[論文レビュー] Generic Evolving Self-Organizing Neuro-Fuzzy Control of Bio-inspired Unmanned Aerial Vehicles

Md Meftahul Ferdaus, Mahardhika Pratama+3 more|arXiv (Cornell University)|Feb 2, 2018

Adaptive Dynamic Programming Control参考文献 65被引用数 5

ひとこと要約

本稿では、生物模倣型無人航空機（UAV）向けに、モデルフリーで自己組織的かつ進化型のニューロファジィ制御系であるジェネリック制御系（Gコントローラー）を提案する。スライディングモード制御（SMC）理論とジェネリック進化型ニューロファジィ推論システム（GENEFIS）を統合することで、事前の知識なしにオンラインでファジィルールを動的に構築および削除可能となり、リャプノフ安定性を保証するとともに、不確実性や突風に対しても一様漸近収束性のある追従性を達成する。この有効性はBIFW MAVおよびヘキサコプタのシミュレーションで検証された。

ABSTRACT

At recent times, with the incremental demand of the fully autonomous system, a huge research interest is observed in learning machine based intelligent, self-organizing, and evolving controller. In this work, a new evolving and self-organizing controller namely Generic-controller, G-controller, is proposed. The G-controller that works in the fully online mode with very minor expert domain knowledge is developed by incorporating the sliding model control, SMC, theory based learning algorithm with an advanced incremental learning machine namely Generic Evolving Neuro-Fuzzy Inference System , GENEFIS. The controller starts operating from scratch with an empty set of fuzzy rules, and therefore, no offline training is required. To cope with the plant vulnerable behavior, the controller can add, or prune the rules on demand. Control law and adaptation laws for the consequents are derived from the SMC algorithm to establish a stable closed-loop system, where the stability of the G-controller is guaranteed using the Lyapunov function. The uniform asymptotic convergence of tracking error to zero is witnessed through the implication of an auxiliary robustifying control term. In addition, the implementation of the multivariate Gaussian function helps the controller to handle the non-axis parallel data from the plant and consequently enhances the robustness against the uncertainties and environmental perturbations. Finally, the controller performance has been evaluated by observing the tracking performance in controlling simulated plants of unmanned aerial vehicle namely bio-inspired flapping wing micro air vehicle BIFW MAV and hexacopter for a variety of trajectories.

研究の動機と目的

• 正確な第一原理モデルに依存しない、高非線形的かつ過アクチュエートで不確実性を有する生物模倣型UAVを制御する課題に対処すること。
• 固定構造型ニューロファジィ制御系やファジィニューラルネットワーク制御系の限界を克服し、変化する動的特性やシステムの不確実性に適応できない問題を解決すること。
• 事前学習を必要とせず、熟練者によるルール数の事前定義も最小限に抑え、構造を完全にオンラインで構築する、完全にオンラインで進化する制御系を開発すること。
• SMC理論と多次元ガウス関数の統合により、環境的摂動（例：突風）およびシステムの不確実性に対するロバスト性を確保すること。
• 複雑で動的なUAV飛行シナリオにおいて、従来のPIDおよびT-Sファジィ制御系と比較して優れた追従性能を示すことを実証すること。

提案手法

• ジェネリック進化型ニューロファジィ推論システム（GENEFIS）に基づく、進化型ニューロファジィシステムであるジェネリック制御系（Gコントローラー）を提案し、オンラインデータから段階的に学習を行う。
• スライディングモード制御（SMC）理論を統合し、結果的なパラメータの制御および適応則を導出。リャプノフ関数解析により閉ループ安定性を保証する。
• 外乱にかかわらず追従誤差が一様漸近的にゼロに収束することを保証するための補助的ロバスト化制御項を実装する。
• 非軸平行なデータをモデル化するために多次元ガウス関数を用い、入力の不確実性および非線形性に対するロバスト性を向上させる。
• 誤差指標およびシステム性能に基づき、事前にルール数を定義せずに、オンラインでのルール生成および削除を可能にし、構造の進化を実現する。
• 自律型UAVプラットフォームへの直接ハードウェアデプロイを想定し、C言語で制御系を設計し、リアルタイム実行可能性を確保する。

実験結果

リサーチクエスチョン

• RQ1 事前学習や熟練者によるルール数の事前定義を必要とせず、オンラインで構造とパラメータを進化させるモデルフリーで自己組織的ニューロファジィ制御系を開発可能か？
• RQ2 SMCに基づく適応則の統合は、システムの不確実性および外部摂動下でのニューロファジィ制御系のロバスト性と安定性をどのように向上させるか？
• RQ3 多次元ガウス関数の使用は、非軸平行なデータを処理する能力をどの程度向上させ、非線形UAVダイナミクスにおける性能改善に寄与するか？
• RQ4 生物模倣型およびマルチローターUAVの多様で複雑な軌道において、提案されたGコントローラーは従来のPIDおよびT-Sファジィ制御系と比較してどの程度優れた追従性能を示すか？
• RQ5 リャプノフ解析およびシミュレーションによる検証を通じて、突風などの外部摂動下でもGコントローラーは安定性を維持し、正確な追従を達成できるか？

主な発見

• 補助的ロバスト化制御項の導入により、Gコントローラーは外乱下でも追従誤差が一様漸近的にゼロに収束し、安定性が保証された。
• BIFW MAVおよびヘキサコプタのシミュレーションにおいて、GコントローラーはPIDおよびT-Sファジィ制御系を上回り、正弦波追従ではRMSEが最小0.0356、カスタム波形関数では0.1026にまで低下した。
• ステップ関数の高度追従において、BIFW MAVでは上昇時間0.824秒、安定化時間4.1秒を達成し、同じ条件下でPIDコントローラー（上昇時間：3.43秒、安定化時間：22.6秒）を顕著に上回った。
• BIFW MAVプラントにおいて突風への耐性を示し、外部摂動下でも正確な軌道追従を維持した。
• GRAT+および多次元ガウス関数を用いた自己進化機構により、既存の進化型ファジィシステムと比較して、より高速なルール適応と低い計算コストを実現した。
• 飛行シミュレーション中にGコントローラーは、ステップ、カスタム、ピッチ、ロールなどの異なる軌道において、オンラインでファジィルールの生成および削除を成功裏に実行した。ルール生成の可視化により、構造的適応性が確認された。