1.

Tổng quan về quadcopter

Trong dòng các thiết bị trò chơi điều khiển từ xa, trực thăng hay may bay mô hình nói chúng là rất
tuyệt vời. Có thể bạn đã làm quen với Trực thăng mô hình, Xe điều khiển từ xa..Và cả Máy bay 4
cánh nữa. Quadcopter cơ bản là máy bay 4 cánh, thân hình chữ thập.

Hiện nay, quadcopter đã trở thành một trong những loại máy phổ biến nhất trên toàn thế giới. Nó
nhỏ và nhẹ hơn các UAV(Phương tiện bay không người lái) khác nhưng vẫn có khả năng cơ động
tốt. Bây giờ nó đóng một vai trò không thể thiếu trong nhiều lĩnh vực như cấp cứu, điều trị,…
Vì vậy làm thế nào để điều khiển một chiếc quadcopter và giữ cho nó ổn định nhất có thể là điều
nhiều người quan tâm. Bởi vì trọng lượng nhẹ, gió trở thành một tác nhân ảnh hưởng nghiêm trọng,
có thể làm mất đi tính ổn định của quadcopter. Gió trong tự nhiên không bao giờ thể hiện tính cân
bằng và luôn thay đổi, gây khó khăn lớn trong việc điều khiển quadcopter.
Luận án này mô tả một mô hình dựa trên hàm Newton-Euler và bộ điều khiển PID, để tìm ra chiến
lược kiểm soát tốt hơn trong điều kiện gió nhiễu động dựa trên mẫu Dryden. Cuối cùng, bằng cách
mô phỏng dựa trên mô hình của chúng tôi, khoảng cách giữa quadcopter và mục tiêu sẽ là 20cm
khi vận tốc gió là 10,63 m / s.
2. Mô hình
Để có một bộ mô hình tốt hơn cho việc điều khiển quadcopter, trước tiên chúng ta sử dụng
một phương pháp thích hợp để định vị quadcopter, thứ giúp chúng ta mô tả vị trí và chuyển động
chính xác và lập phương trình chuyển động dễ dàng nhất có thể. Sau đó chúng ta có thể phân
tích quadcopter bằng hàm Newton-Euler và nhận phương trình chuyển động để lập trình, tính
toán. Để tạo ra một loại gió giống với gió thực, chúng tôi xây dựng ba hàm chuyên để tạo ra gió
nhiễu loạn dựa trên mô hình Dryden, và kết hợp gió nhiễu loạn được tạo ra và các phương trình
chuyển động với nhau để mô phỏng quadcopter thực trong không khí.

2.1 Xác định hệ tọa độ

Để xác định chuyển động của quadcopter một cách rõ ràng, chính xác, chúng ta cần tạo ra 2
hệ tọa độ. Một là hệ tọa độ mặt đất mà người quan sát ở trên bề mặt trái đất. Hệ tọa độ mặt đất
có thể giúp chúng ta xác định chính xác vị trí của quadcopter, có nghĩa chúng ta có hệ (Xg,Yg,Zg)
ở vị trí hiện tại – thời điểm mà chúng ta tiến hành đo thực tế. Vị trí gốc, ban đầu, Og là điểm bắt
đầu của UAV, và OgZg vuông góc với mặt đất. OgXg thể hiện hướng của chuyển động của UAV.
OgYg cùng hướng với OgZg x OgXg.
 Một hệ tọa độ khác là hệ tọa độ vật thể cứng O- XYZ với người quan sát trên quadcopter và
theo dõi mọi khoản khắc. Trong mô hình này, chúng ta giả định rằng UAV là một vật thể cứng,
tức là khối lượng và hình dạng sẽ không thay đổi. Tâm khối lượng của vật cũng là tâm hình học
và là điểm gốc của hệ tọa độ của vật thể.

