⚡ electrical engineering

Battery-Aware Predictive Trajectory Planning and Control for Multirotors Under Disturbances

Cet article introduit un cadre de planification et de contrôle de trajectoire prédictive sensible à la batterie pour les multirotors qui intègre la dynamique en boucle fermée du véhicule, du moteur et de la batterie afin d'optimiser les trajectoires de vol sous des perturbations spatialement localisées, réduisant de manière significative la consommation d'énergie et l'erreur de suivi tout en s'adaptant aux variations des états de la batterie et des choix de contrôleur.

Auteurs originaux : Krishna Bhavithavya Kidambi

Publié 2026-09-14

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Krishna Bhavithavya Kidambi

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Les véhicules aériens sans pilote, ces petits robots volants souvent appelés drones, sont de plus en plus appelés à accomplir des tâches longues et autonomes dans le monde réel. Ces machines dépendent entièrement des batteries pour leur alimentation, et leur capacité à accomplir une mission dépend d'un équilibre délicat entre l'énergie stockée dans leurs cellules et l'effort requis pour les maintenir en l'air. Lorsqu'un drone vole dans un air calme, sa consommation d'énergie est prévisible. Cependant, le monde réel est rarement calme. Les rafales de vent et les poches d'air turbulentes agissent comme des obstacles invisibles, forçant l'ordinateur du drone à travailler plus dur pour rester sur sa trajectoire. Cet effort supplémentaire épuise la batterie plus rapidement et réduit la tension disponible pour les moteurs. À mesure que la batterie s'affaiblit, les moteurs perdent leur capacité à tourner aussi vite qu'ils le faisaient lorsqu'ils étaient complètement chargés, créant une réaction en chaîne où un vol mouvementé peut laisser le drone avec trop peu de puissance pour terminer sa tâche. Le défi pour les ingénieurs est de planifier une trajectoire de vol qui non seulement évite les obstacles, mais anticipe également comment le vent épuisera la batterie et limitera la force future des moteurs.

Un chercheur de l'Université de Dayton a développé une nouvelle façon de planifier ces vols qui traite la batterie, les moteurs et le vent comme un système unique et connecté plutôt que comme des parties séparées. Au lieu de simplement tracer une ligne du point A au point B, son logiciel simule l'intégralité du voyage avant même que le drone ne quitte le sol. Il calcule comment un trajet spécifique interagirait avec des perturbations de vent connues, quelle quantité d'énergie supplémentaire les moteurs auraient besoin pour lutter contre ce vent, et comment cette consommation d'énergie réduirait la tension de la batterie. Crucialement, le système pose ensuite une seconde question : si la tension de la batterie chute à un certain niveau, les moteurs seront-ils encore assez puissants pour suivre cette même trajectoire ? En exécutant cette simulation complexe pour de nombreux itinéraires possibles, le logiciel sélectionne celui qui maintient le drone en sécurité, précis et alimenté le plus longtemps possible.

Dans une simulation informatique détaillée, le chercheur a testé cette approche lors d'une mission d'une durée de 150 secondes, couvrant une distance de 640 mètres. L'itinéraire comprenait trois zones distinctes où des perturbations de vent fortes et localisées devaient frapper le drone. Le chercheur a comparé sa nouvelle méthode de planification tenant compte de la batterie par rapport à une approche standard qui connaissait le vent mais ne tenait pas compte de la façon dont la batterie changerait pendant le vol. Les résultats ont été significatifs. La nouvelle méthode a choisi une trajectoire de vol qui plongeait plus bas en altitude lorsqu'elle approchait des zones de vent, dirigeant ainsi efficacement le drone à travers des couches d'air plus calmes. Cet ajustement simple a réduit la consommation totale d'énergie électrique de 7,46 pour cent. Plus important encore, cela a considérablement amélioré la capacité du drone à rester sur sa ligne prévue. La méthode standard a eu du mal à maintenir sa position contre le vent, entraînant des erreurs importantes, tandis que le plan tenant compte de la batterie a réduit l'erreur de suivi d'environ 72 pour cent.

Le cherchenaire a également découvert que le bénéfice de cette nouvelle méthode dépend fortement de l'état de la batterie. Lorsque la batterie commençait la mission avec une charge élevée, le logiciel effectuait les mêmes ajustements intelligents, qu'on lui dise de se soucier de la batterie ou non. Dans ces conditions, la batterie était assez forte pour que les moteurs n'atteignent jamais leurs limites, donc les calculs supplémentaires de la batterie ne changeaient pas l'itinéraire final. Cependant, le chercheur a mené un second test où le drone commençait avec une batterie déchargée, simulant un scénario stressant de faible puissance. Dans ce cas, le planificateur tenant compte de la batterie a choisi un itinéraire distinctement différent, modifiant l'altitude de vol de manière plus agressive que les autres méthodes. Cela a montré que lorsque la puissance est rare, savoir exactement comment la tension de la batterie va chuter permet au planificateur de faire des choix différents et plus sûrs. L'étude a confirmé qu'ignorer le changement de force de la batterie peut conduire à de mauvaises décisions lorsque le drone est déjà en manque de puissance.

