KFUPM ePrints

Neural Network Adaptive Control of Unmanned Vehicle with Slung Load

l Neural Network Adaptive Control of Unmanned Vehicle with Slung Load. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF
2706Kb

Arabic Abstract

عمليات نقل اي حمولة باستخدام طائرات بدون طيار (روبوت) مفيد جدا ولكن لاتوجد هناك الكثير البحوث في هذا المجال على نطاق واسع. ان التحدي الرئيسي في تصميم نظام كهذا هو أن هذا النموذج للطيارة والحمل معا لم يتم اقتراحها من قبل وحتى الان فهذا النموذج لايزال غير متاح. اعتبار نظام هذا النوع من الطيارات من الانظام التي تعمل تحت تأثير الدفع فهو بدوره ايضا يضيف تحدي اخر للتصيم منظومة تحكم. وايضا تصيم نظام تحكم لحمل متأرجح يضيف تحدي كبير. كل ما ذكر سابقا يشكل جدير بأن ينال اهتمام الباحثين لعمل بحوث تطويرية في هذا المجال. هذ البحث يركز على عمل نموذج راياضي لهذا النوع من الروبوتات مع اعتبار وجود حمل متأرجح خلال عملية النقل وتصميم منظومة تحكم و بناؤها باستخدام الشبكات العصبية والتغذية الراجعة العكسية، حيث يقوم نظام التحكم هذا بالمحافظة على استقرارية الطيارية وسيرها في نفس مسارها واضا يحتوي هذا النظام على متحكمة اخرى الهذف منها مراقبة استقرارية الحمل خلال عملية النقل. تعمل هاتان المتحكمتان معا لجعل النظام الكلي مستقرا.

English Abstract

Load transportation using Unmanned Aerial Vehicles (UAV) is very beneficial but research in this area has been not conducted extensively. The main challenge in this is that the model for the vehicle and the load together is not yet established and available. The UAV being an under-actuated system poses another challenge in the designing of the controller. The other main concern is the control of the load swing during transportation. All these make it a very interesting topic to be researched and developed. This work aims to present a model for the UAV with a load and then also presents a neural network based feedback linearization controller which helps in trajectory tracking of the UAV and a time-delayed feedback controller to stabilize the load swing angles, which work together making the overall system stable.



Item Type:Thesis (Masters)
Subjects:Systems
Divisions:College Of Computer Sciences and Engineering > Systems Engineering Dept
Committee Advisor:El Ferik, Sami
Committee Co-Advisor:Omar, Hanafy
Committee Members:Ghouti, Lahouari and El Shafei, Mustafa and Al Amer, Samir
ID Code:138967
Deposited By:AHMED GHUFRAN (g200905070)
Deposited On:29 Jul 2013 21:47
Last Modified:24 Nov 2014 10:46

Repository Staff Only: item control page