Hybrid Aerodynamics-Based Model Predictive Control for a Tail-Sitter UAV

要約

テールシッター型無人航空機 (UAV) をモデル化して制御することは、その混合翼本体が翼揚力、胴体の抗力、プロペラ翼の相互作用などの複雑な非線形空力効果を生成するため、困難です。
そこで私たちは、クアッドローターテールシッター UAV 用のハイブリッド空力モデリング手法とモデル予測制御 (MPC) 設計を考案しました。
ハイブリッド モデルは、クアローターのダイナミクスを記述するニュートン オイラー方程式と、残留空気力学効果を学習するフィードフォワード ニューラル ネットワークで構成されます。
このハイブリッド モデルは、低い計算コストで高い予測精度を示し、位置追跡のためにスロットル、ピッチ角、ロール角を最適化するハイブリッド MPC の実装に使用されました。
コントローラーの性能は実世界の実験で検証され、従来の非線形 MPC と比較してトラッキング エラーが 57% 削減されました。
外部の風の外乱も導入され、実験結果により、これらの条件に対するコントローラーの堅牢性が確認されました。

要約(オリジナル)

It is challenging to model and control a tail-sitter unmanned aerial vehicle (UAV) because its blended wing body generates complicated nonlinear aerodynamic effects, such as wing lift, fuselage drag, and propeller-wing interactions. We therefore devised a hybrid aerodynamic modeling method and model predictive control (MPC) design for a quadrotor tail-sitter UAV. The hybrid model consists of the Newton-Euler equation, which describes quadrotor dynamics, and a feedforward neural network, which learns residual aerodynamic effects. This hybrid model exhibits high predictive accuracy at a low computational cost and was used to implement hybrid MPC, which optimizes the throttle, pitch angle, and roll angle for position tracking. The controller performance was validated in real-world experiments, which obtained a 57% tracking error reduction compared with conventional nonlinear MPC. External wind disturbance was also introduced and the experimental results confirmed the robustness of the controller to these conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google