⚡ electrical engineering

Robust Attitude Control of Nonlinear UAV Dynamics with LFT Models and $\mathcal{H}_\infty$ Performance

यह शोध पत्र एक तुलनात्मक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि एक $\mathcal{H}_\infty$ रोबस्ट कंट्रोलर, जिसे UAV डायनेमिक्स के लीनियर फ्रैक्शनल ट्रांसफॉर्मेशन (LFT) मॉडल का उपयोग करके डिज़ाइन किया गया है और जो केवल जायरोस्कोप माप पर निर्भर है, अत्यधिक हवा के विक्षोभ और सेंसर शोर के तहत मल्टी-रोटर एटीट्यूड को स्थिर करने में क्लासिकल PID नियंत्रण की तुलना में काफी बेहतर प्रदर्शन करता है।

मूल लेखक: Tanay Kumar, Raktim Bhattacharya

प्रकाशित 2026-03-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tanay Kumar, Raktim Bhattacharya

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया 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 चलती बस में एक झाड़ू के डंडे को अपने हाथ पर संतुलित करने की कोशिश कर रहे हैं, जो गड्ढों से टकरा रही है, और कोई बीच-बीच में उस झाड़ू पर फूँक मार रहा है। एक ड्रोन (UAV) के लिए हवादार शहर में स्थिर रहने की कोशिश करते समय वास्तव में ऐसा ही होता है।

यह शोध पत्र एक "सुपर-ब्रेन" बनाने के बारे में है जो ड्रोनों को स्थिर रखता है, भले ही उनके आसपास की दुनिया कितनी भी अराजक क्यों न हो। यहाँ इस कहानी का विवरण है कि कैसे लेखकों ने इस समस्या को हल किया, जिसे सरल भाषा में समझाया गया है।

समस्या: "एक ही आकार सबके लिए" वाला दृष्टिकोण

आजकल के अधिकांश ड्रोन एक नियंत्रण प्रणाली का उपयोग करते हैं जिसे PID (प्रपोर्शनल-इंटीग्रल-डेरिवेटिव) कहा जाता है। PID को एक नौसिखिया ड्राइवर की तरह समझें जो कार चलाना सीख रहा है।

यदि कार बाईं ओर झुकती है, तो ड्राइवर पहिया दाईं ओर घुमाता है।
यदि वह बहुत अधिक झुक जाती है, तो वे इसे वापस घुमाते हैं।
वे यह करने के लिए परीक्षण और त्रुटि (trial and error) का उपयोग करते हैं, और कार कैसा महसूस करती है इसके आधार पर संवेदनशीलता को समायोजित करते हैं।

यह एक चिकनी हाईवे पर ठीक काम करता है। लेकिन एक तूफान (तेज हवाओं) में या यदि कार अचानक भारी हो जाती है (पैकेज ले रही है), तो नौसिखिया ड्राइवर घबरा जाता है। वे या तो बहुत अधिक प्रतिक्रिया देते हैं, बहुत कम प्रतिक्रिया देते हैं, या बस भ्रमित हो जाते हैं क्योंकि वे स्थिति के भौतिक विज्ञान (physics) को नहीं समझते; वे केवल तत्काल त्रुटि पर प्रतिक्रिया देते हैं।

समाधान: "मास्टर आर्किटेक्ट" दृष्टिकोण

लेखक $H_\infty$ कंट्रोल को LFT (लीनियर फ्रैक्शनल ट्रांसफॉर्मेशन) के साथ मिलाकर एक नई विधि प्रस्तावित करते हैं। आइए इसे एक उपमा के साथ समझते हैं।

कल्पना कीजिए कि आप एक लग्जरी कार के सस्पेंशन सिस्टम को डिजाइन कर रहे हैं।

पुराना तरीका (PID): आप कार का परीक्षण एक समतल सड़क पर करते हैं, फिर एक ऊबड़-खाबड़ सड़क पर, और स्प्रिंग्स को तब तक ट्यून करते हैं जब तक कि वह ठीक न लगे।
नया तरीका (यह शोध पत्र): आप एक गणितीय मॉडल बनाते है जो कार बनाने से पहले ही हर संभावित झटके, गड्ढे और वजन परिवर्तन को ध्यान में रखता है। आप हवा और ड्रोन की अपनी डगमगाती गतिविधियों को "ज्ञात अज्ञात" (known unknowns) के रूप में देखते हैं—ऐसी चीजें जिन्हें आप जानते हैं कि वे होंगी, लेकिन आप यह नहीं जानते कि वे ठीक कब या कितनी तीव्रता से होंगी।

