深度学习降低小型无人飞行器变形翼阵风抑制的传感器需求
机器人学
2024-03-22 v2 系统与控制
系统与控制
摘要
对无人飞行器（UAV）在城市中运行的需求日益增长。然而，不平坦的城市地貌和复杂的街道系统会产生大规模阵风，对无人机的安全有效运行构成挑战。当前的阵风减缓方法依赖传统控制面和计算昂贵的建模来选择控制动作，导致响应较慢。在此，我们使用深度强化学习为弯度变形翼创建了一种自主阵风减缓控制器。该方法仅通过实时机载压力信号就将阵风影响降低了 84%。值得注意的是，我们发现仅使用三个压力测点信号进行的阵风减缓与使用六个信号在统计上无差异。这种减少传感器的感知飞行（fly-by-feel）控制为无人机在以往无法作业地点的任务打开了大门。
引用
@article{arxiv.2304.03133,
title = {Deep learning reduces sensor requirements for gust rejection on a small uncrewed aerial vehicle morphing wing},
author = {Kevin PT. Haughn and Christina Harvey and Daniel J. Inman},
journal= {arXiv preprint arXiv:2304.03133},
year = {2024}
}