[논문 리뷰] Research on fuzzy PID Shared control method of small brain-controlled uav

Na Dong, Wenqi Zhang외 1명|arXiv (Cornell University)|2019. 05. 29.

EEG and Brain-Computer Interfaces참고 문헌 14인용 수 3

한 줄 요약

이 논문은 비행 안정성과 제어 성능을 향상시키기 위해 소형 뇌제어 무인 항공기(UAV)를 위한 퍼지 PID 공유 제어 방법을 제안한다. 비행 상태와 스위칭 속도에 따라 뇌 제어와 자동 퍼지 PID 제어 간에 동적으로 전환함으로써, 시스템은 궤적 추적 정확도와 내성성을 향상시킨다. 이는 일정 고도에서 직사각형 경로 실험을 성공적으로 수행함으로써 입증되었다.

ABSTRACT

Brain-controlled unmanned aerial vehicle (uav) is a uav that can analyze human brain electrical signals through BCI to obtain flight commands. The research of brain-controlled uav can promote the integration of brain-computer and has a broad application prospect. At present, BCI still has some problems, such as limited recognition accuracy, limited recognition time and small number of recognition commands in the acquisition of control commands by analyzing eeg signals. Therefore, the control performance of the quadrotor which is controlled only by brain is not ideal. Based on the concept of Shared control, this paper designs an assistant controller using fuzzy PID control, and realizes the cooperative control between automatic control and brain control. By evaluating the current flight status and setting the switching rate, the switching mechanism of automatic control and brain control can be decided to improve the system control performance. Finally, a rectangular trajectory tracking control experiment of the same height is designed for small quadrotor to verify the algorithm.

연구 동기 및 목표

• 뇌-컴퓨터 인터페이스(BCI) 시스템이 UAV 제어에 있어 낮은 인식 정확도와 제한된 명령어 집합 등의 한계를 해결하기 위해.
• 주로 뇌파(EEG) 신호로만 제어되는 소형 큐브로터의 제어 성능을 향상시키기 위해, 일반적으로 불안정성과 열악한 추적 성능을 겪는 문제를 개선하기 위해.
• 퍼지 PID 자동 제어와 뇌 제어를 통합한 공유 제어 프레임워크를 설계하여 시스템의 내성성을 향상시키기 위해.
• 실시간 비행 상태와 사전 정의된 스위칭 속도에 기반하여 뇌 제어와 자동 제어 간의 동적 스위칭 메커니즘을 개발하기 위해.

제안 방법

• 큐브로터의 자동 안정화 및 궤적 추적을 위해 퍼지 PID 컨트롤러를 설계하였다.
• 현재 비행 상태와 사전 정의된 스위칭 속도를 평가하여 뇌 제어와 퍼지 PID 제어 간의 스위칭 메커니즘을 결정하였다.
• 퍼지 논리 기반으로 오차 및 오차 변화율에 따라 PID 이득을 적응적으로 조정함으로써 시스템의 반응성과 안정성을 향상시켰다.
• 시스템은 EEG 기반 제어 명령을 모니터링하고, 이를 목표 궤적과 비교하여 제어 모드 전환을 트리거하였다.
• 공유 제어 프레임워크는 뇌 신호 신뢰도가 낮거나 비행 이탈이 임계값을 초과할 경우 자동 제어가 개입하도록 보장하였다.
• 알고리즘의 효과성을 검증하기 위해 일정 고도에서 직사각형 궤적 추적 실험을 수행하였다.

실험 결과

연구 질문

• RQ1 뇌 제어와 자동 제어 간의 공유 제어는 뇌제어 UAV의 안정성과 성능을 어떻게 향상시킬 수 있는가?
• RQ2 실시간으로 뇌 제어와 자동 제어 간의 스위칭을 지배할 기준은 무엇인가?
• RQ3 퍼지 PID 컨트롤러는 순수한 뇌 제어에 비해 궤적 추적 성능을 어떻게 향상시키는가?
• RQ4 스위칭 속도는 전체 시스템 성능과 제어의 매끄러움에 어떤 영향을 미치는가?
• RQ5 제한된 EEG 명령 가용성 하에서도 제안된 방법이 신뢰성 있고 정확한 경로 추적을 달성할 수 있는가?

주요 결과

• 퍼지 PID 공유 제어 방법은 순수한 뇌 제어에 비해 궤적 추적 성능을 크게 향상시켰다.
• 동적 스위칭 메커니즘은 안정적인 제어 전환을 보장하여, 저신호 또는 고오차 조건에서의 불안정성을 감소시켰다.
• 시스템은 일정 고도에서 정확하고 일관된 직사각형 경로 추적을 달성하여 내성성을 입증하였다.
• 퍼지 논리와 PID 제어의 통합은 다양한 비행 동역학에 대한 시스템의 적응성과 반응성을 향상시켰다.
• 제안된 방법은 BCI 시스템의 한계, 즉 낮은 인식 정확도와 제한된 명령어 집합을 효과적으로 완화하였다.
• 실험 결과는 공유 제어가 전체 UAV 제어 성능과 신뢰성을 향상시킨다는 것을 확인하였다.