[论文解读] Quadrotor Formation Flying Resilient to Abrupt Vehicle Failures via a Fluid Flow Navigation Function

Matthew Romano, Harshvardhan Uppaluru+2 more|arXiv (Cornell University)|Mar 3, 2022

Distributed Control Multi-Agent Systems被引用 4

一句话总结

本文提出了一种用于多旋翼机群飞行的实时流体动力学导航函数，通过将健康无人机建模为理想流体流中的质点，并将故障飞行器视为被排除的奇点，从而在突发飞行器故障时确保飞行安全。Containment Exclusion Mode（CEM）算法通过沿流线动态调整滑动速度，维持最小间距，在两架和六架四旋翼机的实验中验证了该方法的有效性，实现了对故障飞行器的安全、实时避障，同时在100Hz频率下运行时间仅为0.4ms，实现了对速度指令的实时跟踪。

ABSTRACT

This paper develops and experimentally evaluates a navigation function for quadrotor formation flight that is resilient to abrupt quadrotor failures and other obstacles. The navigation function is based on modeling healthy quadrotors as particles in an ideal fluid flow. We provide three key contributions: (i) A Containment Exclusion Mode (CEM) safety theorem and proof which guarantees safety and formally specifies a minimum safe distance between quadrotors in formation, (ii) A real-time, computationally efficient CEM navigation algorithm, (iii) Simulation and experimental algorithm validation. Simulations were first performed with a team of six virtual quadrotors to demonstrate velocity tracking via dynamic slide speed, maintaining sufficient inter-agent distances, and operating in real-time. Flight tests with a team of two custom quadrotors were performed in an indoor motion capture flight facility, successfully validating that the navigation algorithm can handle non-trivial bounded tracking errors while guaranteeing safety.

研究动机与目标

• 解决多旋翼机群在突发飞行器故障后确保安全与任务连续性的挑战。
• 开发一种计算高效、实时的导航算法，无需依赖集中式控制或复杂的势场优化，即可保证碰撞避免。
• 利用流体力学原理，形式化证明在故障场景下多旋翼机群的安全条件。
• 通过仿真和基于室内动作捕捉系统的实际飞行实验，验证所提出的CEM导航算法。

提出的方法

• 将健康的四旋翼机视为理想流体流中的质点，将故障飞行器作为被排除在流场域外的奇点处理。
• 将期望轨迹定义为流体流的流线，其天然避开被排除的故障区域，从而实现安全分区。
• 通过相位变量 φ 引入动态滑动速度控制机制，迭代调整 Δφ 以跟踪最大 1.0 m/s 的速度指令。
• 实现一种包含约束排除模式（CEM）的导航算法，利用改进的调和势场方法实时计算轨迹，并保证在鞍点处的逃逸能力。
• 形式化证明两个安全定理：定理1确保在多障碍物场景下的最小安全距离，定理2为单故障情况提供安全边界。
• 通过旋转矩阵扩展，将二维导航解推广至 x-y 平面内任意飞行方向。

实验结果

研究问题

• RQ1 多旋翼机群在一架或多架飞行器突发故障后，如何维持安全并继续执行任务？
• RQ2 何种数学框架可实现无局部极小值的实时、计算高效的轨迹生成，且能避开故障飞行器？
• RQ3 基于流体动力学的导航函数能否在控制器误差有界的情况下保证最小机群间距？
• RQ4 相位变量 φ 的动态调整如何在存在鞍点的情况下实现精确速度跟踪并维持安全？
• RQ5 CEM算法在存在多个故障的更大机群规模下可扩展到何种程度？

主要发现

• CEM导航算法实现了实时性能，运行时间分别为 K=1、2 和 5 时的 0.2ms、0.4ms 和 1ms，全部在 100Hz 运行的 10ms 硬性限制内。
• 两架四旋翼机的飞行测试表明，控制器误差保持在 δ=40cm 以内，Q2 始终与故障 Q1 的排除区域保持安全距离。
• 六架四旋翼机的仿真中，所有飞行器对均保持至少 2(δ+ε) 的间距，验证了形式化安全定理。
• 该算法成功引导 Q2 绕开排除区域附近的鞍点，Δφ 在这些位置显著减小，从而实现快速运动。
• 当 K=2 时速度跟踪最准确，最大速度误差低于 K=1 和 K=5，同时保持可接受的计算开销。
• 理论分析表明，基于流体动力学的导航函数仅存在鞍点作为局部极小值，从而可实现可靠逃逸与安全轨迹生成。