[논문 리뷰] Control of a Tail-Sitter VTOL UAV Based on Recurrent Neural Networks

Jinni Zhou, Hao Xu외 3명|arXiv (Cornell University)|2021. 04. 05.

Robotic Path Planning Algorithms참고 문헌 31인용 수 5

한 줄 요약

이 논문은 한 개의 컨트롤러로 정적 비행, 전환, 수평 비행 모드를 원활하게 통합하는 통합형 순환 신경망(RNN)-기반 제어 프레임워크를 제안한다. 실시간 추력 및 자세 계산을 위한 계산 비용이 높은 비선형 해소기의 근사치로 LSTM 네트워크(SCPNet)를 훈련시켜, 낮은 지연과 근사 오차가 거의 없는 부드러운 제어를 달성하였으며, 제어 채터링도 감소시켰다. 이는 풍속 간섭 하에서 광범위한 시뮬레이션과 실외 비행 실험을 통해 검증되었다.

ABSTRACT

Tail-sitter vertical takeoff and landing (VTOL) unmanned aerial vehicles (UAVs) have the capability of hovering and performing efficient level flight with compact mechanical structures. We present a unified controller design for such UAVs, based on recurrent neural networks. An advantage of this design method is that the various flight modes (i.e., hovering, transition and level flight) of a VTOL UAV are controlled in a unified manner, as opposed to treating them separately and in the runtime switching one from another. The proposed controller consists of an outer-loop position controller and an inner-loop attitude controller. The inner-loop controller is composed of a proportional attitude controller and a loop-shaping linear angular rate controller. For the outer-loop controller, we propose a nonlinear solver to compute the desired attitude and thrust, based on the UAV dynamics and an aerodynamic model, in addition to a cascaded PID controller for the position and velocity tracking. We employ a recurrent neural network (RNN) to approximate the behavior of the nonlinear solver, which suffers from high computational complexity. The proposed RNN has negligible approximation errors, and can be implemented in real-time (e.g., 50 Hz). Moreover, the RNN generates much smoother outputs than the nonlinear solver. We provide an analysis of the stability and robustness of the overall closed-loop system. Simulation and experiments are also presented to demonstrate the effectiveness of the proposed method.

연구 동기 및 목표

• 모드 전환 없이 정적 비행, 전환, 수평 비행을 모두 처리할 수 있는 통합 비행 제어 프레임워크를 개발하는 것.
• 실시간 UAV 제어에 사용되는 비선형 최적화 해소기의 높은 계산 비용 문제를 해결하는 것.
• 비선형 해소기를 RNN 기반 근사치로 대체하여 제어의 부드러움을 향상시키고 액추에이터 진동을 감소시키는 것.
• 다양한 비행 속도와 풍속 간섭 하에서도 RNN 기반 컨트롤러의 안정성과 강건성을 확보하는 것.
• 포prehensive 시뮬레이션과 실외 비행 실험을 통해 컨트롤러의 효과성을 검증하는 것.

제안 방법

• 컨트롤러 아키텍처는 외부 루프 위치 제어기와 내부 루프 자세 제어기로 구성되며, 외부 루프는 비선형 최적화 기반 해소기를 사용하여 목표 추력과 자세를 계산한다.
• 실시간 추력 및 자세 명령을 위해 순차적 볼록 프로그래밍(Sequential Convex Programming, SCP) 해소기가 사용되지만, 계산 비용이 매우 높다.
• 실시된 비행 시뮬레이션과 동적 자극 데이터를 활용해, SCP 해소기의 행동을 모방하도록 LSTM 기반 RNN(SCPNet)을 훈련시킨다.
• SCPNet은 온보드 NVIDIA TX2에 배포되어 5 ms 이내의 추론 시간을 달성하여 50 Hz에서 실시간 구현이 가능하다.
• 내부 루프는 비례 자세 제어기와 루프 shaping 선형 각속도 제어기를 사용하여 안정적인 자세 추적을 구현한다.
• 선형화를 통해 다양한 비행 속도에서의 시스템 안정성과 강건성을 분석하였으며, 닫힌 루프 성능이 확인되었다.

실험 결과

연구 질문

• RQ1 한 개의 RNN 기반 컨트롤러가 모드 전환 없이 尾기어 VTOL UAV의 모든 비행 모드를 균일하고 부드럽게 제어할 수 있는가?
• RQ2 고복잡도 비선형 해소기의 출력을 실시간 성능을 유지하면서 RNN이 얼마나 정확히 근사할 수 있는가?
• RQ3 비선형 해소기 대비 RNN 기반 컨트롤러가 제어 채터링을 줄이고 부드러움을 향상시키는가?
• RQ4 실외 비행에서 풍속 간섭이 RNN 기반 컨트롤러의 추적 성능에 미치는 영향은 무엇인가?
• RQ5 안정성, 강건성, 궤도 추적 정확도 측면에서 전통적 방법에 비해 RNN 기반 컨트롤러는 어떠한가?

주요 결과

• RNN 기반 SCPNet은 NVIDIA TX2에서 5 ms 이내의 추론 시간을 확보하여 50 Hz에서 실시간 배포가 가능했다.
• SCPNet은 실외 비행 실험에서 위치 RMSE가 0.81 m 이하, 자세 RMSE가 0.02도 이하로 근사 오차가 거의 없음을 입증했다.
• RNN에서 유도된 제어 출력은 비선형 해소기의 출력보다 훨씬 더 부드러웠으며, 유연한 기체 모드의 진동을 감소시켰다.
• 실외 실험에서 위치 추적 오차는 [-0.98, 3.28] m 범위를 유지하였고, 바디 X 방향 가속도 오차는 [-1.03, 3.02] m/s² 이내였다.
• 풍속 간섭(최대 4.1 m/s) 하에서도 시스템은 안정된 성능을 유지하였으며, 선형화된 안정성 분 析를 통해 낮은 추적 오차와 강건성이 확인되었다.
• 통합 컨트롤러는 실내 및 실외 환경에서 이륙, 정지, 전후방 전환, 수평 비행, 착륙을 포함한 복잡한 궤도를 성공적으로 수행했다.