طراحي و پياده سازي عملي مشاهده‌گر به كمك شبكه عصبي پيش خور جهت كنترل پهپاد چهارپره

Design and Practical Implementation of a Feed-Forward Neural Observer to Control Quadrotor

پايداري كوادروتور به دليل ديناميك شديدا غير خطي از مهم ترين مسايل پيش روي محققان در طراحي اين ربات بوده است. در اين مقاله ابتدا به طراحي يك كنترلركلاسيك تناسبي- مشتق‌گير به روش تنظيم با الگوريتم تكاملي ازدحام ذرات براي كنترل وضعيت پرنده پرداخته شده است. سپس به طراحي يك مشاهده‌گر غير خطي براي تخمين حالت هاي سرعت زاويه اي كوادروتور پرداخته شده است. در ادامه يك مشاهده‌گر شبكه عصبي با استفاده از داده‌هاي اموزشي استخراج شده از مشاهده‌گر غيرخطي اموزش داده شده‌است. با شبيه‌سازي كنترلر و مشاهده‌گر طراحي شده در محيط متلب، كارايي انها مشخص شده است.

In this paper a neural observer is deigned to control a Quadrotor Drone. Quadrotor is a type of flying robot which can fly vertically and has a simple structure. This robot is one of the best models of flying robot that is considered by many researchers recently. Because of nonlinear dynamics of the system, Stability of the control process has an important role in this robot. In this study first, a PD controller is designed to track the desired state and stabilizing the quadrotor based on particle swarm optimization algorithm. Nonlinear observer is then synthesized in order to estimate the unmeasured states. Then a neural network observer is designed and trained based on data that extract of nonlinear observer. After that, simulation results are also provided in order to illustrate the performances of the proposed controller and observer. Finally In addition to simulation we have practically implemented these control and observer methods on a quadrotor test bench. Practical implementation results demonstrate the effectiveness of the presented method.