基于神经网络下洗预测的近距飞行四旋翼非线性模型预测控制
机器人学
2023-09-13 v2
摘要
集群飞行机器人需要保持近距离以成功穿越杂乱环境中的狭窄区域。然而，这种运动受到集群中其他四旋翼所产生的下洗效应的影响。该空气动力学效应高度非线性，难以通过数学建模描述。此外，可根据相邻四旋翼的状态预测下洗扰动的存在。若考虑此预测，控制回路可主动处理扰动，从而提升性能。为应对这些挑战，我们提出一种将神经网络下洗预测器与非线性模型预测控制相结合的方案（NDP-NMPC）。该神经网络采用谱归一化训练，以确保在未采集样本情况下的鲁棒性与安全性。随后将预测扰动纳入NMPC的优化方案中，该方案施加约束以保证状态和输入处于安全限值内。我们还设计了四旋翼系统，辨识其参数，并在机载端实现了所提方法。最后，我们进行了预测实验以验证网络的安全性与有效性。此外，利用整个系统开展了实时轨迹跟踪实验，表明在下洗效应下高度跟踪误差降低了75.37%。
引用
@article{arxiv.2304.07794,
title = {Nonlinear MPC for Quadrotors in Close-Proximity Flight with Neural Network Downwash Prediction},
author = {Jinjie Li and Liang Han and Haoyang Yu and Yuheng Lin and Qingdong Li and Zhang Ren},
journal= {arXiv preprint arXiv:2304.07794},
year = {2023}
}
备注
7 pages, 7 figures. Accepted for the invited session on "Control with Learning for Autonomous Robots" at the 2023 62nd IEEE Conference on Decision and Control (CDC). The code and dataset are available at https://github.com/Li-Jinjie/ndp_nmpc_qd