Pour s'assurer que les résultats étaient robustes, le chercheur a testé le chemin de vol choisi en utilisant quatre types différents de logiciels de contrôle que le drone pourrait utiliser pour se diriger. Même si le chemin de vol restait exactement le même, les différents contrôleurs produisaient des résultats différents en termes de consommation d'énergie et de précision. Un contrôleur parvenait à suivre la trajectoire très précisément mais consommait plus d'énergie, tandis qu'un autre était légèrement moins précis mais plus efficace. Cela a mis en évidence une découverte clé : le logiciel de planification et le logiciel de direction jouent des rôles différents. Le planificateur définit l'itinéraire en fonction de ce qu'il prédit pour la batterie et les moteurs, mais le résultat final dépend toujours de la façon dont le système de direction du drone réagit au vent. L'étude n'a pas prétendu avoir résolu tous les problèmes du vol de drones, mais elle a fourni une démonstration claire que planifier un itinéraire tout en prédisant simultanément comment la batterie et les moteurs vont se comporter mène à des missions plus sûres et plus efficaces.

Le chercheur a vérifié ses modèles mathématiques en les comparant à un outil de simulation hautement détaillé, respectant les normes de l'industrie, constatant que son modèle simplifié était suffisamment précis pour une utilisation répétée lors de la planification. Il a également noté que, bien que sa méthode fonctionne bien dans la simulation, elle repose actuellement sur la connaissance exacte de l'emplacement du vent avant le vol. Les travaux futurs viseront à mettre à jour ces plans en temps réel pendant que le drone vole, lui permettant de réagir à un vent qui n'avait pas été prédit auparavant. Pour l'instant, l'étude prouve que traiter le plan de vol d'un drone, la santé de sa batterie et les limites de ses moteurs comme un puzzle unique et interconnecté est un moyen puissant d'étendre la portée et la fiabilité du vol autonome.

Résumé Technique : Planification de Trajectoire Prédictive et Contrôle Sensibles à la Batterie pour les Multirotors sous Perturbations

Énoncé du Problème
Les véhicules aériens sans pilote (UAV) de type multirotor opérant dans des environnements sujets aux perturbations font face à un couplage complexe entre la sélection de la trajectoire, l'effort de commande en boucle fermée et la dynamique de la batterie. Les perturbations environnementales (ex. : vent) augmentent l'effort de commande de rétroaction et la demande des rotors, accélérant la décharge de la batterie et réduisant la tension terminale. À mesure que la mission progresse, l'autorité disponible des actionneurs se retrouve contrainte par l'évolution de l'état de la batterie. Les méthodes de planification de trajectoire existantes traitent souvent la génération de trajectoire, le contrôle de rétroaction et la dynamique de la batterie de manière indépendante, ou ne parviennent pas à propager l'interaction complète en boucle fermée où l'exposition aux perturbations dépendante de la trajectoire modifie la demande de commande, laquelle affecte ensuite la tension terminale de la batterie et limite par conséquent la capacité des actionneurs. Cet article répond au besoin d'un cadre de planification qui tient explicitement compte de ces conséquences énergétiques et d'actionneurs couplées lors de la sélection de la trajectoire.

Méthodologie
L'auteur propose un cadre de planification de trajectoire prédictive et de contrôle sensible à la batterie qui évalue les trajectoires candidates par une propagation directe d'un modèle couplé véhicule–moteur–batterie sur l'horizon de la mission.

Modélisation du Système :
- Dynamique du Véhicule : Un modèle de multirotor à corps rigide (6-DOF) intégrant la traînée aérodynamique et les perturbations du vent externes.
- Propulsion et Contrôle : Un modèle de moteur distinguant les vitesses de rotor demandées par le contrôleur, les commandes limitées par la batterie et les vitesses de rotor réelles. L'allocation de commande prend en compte la saturation des moteurs et les limites dépendantes de la batterie.
- Modèle de Batterie : Un modèle de circuit équivalent à ordre réduit (deux-RC Thevenin) dépendant de l'état de charge (SOC). Il capture l'épuisement cumulé de la charge et la chute de tension transitoire. Le modèle calcule la tension terminale ( $V_b$ ) en fonction de la demande de puissance instantanée ( $P_b$ ) et du SOC.
- Couplage des Actionneurs : Une caractéristique critique est la limite de vitesse de rotor dépendante de la tension, $\omega_{max}(V_b)$ . À mesure que $V_b$ chute en raison de la décharge, la vitesse de rotor maximale atteignable diminue, rendant potentiellement une commande demandée par le contrôleur irréalisable.
Cadre de Planification :
- Paramétrage : Le planificateur modifie une trajectoire de mission nominale en ajoutant des écarts verticaux localisés ( $\delta$ ) au voisinage de régions de perturbations connues. Les trajectoires horizontales restent fixes.
  ы Propagation en Boucle Fermée : Pour chaque trajectoire candidate, le système simule la mission complète. La trajectoire de référence détermine l'exposition aux perturbations, ce qui pilote le contrôleur de rétroaction. La demande de commande résultante dicte les vitesses de rotor, la puissance électrique et l'évolution de la batterie. L'état de la batterie met ensuite à jour la limite de l'actionneur, qui réinjecte l'information dans la commande du rotor.
- Optimisation : Une optimisation non linéaire (SQP) minimise une fonction objectif composite. Cette fonction équilibre la consommation d'énergie électrique, l'amplitude de la modification de la trajectoire et l'erreur de suivi, tout en pénalisant les violations des contraintes de SOC, de tension terminale et d'utilisation des actionneurs.
Vérification Numérique :
Le modèle de batterie à ordre réduit a été comparé à une référence de circuit équivalent Simscape implémentée indépendamment. Le modèle à ordre réduit a atteint une erreur NRMSE de puissance de 0,64 % et un écart d'énergie cumulée inférieur à 0,7 %.