1. "LFT" (एक लचीला ब्लूप्रिंट)

ड्रोन जटिल होते हैं क्योंकि उनके भौतिक गुण इस बात पर निर्भर करते हैं कि वे कितने झुके हुए हैं। यदि ड्रोन 90 डिग्री झुक जाता है, तो गणित पूरी तरह बदल जाता है।

उपमा: एक रबर की शीट की कल्पना करें। यदि आप इसे खींचते हैं, तो उस पर बना पैटर्न विकृत हो जाता है।
शोध पत्र की तकनीक: रबर की शीट की एक आदर्श तस्वीर बनाने की कोशिश करने के बजाय (जो कठिन है), उन्होंने शीट को एक "कोर" भाग और एक "लचीले" भाग में काट दिया। उन्होंने लचीले भाग को "अनिश्चितता" (Uncertainty) लेबल वाले एक विशेष बॉक्स में रखा।
यह उन्हें कोर के लिए सरल, विश्वसनीय गणित (लीनियर) का उपयोग करने की अनुमति देता है, जबकि यह स्वीकार करता है कि "लचीला" भाग (हवा, झुकाव, वजन) बदल सकता है, लेकिन केवल कुछ सीमाओं के भीतर।

2. " $H_\infty$ " (सबसे खराब स्थिति का कवच)

एक बार जब उनके पास यह लचीला ब्लूप्रिंट आ जाता है, तो वे $H_\infty$ का उपयोग करके एक कंट्रोलर डिजाइन करते हैं।

उपमा: एक बॉडीगार्ड के बारे में सोचें। एक सामान्य बॉडीगार्ड (PID) हमला होने पर प्रतिक्रिया देता है। एक $H_\infty$ बॉडीगार्ड हमलावर द्वारा मारे जाने वाले सबसे बुरे संभव प्रहार की योजना बनाता है।
कंट्रोलर पूछता है: "सबसे खराब हवा का झोंका या सेंसर की खराबी क्या हो सकती है जो हो सकती है? मैं यह कैसे सुनिश्चित करूँ कि अगर वह सबसे खराब स्थिति भी आए, तो भी ड्रोन स्थिर रहे?"
यह केवल त्रुटि को ठीक करने की कोशिश नहीं करता; यह गारंटी देता है कि त्रुटि कभी भी एक विशिष्ट, सुरक्षित सीमा से बड़ी नहीं होगी।

ड्रोन के "कान" (सेंसर)

यह शोध पत्र एक चतुर तकनीक पर भी प्रकाश डालता है: ड्रोन केवल जाइरोस्कोप (वे सेंसर जो यह मापते हैं कि वे कितनी तेजी से घूम रहे हैं) का उपयोग करता है, कैमरों या जीपीएस का नहीं।

उपमा: कल्पना कीजिए कि आप आंखों पर पट्टी बांधकर एक रस्सी पर संतुलन बनाने की कोशिश कर रहे हैं। आप रस्सी को देख नहीं सकते, लेकिन आप अपने आंतरिक कान में हलचल को महसूस कर सकते हैं।
लेखकों ने कंट्रोलर को इस तरह डिजाइन किया कि वह कान के "शोर" (noise) को अनदेखा करे और केवल वास्तविक गति पर ध्यान केंद्रित करे। उन्होंने सेंसर के शोर को एक विशिष्ट प्रकार के बैकग्राउंड शोर की तरह माना जिसे कंट्रोलर को बाहर निकालने (tune out) की जानकारी है।

परिणाम: मुकाबला

लेखकों ने अपने "मास्टर आर्किटेक्ट" ड्रोन को "नौसिखिया ड्राइवर" (PID) ड्रोन के खिलाफ एक सिमुलेशन में रखा।

परिदृश्य: एक ड्रोन जो स्थिर रहने की कोशिश कर रहा है, उस पर तेज हवा का तूफान (Dryden turbulence) आता है।
नौसिखिया ड्राइवर (PID): ड्रोन अनियंत्रित रूप से झूला झूलने लगा, और 30 डिग्री से अधिक झुक गया। यह अस्थिर था और हवा से लड़ने के लिए बहुत अधिक ऊर्जा खर्च कर रहा था।
मास्टर आर्किटेक्ट ( $H_\infty$ ): ड्रोन शायद ही हिल पाया। यह 7 डिग्री से भी कम झुका। यह शांत, स्थिर था और सीधा रहने के लिए कम ऊर्जा का उपयोग कर रहा था।

