ASV Station Keeping under Wind Disturbances using Neural Network Simulation Error Minimization Model Predictive Control

要約

ステーション維持は、自律水上車両 (ASV) にとって、主に限られた空間で使用される場合に、ASV がその位置を維持する必要がある調査を実行したり、相対位置がミッションに影響を与える他の車両と連携したりする必要がある調査を実行するために不可欠な操作です。
ただし、ASV ダイナミクスと環境外乱の正確なモデルが必要なため、この操作は従来のフィードバック コントローラーにとっては困難になる可能性があります。
この研究では、風の外乱下での ASV のダイナミクスを正確に予測するために、ニューラル ネットワーク シミュレーション誤差最小化 (NNSEM-MPC) を使用したモデル予測コントローラーを提案します。
風擾乱下での提案されたスキームのパフォーマンスは、ロボティクス オペレーティング システム (ROS) と多目的シミュレーション環境 Gazebo を使用して、シミュレーションでテストされ、他のコントローラーと比較されます。
2 つの風速 (3 m/s と 6 m/s) と 3 つの風向 (0$^\circ$、90$^\circ$、180$^\circ$) を組み合わせて、6 つのテスト セットを実施しました。
。
シミュレーション結果は、バックステッピング コントローラー、スライディング モード コントローラー、単純化ダイナミクス MPC (SD-MPC)、ニューラル常微分方程式 MPC (NODE-MPC)、および知識ベースの NODE MPC の各方法に対する NNSEM-MPC の利点を明確に示しています。
(KNODE-MPC)。
提案された NNSEM-MPC アプローチは、6 つのテスト条件のうち 4 つで残りよりも優れたパフォーマンスを示し、残りの 2 つのテスト ケースでは 2 番目に優れており、平均位置と機首方位誤差を少なくとも 31\% と 46\% 削減しました。
すべてのテストケースにわたってそれぞれ。
実行速度の点では、提案された NNSEM-MPC は他の MPC コントローラーよりも少なくとも 36\% 高速です。
2 つの異なる ASV プラットフォームでのフィールド実験では、提案された方法を利用して ASV が効果的にステーションを維持できることが示され、位置誤差は $1.68$ m と低く、機首方位誤差は $6.14^{\circ}$ と、時間枠内で低くなります。
少なくとも$150$s。

要約(オリジナル)

Station keeping is an essential maneuver for Autonomous Surface Vehicles (ASVs), mainly when used in confined spaces, to carry out surveys that require the ASV to keep its position or in collaboration with other vehicles where the relative position has an impact over the mission. However, this maneuver can become challenging for classic feedback controllers due to the need for an accurate model of the ASV dynamics and the environmental disturbances. This work proposes a Model Predictive Controller using Neural Network Simulation Error Minimization (NNSEM-MPC) to accurately predict the dynamics of the ASV under wind disturbances. The performance of the proposed scheme under wind disturbances is tested and compared against other controllers in simulation, using the Robotics Operating System (ROS) and the multipurpose simulation environment Gazebo. A set of six tests were conducted by combining two wind speeds (3 m/s and 6 m/s) and three wind directions (0$^\circ$, 90$^\circ$, and 180$^\circ$). The simulation results clearly show the advantage of the NNSEM-MPC over the following methods: backstepping controller, sliding mode controller, simplified dynamics MPC (SD-MPC), neural ordinary differential equation MPC (NODE-MPC), and knowledge-based NODE MPC (KNODE-MPC). The proposed NNSEM-MPC approach performs better than the rest in 4 out of the 6 test conditions, and it is the second best in the 2 remaining test cases, reducing the mean position and heading error by at least 31\% and 46\% respectively across all the test cases. In terms of execution speed, the proposed NNSEM-MPC is at least 36\% faster than the rest of the MPC controllers. The field experiments on two different ASV platforms showed that ASVs can effectively keep the station utilizing the proposed method, with a position error as low as $1.68$ m and a heading error as low as $6.14^{\circ}$ within time windows of at least $150$s.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google