Résultats Clés
Le cadre a été évalué sur une mission de 150 secondes et 640 mètres contenant trois régions de perturbations éoliennes spatialement localisées.

Performance à SOC Nominal (92 %) :
- Comparé à une base de référence fixe sensible aux perturbations, le planificateur sensible à la batterie a réduit la consommation d'énergie électrique de 7,46 % et l'erreur quadratique moyenne (RMSE) de suivi de position d'environ 72 %.
- Étude d'Ablation : À SOC nominal, le planificateur « sensible à l'énergie mais insensible à la batterie » et le planificateur « sensible à la batterie » ont sélectionné des trajectoires identiques. Cela indique qu'à des états de batterie sains, les améliorations découlent principalement de la réduction de l'exposition aux perturbations et de la demande de commande associée, plutôt que de l'évitement des contraintes actives des actionneurs dépendantes de la batterie (qui n'étaient pas contraignantes).
Test de Stress à SOC Épuisé (55 %) :
- Lorsque le SOC initial a été réduit à 55 %, le planificateur sensible à la batterie a sélectionné une trajectoire différente avec des écarts d'altitude plus importants par rapport au planificateur sensible uniquement à l'énergie.
- Cela démontre que les termes dépendants de la batterie deviennent conséquents pour la décision de planification lorsque les limites électriques et des actionneurs deviennent restrictives. Cependant, même avec la modification de la trajectoire, la mission est restée infaisable sous cette condition de stress sévère (la tension est tombée sous les limites), soulignant que la planification de trajectoire seule ne peut garantir la faisabilité si l'état de la batterie est trop épuisé.
Sensibilité du Contrôleur :
- L'exécution de la même trajectoire sensible à la batterie avec différents contrôleurs de rétroaction (PD, Adaptatif, Mode Glissant, RISE) a révélé des compromis significatifs.
- Le contrôleur Adaptatif a obtenu l'erreur de suivi la plus faible (3,69 m) avec une pénalité énergétique minimale (+0,62 % par rapport au PD).
- Le contrôleur RISE a offert un bon suivi mais a engendré des coûts énergétiques plus élevés (+6,37 % par rapport au PD).
- Cela confirme que la sélection du contrôleur modifie considérablement le compromis entre précision de suivi, consommation d'énergie et utilisation des actionneurs, même lorsque la trajectoire est fixée.

Signification et Revendications
L'article affirme que la principale contribution est un cadre de prédiction en boucle fermée couplé qui intègre la dynamique du véhicule, la réponse du moteur, l'évolution de la batterie et l'autorité de l'actionneur dépendante de la tension directement dans le processus de sélection de la trajectoire.

L'auteur affirme que :

Interdépendance : La planification de trajectoire, le contrôle en boucle fermée et la dynamique de la batterie ne doivent pas être traités indépendamment. La trajectoire sélectionnée dicte l'exposition aux perturbations et la demande de commande, qui gouvernent l'évolution de la batterie, laquelle contraint à son tour l'autorité de propulsion future.
Valeur Prédictive : En propageant ces interactions vers l'avant, le planificateur peut choisir proactivement des trajectoires qui minimisent les conséquences énergétiques et d'actionneurs cumulées de l'exposition aux perturbations.
Bénéfices Contextuels : Le bénéfice d'une planification sensible à la batterie est double :
- À SOC nominal, elle améliore la performance en façonnant la trajectoire pour réduire l'effort de commande induit par les perturbations.
- Sous des conditions de batterie épuisée, elle modifie la sélection de la trajectoire pour tenir compte de la réduction de l'autorité des actionneurs, bien qu'elle ne puisse pas compenser entièrement l'insuffisance des réserves d'énergie.
Interaction des Contrôleurs : Le cadre souligne que la « meilleure » trajectoire dépend du contrôleur de rétroaction spécifique utilisé, car différents contrôleurs imposent des charges énergétiques et d'actionneurs différentes pour une même référence.

L'article conclut qu'en tenant compte des conséquences prédites en boucle fermée sur l'énergie et sur le couple batterie-actionneur, on fournit une base systématique pour la sélection de trajectoires de multirotors sensibles aux perturbations. Les travaux futurs identifiés consistent à étendre cela à une planification à horizon fuyant avec estimation des perturbations en ligne et à développer des stratégies de replanification sensibles à la faisabilité pour les cas où la capacité des actionneurs devient insuffisante.

Articles similaires