निष्कर्ष

यह शोध पत्र सिद्ध करता है कि ड्रोन की जटिल, डगमगाती गतिविधियों को एक साधारण प्रतिक्रिया खेल के बजाय एक संरचित पहेली के रूप में मानकर, हम ऐसे ड्रोन बना सकते हैं जो बहुत अधिक सुरक्षित और विश्वसनीय हों।

केवल हवा के प्रति "प्रतिक्रिया" देने के बजाय, नया कंट्रोलर अराजकता का पूर्वानुमान लगाता है। यह एक तूफान में हाथ-पैर चलाने वाले व्यक्ति और एक सर्फर के बीच के अंतर जैसा है, जो जानता है कि लहर चाहे कितनी भी बड़ी क्यों न हो, उसे कैसे सवारी करनी है। इसका अर्थ है कि ड्रोन अंततः शहरों में सुरक्षित रूप से उड़ सकते हैं, खराब मौसम में पैकेज पहुंचा सकते हैं, और बिना दुर्घटना के जटिल वातावरण में नेविगेट कर सकते हैं।

यहाँ तनाय कुमार और रक्तिम भट्टाचार्य के शोध पत्र "Robust Attitude Control of Nonlinear UAV Dynamics with LFT Models and H∞ Performance" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

अनिश्चित वातावरण में संचालित होने वाले मानव रहित हवाई वाहन (UAVs) निम्नलिखित कारणों से एटीट्यूड स्टेबिलाइज़ेशन (attitude stabilization) में महत्वपूर्ण चुनौतियों का सामना करते हैं:

नॉनलीनर डायनेमिक्स (Nonlinear Dynamics): मल्टी-रोटर रोटेशनल डायनेमिक्स में त्रिकोणमितीय फलन (trigonometric functions) और स्टेट-डिपेंडेंट उत्पाद पद (जैसे $p \cdot q$ , $\sin \theta$ ) शामिल होते हैं।
पैरामीटर भिन्नता (Parameter Variations): द्रव्यमान वितरण (mass distribution) और एरोडायनामिक प्रभावों में परिवर्तन।
बाहरी विक्षोभ (External Disturbances): हवा के झोंके (wind gusts), विक्षोभ (turbulence), और वायुमंडलीय प्रवणता (atmospheric gradients)।
सेंसर सीमाएँ (Sensor Limitations): जाइरोस्कोप शोर (gyroscope noise) और पूर्ण स्टेट फीडबैक का अभाव (आमतौर पर केवल कोणीय दरें ही मापी जाती हैं)।

मौजूदा दृष्टिकोणों की सीमाएँ:

PID कंट्रोलर्स: हालांकि ये गणनात्मक रूप से कुशल हैं, लेकिन ये ह्यूरिस्टिक ट्यूनिंग (heuristic tuning) पर निर्भर करते हैं, मल्टी-एक्सिस कपलिंग (SISO फॉर्मूलेशन) की उपेक्षा करते हैं, और गंभीर विक्षोभ या पैरामीट्रिक अनिश्चितताओं के विरुद्ध मजबूती (robustness) की गारंटी नहीं देते हैं।
LQR (Linear Quadratic Regulator): इसके लिए पूर्ण स्टेट एस्टीमेशन (अक्सर गाऊसी शोर मानते हुए कलमन फिल्टर के माध्यम से) की आवश्यकता होती है और जब सिस्टम अपने नॉमिनल मॉडल से विचलित होता है, तो इसमें अंतर्निहित मजबूती की गारंटी नहीं होती है।
नॉनलीनर विधियाँ (Backstepping, Feedback Linearization): अक्सर उच्च गणनात्मक जटिलता, मॉडलिंग त्रुटियों के प्रति संवेदनशीलता और संरचित अनिश्चितताओं के तहत कठोर प्रदर्शन गारंटी के अभाव से ग्रस्त होती हैं।

2. कार्यप्रणाली (Methodology)

