⚡ electrical engineering

Robust Geometric Control of Catenary Robots under Unstructured Force Uncertainties

本文提出了一种针对在SE(3)上建模的双旋翼吊索机器人系统的几何跟踪控制器，并证明了该控制器对缆绳诱导力中的非结构化不确定性具有局部输入到状态稳定性，从而确保在标称条件下实现渐近收敛，并在扰动下保持有界的跟踪误差。

原作者： Alexandre Anahory Simoes, Leonardo Colombo

发布于 2026-05-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Alexandre Anahory Simoes, Leonardo Colombo

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象两架无人机在空中飞行，由一根单一且不可断裂的绳索连接。这并非一根松散的细绳；它是一根因自身重量而下垂的重绳，形成一条特定的曲线，称为悬链线（想想电线在两根电线杆之间形成的形状，或者从你手中垂下的链条）。

本文旨在教导这两架无人机如何协同飞行，即使那根下垂绳索的物理特性变得混乱或不可预测。

以下是他们方法的分解，使用简单的类比：

1. 问题：“懒惰”的绳索

通常，工程师在控制机器人时，会将它们之间的连接视为刚性杆或简单的距离规则。但真实的绳索不同。

形状很重要：因为绳索有重量，它不会保持笔直。它会悬挂成曲线。
拉力：这种曲线会对每架无人机产生特定的拉力（张力）。如果无人机相互靠近，绳索会绷紧，拉力随之改变。如果它们相互远离，绳索下垂得更厉害，拉力再次改变。
混乱的现实：在现实世界中，绳索可能会晃动、被风吹动或轻微拉伸。论文将这些称为“非结构化不确定性”。这就像试图走钢丝，而有人偶尔对着绳索吹气或摇晃它。

2. 解决方案：将绳索视为“影子”

作者没有尝试将绳索建模为一个拥有独立运动部件的单独复杂机器，而是将绳索视为无人机位置投射出的影子。

类比：想象两架无人机是两个人，中间举着一条沉重的毯子。毯子的形状完全由人们站立的位置决定。你不需要计算毯子中每一根线的物理特性；你只需要知道人们在哪里，毯子的形状（以及他们手上的拉力）就会自动确定。
数学：他们建立了一个数学模型，其中绳索的形状及其施加的力是根据无人机的相对位置即时计算的。这极大地简化了问题。

3. 控制器：“智能飞行员”

作者设计了一种“几何控制器”。将其想象为每架无人机的超级智能自动驾驶仪。

计划：自动驾驶仪确切知道无人机彼此之间应该处于什么位置，以形成特定的绳索形状。
补偿：它计算出绳索应该施加的确切拉力，并将其加入飞行计划中。这就像一名骑行者知道有逆风，因此更用力地蹬踏板以进行补偿，从而不会减速。
目标：无人机试图保持特定的距离和角度，这反过来迫使绳索保持特定的形状。

4. 安全网：鲁棒性

这是本文最重要的部分。如果风吹动绳索，或者绳索的重量不完全符合数学预测，会发生什么？

主张：作者从数学上证明了他们的控制器是鲁棒的。
类比：想象你正在一条有时意外加速或减速的移动人行道上行走。一个“鲁棒”的行走者不会摔倒；他们只是稍微调整步伐，保持在路径上。
结果：
- 完美世界：如果绳索的行为完全符合预测，无人机将完美地飞向目标，误差（它们偏离的距离）将降至零。
- 混乱世界：如果绳索晃动或风力强劲，无人机不会完美，但也不会坠毁。它们将保持在一个小而可预测的误差“气泡”内。
- 调节旋钮：论文表明，如果你增强无人机的“阻尼”（即它们抵抗晃动的能力），这个误差气泡就会变小。这就像收紧汽车的悬挂系统，使车辆在颠簸路面上的行驶更平稳。

总结

本文提出了一种控制由沉重下垂绳索连接的两架无人机的新方法。他们不是与绳索的复杂性对抗，而是将绳索的形状视为无人机位置直接产生的结果。他们证明了其控制系统在理想条件下能完美运行，并且即使在绳索行为不可预测时也能保持安全和稳定，使无人机始终靠近其目标路径。

以下是论文《非结构化力不确定性下悬链线机器人的鲁棒几何控制》的详细技术总结。

1. 问题陈述

本文探讨了悬链线机器人的控制问题，该系统由两个通过一根长度为 $l$ 的不可伸长单缆连接的四旋翼无人机（UAV）组成。

挑战： 与刚性连杆系统或简单的质点缆绳模型不同，受重力作用的重缆会呈现悬链线形状。该形状并非静态，而是完全取决于两个无人机的相对构型（位置和姿态）。因此，缆绳会产生依赖于构型的力（张力），从而耦合两个飞行器的平移动力学。
差距： 现有方法通常依赖简化的平面模型，或将缆绳视为运动学约束或标称力元件。这些简化无法捕捉三维空间中的完整几何耦合，且当理想的准静态悬链线模型受到未建模效应（如空气阻力、缆绳弹性或惯性）的扰动时，使得鲁棒性分析变得困难。
目标： 旨在设计一种几何跟踪控制器，将两个无人机的相对构型调节至期望轨迹，同时确保对悬链线诱导力中的非结构化不确定性具有鲁棒性。