Theo như 2 hệ tọa độ trên, chúng ta có thể sử dụng hệ góc Euler để mô tả vòng quay của
UAV trên không. Hệ góc Euler bao gồm ba góc khác nhau: góc xoay θ, góc nâng 𝜑, và góc quay
ψ. Ý nghĩa của các góc này là thể hiện tại các hình trên. Chúng ta cũng sẽ cần sử dụng chuyển
đổi ma trận được thể hiện dưới:

2.2 Mô hình khí động học

Trước khi bắt đầu, chúng ta cần đưa ra một số giả thuyết để đơn giản hóa vấn đề:

 Bỏ qua tác động từ các chuyển động của trái đất, có nghĩa là hệ tọa độ mặt đất là một hệ
quán tính. Đồng thời bỏ qua phương sai của gia tốc trọng trường vì phương sai của chiều
cao là nhỏ.
 Hình dạng và cấu tạo của quadcopter là đối xứng về mặt hình khối. Khối lượng là đều, và
trọng tâm của vật cũng là tâm về mặt hình học.
 Quadcopter mà chúng ta phân tích là một vật cứng. Bỏ qua tất cả các thay đổi về hình
dạng và khối lượng trong toàn bộ quá trình.
 Bỏ qua ảnh hưởng của gió lên phần thân chính của UAV vì phần thân chính có bề mặt
tiếp xúc với gió nhỏ hơn so với cánh quạt .
2.2.1 Phân tích khí động học
 Như chúng ta đã giả định từ trước, quadcopter chủ yếu được tạo thành từ tổng số bốn cánh
quạt giống nhau và phần thân chính không đáng kể trong phân tích khí động học. Vì vậy, chúng
ta chỉ phân tích một rôto, và kết luận có thể được sử dụng cho ba rôto khác. Cuối cùng kết hợp
chúng lại với nhau, chúng ta có thể có được mô hình khí động học của chiếc quadcopter .

Sơ đồ phân tích cơ bản thể hiện trong Hình 2. Vw là tốc độ của gió. Vd là tốc độ cảm ứng của
rôto được định nghĩa như sau[3,4] :

FT là lực đẩy của rôto. 𝜌 là khối lượng riêng của không khí. A là diện tích của cánh quạt. Ω là
tốc độ quay của rôto. V là tốc độ cảm ứng toàn phần. FT và MT thì tỷ lệ với Ω2. MT là momen quay
của roto[5].

KF là hệ số lực kéo, và KM là hệ số mômen. Dưới tác động của gió, tổng lực đẩy khí động học
là tổng của FT và FW[3, 4]
 Rõ ràng là nếu không có ảnh hưởng gây nhiễu của gió thì, Vd=V. Từ đó FR=FT=2 𝜌 A𝑉 ,
giống như định nghĩa của Vd. Tổng mômen của rôto cũng là tổng của M W và MT:

Kdarg là hệ số liên quan đến A , 𝜌 và hình dạng cánh quạt[4] .

2.2.2 Phân tích chuyển động tổng thể cho quadcopter

Từ phân tích trên, bây giờ chúng ta coi chuyển động của quadcopter là bao gồm 2 chuyển
động là tịnh tiến và quay. Chúng ta phân tích chúng một cách riêng biệt trong các hệ tọa độ khác
nhau.

Đối với phép tịnh tiến, trong hệ tọa độ mặt đất Og - XgYgZg, chúng ta có thể nhận được
phương trình tịnh tiến từ phương trình Newton-Euler:

Trong phương trình, X=[x y z]T là vị trí của quadcopter. m là khối lượng, và R là ma trận
dịch chuyển được đề cập lúc trước. G = [0 0 -g] là ma trận trọng trường.

Đối với chuyển động quay, chúng ta có thể nhận phương trình quay của vật cứng trong
hệ tọa độ O – XYZ:

∑τ là tổng của mômen ngoài và I là quán tính quay của quadcopter. vận tốc góc. 𝜔 = [p q
T
r ] . Kết hợp mọi mô-men xoắn mà UAV nhận được, chúng ta nhận được phương trình:

𝜔 x Jrr là mômen quay hồi chuyển sinh ra do quay rôto và Jrr = [0 0 Jr Ωr] trong đó Jr là quán
tính quay của rôto. MB là mômen xoắn do lực đẩy của rôto tạo ra [6]:
 I là khoảng cách tính từ tâm roto đến tâm hình học của vật. M w là momen xoắn do gió tạo
[6]
ra .

Từ tất cả các lập luận trên, chúng ta nhận được phương trình chuyển động như sau:

Đặt U = [U1 U2 U3 U4]T là vector điều khuyển:

Đặt W = [W1 W2 W3 W4]T là vector nhiễu động gió:

 Bây giờ chúng ta nhận được tất cả thông tin của chuyển động. Việc chúng ta cần làm tiếp
theo là thiết kế bộ điều khiển cho vectơ điều khiển U và xây dựng mô hình gió để có được vectơ
nhiễu động gió W.

