Введение 4
1. Вывод модели 6
1.1. Ориентация квадрокоптера 6
1.2. Модель динамики квадрокоптера 7
1.3. Упрощение модели 9
2. Система стабилизации 10
2.1. Контроллер угловой стабилизации 10
2.2. Линеаризация и доказательство устойчивости 11
2.3. Контроллер стабилизации высоты 12
2.4. Финальные формулы контроллера 12
3. Система адаптации 13
3.1. Оценка коэффициента тяги К 13
3.2. Случай разных коэффициентов К на разных моторах 15
4. Моделирование 22
Заключение 25
Список литературы 26
Приложение 28
Код программы моделирования 28
В последнее время в обществе всё большую роль начинают играть беспилотные летательные аппараты, в особенности самые доступные из них — квадрокоптеры. Их популярность в последние годы обеспечена простотой конструкции и появлением большого количества различных систем управления, многие из которых являются open-source программами.
Существует множество задач, которые можно решать с помощью квадрокоптеров, в том числе задач научных. К примеру, работы [1]. й, [3] демонстрируют обучение роботов эффективным траекториям полета, работы [4] и [5] — кооперативному поведению, а [6], [7] и [8] - навигации при помощи камер и RGBD-сепсоров. Оценка ориентации подобных машин обычно осуществляется модификациями комплементарного фильтра ([9] и [10]) или же расширенным фильтром Калмапа ([11]).
Для управления квадрокоптером обзор основных существующих решений можно найти в статье [14]. Однако, можно выделить два общих свойства, присущие этим системам: они все работают па PID-ретуляторах, и они все используют углы Эйлера в качестве ошибки, которую стремится минимизировать регулятор.
Проблема использования углов Эйлера заключается в том, что этот способ имеет сингулярность, а значит, в некоторых областях пространства ориентаций не будет работать. К примеру, пи одна из общедоступных систем не способна сделать полностью контролируемый flip (сальто, переворот), не отключая при этом основной регулятор. В отличие от углов Эйлера, кватернионы не имеют подобных проблем, хотя их редко используют для создания систем управления квадрокоптерами. Примером системы, полностью основанной па кватернионах, может являться [15].
Проблема же PID-рстулятора в том, что для каждого конкретного робота нужно заново подбирать коэффициенты. К open-source продуктам прилагаются специальные инструкции о том, как это делать, однако всё равно, такой подход снижает эффективность системы, так как не позволяет достичь оптимальных параметров. Примеры синтеза PID-ретулятора для квадрокоптера можно найти в работах [16], [17], [18].
В связи с этими проблемами была создана своя система стабилизации, использующая кватернионы в качестве ошибки регулятора, и идею, похожую на линеаризацию обратной связью, для синтеза самого регулятора. В результате получился регулятор, большинство параметров которого являются в точности физическими параметрами конкретного квадрокоптера, а оставшиеся коэффициенты не зависят от робота и могут быть подобраны единожды для всего класса машин.
Также, некоторые из физических параметров конкретного робота часто бывает сложно измерить, или же они могут меняться со временем прямо в полете. Поэтому особенно большую ценность приобретает система, позволяющяя идентифицировать неизвестные параметры и использовать их в системе стабилизации. Существующие же системы идентификации, к примеру [12] и [13], полагаются на стандартные PID-регуляторы и углы Эйлера.
Данная работа состоит из четырёх частей. В первой описан вывод уравнений динамики квадрокоптера. Вторая часть посвящена системе стабилизации и доказательству её устойчивости в малом. В третьей части приводится система адаптации и идентификации некоторых параметров квадрокоптера, ключевых для устойчивого полета. Последняя часть описывает проведенное моделирование общей системы.
Рис. 1. Тестовые самодельные квадрокоптеры
Надо также сказать, что система стабилизации была проверена на двух настоящих, самодельных коптерах, один из которых работал на контроллере FlyMaple, второй — на контроллере ТРИК. Разработанная в данной работе система адаптации призвана решить некоторые проблемы, имевшиеся у данных роботов.
