Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems
本文提出了一种统一框架，该框架将基于微分平坦性的轨迹生成与非线性模型预测控制（NMPC）以及一种新型的感知风场采样策略相结合，旨在实现固定翼无人机在强风扰动下的鲁棒且满足约束条件的轨迹跟踪。
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
驾驶固定翼飞机是在速度、升力与无形之手的风之间进行的一场微妙的平衡。与可以原地悬停的直升机或无人机不同，这些飞行器必须保持向前运动才能维持飞行，依靠流经机翼的气流来产生抵消重力的升力。这种特性使它们在长距离飞行中极其高效，能够以极低的能量覆盖广阔的距离，这也是为什么它们是监测森林、勘测农作物或运送物资的首选。然而，这种高效是以牺牲控制力为代价的。控制固定翼飞机的物理规律复杂且紧密交织；速度的变化会影响升力，进而改变转弯半径，而转弯半径的变化又会反过来改变速度。当加入不可预测的阵风带来的推力和拉力时，引导飞行器沿着精确路径的任务对计算机算法而言便成了一个艰巨的挑战。
几十年来，工程师们通过将问题分解为更小、更简单的部分来应对这一挑战。他们会让飞行器遵循简单的几何路径，例如直线或圆圈，并使用标准的控制系统使飞机保持在路径上。虽然这种方法在平静条件下表现良好，但在强风或飞机需要进行剧烈、激进的机动时却显得力不从心。旧方法往往对突如其来的阵风反应过慢，且无法在风将飞机吹离航线之前对其进行预测。它们还缺乏明确尊重飞机物理极限的能力，例如机翼在失速并失去升力之前所能倾斜的最大角度。为了驾驭未来复杂的现实天空，需要一种更智能、更具预见性的方法。
加州大学伯克利分校的研究人员开发了一种新的控制框架，使固定翼无人机即使在强风中也能以卓越的精度追踪复杂的轨迹。他们的解决方案结合了两个强大的理念：一种用于规划平滑且符合物理规律路径的方法，以及一个不断预判扰动以进行调整的预测控制系统。该团队创建了一个不仅能对风做出反应，而且能预判风的系统。通过使用一种被称为“微分平坦性”（differential flatness）的数学特性，他们可以生成自然符合飞机物理特性的参考路径，确保飞机不会尝试过于尖锐的转弯或过低的速度。这一规划步骤随后被输入到一个非线性模型预测控制（Nonoma Nonlinear Model Predictive Control）系统中，该系统就像一位经验丰富的飞行员，在脑海中不断模拟接下来的几秒钟飞行情况。该系统计算出最佳的控制输入——调节油门和机翼上的襟翼——以保持飞行器在轨道上，同时严格遵守所有安全限制。
这项工作的一个关键创新在于，它根据风力情况调整飞机采样目标路径的方式。想象一下，飞行器正试图跟随由空间中一系列点标记出的路径。如果风从背后吹来，飞机相对于地面的移动速度会加快，因此系统会增加这些点的采样间距以匹配增加的速度。如果风迎面吹来，系统则会缩短采样间距，以应对较慢的地面速度。这种简单而有效的调整确保了飞机始终保持相对于空气的安全且稳定的速度，这对于产生升力至关重要。如果没有这种调整，飞机可能会在顺风时试图过快地跟随路径，或在逆风时过慢地跟随，从而面临失去控制或失速的风险。
研究人员通过大量的计算机模拟和使用配备了车载计算机的定制固定翼无人机进行的实地飞行实验验证了他们的系统。在模拟中，他们让飞行器承受了从微风到高达10米/秒强阵风的各种风速。结果显示，与没有采用风感知策略的旧方法相比，新系统能够更紧密地控制在期望路径上。具体而言，在10米/秒的风速下，新系统将飞机的空速误差维持在平均小于1米/秒，而没有采用风感知策略的旧方法则允许误差显著增大。更重要的是，新系统将攻角（即机翼迎风的角度）保持在安全限度内，即使在最湍流的情况下，也能防止飞机陷入危险的失速边缘。
在实地飞行测试中，无人机在风速为3至10米/秒的测试区域内成功追踪了包括螺旋形和椭圆形在内的复杂三维路径。飞行器能够从风阵引起的偏差中快速恢复，通过调整油门和控制面来保持航向。该系统足以处理不仅是自然风的变化，还包括人为注入的参考路径误差，例如突然出现的、物理上不可能实现的转弯。系统并没有崩溃或失败，而是识别出指令是不可行的，并自动调整飞行路径，使其趋向于最接近且符合物理定律的安全轨迹。这种在处理“不可能指令”时仍能优雅保持安全的能力，是自主飞行领域的一大进步。
这项工作表明，通过将先进的规划与预测控制相结合，固定翼无人机可以实现以往难以达到的灵活性和安全性。研究人员使用包含详细气动力和力矩的高保真飞机模型验证了他们的方法，确保计算机的预测与飞机的实际行为相匹配。虽然目前的系统依赖于预定义的飞机空气动力学模型，但作者指出，未来的工作可以引入数据驱动的学习，以进一步优化这些模型并更快地适应新的飞机设计。目前，这项研究证实，一个统一的框架——既尊重飞机的完整动力学特性，又兼顾环境复杂性——可以引导固定翼飞行器自信且精准地穿梭于最具挑战性的天空中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。