⚡ electrical engineering

Error-State LQR Formulation for Quadrotor UAV Trajectory Tracking

यह शोध पत्र क्वाड्रोटर UAVs के लिए एक सुदृढ़ प्रक्षेपवक्र ट्रैकिंग नियंत्रण रणनीति प्रस्तावित करता है जो ओरिएंटेशन त्रुटियों के लिए एक्सपोनेंशियल कोऑर्डिनेट्स के साथ एक एरर-स्टेट लीनियर क्वाड्रेटिक रेगुलेटर (LQR) का उपयोग करता है, जिसे गतिशील वातावरण में सटीक और स्थिर प्रदर्शन सुनिश्चित करने के लिए एक कैस्केडेड बॉडीरेट कंट्रोलर के साथ एकीकृत किया गया है।

मूल लेखक: Micah Reich

प्रकाशित 2026-06-08

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC0 1.0

मूल लेखक: Micah Reich

मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक नन्हे, चार-रोटर वाले हेलीकॉप्टर (एक क्वाड्रोटर) को आकाश में एक रस्सी पर चलने वाले कलाकार की तरह, एक विशिष्ट पथ पर पूरी तरह से उड़ना सिखाने की कोशिश कर रहे हैं। समस्या यह है कि हेलीकॉप्टर स्वाभाविक रूप से अराजक (chaotic) है; वह डगमगाता है, घूमता है, और हवा या अपनी ही गतिविधियों के प्रति अप्रत्याशित प्रतिक्रिया देता है। यदि आप उसे पूरे पथ के लिए एक साथ निर्देशों का एक विशाल सेट देने की कोशिश करते हैं, तो वह भ्रमित हो जाता है और दुर्घटनाग्रस्त हो जाता है।

यह शोध पत्र ड्रोन को नियंत्रित करने का एक स्मार्ट तरीका प्रस्तावित करता है, जिसे Error-State LQR कहा जाता है। यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ समझाया गया है:

1. "भूतिया" (Ghost) बनाम "असली" ड्रोन

ड्रोन की वास्तविक, अव्यवस्थित स्थिति को सीधे नियंत्रित करने की कोशिश करने के बजाय, कंट्रोलर एक मानसिक "भूतिया ड्रोन" (Ghost Drone) बनाता है।

भूतिया ड्रोन (The Ghost Drone): यह उस आदर्श पथ पर पूरी तरह से उड़ रहा है जिसे आप चाहते हैं। इसे पता है कि इसे ठीक कहाँ होना चाहिए, इसकी गति कितनी होनी चाहिए, और इसका मुख किस दिशा में होना चाहिए।
असली ड्रोन (The Real Drone): यह वह है जो वास्तव में हवा में है, जो शायद पथ से थोड़ा भटक गया है।

कंट्रोलर ड्रोन की पूर्ण स्थिति (जैसे "मैं निर्देशांक 10, 10, 10 पर हूँ") की चिंता नहीं करता है। इसके बजाय, यह केवल असली ड्रोन और भूतिया ड्रोन के बीच के अंतर की परवाह करता है। इस अंतर को त्रुटि अवस्था (Error State) कहा जाता है।

2. "नन्हा कोण" वाला तरीका (एक्सपोनेंशियल कोऑर्डिनेट्स)

ड्रोन को नियंत्रित करने का सबसे कठिन हिस्सा इसकी दिशा (orientation) का वर्णन करना है (कि वह किस ओर झुका हुआ है)। पारंपरिक तरीके कोणों (जैसे पिच, रोल और याव) का उपयोग करते हैं, लेकिन ये कोण गणितीय रूप से "अटक" सकते हैं या टूट सकते हैं जब ड्रोन उल्टा हो जाता है (जिसे सिंगुलैरिटी की समस्या कहा जाता है)।