В данной работе был описан основанный на кватернионах параметрический регулятор для стабилизации квадрокоптера, а также система идентификации коэффициентов тяги на каждом винте. Также было проведено численное моделирование, подтверждающее работоспособность предложенных алгоритмов.
Направлением дальнейшей работы, в первую очередь, является оценка остальных параметров модели, в особенности моментов инерций 1Х, 1У и ф и коэффициента ф Также необходимо изучить, как будут вести себя предложенные алгоритмы при дискретизации.
1. Markus Hehn, Raffaello D’Andrea. Quadrocopter trajectory generation and control, IFAC world congress, Vol. 18. No. 1. 2011.
2. Markus Hehn, Raffaello D’Andrea. A frequency domain iterative learning algorithm for high- performance, periodic quadrocopter maneuvers, in Mechatronics 24.8 (2014): 954-965.
3. Angela P. Schoellig, Clemens Wiltsche, and Raffaello D’Andrea. Feed-forward parameter identification for precise periodic quadrocopter motions. American Control Conference (ACC), 2012. IEEE, 2012.
4. Federico Augugliaro, Angela P. Schoellig, and Raffaello D’Andrea. Generation of collision-free trajectories for a quadrocopter fleet: A sequential convex programming approach. Intelligent Robots and Systems (IROS), 2012 IEEE/RSJ International Conference on. IEEE, 2012.
5. Robin Ritz, Mark W. Muller, Markus Hehn, and Raffaello D’Andrea. Cooperative quadrocopter ball throwing and catching. Intelligent Robots and Systems (IROS), 2012 IEEE/RSJ International Conference on. IEEE, 2012.
6. Glenn P. Tournier, Mario Valenti, and Jonathan P. How. Estimation and control of a quadrotor vehicle using monocular vision and moire patterns. AIAA Guidance, Navigation and Control Conference and Exhibit. 2006.
7. Shaojie Shen, Yash Mulgaonkar, Nathan Michael, Vijay Kumar. Vision-Based State Estimation and Trajectory Control Towards High-Speed Flight with a Quadrotor. Robotics: Science and Systems. Vol. 1. 2013.
8. Paolo Stegagno, Massimo Basile, Heinrich H. Bulthoff, Antonio Franchi. Vision-based Autonomous Control of a Quadrotor UAV using an Onboard RGB-D Camera and its Application to Haptic Teleoperation. 2nd IFAC Work, on Research, Education and Development of Unmanned Aerial Systems, Compiegne, France (2013).
9. Robert Mahony, Tarek Hamel, and Jean-Michel Pflimlin. Nonlinear complementary filters on the special orthogonal group. Automatic Control, IEEE Transactions on 53.5 (2008): 1203-1218.
10. Sebastian O.H. Madgwick. An efficient orientation filter for inertial and inertial/magnetic sensor arrays. Report x-io and University of Bristol (UK) (2010).
11. Ern J. Lefferts, F. Landis Markley, and Malcolm D. Shuster. Kalman filtering for spacecraft attitude estimation. Journal of Guidance, Control, and Dynamics 5.5 (1982): 417-429.
12. I. Carro Perez, D. Flores-Araiza: J. A. Fortoul-D?az, R. Maximo and H. G. Gonzalez-Hernandez. Identification and PID control for a quadrocopter. Electronics, Communications and Computers (COMEl.ECOMP). 2014 International Conference on. IEEE, 2014.
13. Jiangcheng Zhu, Endong Liu, Shan Guo, Chao Xu. A gradient optimization based PID tuning approach on quadrotor. Control and Decision Conference (CCDC), 2015 27th Chinese. IEEE, 2015.
14. Hyon Lim, Jaemann Park, Daewon Lee, and H.J. Kim. Build your own quadrotor. Open-Source Projects on Unmanned Aerial Vehicles, in IEEE Robotics and Automation Magazine, Septermer 2012.
15. Emil Fresk and George Nikolakopoulos. Full Quaternion Based Attitude Control for a Quadrotor, in 2013 European Control Conference (ECC), July 17-19, 2013, Zurich, Switzerland.
...