鲁棒无人机轨迹优化的松弛模型参数高效估计

在线轨迹优化和最优控制方法对于实现可持续的无人机服务（如农业、环境监测和运输）至关重要，在这些应用中，可用的驱动力和能量是有限的。然而，最优控制器对模型失配高度敏感，这种失配可能由装载设备、待投递包裹或基本结构和推力相关参数的固有变异性引起。为解决此问题，最优控制器可与参数估计器配对，以改善其轨迹规划性能并实现自适应控制。然而，无人机平台在机载处理能力方面受限，通常使得非线性参数估计的计算成本过高而无法考虑。针对这些问题，我们提出了一种松弛的、参数仿射的多旋翼模型以及一种高效的最优参数估计器。我们通过非线性动力学的参数仿射松弛，将名义上的移动时域参数估计（MHPE）问题凸化为线性二次形式（LQ-MHPE），从而得到快速的二次规划（QP），便于实时自适应模型预测控制（MPC）。我们在蒙特卡洛模拟中将该方法与等效的非线性估计器进行比较，结果表明平均求解时间和轨迹最优性成本分别降低了98.2%和23.9%-56.2%。