यह शोध पत्र एक चतुर गणितीय उपकरण, एक्सपेंशियल कोऑर्डिनेट्स (Exponential Coordinates) का उपयोग करता है। इसे ऐसे समझें कि ड्रोन के झुकाव का वर्णन केवल यह कहकर नहीं किया जा रहा कि "यह 90 डिग्री है," बल्कि यह कहकर किया जा रहा है कि "इसे सीधा होने के लिए इस विशिष्ट दिशा में एक हल्का सा धक्का देने की आवश्यकता है।"

जब तक ड्रोन पथ के करीब है, ये "नन्हे धक्के" बहुत छोटे और गणना करने में आसान होते हैं।
यह कंप्यूटर को ड्रोन की जटिल, घुमावदार गति को एक सरल, सीधी रेखा वाली समस्या के रूप में मानने की अनुमति देता है, जो इसे बहुत तेज़ बनाता है।

3. "पूर्ण संतुलन" (LQR)

एक बार जब समस्या को केवल "हम कितने दूर हैं?" और "हमें कितना धक्का देने की आवश्यकता है?" में सरल बना दिया जाता है, तो कंट्रोलर एक रणनीति का उपयोग करता है जिसे लीनियर क्वाड्रेटिक रेग्युलेटर (LQR) कहा जाता है।

कल्पना कीजिए कि आप अपने हाथ पर एक झाड़ू (broomstick) को संतुलित कर रहे हैं।

यदि झाड़ू थोड़ा बाईं ओर झुकती है, तो आप अपना हाथ थोड़ा बाईं ओर ले जाते हैं।
यदि वह बहुत अधिक झुकती है, तो आप अपना हाथ बहुत अधिक हिलाते हैं।
लेकिन आप अपने हाथ को बहुत अधिक हिंसक रूप से भी नहीं हिलाना चाहते, क्योंकि इससे ऊर्जा बर्बाद होती है और झाड़ू हिलने लगती है।

LQR एक गणितीय सूत्र है जो लगातार इन दोनों के बीच पूर्ण संतुलन की गणना करता है:

ड्रोन को जल्दी से वापस पथ पर लाना (त्रुटि को कम करना)।
बहुत अधिक बैटरी या मोटर शक्ति का उपयोग न करना (प्रयास को कम करना)।

यह प्रति सेकंड हजारों बार इस संतुलन को हल करता है। हर सेकंड के छोटे हिस्से में, यह "भूतिया ड्रोन" के पथ की पुन: गणना करता है और पूछता है, "ठीक है, अभी हम जहाँ हैं, उसे देखते हुए, वापस ट्रैक पर आने के लिए सबसे अच्छा छोटा सा धक्का क्या है?"

4. दो-स्तरीय टीम (कैस्केडेड कंट्रोल)

ड्रोन को वास्तव में चलाने के लिए यह शोध पत्र एक दो-सदस्यीय टीम दृष्टिकोण का वर्णन करता है:

मस्तिष्क (The Brain - LQR Controller): यह उच्च-स्तरीय विचारक है जो निर्णय लेता है, "हमें थोड़ा दाईं ओर मुड़ने और गति बढ़ाने की आवश्यकता है।" यह ड्रोन के घूमने की एक वांछित गति आउटपुट करता है। इसे यह नहीं पता कि मोटर कैसे काम करती है; इसे बस लक्ष्य पता है।
मांसपेशी (The Muscle - Bodyrate Controller): यह निचले स्तर का कार्यकर्ता है जो वास्तव में मोटरों को नियंत्रित करता है। यह मस्तिष्क के लक्ष्य ("इस गति से दाईं ओर मुड़ें") को लेता है और यह पता लगाता है कि उस कार्य को करने के लिए प्रत्येक चार मोटरों को कितनी शक्ति भेजनी है। यह एक सरल फीडबैक लूप का उपयोग करता है: "क्या हम बहुत धीरे घूम रहे हैं? मोटरों को अधिक शक्ति दें। बहुत तेज़? उन्हें धीमा करें।"

