态变量, U表示控制输入,B为系数矩阵,
障碍物约束线性化形式如下:
步骤4中所述多旋翼无人机动力学方程及约束条件离散化方法如下:
步骤4-2,根据显式四阶龙格库塔公式,对动力学方程进行离散化如下:
步骤4-3,终端状态约束可写成如下形式:
步骤4-4,过程约束可写成如下形式:
步骤4-5,控制输入约束写成如下形式:
步骤4-6,障碍物约束写为:
步骤4-7,优化指标写成如下形式:
步骤4-8,经过线性化和离散化处理后,所述面向城市空间的多旋翼无人机路径规划问题归纳为如下形式:
对步骤4中所归纳的多旋翼无人机路径规划问题进行求解,过程如下:
步骤5-2,将所述初始参考轨迹X*带入步骤4中的多旋翼无人机路径规划问题,采用内点法进行求解,得到一条新的轨迹,并将该轨迹作为下一次计算的参考轨迹X*;
步骤5-3,当得到的轨迹收敛以后,则得到最优解,即面向城市空间的多旋翼无人机能量消耗最优轨迹,完成面向城市空间的多旋翼无人机路径规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210073036.7A CN114089780B (zh) | 2022-01-21 | 2022-01-21 | 一种面向城市空间的多旋翼无人机路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210073036.7A CN114089780B (zh) | 2022-01-21 | 2022-01-21 | 一种面向城市空间的多旋翼无人机路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114089780A CN114089780A (zh) | 2022-02-25 |
CN114089780B true CN114089780B (zh) | 2022-04-12 |
Family
ID=80309039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210073036.7A Active CN114089780B (zh) | 2022-01-21 | 2022-01-21 | 一种面向城市空间的多旋翼无人机路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114089780B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116466746B (zh) * | 2023-04-24 | 2023-09-29 | 浙江大学 | 四旋翼集群高速通过动态航路点的规划控制方法及装置 |
CN117631686B (zh) * | 2023-12-07 | 2024-06-07 | 浙江大学 | 面向多旋翼无人机的路径优化方法以及轨迹跟踪控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104165627A (zh) * | 2014-08-27 | 2014-11-26 | 电子科技大学 | 一种基于线性规划的实时动态航迹规划方法 |
CN106200662A (zh) * | 2016-08-11 | 2016-12-07 | 国网四川省电力公司检修公司 | 一种无人机飞行控制*** |
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器***运动规划方法 |
CN112034887A (zh) * | 2020-09-10 | 2020-12-04 | 南京大学 | 无人机躲避柱状障碍物到达目标点的最优路径训练方法 |
CN112148024A (zh) * | 2020-08-20 | 2020-12-29 | 中国人民解放军海军航空大学 | 基于自适应伪谱法的无人机实时在线航迹规划方法 |
CN113759977A (zh) * | 2021-09-18 | 2021-12-07 | 西北工业大学 | 基于优化的绳系多无人机协同搬运的避障轨迹规划方法 |
-
2022
- 2022-01-21 CN CN202210073036.7A patent/CN114089780B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104165627A (zh) * | 2014-08-27 | 2014-11-26 | 电子科技大学 | 一种基于线性规划的实时动态航迹规划方法 |
CN106200662A (zh) * | 2016-08-11 | 2016-12-07 | 国网四川省电力公司检修公司 | 一种无人机飞行控制*** |
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器***运动规划方法 |
CN112148024A (zh) * | 2020-08-20 | 2020-12-29 | 中国人民解放军海军航空大学 | 基于自适应伪谱法的无人机实时在线航迹规划方法 |
CN112034887A (zh) * | 2020-09-10 | 2020-12-04 | 南京大学 | 无人机躲避柱状障碍物到达目标点的最优路径训练方法 |
CN113759977A (zh) * | 2021-09-18 | 2021-12-07 | 西北工业大学 | 基于优化的绳系多无人机协同搬运的避障轨迹规划方法 |
Non-Patent Citations (4)
Title |
---|
RRT* algorithm under holonomic conditions for UAVs;Minyang Kang 等;《2019 IEEE Intl Conf on Dependable, Autonomic and Secure Computing》;20191231;全文 * |
城市低空环境中多旋翼无人机在线航线规划方法;吴宇 等;《控制与决策》;20211231;第36卷(第12期);全文 * |
面向城市环境的四旋翼无人机在线避障航迹规划方法;成浩浩 等;《计算机科学》;20190430;第46卷(第4期);全文 * |
面向城市飞行安全的无人机离散型多路径规划方法;胡莘婷 等;《航空学报》;20210625;第42卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114089780A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Das et al. | Dynamic inversion with zero-dynamics stabilisation for quadrotor control | |
CN109062042B (zh) | 一种旋翼飞行器的有限时间航迹跟踪控制方法 | |
CN114089780B (zh) | 一种面向城市空间的多旋翼无人机路径规划方法 | |
CN108227491B (zh) | 一种基于滑模神经网络的智能车轨迹跟踪控制方法 | |
CN110320925B (zh) | 基于高阶干扰观测器的四旋翼飞行器安全控制方法 | |
CN108873929B (zh) | 一种固定翼飞机自主着舰方法及*** | |
CN111538255B (zh) | 一种反蜂群无人机的飞行器控制方法及*** | |
CN109597303A (zh) | 一种复合式旋翼飞行器全模式飞行控制方法 | |
CN111273688B (zh) | 基于事件触发的四旋翼无人机一致性编队控制方法 | |
CN110673623B (zh) | 一种基于双环pd控制算法控制的四旋翼无人机着陆方法 | |
CN104536448B (zh) | 一种基于Backstepping法的无人机姿态***控制方法 | |
CN112578805A (zh) | 一种旋翼飞行器的姿态控制方法 | |
CN115657730B (zh) | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 | |
Das et al. | Sliding mode approach to control quadrotor using dynamic inversion | |
CN112947572A (zh) | 一种基于地形跟随的四旋翼飞行器自适应运动规划方法 | |
CN106647264A (zh) | 一种基于控制约束的扩展鲁棒h∞的无人机控制方法 | |
CN115556111A (zh) | 基于变惯性参数建模的飞行机械臂耦合扰动控制方法 | |
CN113156985A (zh) | 基于预设性能的固定翼无人机避障鲁棒抗扰飞行控制方法 | |
CN107247464A (zh) | 一种四旋翼无人飞行器的状态受限控制方法和*** | |
Min et al. | Formation tracking control of multiple quadrotors based on backstepping | |
CN116382332A (zh) | 一种基于ude的战斗机大机动鲁棒飞行控制方法 | |
CN113885549B (zh) | 基于维度裁剪的ppo算法的四旋翼姿态轨迹控制方法 | |
CN116203840A (zh) | 可重复使用运载器自适应增益调度控制方法 | |
CN115344056A (zh) | 一种复杂操纵面飞机的智能飞行控制方法及应用 | |
CN112161626B (zh) | 一种基于航路跟踪映射网络的高可飞性航路规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |