Nonlinear Control Allocation: A Learning Based Approach

要約

最新の航空機は、耐障害性と操縦性の要件に応えるために、冗長制御エフェクターを備えて設計されています。
これは航空機の過剰作動につながり、制御エフェクター間で制御コマンドを分配するための制御割り当てスキームが必要になります。
従来、最適化ベースの制御割り当てスキームが使用されてきました。
ただし、非線形割り当て問題の場合、これらの方法は大量の計算リソースを必要とします。
この研究では、人工ニューラル ネットワーク (ANN) ベースの非線形制御割り当てスキームが提案されています。
提案されたスキームは、ANN を通じて制御効果マップの逆関数を学習し、オンライン最適化問題を解く代わりにアロケーターとして実装することで構成されています。
アロケータを組み込んだ閉ループ システムの安定条件が提示され、区分線形有効性関数と ANN ベースのアロケータを使用して計算上の課題が調査されます。
提案されたスキームの有効性を実証するために、制御割り当てのための標準的な二次計画法ベースの方法と比較されます。

要約(オリジナル)

Modern aircraft are designed with redundant control effectors to cater for fault tolerance and maneuverability requirements. This leads to aircraft being over-actuated and requires control allocation schemes to distribute the control commands among control effectors. Traditionally, optimization-based control allocation schemes are used; however, for nonlinear allocation problems, these methods require large computational resources. In this work, an artificial neural network (ANN) based nonlinear control allocation scheme is proposed. The proposed scheme is composed of learning the inverse of the control effectiveness map through ANN, and then implementing it as an allocator instead of solving an online optimization problem. Stability conditions are presented for closed-loop systems incorporating the allocator, and computational challenges are explored with piece-wise linear effectiveness functions and ANN-based allocators. To demonstrate the efficacy of the proposed scheme, it is compared with a standard quadratic programming-based method for control allocation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google