सारांश

संक्षेप में, यह शोध पत्र एक ऐसा सिस्टम प्रस्तुत करता है जहाँ ड्रोन एक जटिल उड़ान पथ को रटने की कोशिश नहीं करता है। इसके बजाय, यह लगातार खुद की तुलना एक "भूतिया" संस्करण से करता है। यह सूक्ष्म अंतरों को मापता है, उन अंतरों को ठीक करने के लिए सबसे कुशल तरीका खोजने के लिए एक गणितीय "संतुलन पैमाने" का उपयोग करता है, और फिर उस सुधार को निष्पादित करने के लिए अपने मोटरों को सरल कमांड भेजता है। यह ड्रोन को चुनौतीपूर्ण और बदलते वातावरण में भी सुचारू रूप से और सटीकता से उड़ने की अनुमति देता है।

तकनीकी सारांश: क्वाड्रोटर UAV प्रक्षेपवक्र ट्रैकिंग के लिए एरर-स्टेट LQR फॉर्मूलेशन

समस्या विवरण

क्वाड्रोटर अनमैन्ड एरियल व्हीकल (UAVs) का नियंत्रण उनके अंतर्निहित गैररेखीय गतिकी (nonlinear dynamics), अंडर-एक्टुएशन (underactuation), और गतिशील वातावरण में सटीक प्रक्षेपवط (trajectory) ट्रैकिंग की आवश्यकता के कारण जटिल है। पारंपरिक नियंत्रण विधियों को अक्सर इन गैर-रैखिकताओं को कुशलतापूर्वक संभालने और वास्तविक समय के अनुप्रयोगों के लिए आवश्यक कम्प्यूटेशनल सुगमता बनाए रखने के बीच एक संतुलन बनाना पड़ता है। विशेष रूप से, ओरिएंटेशन त्रुटियों को यूलर एंगल्स (Euler angles) जैसे मानक मापदंडों का उपयोग करके निरूपित करने से सिंगुलैरिटी (singularities) उत्पन्न होती है, जबकि पूर्ण गैर-रेखीय गतिकी को सीधे नियंत्रित करना उच्च-आवृत्ति फीडबैक लूप के लिए कम्प्यूटेशनल रूप से अत्यधिक महंगा हो सकता है।

कार्यप्रणाली

यह शोध पत्र एक एरर-स्टेट लीनियर क्वाड्रेटिक रेग्युलेटर (LQR) फॉर्मूलेशन प्रस्तावित करता है जिसे एक कैस्केडेड कंट्रोल आर्किटेक्चर और एक विशिष्ट गणितीय निरूपण के माध्यम से इन चुनौतियों का समाधान करने के लिए डिज़ाइन किया गया है।

1. एरर-स्टेट निरूपण

इस कार्यप्रणाली का मुख्य आधार एरर-स्टेट वेक्टर ( $\delta x$ ) की परिभाषा है जो एक नाममात्र प्रक्षेपवक्र (nominal trajectory) से विचलन को कैप्चर करता है।

स्टेट परिभाषा: पूर्ण स्टेट में स्थिति ( $p$ ), वेग ( $v$ ), और ओरिएंटेशन (एक यूनिट क्वैटरनियन $q$ द्वारा प्रतिनिधित्व) शामिल हैं।
त्रुटि (Error) परिभाषा: एरर स्टेट $\delta x = [\delta p, \delta \theta, \delta v]^T$ को वास्तविक स्टेट को नाममात्र स्टेट से घटाकर बनाया जाता है।
ओरिएंटेशन हैंडलिंग: महत्वपूर्ण बात यह है कि ओरिएंटेशन त्रुटि को क्वैटरनियन अंतर या यूलर एंगल्स के रूप में नहीं, बल्कि एक्सपोनेंशियल कोऑर्डिनेट्स ( $\delta \theta$ ) का उपयोग करके निरूपित किया गया है, जहाँ रोटेशन एरर मैट्रिक्स को $\delta R = \exp([\delta \theta]_\times)$ के रूप में परिभाषित किया गया है। यह ओरिएंटेशन त्रुटियों के लिए एक संक्षिप्त और सिंगुलैरिटी-मुक्त प्रतिनिधित्व प्रदान करता है।

