针对快速搜索随机树(RRT)算法在航迹规划过程中存在采样点扩展随机性强、航迹曲折不平滑等问题, 提出了一种基于约束随机采样点的RRT(Constrained Random Sampling-based RRT, CRS-RRT)算法。该算法引入人工势场法中的引力场势能函数约束随机采样点在目标点附近采样, 引导随机树朝着目标点生长, 提高算法的规划速度,并结合去除冗余节点策略和Minimum Snap航迹平滑方法, 在复杂三维环境中可快速生成一条安全、平滑且满足无人机动力学约束的航迹。仿真结果表明, 该算法有效提高航迹规划速度并缩短航迹长度。

针对存放大量杂物的室内环境或室外高楼林立的城市场景的复杂环境, 提出一种以Theta*算法做全局路径规划、改进动态窗口法(DWA)追踪路径节点的方法来实现四旋翼在三维环境下的路径规划。相较于先全局静态路径规划后路径C2连续性优化的方法, 所提方法可躲避地图中未知障碍物信息并且生成的曲线符合无人机(UAV)动力学约束, 保证UAV能够跟随路径而不会发生速度剧烈变化导致姿态错乱的情况。算法最终不仅生成规划好的避障路径, 而且也生成电机的转速变化。所提方法可实现在无干扰情况下, 仅跟踪电机转速变化就能进行轨迹跟踪, 简化了UAV的控制难度。

为提升精密转台的轨迹运动精度, 本文从轨迹规划和运动控制两个方面对传统控制算法进行了改进。轨迹规划方面, 推导了S曲线轨迹规划方程, 并结合转台动力学约束条件给出了轨迹规划参数的取值方法, 从而为运动控制算法提供了满足动力学要求的轨迹指令; 运动控制方面, 在传统双闭环反馈控制基础上增加了DOB扰动补偿和前馈补偿, 以此改善转台的伺服性能, 提升转台的运动精度。在详细说明了轨迹规划算法和运动控制算法的设计过程后, 对两部分算法进行综合, 给出了具体实现步骤, 并以谐波转台和RV转台为实验对象进行了多组算法性能测试。实验结果表明: 相比于传统控制方法, 采用本文提出的方法能够使转台动态精度提升99.6%, 稳态精度提升99.75%, 从而证实了该算法对运动精度提升的有效性。