लेखक लिनियर पैरामीटर-वेरिंग (LPV) मॉडलिंग को लिनियर फ्रैक्शनल ट्रांसफॉर्मेशन (LFT) और $H_\infty$ ऑप्टिमल कंट्रोल के साथ जोड़कर एक रोबस्ट कंट्रोल फ्रेमवर्क का प्रस्ताव करते हैं।

A. सिस्टम मॉडलिंग (LPV-LFT)

डायनेमिक्स: यह अध्ययन न्यूटन-यूलर समीकरणों से प्राप्त रोटेशनल डायनेमिक्स (यूलर एंगल्स $\phi, \theta, \psi$ और कोणीय दरें $p, q, r$ ) पर केंद्रित है।
सटीक प्रतिनिधित्व: नॉनलीनियर त्रिकोणमितीय पदों का लिनियराइजेशन करने के बजाय, लेखक उन्हें स्ट्रक्चर्ड अनसर्टेन्टीज़ (structured uncertainties) के रूप में मानते हैं। नॉनलीनियरिटीज़ (जैसे $\sin \phi$ , $\tan \theta$ ) और स्टेट-डिपेंडेंट उत्पादों को LFT फ्रेमवर्क के भीतर समय-परिवर्तनीय मापदंडों ( $\rho$ ) के रूप में समाहित किया गया है।
स्टेट-स्पेस फॉर्मूलेशन: सिस्टम को इस प्रकार दर्शाया गया है:
$\dot{x} = A(\rho)x + B_u(\rho)u + B_w w$
$y_m = C_y(\rho)x + D_w w + \nu$
जहाँ $\rho$ त्रिकोणमितीय पहचानों और कोणीय दरों से प्राप्त बाउंडेड शेड्यूलिंग मापदंडों का प्रतिनिधित्व करता है।

B. रोबस्ट कंट्रोल सिंथेसिस ( $H_\infty$ )

उद्देश्य: एक आउटपुट-फीडबैक कंट्रोलर $K$ डिजाइन करना जो एक्सोजेनस इनपुट्स (विक्षोभ $w$ और शोर $\nu$ ) से रेगुलेटेड आउटपुट्स ( $z$ , जिसमें एटीट्यूड एरर और कंट्रोल एफर्ट शामिल हैं) के बीच $H_\infty$ नॉर्म को कम करता है।
सेंसर बाधाएं: कंट्रोलर को केवल जाइरोस्कोप माप (कोणीय दरें) का उपयोग करने के लिए डिज़ाइन किया गया है, जिसमें सेंसर शोर को फ्रीक्वेंसी-डिपेंडेंट वेटेड नॉइज़ ( $\nu = W(j\omega)\bar{\nu}$ ) के रूप में स्पष्ट रूप से मॉडल किया गया है।
LFT इंटरकनेक्शन: अनिश्चित मापदंडों $\rho$ को स्ट्रक्चर्ड अनसर्टेन्टी ब्लॉक्स के रूप में माना जाता है। सिंथेसिस समस्या को MATLAB के hinfsyn का उपयोग करके हल किया जाता है ताकि एक ऐसा कंट्रोलर पाया जा सके जो उनके परिभाषित बाउंड्स के भीतर सभी $\rho$ के लिए स्थिरता और प्रदर्शन की गारंटी देता है।
तकनीकी समायोजन: फ्री-बॉडी रोटेशनल डायनेमिक्स में निहित ओरिजिन पर पोल्स (poles at the origin) को संबोधित करने के लिए (जो मानक $H_\infty$ वेल-पोज़डनेस का उल्लंघन करते हैं), न्यूनतम विस्कस डैम्पिंग टर्म्स को भौतिक निष्ठा (physical fidelity) से समझौता किए बिना पोल्स को लेफ्ट-हाफ प्लेन में थोड़ा शिफ्ट करने के लिए जोड़ा गया था।

3. मुख्य योगदान (Key Contributions)