2.3 Mô hình gió xoáy

Như chúng ta đã nói trước đây, không có gió đơn chiều trong tự nhiên. Hầu hết gió mà chúng
ta cảm thấy thực sự là gió nhiễu loạn. Tuy nhiên, sự nhiễu loạn là một trong những câu hỏi khó
nhất trong vật lý. Các nhà khoa học cố gắng rất nhiều để giải quyết nó nhưng cho đến nay người
ta vẫn chưa có được một mô hình nhiễu loạn hoàn hảo. Chúng ta có thể tính toán nhiễu loạn
bằng phương trình N-S với chi phí cao khủng khiếp. Nhưng chúng tôi sẽ không làm điều đó, chúng
tôi tạo dữ liệu gió nhiễu loạn bằng mô hình Dryden lọc nhiễu trắng bằng các chức năng chuyển
đặc biệt và mô phỏng gió nhiễu động thực.

Giả sử rằng chúng ta có ba nhiễu trắng khác nhau tuân theo phân phối Gauss. Cũng giả sử
rằng u(r), v(r) và w(r) đại diện cho ba thành phần hướng khác nhau của nhiễu động. Theo mô
hình Dryden, tần số của vận tốc nhiễu loạn là [7]:

𝜔 là tần số , L và 𝜎 ,là hệ số hỗn loạn. Chúng được xác định theo công thức sau:
 U20 là vẫn tốc gió ở độ cao 6.096m. h là độ cao

Nhiễu trắng được lọc bởi bộ lọc có chức năng truyền và nhận đầu ra:

Phân tích tần số của vận tốc nhiễu loạn theo công thức trên và nhận các hàm:

K và T được xác định bởi L, 𝜎 :

Vì vậy, một khi chúng ta đặt u20 và h là hằng số xác định, chúng ta có thể tính toán tất cả
các tham số khác cần thiết trong mô hình Dryden. Ở đây ta đặt u 20 = 20m/s, h=1m và nhận được
nhiễu loạn như Hình 3.

Trong mô hình của chúng ta, không phải lúc nào cũng tồn tại sự hỗn loạn. Những gì chúng
ta muốn mô phỏng là quadcopter gặp nhiễu động bất ngờ. Vì vậy, chúng ta chỉ cho phép nhiễu
loạn xảy ra trong một vùng đặc biệt [Thời gian bắt đầu, Thời gian bắt đầu + thời lượng] và đặt
nhiễu loạn thành 0 ở các vùng khác. Sơ đồ giống như Hình 4.
3. Mô phỏng

Tất cả những gì chúng ta cần làm là thiết kế 1 chương trình mô phỏng tuyệt vời.

- Đầu tiên chúng ta cần xác định cơ bản việc xây dựng chương trình.
- Thiết kế vectơ điều khiển U.
- Xác định một số thông số của quadcopter. (Hình 5)
 Hình 3. Gió xoáy được tọa ra bởi mô hình Dryden (u20 = 20m /s, h = 1m)

Ở đây X là trạng thái của giai đoạn tiếp theo của quadcopter và nó chứa tất cả thông tin mà chúng
ta cần.

Cách tính toán

- Bộ điều khiển và nhiễu loạn cung cấp U và W cho quadcopter.
- Quadcopter nhận các số liệu và tính toán trạng thái mới X n+1, đồng thời gửi trạng thái mới
đến bộ điều khiển.
- Sau đó, bộ điều khiển tính toán Un+1 mới và nhiễu loạn cung cấp dữ liệu gió tiếp theo được
tạo trước đó.

2.1 Thông số
Trước khi chuyển sang phần tiếp theo, chúng ta cần tính toán một số thông số quan trọng dựa trên
câu hỏi:

Hình 4. Gió xoáy trong một vùng xác định (u20 = 20m /s, h = 1m)
 Hình 5 Cấu trúc của hệ thống điều khiển

Từ sự tính toán, mô phỏng ta có:

FT max = kF x Ω2max
Để đơn giản hóa mô hình, chúng ta giả định rằng giá trị kF tương đương giá trị của b. Giá trị b của
1 loại quadcopter là 5.324 . 10-5 N.s2 . Từ đó tính được:

Ωmax = 362 s-1

Từ m và l chúng ta có thể tính toán quán tính quay của quadcopter.

