[論文レビュー] Geometric Adaptive Control with Neural Networks for a Quadrotor UAV in Wind fields

Mahdis Bisheban, Taeyoung Lee|arXiv (Cornell University)|Mar 5, 2019

Adaptive Control of Nonlinear Systems参考文献 18被引用数 4

ひとこと要約

本論文は、未知の非構造的風圧乱れをオンラインで学習し補償するための多層ニューラルネットワークを用いた幾何学的適応制御器を、マルチローターUAVに提案する。特殊Euclid群上に制御ダイナミクスを定式化し、Lyapunovに基づく適応則を適用することにより、任意に小さくできる境界を有する一様最終的に有界な追従誤差を保証する。シミュレーションおよび人工的風圧乱れを用いた屋内飛行実験により検証された。

ABSTRACT

This paper proposes a geometric adaptive controller for a quadrotor unmanned aerial vehicle with artificial neural networks. It is assumed that the dynamics of a quadrotor is disturbed by arbitrary, unstructured forces and moments caused by wind. To address this, the proposed control system is augmented with multilayer neural networks, and the weights of neural networks are adjusted online according to an adaptive law. By utilizing the universal approximation theorem, it is shown that the effects of unknown disturbances can be mitigated. More specifically, under the proposed control system, the tracking errors in the position and the heading direction are uniformly ultimately bounded where the ultimate bound can be reduced arbitrarily. These are developed directly on the special Euclidean group to avoid complexities or singularities inherent to local parameterizations. The efficacy of the proposed control system is first illustrated by numerical examples. Then, several indoor flight experiments are presented to demonstrate that the proposed controller successfully rejects the effects of wind disturbances even for aggressive, agile maneuvers.

研究の動機と目的

• マルチローターUAVにおける風圧乱れが安定性および追従性能を低下させるという課題に対処すること。
• 正確な風モデルやリアルタイムでの風速測定に依存しないこと。
• ニューラルネットワークを用いて未知の任意の圧乱れにオンラインで適応する強靭な制御システムを開発すること。
• 任意の風条件下でも位置およびヘディングの追従誤差が一様最終的に有界であることを保証すること。
• 人工的風圧乱れを用いた屋内飛行実験により、急激な運動における制御器の有効性を検証すること。

提案手法

• 制御フレームワークは特殊Euclid群SE(3)上に直接定式化されており、オイラー角やクaternion表現に起因する特異性を回避する。
• ニューラルネットワークを制御則に統合し、マルチローターの状態の任意関数として未知の圧力およびモーメントを近似する。
• Lyapunovに基づく安定性証明を用いて、誤差の収束を保証するオンライン適応則によりニューラルネットワークの重みを更新する。
• 汎用近似定理により、ニューラルネットワークが任意の圧乱れ関数を表現可能であることが裏付けられる。
• 位置および姿勢誤差ダイナミクスを統合した複合Lyapunov関数を用いて、誤差の一様最終的有界性を証明する。
• Lyapunov導関数におけるヘッセ行列が正定値であるように制御パラメータを調整し、残差集合への指数的収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 風速測定を要件としないニューラルネットワークベースの適応制御器は、未知の非構造的風圧乱れを効果的に抑制できるか？
• RQ2 SE(3)上の幾何学的制御とオンライン学習をどのように組み合わせ、任意の圧乱れ下でも安定性を維持できるか？
• RQ3 適応パラメータのチューニングにより、追従誤差の最終的境界をどの程度まで小さくできるか？
• RQ4 強い風圧乱れ下でも、急激で機敏な運動において制御器は性能を維持できるか？
• RQ5 モデルベースの風補償と比較して、本制御器のロバストネスと適応性はどの程度高いか？

主な発見

• 位置およびヘディングの追従誤差は一様最終的に有界であり、制御ゲインのチューニングにより任意の所望の精度まで境界を小さくできる。
• Lyapunov安定性証明により、誤差が適応則パラメータおよび圧乱れの境界に依存する残差集合へ指数的収束することが確認された。
• 数値シミュレーションにより、さまざまな風プロファイルにおけるシミュレートされた空力的風圧効果の効果的抑制が示された。
• 産業用ファンを用いた屋内飛行実験では、急激な運動中に圧乱れの成功した拒否が確認された。
• 風速計などの追加センサを必要とせず、状態フィードバックとニューラルネットワークの適応に依存して動作する。
• 標準のホバーモデルの範囲外の圧乱れに対しても、本手法は強靭な性能を発揮した。