Coursera UPenn 機器人學課程筆記 - Course 1 Aerial Robotics Week 1

這節課主要是背景簡介和宏觀介紹

市場估計

幾個點：
2015年統計值：
1、US市場每月15,000個
2、15B USD 的市場，2020年預計是25B USD。
3、幾個工業領域的應用：
  農業，拍照，錄像，建設，基建的監視，邊疆巡邏。

幾個關鍵詞

UAVs = unmanned aerial vehicles =
RPVs = Remotely Piloted Vehicles =
Aerial Robots = Drones

當前無人機發展的狀態

  所以無人機的發展還處於比較原始的狀態，剛剛能直立行走。[手動笑哭]

無人機的幾個重要功能組成

• State Estimation
  主要就是對自身的位置、速度等物理參量進行估計
• Control
  主要就是對無人機進行“發號施令”，使其達到目標的運動狀態
• Mapping
  就是地圖繪製，例如整個房間都有哪些障礙物，障礙物的物理特徵是啥，例如（SLAM），如下圖所示：

• Planning
    就是軌跡規劃，trajectory planning。有了Mapping，就可以規劃出來從一個點到另一個點該如何走。比如下圖中藍色的軌跡（規劃）以及紅色（實際）的軌跡。

State Estimate

  無人機在戶外可以用GPS進行導航，但是室內這事兒就沒戲了，所以室內就需要光流VIO以及SLAM。需要依靠RGBD深度相機、雙目相機、Kinect結構光相機等。

基礎機械知識點

  F 是推力，正比於角速度的平方，drag是空氣阻力，M是空氣阻力的力矩，也是正比於角速度的平方。這個好理解，因爲空氣阻力本身就是正比於速度的平方，升力本身也源於空氣阻力。然後是電機扭矩-速度曲線，這個用安培力和楞次定律就好理解了（木有學過電機方面的，只能這樣理解了。。。）所以電機就是要克服空氣阻力做功。

Control

  基本上就是自動控制原理上的那些東西了，PD和PID
  PD：

u(t)=x¨dst+Kve˙(t)+Kpe(t)

  Kv 和Kp 要大於零，要不容易系統不穩定。（二階方程特徵根大於零，指數發散）。
  Kv 增大可以增大阻尼，緩慢達到目標，Kp 增大可以減小阻尼，更快速到達目標值，但是過大會引起震盪過沖。
  複習過阻尼，臨界阻尼，欠阻尼[手動笑哭]
PID：

u(t)=x¨dst+Kve˙(t)+Kpe(t)+Ki∫e(t)dt

  組成三階閉環穩定系統。積分項用來應對一些未知參數（例如飛機質量）以及未知擾動等。

Design Consideration

這個主要是一般的經驗參數了

• 一般旋翼類的是~200W/kg的功率-推力比。也就是說想產生1kg的推力，需要200W功率。換算一個單位是：0.2W/g
• 鋰電池的功率一般在~400W/kg（幸好比200W/kg大，要不就飛不起來了[手動笑哭]）
• 固定翼在~120W/kg上，效率比旋翼高

Agility

  加速度=力除以重量，角加速度=力矩除以轉動慣量（moment of inertia）

Effect of Size

  尺寸帶來的影響[手動奸笑]

• m∝l3 很簡單，質量正比於體積，體積正比於l3
• I∝l5 轉動慣量正比於質量和旋轉半徑，所以是5次方
• F∝πr2×(ωr)2∝l2v2 推力正比於扇葉面積以及角速度的平方
• M∝Fl∝l3v2 扭矩
• a∝Fm∝v2l 加速度
• α∝MI∝v2l2 角加速度
  然後用Froude scaling
• v∝l√
  得到
• a∝1,α∝1l 表明就加速度而言，其實size不會產生太大影響，但是角加速度會受到影響，也就是越大越笨重的意思。

還有一種是mach scaling
v∝1,F∝l2 可以得到a∝1l,α∝1l2 角加速度的結論類似。所以從敏捷性而言，確實越小越敏捷，所謂船小好掉頭啊。