व्यवस्थित LFT फ्रेमवर्क: मल्टी-रोटर नॉनलीनियर डायनेमिक्स (त्रिकोणमितीय और रैशनल टर्म्स) को LFT फॉर्मलिज्म के भीतर स्ट्रक्चर्ड अनसर्टेन्टीज़ के रूप में सटीक रूप से प्रस्तुत करने की विधि स्थापित की गई, जिससे लिनियराइजेशन एप्रोक्सिमेशन से बचा जा सका।
सीमित सेंसिंग के साथ रोबस्ट सिंथेसिस: एक $H_\infty$ कंट्रोलर विकसित किया गया जो केवल जाइरोस्कोप डेटा का उपयोग करता है और स्टेट-डिपेंडेंट सेंसर शोर को स्पष्ट रूप से कैरेक्टराइज करता है, जिससे पूर्ण स्टेट एस्टीमेशन के बिना स्थिरता सुनिश्चित होती है।
व्यापक तुलनात्मक विश्लेषण: एक अत्याधुनिक कैस्केडेड SISO PID कंट्रोलर के साथ प्रस्तावित रोबस्ट कंट्रोलर का कठोर मात्रात्मक तुलनात्मक विश्लेषण प्रदान किया गया, जो बेहतर डिस्टर्बेंस रिजेक्शन और कंट्रोल एफिशिएंसी प्रदर्शित करता है।

4. सिमुलेशन परिणाम (Simulation Results)

प्रस्तावित कंट्रोलर को एक नॉनलीनियर सिमुलिंक वातावरण में गंभीर स्थितियों के तहत एक कैस्केडेड PID कंट्रोलर के विरुद्ध मान्य किया गया:

परिदृश्य (Scenario): 10 मीटर की ऊंचाई पर होवरिंग, जिसमें तेज हवा के झोंके (ड्रायडेन टर्बुलेंस मॉडल, 15 m/s तक) और सेंसर शोर (35 dB SNR) शामिल हैं।
प्रदर्शन मेट्रिक्स:
- एटीट्यूड एरर: PID कंट्रोलर ने 30.54° से अधिक का पीक एटीट्यूड एरर दिखाया, जबकि $H_\infty$ कंट्रोलर ने इसे घटाकर 7.12° कर दिया।
- RMSE: $H_\infty$ कंट्रोलर के लिए रूट मीन स्क्वायर एरर (1.35°) PID कंट्रोलर (5.67°) की तुलना में लगभग 4.2 गुना कम था।
- कंट्रोल एफर्ट: $H_\infty$ कंट्रोलर ने कम एक्चुएटर एफर्ट (टॉर्क) के साथ बेहतर रेगुलेशन प्राप्त किया, जिससे आक्रामक कंट्रोल एक्शन से बचा जा सके।
- रोबस्टनेस: कंट्रोलर ने स्थिरता बनाए रखी और सिमुलेशन के दौरान सभी शेड्यूलिंग मापदंडों ( $\rho$ ) को उनके अनुमानित बाउंड्स के भीतर रखा, यहाँ तक कि गंभीर टर्बुलेंस के तहत भी।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह कार्य हाई-फिडेलिटी नॉनलीनर मॉडलिंग और ट्रैक्टेबल रोबस्ट कंट्रोल डिज़ाइन के बीच के अंतर को पाटता है।

सैद्धांतिक प्रभाव: यह प्रदर्शित करता है कि नॉनलीनियरिटीज़ को LFT के माध्यम से स्ट्रक्चर्ड अनसर्टेन्टीज़ के रूप में मानने से डायनेमिक फिडेलिटी से समझौता किए बिना कठोर $H_\infty$ सिंथेसिस का अनुप्रयोग संभव है।
व्यावहारिक प्रभाव: परिणाम सिद्ध करते हैं कि रोबस्ट $H_\infty$ कंट्रोल, संसाधन-सीमित UAV प्लेटफॉर्म के लिए व्यवहार्य है, जो अनिश्चित और उच्च-विक्षोभ वाले वातावरण (जैसे शहरी नेविगेशन, पेलोड डिलीवरी) में उद्योग-मानक PID कंट्रोलर्स की तुलना में काफी बेहतर प्रदर्शन प्रदान करता है।
भविष्य की प्रयोज्यता: यह फ्रेमवर्क स्थिरता और प्रदर्शन की औपचारिक गारंटी प्रदान करता है, जिससे यह स्वायत्त मिशनों (autonomous missions) के लिए उपयुक्त बनता है जहाँ सुरक्षा और विश्वसनीयता महत्वपूर्ण हैं।

संक्षेप में, यह शोध पत्र प्रमाणित करता है कि केवल रेट मेजरमेंट्स का उपयोग करने वाला LFT-आधारित $H_\infty$ कंट्रोलर, अत्यधिक अनिश्चित और अशांत परिस्थितियों में मल्टी-रोटर UAVs के लिए क्लासिकल PID कंट्रोल का एक श्रेष्ठ विकल्प है।