2. सिस्टम डायनेमिक्स और लीनियराइजेशन (रैखिकीकरण)

शोध पत्र एक एकल रिजिड-बॉडी धारणा और लम्पड मास (lumped mass) के आधार पर वास्तविक स्टेट, नाममात्र स्टेट और एरर स्टेट के लिए गतिकी (kinematics और dynamics) व्युत्पन्न करता है।

व्युत्पत्ति (Derivation): एरर स्टेट्स के समय डेरिवेटिव ( $\dot{\delta p}, \dot{\delta v}, \dot{\delta \theta}$ ) व्युत्पन्न किए गए हैं। यह व्युत्पत्ति स्मॉल-एंगल एप्रोक्सिमेशन का उपयोग करती है और वास्तविक और नाममात्र गतिकी के बीच के संबंध को सरल बनाने के लिए सेकंड-ऑर्डर टर्म्स को अनदेखा करती है।
लीनियराइजेशन: गैर-रेखीय एरर-स्टेट डायनेमिक्स को पर्याप्त उच्च आवृत्ति पर वर्तमान ट्रैकिंग एरर के चारों ओर लीनियर किया जाता है। यह इटरेटिव री-लीनियराइजेशन (iterative re-linearization) सिस्टम को $\dot{\delta x} \approx A\delta x + B\delta u$ के रूप में प्रदर्शित करने की अनुमति देता है, जहाँ $A$ और $B$ एरर डायनेमिक्स से प्राप्त जैकोबियन मैट्रिसेस (Jacobian matrices) हैं। यह दृष्टिकोण निरंतर लीनियराइजेशन पॉइंट को अपडेट करके एक गैर-रेखीय सिस्टम पर रैखिक नियंत्रण सिद्धांत के उपयोग को सक्षम बनाता है।

3. कंट्रोल आर्किटेक्चर

नियंत्रण रणनीति को एक कैस्केडेड सिस्टम के रूप में लागू किया गया है:

आउटर लूप (LQR): एक LQR कंट्रोलर को एक क्वाड्रेटिक कॉस्ट फंक्शन $J = \int_0^\infty (\delta x^T Q \delta x + \delta u^T R \delta u) dt$ को कम करने के लिए डिज़ाइन किया गया है। कंट्रोलर एक करेक्टिव कंट्रोल इनपुट $\delta u = -K\delta x$ उत्पन्न करने के लिए एक फीडबैक गेन मैट्रिक्स $K$ (एल्जेब्रिक रिक्को इक्वेशन के माध्यम से) की गणना करता है। कुल कंट्रोल इनपुट $u_t = u - K\delta x$ है।
इनर लूप (बॉडीरेट कंट्रोलर): LQR वांछित कोणीय वेग (angular velocity) को एक वर्चुअल कंट्रोल इनपुट के रूप में मानता है। वांछित वेगों को ट्रैक करने के लिए एक कैस्केडेड बॉडीरेट कंट्रोलर का उपयोग किया जाता है। यह इनर लूप इनरशिया टेंसर $J$ और वांछित एवं वास्तविक कोणीय वेगों के बीच के अंतर के आधार पर आवश्यक टॉर्क $\tau$ की गणना करने के लिए फीडबैक लीनियराइजेशन के साथ एक प्रोपोर्शनल (P) कंट्रोलर का उपयोग करता है।