2. 方法论

A. SE(3) 上的几何建模

作者在特殊欧几里得群 $SE(3)$ 上对系统进行建模，表示每个无人机的完整三维位置和姿态。

作为几何子系统的缆绳： 作者并未将缆绳视为具有自身状态的独立动力学元件，而是将其建模为由无人机构型诱导的几何子系统。
构型参数： 无人机的相对位置通过三个参数唯一确定悬链线形状：
1. 姿态（ $R_C$ ）： 包含缆绳的垂直平面。
2. 半跨距（ $s$ ）： 无人机之间水平距离的一半。
3. 形状参数（ $a$ ）： 由缆绳长度 $l$ 和跨距 $s$ 通过内在关系 $l/2 = a \sinh(s/a)$ 确定。
力的推导： 端点张力（ $T_1, T_2$ ）基于重力作用下悬链线的静力平衡解析推导得出。这些力是无人机位置的平滑函数，并作为耦合项出现在平移动力学方程中。

B. 控制器设计

控制策略采用直接在流形 $SE(3)$ 上运行且无需线性化的几何跟踪控制器。

标称控制律：
- 平移动力学： 为位置和速度误差设计反馈控制器。关键在于，基于当前构型实时计算标称悬链线诱导力，并将其作为前馈项加入以抵消耦合效应。
- 姿态动力学： 使用 $SO(3)$ 上的标准几何控制器，使无人机推力矢量与期望的总力方向（包括重力、跟踪误差和标称缆绳张力）对齐。
鲁棒性公式化：
- 作者将理想准静态悬链线的偏差（由阻力、弹性等引起）建模为力项中的加性非结构化不确定性（ $d_i$ ）。
- 控制目标被修改为：尽管存在这些有界扰动，仍需确保跟踪误差保持有界（输入 - 状态稳定性）。

C. 稳定性分析

本文的理论核心是**局部输入 - 状态稳定性（ISS）**的证明。

李雅普诺夫函数： 构建了一个复合李雅普诺夫函数，结合了两个智能体的相对平移误差（ $e_p, e_v$ ）和姿态误差（ $e_R, e_\Omega$ ）项。
推导： 作者推导了李雅普诺夫函数的时间导数，表明闭环误差动力学满足如下形式的不等式：
$\dot{V} \leq -c_1 \|e\|^2 + c_2 \|\Delta d\|^2$
其中 $\Delta d$ 代表相对动力学上的有效扰动。
结果： 该不等式证明了系统相对于力不确定性具有 ISS 性质。

3. 主要贡献

几何建模框架： 本文提供了严格的 $SE(3)$ 公式，其中缆绳被视为构型诱导的几何子系统，既避免了独立缆绳状态的需求，又捕捉了完整的三维耦合力。
鲁棒几何控制器： 提出了一种新颖的控制器，通过前馈显式补偿标称悬链线力，同时保持几何跟踪特性。
ISS 稳定性证明： 作者建立了闭环系统的局部输入 - 状态稳定性。这是一项重要的理论进展，证明了缆绳力的有界不确定性会导致有界的跟踪误差。
显式最终界： 分析提供了跟踪误差最终界的显式公式。该界被证明与阻尼增益成反比，为调整鲁棒性提供了清晰的设计指南。

4. 结果

理论结果：
- 标称情况： 在没有不确定性的情况下，跟踪误差渐近收敛至零。
- 扰动情况： 在有界力扰动下，跟踪误差收敛至原点的一个小邻域（一致最终有界 - UUB）。随着控制增益（特别是阻尼增益）的增加，该邻域的大小减小。
数值仿真：
- 仿真在恒定的期望相对位置下进行，并在力项中添加了正弦扰动。
- 图 2： 表明虽然标称误差收敛至零，但扰动系统会稳定在符合 ISS 估计的有界振荡中。
- 图 3： 验证了理论界，显示最终误差幅值随扰动幅值线性增长，而当使用更高的阻尼增益时，误差幅值显著减小。

5. 意义

这项工作弥合了复杂物理建模与多智能体空中系统鲁棒控制之间的差距。

实际相关性： 通过将缆绳视为几何子系统，该方法计算效率高，适合在无人机上实时实施，避免了柔性缆绳动力学的复杂性。
鲁棒性： 显式处理非结构化不确定性，使得该控制器适用于无法完美建模空气阻力和缆绳弹性的现实世界应用。
理论严谨性： 在 $SE(3)$ 上使用几何控制避免了与欧拉角相关的奇异性，并提供了姿态动力学的全局视角，而 ISS 分析则为安全关键型协作任务提供了严格的保证。

未来方向： 作者建议将该框架扩展到动态和弹性缆绳、接触感知任务，并在物理多无人机平台上进行实验验证。