深夜来上传论文，关于算法的。

xuechenghao

点击此处下载 ourdev_249482.pdf(文件大小:352K) (原文件名:multi-agent-quadrotor-testbed.pdf)



界面预览，共计6页 (原文件名:SNAG-0021.jpg)

kingofkings

嗯，看下~

kelp

哈哈，我先翻译了这一段。
多主机的四轴实验控制设计：滑动积分模型和强化学习模型
摘要：
斯坦福大学制造的四轴飞行器控制实验工具是由两个四轴飞行器组成的系统。这篇文章主要阐述了室外高度控制的两种算法之间的不同。由于室外的复杂气流情况，传统的线性控制算法难以提供足够的稳定性。滑动积分模型和强化学习模型是补偿这中非线性的两种方法。
I．        简介
斯坦福大学首先设计的四轴飞行器能够在室外100m范围内飞行15分钟。
很早就有人进行四轴飞行器实验了。第一个四轴飞行器是在1922年十月提出的。但是STARMAC是唯一的能够自主飞行的四轴飞行器。
四轴自主飞行的第一个关键就是高空悬停。也就是飞行器的姿态，高度和位置的闭环控制。使用内部的传感器，飞行器的高度是很容易通过微调相关电机的转速来控制的。在实际应用中，我们用了一个标准的积分LQR算法来控制飞行器的高度。位置控制同样能够通过一个积分LQR算法来完成。控制中应该注意防止冗余震动的重叠。
不幸的是，高度的控制并没有想象中那么容易。在高度控制中有很多其他因素会影响高度控制的准确性。其中的一个重要方面就是四个电机的气流不是线性的同时也是不稳定的。在我们的实验中，如果我们不用人为控制方法或者绳子，我们很难控制飞行器的高度。在人为控制经验中，在剧烈气流中，飞行器是很难控制的。这写问题在直升飞机的控制中也碰到过。但是在四轴控制中这是一个更加复杂的问题。影响高度控制的其他因素还包括螺旋桨的弯曲，地面效应和电池放电过程。虽然这些因素也会影响飞行器但是控制算法的相对性能够抵消这些因素的影响。
还有一个问题就是如何找到低价的高分辨率的高度传感器。在这里我们用了一个超声波测距离仪器。但是该仪器会受到非高斯噪声干扰。例如回声和丢失信息。这就使我们得到的原始数据中出现了一些严重的错误。但是这些噪声我们能够通过和卡尔曼滤波器的预测结果比较，放弃和预测结果相距很远的噪声而得到很好的改善。
为了处理这些噪声和扰动，我们采用了两种控制方法。第一种方法就是滑动积分控制。这种方法人为扰动是不能够被建模的，我们就直接设计一个控制系统，使他能够保证在一定的扰动范围内能够得到稳定的响应。第二种是基于模型的强化学习模型，这种方法根据记录的输入和输出，并不知道系统的响应模型，然后根据一个最优化原则搜索一个最优解。这篇文章主要是比较这两种方法的实现方法和效果。

II．        系统描述
STARMAC包括一个四轴飞行器和一个地面基站。系统通过第一类蓝牙通信协议通信。飞行器的核心是在斯坦福大学设计和组装的。在这个工程中，微控制器通过运行了实时控制代码来完成传感器数据采集，控制和地面通信任务。
这个飞行器能够感知自己的位置，高度，姿势以及离地高度。差分GPS接收器的型号是Trimble Lassen LP.工作在L1波段，能够提供1Hz的数据更新率。姿态传感器是MicroStrain 3DM-G.这是一个低成本的低重量的姿态传感器，这个传感器提供了76Hz的数据更新率，能够提供姿态，速度，和加速度信息。离地高度是通过超声波距离测量仪测量的，数据刷新率为12Hz。

地面基站由一个笔记本，差分GPS接收器，电池充电器，和能够在需要的时候人为控制飞行器的手柄组成。

III．        四轴飞行变量

kelp

我不是自动化系的学生，有错误还请大家指出！

nomoneyiv

好样的，翻译了，看着！

thomasdu

kelp 许路平
，牛啊，这么专业的翻译，赞一个！

fzy2007a

谢谢 xuechenghao   kelp 许路平