基于学习残差动力学的模型预测控制及其在全向微型飞行器上的应用

日益发展的空中操作领域通常依赖于全驱动或全向微型飞行器（OMAVs），这类飞行器在与环境接触时可施加任意力与力矩。控制方法通常基于无模型方法，将高层力矩控制器与执行器分配相分离。必要时，通过在线扰动观测器来抑制扰动。然而，尽管这种方法具有通用性，其产生的控制指令往往次优，且无法纳入平台设计所给定的约束。我们提出两种基于模型的方法来控制 OMAVs 以完成轨迹跟踪任务并抑制扰动。第一种方法优化力矩指令，并通过从实验数据中学得的模型来补偿模型误差。第二种方法优化底层执行器指令，从而能够利用分配零空间并考虑执行器硬件所给定的约束。两种方法的效能与实时可行性在真实世界实验中得到了展示与评估。