Chúng ta lý tưởng hóa rằng quadcopter như một bảng hình vuông với chiều dài cạnh là a=√2l và
được thể hiện như hình 6. Theo như tình đối xứng mà ta đã đặt thì rõ ràng Jxx = Jyy
Để có Jzz , chúng ta chỉ cần xác định định lý trục vuông góc:

Từ đó tính toán được:

Các thông số khác được xác định bởi rô to của quadcopter. Tất cả các thông số được thể hiện ở
bảng dưới đây:
2.2 Bộ điều khiển PID
Bộ điều khiển PID truyền thống có lịch sử khá lâu đời trong khoa học điều khiển. Lý thuyết đơn
giản và dễ hiệu chỉnh khiến nó trở thành phương pháp điều khiển được sử dụng rộng rãi nhất trong
kỹ thuật công nghiệp. Nó là một loại phương pháp điều khiển vòng kín chiếm ưu thế của biến bởi
các lỗi của nó và không cần mô hình chính xác của biến được kiểm soát. Trong quá trình bay thực
sự của quadcopter, chúng ta có nhiều biến số không thể xác định chính xác. Vì vậy bộ điều khiển
PID là phương pháp tốt nhất cho quadcopter.

2.2.1 Giới thiệu cơ bản về bộ điều khiển PID

Cấu trúc của bộ điều khiển PID thể hiện trong Hình 7

(t)là biến được kiểm soát và r(t)là giá trị mục tiêu của biến được kiểm soát. y(t)là giá trị đầu ra. e(t)
là lỗi giữa giá trị đầu ra và giá trị đích:

e(t) = r(t) – y(t)

Đặc điểm lớn nhất của bộ điều khiển PID là nó kết hợp phần tỷ lệ, phần tích phân và phần vi phân.
Chúng tôi kiểm soát từng bộ phận bằng cách thay đổi PID hệ số: K p, Ki, KD
Phần tỷ lệ có thể giảm nhiễu nhanh chóng nhưng có thể phát sinh lỗi mới sau quá trình kiểm soát.
Vì vậy, một thích hợp Kp là rất quan trọng. Phần tỷ lệ có thể được biểu thị như sau:

Phần tích phân có thể giảm thiểu sai số trạng thái ổn định để cải thiện chất lượng của phương pháp
điều khiển.

Phần vi phân có thể chủ động giảm thiểu lỗi và cũng ổn định hệ thống điều khiển.

Cuối cùng ta có công thức của Bộ điều khiển PID

2.2.2 Thiết kế vector điều khiển

Chúng tôi sử dụng bốn bộ điều khiển PID để điều khiển = [U1 U2 U3 U4] T.Trong khi quadcopter
bay, chúng tôi thấy gió nhiễu loạn cho sự ngẫu nhiên lớn. Trong tình huống này, phần Tích phân
không thể hoạt động tốt. Vì vậy, chúng tôi đặt K i = 0 và chủ yếu sử dụng phần tỷ số và phần vi sai.
Thiết kế bộ điều khiển:

Hệ số PID là giá trị rất quan trọng cần được xác định cẩn thận vì chúng có thể ảnh hưởng rất nhiều
đến hiệu suất của bộ điều khiển PID. Do những giá trị khác có thể dễ dàng tính toán khi cho bay
nên ta sẽ chỉ quan tâm vào z và ψ.
Bây giờ chúng tôi đặt chiều cao mục tiêu là 1m và không xem xét sự hỗn loạn và thay đổi hệ số
PID để tìm các giá trị tốt nhất của Kp, Kd
Từ Hình 8 đến Hình 10, khi KP thay đổi trong [20,60,120].

- Khi KP = 20 toàn bộ hệ thống sẽ ổn định gần có được trạng thái ổn định nhanh hơn với t =
4s. Miễn là KP lớn hơn, hệ thống sẽ nhanh tiến vào trạng thái ổn định hơn.
- Khi KP = 60, chỉ mất 1.83s để ổn định tình trạng.
- Nhưng khi Kp quá lớn, thời gian sẽ không thay đổi quá nhiều. Hơn nữa, có vẻ như chiếc
quadcopter "nhảy" trước trạng thái ổn định, có nghĩa là cánh quạt cần cung cấp một lực rất
lớn để khiến chiếc quadcopter di chuyển trở lại. Tuy nhiên, động cơ của chúng tôi không
có khả năng này. Vì vậy, một rất lớn Kp không phải là những gì chúng tôi muốn.
Từ Hình 11 đến Hình 13, Kd thay đổi trong [10, 50, 100]. Kết luận chúng ta cần thiết lập 1 K d giá
trị nhỏ vì khi nó lớn hệ thống sẽ trở nên chậm hơn.
 Hình 14. Bộ điều khiển PID đã chọn

Khi Kd quá lớn, quadcopter rung ở tần số rất cao. Vì vậy, cuối cùng chúng tôi đã thiết lập K pz =60
và Kdz = 14. Quá trình xác định Kpψ và Kdψ đi theo cùng một cách, và Kpψ=65,Kdψ=15.

