[论文解读] Performance, Precision, and Payloads: Adaptive Nonlinear MPC for Quadrotors

Drew Hanover, Philipp Foehn+3 more|arXiv (Cornell University)|Sep 9, 2021

Adaptive Control of Nonlinear Systems参考文献 47被引用 141

一句话总结

本文提出L1-NMPC，一种混合自适应非线性模型预测控制框架，通过在线学习和补偿模型不确定性（如未知载荷、气动效应和风扰动）来提升无人直升机的性能。通过将L1自适应控制器与非线性MPC级联，该方法在无需增益调优的情况下，相比非自适应NMPC将跟踪误差降低了90%以上，实现了在高达70 km/h速度下对高精度飞行的可靠控制，即使在大范围未知扰动下亦能保持稳定。

ABSTRACT

Agile quadrotor flight in challenging environments has the potential to revolutionize shipping, transportation, and search and rescue applications. Nonlinear model predictive control (NMPC) has recently shown promising results for agile quadrotor control, but relies on highly accurate models for maximum performance. Hence, model uncertainties in the form of unmodeled complex aerodynamic effects, varying payloads and parameter mismatch will degrade overall system performance. In this paper, we propose L1-NMPC, a novel hybrid adaptive NMPC to learn model uncertainties online and immediately compensate for them, drastically improving performance over the non-adaptive baseline with minimal computational overhead. Our proposed architecture generalizes to many different environments from which we evaluate wind, unknown payloads, and highly agile flight conditions. The proposed method demonstrates immense flexibility and robustness, with more than 90% tracking error reduction over non-adaptive NMPC under large unknown disturbances and without any gain tuning. In addition, the same controller with identical gains can accurately fly highly agile racing trajectories exhibiting top speeds of 70 km/h, offering tracking performance improvements of around 50% relative to the non-adaptive NMPC baseline.

研究动机与目标

• 解决由于未知载荷、气动效应和阵风等因素引起的非线性模型预测控制（NMPC）在无人直升机上的性能退化问题。
• 开发一种实时自适应控制框架，无需模型重新调优或重新训练即可补偿参数性和非参数性扰动。
• 在剧烈飞行条件下（包括70 km/h竞速机动和未知外挂载荷）实现高精度、高速度轨迹跟踪。
• 通过单一控制器配置与固定增益，在多种环境（如强风条件或质量变化的载荷）下保持鲁棒性和灵活性。
• 在实现优于最先进数据驱动和基于模型的MPC方法的跟踪性能的同时，最小化计算开销。

提出的方法

• 该方法采用级联架构，将非线性模型预测控制器（NMPC）与L1自适应控制器结合，其中自适应层可实时校正模型失配。
• 自适应律在单个旋翼推力层面推导，利用与NMPC相同的非线性动力学模型，以确保一致性与稳定性。
• 自适应控制器在10微秒内完成校正控制信号计算，实现快速、实时补偿，且计算开销极低。
• 系统可在线学习并补偿未知扰动（包括高达无人直升机质量60%的未知载荷质量及外部气动力），而无需先验知识或模型更新。
• 控制器具备环境可迁移性：在风扰动、未知外挂载荷及高敏捷竞速轨迹下均无需调参即可保持鲁棒性能。
• 该方法避免依赖精确的气动模型或对数据驱动模型进行在线重训练，转而通过自适应估计来校正未建模动力学。

实验结果

研究问题

• RQ1 自适应控制器是否能在存在未知模型不确定性（如载荷变化和气动效应）的情况下显著提升NMPC的跟踪性能？
• RQ2 单一固定增益控制器在无需调参的情况下，能在多大程度上应对多样化扰动（如风、未知质量及剧烈机动）？
• RQ3 在相同条件下，自适应NMPC的性能与非自适应NMPC及最先进数据驱动MPC方法相比如何？
• RQ4 自适应控制器是否能以极低计算成本实现实时扰动补偿？
• RQ5 该方法在高速飞行（如70 km/h）及极端加速度（>4g）条件下是否仍能保持高精度？

主要发现

• 当飞行载荷高达无人直升机质量60%的未知载荷时，L1-NMPC相比非自适应NMPC将跟踪误差降低了90%以上。
• 在高速圆形轨迹飞行（最高36 km/h）中，即使未使用气动模型，该控制器相比非自适应SRT-NMPC基线实现了49%的相对性能提升。
• 在携带13%无人直升机质量的未知外挂载荷时，L1-NMPC的跟踪精度比无载荷条件下的非自适应NMPC高出44%。
• 该方法在风扰动下表现出鲁棒性，即使在风扇生成的湍流场中飞行，仍能紧密跟踪参考轨迹。
• 自适应控制器仅需10微秒即可计算出校正信号，确保极低计算开销，同时支持实时补偿。
• 采用相同控制器与固定增益，该方法在70 km/h的高速竞速轨迹下成功实现跟踪，相比非自适应NMPC在跟踪精度上提升了约50%。