آموزش مدلسازی و شبیه سازی سیستم کوادروتور

ربات های پرنده, رباتیک, عمود پروازها, کنترل کوادروتور, کوادروتور, وسایل پرنده بدون سرنشین ۱۷۲ نظر

اگر میخواهید به صورت اصولی کوادروتور را یاد بگیرید اینجا کلیک کنید:

مقدمه:
امروزه در بسیاری از کشورهای جهان دانشمندان وکارشناسان در پی ساخت رباتهای پرنده ی پیشرفته ای هستند که این پرنده های هدایت پذیر می توانند در کاربردهای بسیاری که انجام ان برای ربات های زمینی امکان پذیر نیست مورد استفاده قرار گیرند.در این میان کوادروتور به دلیل ساختار ساده ، قدرت مانور و فضای کاری بالا و کاربردهای متنوع جایگاه ویژه ای یافته اند. این پست مربوط به جلسات اموزشی مدلسازی و شبیه سازی سیستم کوادروتور می باشد. جهت بررسی جامعی از روابط حاکم بر این سیستم، سخت افزار و انواع روش های مدلسازی این سیستم پرنده به تفصیل در چند جلسه اموزشی شرح داده شده است. با استفاده از روابط استخراج شده از مدل ریاضی این سیستم مباحث مربوط به ایرودینامیک پرواز برای این ربات پرنده و نحوه محاسبه نیروهای ایرودینامیکی حاکم بر این سیستم نیز به طور کامل ارایه شده است.در ادامه ساختار و بلوک دیاگرام کنترلی این سیستم بدون سرنشین و ارتباط بین لایه های کنترلی ان با جزییات کامل مورد بررسی قرار گرفته است. همچنین نحوه به کارگیری فیلتر کالمن پیوسته توسعه یافته برای تخمین متغیرهای حالت این سیستم پرنده به عنوان یکی از پرکاربردترین مشاهده گرهای موجود نیز به صورت کامل عنوان شده است.

جلسه اول:

جلسه دوم:

جلسه سوم:


جلسه چهارم:


جلسه پنجم:

جلسه ششم:


جلسه هفتم:


جلسه هشتم:

جلسه نهم:

جلسه دهم:

جلسه یازدهم:

جلسه دوازدهم:

جلسه سیزدهم (مبحث ویژه ):

جلسه چهاردهم:

 

لطفا برای خرید کلیک فرمایید

 

 

 

۱۷۲ نظر

  1. ۱) روش محاسبه u_x و همچنین u_y در مقاله خودتون با عنوان (Robust Backstepping Control of a Quadrotor UAV Using Extended Kalman Bucy Filter) رو میشه توضیح بدهید. چگونه از x_d و y_d متغیرهای phi_d و thete_d محاسبه می‌شود؟

    پاسخ

    1. سلام
      این موضوع به طور کامل در جلسات اموزشی مربوط به روش پسگام بازگشتی توضیح داده شده است. لطفا به جلسات مربوطه مراجعه فرمایید. موفق باشید.

      پاسخ

  2. سلام خانم مهندس
    وقتتون بخیر
    بنده مقاله زیر از شما را خوندم. بسیار مقاله خوبی بود.
    Robust Backstepping Control of a Quadrotor UAV Using Extended Kalman Bucy Filter
    یک سوال دارم از این مقاله.
    اگر در بخش شبیه‌سازی فرض بر این باشد که کوادروتور متغیرهای موقعیت و زاویه را میتوان اندازه‌گیری کرد. آیا این فرض در عمل امکان‌پذیر هستش؟ با استفاده از کدام سنسور امکان اندازه‌گیری موقعیت و زاویه وجود دارد؟

    پاسخ

    1. سلام بر شما
      نظر لطف شماست.
      من شخصا تاکنون کار ساخت عملی این ربات پرنده را انجام نداده ام. اما بله در عمل امکان پذیر است و مقالات بسیار زیادی در این زمینه ساخت کوادروتور و سنسورهای تخمین ان موجود می باشد. از مخازن دیجیتالی دانشگاه های مطرح در زمینه ساخت کوادروتور می تونید اطلاعات خوبی به دست بیارید، مانند دانشگاه پنسیلوانیا امریکا، دانشگاه کرنل امریکا، بریتیش کلمبیا کانادا و …
      اما به عنوان مثال مثلا برای تخمین شتاب، سنسور شتاب سنج ADXL330 ساخت کمپانی Analog Devices کاربرد زیادی در ساخت کوادروتورها جهت تخمین شتاب بدنه دارد و همچنین سنسور ژیروسکوپ سرعت زاویه ای LISY300AL ساخت کمپانی ICT Electronics هم همینطور
      .این سنسورها دارای خروجی انالوگ هستند که داده های انها از طریق یک میکروکنترلر دریافت می شود و در نهایت با استفاده از یک مبدل انالوگ به دیجیتال ADC،خروجی سنسورها اعدادی ده بیتی بین ۰ تا ۱۰۲۳ را نمایش می دهند. و سنسورهای دیگر نیز به همین طریق موجود هستند.
      امادقت کنید که روز به روز انواع گوناگون و جدیدی از ین سنسورها روانه بازار می شوند که نسبت به مدل پیشین خود بسیار مفیدتر هستند.

      موفق باشید.

      پاسخ

  3. منظور بنده این هست که این g با توجه به حذف متغیر x7 همچنان یک بایاس برای نقطه ی تعادل است، اگر هم بنا را بر حذف نشدن x7 در اثر ضرب در متغیرهای حالت بگذاریم که در مخرج صفر ایجاد میشود اگر مبدا نقطه ی تعادل باشد…

    پاسخ

یک پاسخ بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *