Radial Basis Function Neural Networks for Formation Control of Unmanned Aerial Vehicles

要約

この論文では、編隊で協力して表面検査などの複雑なタスクを実行する複数の無人航空機 (UAV) を制御する問題を取り上げます。
まず、仮想リーダーフォロワーモデルを使用して、フォーメーションのトポロジーと軌道を決定します。
バックステッピングとスライディング モード制御技術を組み合わせた二重ループ制御システムは、UAV が軌道を追跡できるように設計されています。
コントローラの堅牢性を高めるために、外乱を推定できる動径基底関数ニューラル ネットワーク (RBFNN) が開発されました。
コントローラーの安定性はリアプノフ定理を使用して証明されます。
提案されたコントローラーのパフォーマンスを評価するために、多数の比較とソフトウェアインザループ (SIL) テストが実施されました。
結果は、当社のコントローラーが他の最先端のコントローラーよりも優れているだけでなく、検査のための地表データの収集などの UAV の複雑なタスクにも十分であることを示しています。
コントローラーのソース コードは https://github.com/duynamrcv/rbf_bsmc にあります。

要約(オリジナル)

This paper addresses the problem of controlling multiple unmanned aerial vehicles (UAVs) cooperating in a formation to carry out a complex task such as surface inspection. We first use the virtual leader-follower model to determine the topology and trajectory of the formation. A double-loop control system combining backstepping and sliding mode control techniques is then designed for the UAVs to track the trajectory. A radial basis function neural network (RBFNN) capable of estimating external disturbances is developed to enhance the robustness of the controller. The stability of the controller is proven by using the Lyapunov theorem. A number of comparisons and software-in-the-loop (SIL) tests have been conducted to evaluate the performance of the proposed controller. The results show that our controller not only outperforms other state-of-the-art controllers but is also sufficient for complex tasks of UAVs such as collecting surface data for inspection. The source code of our controller can be found at https://github.com/duynamrcv/rbf_bsmc

arxiv情報

提供元, 利用サービス

arxiv.jp, Google