[论文解读] Dynamic System Identification, and Control for a cost effective open-source VTOL MAV

Inkyu Sa, Mina Kamel+4 more|arXiv (Cornell University)|Jan 30, 2017

Adaptive Control of Nonlinear Systems参考文献 16被引用 9

一句话总结

本论文提出了一种基于DJI Matrice 100平台的低成本、开源垂直起降微型飞行器（VTOL MAV）系统，通过机载IMU数据识别其动力学特性和控制行为，实现高精度模型预测控制（MPC）。在悬停状态下，即使在风扰条件下，系统仍实现了0.021 m（x方向）、0.016 m（y方向）、0.029 m（z方向）、0.392°（滚转）、0.618°（俯仰）和1.087°（偏航）的均方根（RMS）跟踪误差，且已向社区公开全部代码与文档。

ABSTRACT

This paper describes dynamic system identification, and full control of a cost-effective vertical take-off and landing (VTOL) multi-rotor micro-aerial vehicle (MAV) --- DJI Matrice 100. The dynamics of the vehicle and autopilot controllers are identified using only a built-in IMU and utilized to design a subsequent model predictive controller (MPC). Experimental results for the control performance are evaluated using a motion capture system while performing hover, step responses, and trajectory following tasks in the present of external wind disturbances. We achieve root-mean-square (RMS) errors between the reference and actual trajectory of x=0.021m, y=0.016m, z=0.029m, roll=0.392deg, pitch=0.618deg, and yaw=1.087deg while performing hover. This paper also conveys the insights we have gained about the platform and returned to the community through open-source code, and documentation.

研究动机与目标

• 通过仅利用有限的机载传感器数据，识别精确的动力学模型与控制器行为，实现在低成本VTOL MAV上的高精度自主飞行。
• 解决当前商业VTOL MAV平台（如DJI M系列）缺乏公开科学资源（如自动驾驶仪控制器结构与动力学模型）的问题。
• 基于辨识的动力学模型，开发并验证一种模型预测控制器（MPC），以提升在外部干扰下的控制性能。
• 公开软件、文档及系统辨识工具，支持研究社区在低成本平台上部署高性能MAV用于机器人应用。

提出的方法

• 仅使用DJI Matrice 100内置IMU数据进行离线系统辨识，以估计飞行器的动力学模型与自动驾驶仪控制器行为。
• 基于辨识参数，建立VTOL MAV动力学的线性化状态空间模型，用于MPC设计。
• 实现一种模型预测控制器（MPC），利用辨识模型计算最优控制输入，实现位置与姿态跟踪。
• 利用动作捕捉系统在100 Hz频率下进行实时状态估计，验证控制系统的性能，实验包括悬停、阶跃响应与轨迹跟踪任务。
• 在静风与风扰条件下均进行实验，以评估系统的鲁棒性与性能表现。
• 将修改后的SDK、系统辨识工具与MPC实现以开源形式发布，并附带详尽文档。

实验结果

研究问题

• RQ1 能否仅使用商业VTOL MAV（如DJI Matrice 100）的机载IMU数据，实现精确的动力学系统辨识？
• RQ2 基于辨识动力学模型的模型预测控制器（MPC）在外部风扰条件下的轨迹跟踪性能如何？
• RQ3 在悬停与动态机动过程中，位置与姿态控制的可实现精度水平（以RMS误差衡量）是多少？
• RQ4 该平台的质量与结构在多大程度上影响控制响应时间与扰动抑制能力？
• RQ5 开源工具与文档在多大程度上可加速低成本平台上的自主MAV应用开发？

主要发现

• 在悬停状态下，系统实现了0.021 m（x方向）、0.016 m（y方向）与0.029 m（z方向）的均方根（RMS）跟踪误差，即使在风扰条件下亦保持稳定。
• 姿态控制性能优异，悬停时滚转、俯仰与偏航方向的RMS误差分别仅为0.392°、0.618°与1.087°。
• 平台展现出强大的扰动抑制能力，在风速11–11.5 m/s范围内，位置误差保持稳定，尽管风力不足以显著影响3.3 kg的机体质量。
• 阶跃响应性能显示响应较慢，主要受飞行器质量影响，但MPC控制器有效管理了瞬态行为并实现了稳定控制。
• 轨迹跟踪结果表明，在静风与风扰条件下，系统均能准确跟踪1×1 m的方形路径，仅在快速运动转换阶段观察到偏航误差。
• SDK、系统辨识工具与MPC实现的开源发布，为其他DJI M系列平台的可复现、高性能控制开发提供了支持。