基于动态的无人机估计器：利用DNN与改进继电反馈测试的实时辨识
机器人学
2021-06-15 v1 系统与控制
系统与控制
摘要
无人机(UAVs)的控制性能直接受其准确估计自身状态能力的影响。随着自主无人机解决方案在现实应用中的日益普及，开发能够改善低成本无人机中传感器噪声的鲁棒自适应估计器势在必行。在估计中利用无人机动力学知识可提供显著优势，但由于获取无人机动态参数所需复杂且昂贵的飞行前实验，这仍然具有挑战性。在本文中，我们提出了两种解耦的基于动态模型的无人机扩展卡尔曼滤波器，它们提供旋转和平移状态的位置与速度以及滤波后惯性加速度的高速率估计。动态模型参数使用深度神经网络和改进继电反馈测试(DNN-MRFT)框架在线估计，无需任何无人机物理参数的先验知识。所设计的带有实时辨识过程模型参数的滤波器经过实验测试，显示出两个优势。首先，获得了无人机转速和惯性加速度的平滑且无滞后的估计，并用于改善闭环系统性能，将控制器动作减少了超过6%。其次，所提方法使无人机能够在低速率位置测量下跟踪激进轨迹，这是通常在此类条件下不可行的任务。实验数据表明，我们实现了与其他需要完整无人机参数知识的方法相匹配的估计性能。
引用
@article{arxiv.2106.07299,
title = {Dynamic Based Estimator for UAVs with Real-time Identification Using DNN and the Modified Relay Feedback Test},
author = {Mohamad Wahbah and Mohamad Chehadeh and Yahya Zweiri},
journal= {arXiv preprint arXiv:2106.07299},
year = {2021}
}