2.3 Quadcopter trong nhiễu loạn

Chúng tôi đã thấy rằng chúng tôi có thể xác định gió nhiễu loạn ở độ cao h bằng cách thiết lập u 20.
Dễ dàng biết rằng gió nhiễu loạn sẽ trở nên nghiêm trọng hơn nếu u 20 trở nên lớn hơn. Chúng ta có
thể tính toán tổng lượng gió nhiễu loạn mà quadcopter nhận được bằng cách sử dụng phép cộng
vectơ:
Vì vậy, chiến lược của chúng tôi là khi nào chiếc quadcopter rời khỏi mục tiêu, phóng đại u 20 đến
khi chiếc quadcopter rời khỏi hơn 20cm. Sau đó, tính toán tốc độ gió, và đó là giá trị chúng tôi
muốn. Kết quả gió nhiễu dao động thực hiện trong [4, 10].
 Khi mà u20 tăng chậm, chúng ta có thể thấy Hình 15. Cả hai z và ψ bị gió nhiễu loạn. Nhưng
cả hai đều chỉ có lỗi nhỏ do bộ điều khiển PID điều khiển tốt.

Cho đến nay, máy bay quadcopter không rời điểm mục tiêu quá xa. Khi gió ngày càng mạnh, ảnh
hưởng cũng ngày càng mạnh. Bộ điều khiển PID không thể kiểm soát tốt UAV vì gió quá mạnh.

Khi u20 = 23m/s, Hình 16 cho thấy rằng khoảng cách giữa quadcopter và mục tiêu đạt đến 20cm.
Từ đó ta tính được vận tốc của gió:
4. Kết luận
Những hạn chế và những cải tiến có thể có :
Chúng tôi không có đủ thời gian để hoàn thành toàn bộ mô hình. Vì vậy, mô hình hiện tại có một
số hạn chế và có thể cải thiện:

 Cơ thể chính chịu áp lực từ gió. Để đơn giản hóa câu hỏi, chúng tôi bỏ qua ảnh hưởng
của gió đối với phần thân chính. Để cải thiện, mô hình mới phải xem xét ảnh hưởng này
 Quán tính quay phải được tính toán chính xác. Trong mô hình hiện tại, chúng tôi lý tưởng
hóa quadcopter như một bảng hình vuông chẵn. Nhưng khối lượng của quadcopter phân
bố chủ yếu xung quanh tâm của nó. Khối lượng của rôto nhỏ.
 Gió xoáy là loại gió duy nhất mà chúng ta coi. Thực chất gió được tạo thành bởi một số
loại gió khác nhau
 Lựa chọn hệ số PIL là khó. Vì thời gian eo hẹp, chúng tôi chọn hệ số PIL bằng cách thay
đổi giá trị theo cách thủ công. Nhưng hệ số thực sự quan trọng. Tốt hơn bạn nên áp dụng
một số thuật toán tìm kiếm, GA (Thuật toán di truyền) và thuật toán Q-Learning ở đây để
tìm ra các hệ số tốt nhất
 Mô hình Dryden cho nhiễu động không chính xác lắm. Dữ liệu gió nhiễu loạn thực tế tốt
hơn trong mô phỏng.
Ưu điểm
 Mô hình sử dụng bộ điều khiển PIL, có nghĩa là mô hình có khả năng thích ứng tuyệt vời.
Nó có thể hoạt động cho các quadcopter khác nhau bằng cách thay đổi hệ số PIL
 Mô hình ổn định quadcopter rất nhanh, có nghĩa là nó phản ứng nhanh
 Mô hình có thể kiểm soát tốt quadcopter khi gió không quá mạnh. Vì vậy nó có thể làm hài
lòng những người tiêu dùng sử dụng quadcopter trong cuộc sống hàng ngày.
 Các phương trình động lực được suy ra bởi mô hình này có thể mô tả chuyển động của
quadcopter một cách chính xác.