[논문 리뷰] Geometric Adaptive Control with Neural Networks for a Quadrotor UAV in Wind fields

Mahdis Bisheban, Taeyoung Lee|arXiv (Cornell University)|2019. 03. 05.

Adaptive Control of Nonlinear Systems참고 문헌 18인용 수 4

한 줄 요약

이 논문은 다중층 신경망을 사용해 실시간으로 알려지지 않은 비정형 풍속 간섭을 학습하고 보상하는 기하학적 적응 제어기를 제안한다. 특수 유클리드 군(SE(3))에 제어 역학을 수립하고 라플라스 기반 적응 법칙을 적용함으로써, 임의로 줄일 수 있는 경계를 갖는 균일하게 궁극적으로 유계인 추적 오차를 보장하며, 시뮬레이션과 인도 내 인공 풍속 간섭이 있는 비행 실험을 통해 검증되었다.

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.

연구 동기 및 목표

• 멀티로터 UAV에서 안정성과 추적 성능을 떨어뜨리는 풍속 간섭 문제를 해결하기 위해.
• 정밀한 풍속 모델링이나 실시간 풍속 측정에 의존하지 않기 위해.
• 신경망을 사용해 실시간으로 알려지지 않은 임의의 간섭에 적응하는 강건한 제어 시스템을 개발하기 위해.
• 임의의 풍속 조건 하에서 위치 및 헤딩의 추적 오차가 균일하게 궁극적으로 유계임을 보장하기 위해.
• 인도 내 인공 풍속 간섭을 포함한 공격적인 조작을 통해 제어기의 효과성을 검증하기 위해.

제안 방법

• 제어 프레임워크는 오일러 각도나 쿼aternion 표현의 특이성을 피하기 위해 특수 유클리드 군 SE(3)에 직접 수립된 기하학적 제어 기반이다.
• 신경망은 멀티로터 상태의 임의의 함수로서 알려지지 않은 간섭력과 모멘트를 근사하기 위해 제어 법칙에 통합된다.
• 라플라스 기반 안정성 증명을 사용해 온라인 적응 법칙이 신경망 가중치를 갱신함으로써 수렴성을 보장한다.
• 일반적인 근사 정리에 의해 신경망이 임의의 간섭 함수를 표현할 수 있음을 정당화한다.
• 위상 및 위치 오차 역학을 복합 라플라스 함수로 통합함으로써 오차의 균일한 궁극적 유계성을 증명한다.
• 라플라스 도함수의 헤시안 행렬이 양의 정부호가 되도록 제어 파rameter를 조정함으로써 잔여 집합으로의 지수 수렴을 보장한다.

실험 결과

연구 질문

• RQ1 풍속 측정이 필요 없이 신경망 기반 적응 제어기가 알려지지 않은 비정형 풍속 간섭을 효과적으로 거부할 수 있는가?
• RQ2 SE(3)에서의 기하학적 제어와 실시간 학습을 어떻게 조합하여 임의의 간섭 하에서도 안정성을 유지할 수 있는가?
• RQ3 적응 파rameter 조정을 통해 추적 오차의 궁극적 경계를 얼마나 줄일 수 있는가?
• RQ4 강력한 풍속 간섭 하에서도 공격적인 민첩한 조작 동안 제어기가 성능을 유지할 수 있는가?
• RQ5 모델 기반 풍속 보상과 비교할 때, 제어기는 어떤 정도의 강건성과 적응성의 우수성을 보이는가?

주요 결과

• 위치 및 헤딩의 추적 오차는 균일하게 궁극적으로 유계이며, 제어 이득 조정을 통해 임의의 정밀도로 궁극적 경계를 줄일 수 있다.
• 라플라스 안정성 증명은 적응 법칙 파rameter와 간섭 한계에 의해 결정되는 잔여 집합으로의 오차 지수 수렴을 확인한다.
• 수치 시뮬레이션은 다양한 풍속 프로파일에서 시뮬레이션된 항공역학적 풍속 영향을 효과적으로 완화함을 보여준다.
• 산업용 팬을 사용해 생성한 인도 내 풍속 간섭이 있는 비행 실험에서 공격적인 조작 중 간섭 거부가 성공적으로 이루어졌다.
• 풍속계와 같은 추가 센서 없이 상태 피드백과 신경망 적응에 의존하여 제어기가 작동한다.
• 표준 휴게 기반 모델의 범위를 초월하는 풍속 간섭 조건에서도 강건한 성능을 달성한다.