A Comparative Study of Nonlinear MPC and Differential-Flatness-Based Control for Quadrotor Agile Flight

要約

クアッドローターの正確な軌道追跡制御は、雑然とした環境での安全なナビゲーションに不可欠です。
ただし、これは、非線形力学、複雑な空気力学効果、作動の制約により、機敏な飛行では困難です。
この記事では、さまざまな速度でアジャイルな軌道を追跡することにより、非線形モデル予測コントローラー (NMPC) と微分平坦ベース コントローラー (DFBC) という 2 つの最先端の制御フレームワークを実証的に比較します。
最大 20 m/s (つまり 72 km/h)。
比較はシミュレーション環境と現実世界の両方の環境で実行され、追跡精度、堅牢性、計算効率の観点から両方の方法を体系的に評価します。
計算時間の増加と数値収束問題のリスクを犠牲にして、動的に実行不可能な軌道を追跡する際の NMPC の優位性を示します。
どちらの手法についても、INDI (Incremental Nonlinear Dynamic Inversion) 手法を使用したインナーループ コントローラーの追加の効果と、空力抵抗モデルの追加の効果を定量的に研究します。
世界最大級のモーション キャプチャ システムで行われた実際の実験では、NMPC と DFBC の両方でトラッキング エラーが 78% 以上削減されたことが実証されており、俊敏な軌道追跡にはインナーループ コントローラーと空気力学的抗力モデルを使用する必要性が示されています。

要約(オリジナル)

Accurate trajectory tracking control for quadrotors is essential for safe navigation in cluttered environments. However, this is challenging in agile flights due to nonlinear dynamics, complex aerodynamic effects, and actuation constraints. In this article, we empirically compare two state-of-the-art control frameworks: the nonlinear-model-predictive controller (NMPC) and the differential-flatness-based controller (DFBC), by tracking a wide variety of agile trajectories at speeds up to 20 m/s (i.e.,72 km/h). The comparisons are performed in both simulation and real-world environments to systematically evaluate both methods from the aspect of tracking accuracy, robustness, and computational efficiency. We show the superiority of NMPC in tracking dynamically infeasible trajectories, at the cost of higher computation time and risk of numerical convergence issues. For both methods, we also quantitatively study the effect of adding an inner-loop controller using the incremental nonlinear dynamic inversion (INDI) method, and the effect of adding an aerodynamic drag model. Our real-world experiments, performed in one of the world’s largest motion capture systems, demonstrate more than 78% tracking error reduction of both NMPC and DFBC, indicating the necessity of using an inner-loop controller and aerodynamic drag model for agile trajectory tracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google