मुख्य योगदान

सिंगुलैरिटी-मुक्त ओरिएंटेशन एरर: यह शोध पत्र यूलर एंगल्स से जुड़ी सिंगुलैरिटी से बचने के लिए ओरिएंटेशन त्रुटियों को दर्शाने के लिए एक्सपोनेंशियल कोऑर्डिनेट्स के उपयोग को प्रदर्शित करता है।
इटरेटिव री-लीनियराइजेशन: यह विस्तार से दिखाता है कि कैसे एरर-स्टेट डायनेमिक्स को वर्तमान एरर के चारों ओर लीनियर किया जा सकता है, जिससे एक LQR कंट्रोलर वास्तविक समय में गैर-रेखीय क्वाड्रोटर गतिकी पर प्रभावी ढंग से कार्य कर सकता है।
कैस्केडेड कंट्रोल इंटीग्रेशन: यह कार्य LQR प्रक्षेपवक्र ट्रैकर को बॉडीरेट कंट्रोलर के साथ एकीकृत करता है, जो वर्चुअल कोणीय वेग कमांड से भौतिक एक्चुएटर टॉर्क के मैपिंग को स्पष्ट रूप से संभालता है।
व्यापक व्युत्पत्ति: शोध पत्र एरर-स्टेट किनेमैटिक्स, लीनियरलाइजेशन प्रक्रिया और LQR फॉर्मूलेशन के लिए आवश्यक जैकोबियन मैट्रिसेस ( $A$ और $B$ ) के निर्माण की एक पूर्ण गणितीय व्युत्पत्ति प्रदान करता है।

परिणाम

शोध पत्र प्रस्तावित कंट्रोलर के प्रदर्शन को प्रदर्शित करने के लिए सिमुलेशन परिणाम प्रस्तुत करता है।

ट्रैजेक्टरी ट्रैकिंग: कंट्रोलर को लेम्निस्केट (लेमन के आकार का/फिगर-एट) प्रक्षेपवक्र को सफलतापूर्वक ट्रैक करते हुए दिखाया गया है।
यॉ ट्रैकिंग (Yaw Tracking): सिस्टम प्रक्षेपवक्र के साथ यॉ एंगल्स को प्रभावी ढंग से ट्रैक करता है।
प्रारंभिक स्थितियाँ (Initial Conditions): परिणाम नोट करते हैं कि प्रक्षेपवक्र की शुरुआत में ट्रैकिंग त्रुटियां इस कारण से हैं कि UAV एक फ्लैट प्रारंभिक ओरिएंटेशन ( $q_0 = (1, 0, 0, 0)^T$ ) के साथ शुरू होता है, जिसे कंट्रोलर बाद में ठीक करता है।

महत्व और दावे

शोध पत्र का दावा है कि यह एरर-स्टेट LQR फॉर्मूलेशन क्वाड्रोटर प्रक्षेपवक्र ट्रैकिंग के लिए एक मजबूत और कम्प्यूटेशनल रूप से कुशल समाधान प्रदान करता है। एक्सपोनेंशियल कोऑर्डिनेट्स और इटरेटिव लीनियरइजेशन का लाभ उठाकर, यह विधि निम्नलिखित प्राप्त करती है:

सटीकता और स्थिरता: गतिशील वातावरण में स्थिति, वेग और ओरिएंटेशन त्रुटियों को शून्य तक लाने की क्षमता।
वास्तविक समय प्रयोज्यता (Real-Time Applicability): सिस्टम का लीनियर प्रतिनिधित्व हर स्टेप पर पूर्ण गैर-रेखीय अनुकूल नियंत्रण समस्याओं को हल करने के कम्प्यूटेशनल बोझ के बिना उच्च-आवृत्ति नियंत्रण अपडेट की अनुमति देता है।
मजबूती (Robustness): यह दृष्टिकोण सीधे पूर्ण गैर-रेखीय गतिकी को नियंत्रित करने के बजाय, एक नाममात्र प्रक्षेपवक्र से विचलन को कम करने पर ध्यान केंद्रित करके क्वाड्रोटर की गैर-रैखिकता को संभालता है।

यह कार्य सटीक क्वाड्रोटर नियंत्रण के लिए एक व्यावहारिक ढांचे के रूप में खुद को स्थापित करता है, जो शास्त्रीय रैखिक नियंत्रण सिद्धांत (LQR) और UAV उड़ान की जटिल गैर-रेखीय वास्तविकता के बीच के अंतर को पाटता है।