[论文解读] 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 4

一句话总结

本文提出了一种用于四旋翼无人机的几何自适应控制器，利用多层神经网络在线学习并补偿未知的非结构化风扰动。通过在特殊欧氏群上建立控制动力学并应用基于李雅普诺夫的自适应律，该方法确保了可任意减小的有界一致最终跟踪误差，仿真和室内风扰实验验证了其有效性。

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.

研究动机与目标

• 解决风扰动导致四旋翼无人机稳定性与跟踪性能下降的问题。
• 消除对精确风模型或实时风速测量的依赖。
• 开发一种在线自适应系统，利用神经网络应对未知的任意扰动。
• 在任意风条件下，确保位置和航向跟踪误差具有一致最终有界性。
• 通过使用人工风扰的室内飞行实验，验证控制器在剧烈机动中的有效性。

提出的方法

• 控制器基于直接在特殊欧氏群 SE(3) 上构建的几何控制框架，避免了欧拉角或四元数表示带来的奇异性问题。
• 将神经网络集成到控制律中，以将未知的扰动力和力矩近似为四旋翼状态的任意函数。
• 采用基于李雅普诺夫的稳定性证明，设计在线自适应律以更新神经网络权重，确保收敛性。
• 通用逼近定理证明了神经网络表示任意扰动函数的能力。
• 稳定性分析将位置与姿态误差动力学整合为一个复合李雅普诺夫函数，以证明误差的一致最终有界性。
• 控制参数经过调优，以确保李雅普诺夫导数中黑塞矩阵为正定，从而保证误差指数收敛至残差集合。

实验结果

研究问题

• RQ1 基于神经网络的自适应控制器能否在无需风速测量的情况下有效抑制四旋翼中未知的非结构化风扰动？
• RQ2 如何将 SE(3) 上的几何控制与在线学习相结合，以在任意扰动下保持系统稳定？
• RQ3 通过自适应参数调优，跟踪误差的最终有界性可降低到何种程度？
• RQ4 在强风阵风条件下，该控制器能否在剧烈、敏捷的机动中保持性能？
• RQ5 与基于模型的风补偿方法相比，该控制器在鲁棒性与自适应能力方面表现如何？

主要发现

• 位置和航向的跟踪误差具有一致最终有界性，且通过调节控制增益，可将最终有界值减小至任意期望精度。
• 李雅普诺夫稳定性证明表明，误差会指数收敛至由自适应律参数和扰动界决定的残差集合。
• 数值仿真表明，该方法能有效缓解各种风廓线下模拟的气动风效应。
• 使用工业风扇生成风扰的室内飞行实验表明，控制器在剧烈机动中成功抑制了扰动。
• 控制器无需额外传感器（如风速计），仅依赖状态反馈与神经网络自适应实现运行。
• 即使风扰动超出标准悬停模型的适用范围，该方法仍能实现鲁棒性能。