基于学习的模型预测控制方法在紧密编队四旋翼无人机中的应用
机器人学
2024-10-15 v1 机器学习
系统与控制
系统与控制
摘要
在紧密编队飞行中控制四旋翼无人机是一个具有挑战性的问题。人们已知，在四旋翼无人机的近场气流中，由螺旋桨产生的气动效应具有复杂且难以表征的特征。虽然机器学习工具可能用于推导能够捕捉这些效应的模型，但这些数据驱动的方法可能存在样本效率低的问题，而且所得模型往往难以像基于基本原理的模型那样具有良好的概括性。在本工作中，我们提出了一个框架，综合运用基于基本原理的建模方法和数据驱动方法，以构建对四旋翼无人机编队飞行过程中产生的复杂气动效应的准确且样本高效的表征。本模型中的数据驱动组件具有轻量级特点，因此适用于优化基于控制设计。在仿真和物理实验中，我们展示了将该模型纳入一种新颖的基于学习的非线性模型预测控制（MPC）框架后，在轨迹跟踪和扰动抑制方面能够实现显著的性能提升。特别是，我们的框架在物理实验中显著优于名义MPC，实现了平均轨迹跟踪误差降低了40.1%，最大垂直分离误差降低了57.5%。我们的框架还实现了出色的样本效率，在仿真和物理实验中仅使用46秒的飞行数据进行训练。此外，借助我们提出的框架，四旋翼无人机能够实现异常紧密的编队，整个飞行过程中平均分离距离小于1.5个机身长度。本框架及物理实验的演示视频可在此处查看：https://youtu.be/Hv-0JiVoJGo
引用
@article{arxiv.2410.09727,
title = {Flying Quadrotors in Tight Formations using Learning-based Model Predictive Control},
author = {Kong Yao Chee and Pei-An Hsieh and George J. Pappas and M. Ani Hsieh},
journal= {arXiv preprint arXiv:2410.09727},
year = {2024}
}
备注
7 pages, 5 figures