[论文解读] Research on fuzzy PID Shared control method of small brain-controlled uav

Na Dong, Wenqi Zhang+1 more|arXiv (Cornell University)|May 29, 2019

EEG and Brain-Computer Interfaces参考文献 14被引用 3

一句话总结

本文提出一种用于小型脑控无人机的模糊PID共享控制方法，以提升飞行稳定性和控制性能。通过根据飞行状态和预设切换速率，在脑控与自动模糊PID控制之间动态切换，系统显著提高了轨迹跟踪精度和鲁棒性，已在恒定高度下成功完成矩形路径实验。

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.

研究动机与目标

• 为解决脑机接口（BCI）系统在无人机控制中的局限性，如识别准确率低和指令集有限的问题。
• 改善仅通过脑电信号（EEG）控制的小型四旋翼无人机的控制性能，此类系统常因不稳定和跟踪性能差而受限。
• 设计一种集成模糊PID自动控制与脑控的共享控制框架，以增强系统鲁棒性。
• 开发一种基于实时飞行状态和预设切换速率的脑控与自动控制之间的动态切换机制。

提出的方法

• 设计模糊PID控制器，为四旋翼提供自动稳定与轨迹跟踪功能。
• 通过评估当前飞行状态和预设切换速率，确定脑控与模糊PID控制之间的切换机制。
• 利用模糊逻辑根据误差及其变化率自适应调整PID增益，提升系统响应速度与稳定性。
• 系统监测基于脑电信号的控制指令，并将其与期望轨迹进行比较，以触发控制模式切换。
• 共享控制框架确保在脑信号可靠性较低或飞行偏差超过阈值时，自动控制自动接管。
• 通过在恒定高度下执行矩形轨迹跟踪实验，验证算法的有效性。

实验结果

研究问题

• RQ1 脑控与自动控制之间的共享控制如何提升脑控无人机的稳定性和性能？
• RQ2 实时切换脑控与自动控制应依据何种标准？
• RQ3 与纯脑控相比，模糊PID控制器如何提升轨迹跟踪性能？
• RQ4 切换速率对整体系统性能和控制平滑性有何影响？
• RQ5 在EEG指令资源有限的情况下，所提方法能否实现可靠且精确的路径跟踪？

主要发现

• 与纯脑控相比，模糊PID共享控制方法显著提升了轨迹跟踪性能。
• 动态切换机制确保了控制模式之间的稳定过渡，降低了在低信号或高误差条件下的不稳定性。
• 系统在恒定高度下实现了精确且一致的矩形路径跟踪，表现出良好的鲁棒性。
• 模糊逻辑与PID控制的结合增强了系统对不同飞行动态的适应能力与响应速度。
• 所提方法有效缓解了BCI系统存在的局限，如识别准确率低和指令集有限等问题。
• 实验结果证实，共享控制显著提升了整体无人机控制性能与可靠性。