Model predictive control-based trajectory generation for agile landing of unmanned aerial vehicle on a moving boat

📄 arXiv: 2412.07332v1 📥 PDF

作者: Ondřej Procházka, Filip Novák, Tomáš Báča, Parakh M. Gupta, Robert Pěnička, Martin Saska

分类: cs.RO, eess.SY

发布日期: 2024-12-10

备注: 18 pages, 17 figures, Ocean Engineering

期刊: Ocean Engineering 313:119164, 2024

DOI: 10.1016/j.oceaneng.2024.119164

💡 一句话要点

提出基于MPC的无人机敏捷着陆轨迹生成方法，解决移动船只平台精准降落问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 无人机着陆 模型预测控制 移动平台 轨迹生成 无人水面艇

📋 核心要点

  1. 现有方法难以应对移动平台，尤其是倾斜甲板上的无人机精准着陆，对控制算法提出了挑战。
  2. 该方法利用MPC预测USV的运动状态，动态调整无人机轨迹，实现与USV的姿态同步，从而保证着陆精度。
  3. 仿真和实测结果表明，该方法在复杂海况下具有良好的鲁棒性，且着陆精度优于现有技术。

📝 摘要（中文）

本文提出了一种基于模型预测控制（MPC）的新型轨迹生成方法，用于无人机（UAV）在恶劣条件下敏捷地降落在无人水面艇（USV）的甲板上。该轨迹生成方法利用USV的状态预测，为多旋翼无人机创建周期性更新的轨迹，以便即使在甲板倾斜角度持续变化的情况下，也能精确地降落在移动的USV甲板上。我们使用基于MPC的方案来创建轨迹，该轨迹同时考虑了无人机的动力学以及USV的位置和姿态的一阶导数预测状态。与现有方法相比，我们的方法动态地修改惩罚矩阵，以便根据飞行阶段精确地跟踪相应的状态。特别是在着陆过程中，无人机与USV同步姿态，从而可以在倾斜的甲板上快速着陆。仿真结果表明，该方法在高达粗糙海况（浪高4米）的各种海况下都具有可靠性，在着陆速度和精度方面优于最先进的方法，平均精度提高了一倍。最后，实际实验验证了仿真结果，证明了在移动的USV上实现了稳健的着陆，同时所有计算都在无人机上实时执行。

🔬 方法详解

问题定义：无人机在移动的无人水面艇（USV）甲板上进行精准着陆，尤其是在恶劣海况下，是一个具有挑战性的问题。现有的方法通常难以应对USV的动态运动和甲板的倾斜变化，导致着陆精度下降甚至失败。此外，实时性也是一个关键问题，需要在无人机上进行快速计算。

核心思路：本文的核心思路是利用模型预测控制（MPC）来生成无人机的着陆轨迹。MPC能够根据USV的预测状态，动态地调整无人机的飞行轨迹，使其能够精确地跟踪USV的运动。通过在MPC中考虑无人机的动力学约束和USV的运动预测，可以生成安全、高效的着陆轨迹。此外，通过动态调整惩罚矩阵，可以根据飞行阶段优化轨迹。

技术框架：该方法主要包含以下几个模块：1) USV状态预测模块：利用传感器数据预测USV未来一段时间内的位置、姿态及其一阶导数。2) MPC轨迹生成模块：基于USV的预测状态和无人机的动力学模型，使用MPC算法生成无人机的最优轨迹。3) 轨迹跟踪控制模块：控制无人机按照生成的轨迹飞行，实现精准着陆。4) 动态惩罚矩阵调整模块：根据飞行阶段（如接近、同步、着陆）动态调整MPC中的惩罚矩阵，以优化轨迹。

关键创新：该方法的关键创新在于动态调整惩罚矩阵的MPC框架。传统的MPC方法通常使用固定的惩罚矩阵，难以适应不同飞行阶段的需求。通过动态调整惩罚矩阵，可以根据飞行阶段优化轨迹，例如在着陆阶段，增加对姿态同步的惩罚，从而实现快速、精准的着陆。此外，该方法还考虑了USV的姿态变化，使得无人机能够适应倾斜的甲板。

关键设计：在MPC中，目标函数包含无人机状态与期望状态的偏差、控制输入的惩罚项。关键参数包括：1) 预测时域的长度和采样时间；2) 惩罚矩阵的权重，需要根据飞行阶段进行调整；3) 无人机的动力学模型参数；4) USV状态预测的精度。在实际应用中，需要根据具体的无人机和USV平台进行参数调整和优化。

🖼️ 关键图片

img_0

📊 实验亮点

仿真结果表明，该方法在高达粗糙海况（浪高4米）的各种海况下都具有可靠性，在着陆速度和精度方面优于现有方法，平均精度提高了一倍。实际实验验证了仿真结果，证明了在移动的USV上实现了稳健的着陆，同时所有计算都在无人机上实时执行。

🎯 应用场景

该研究成果可广泛应用于海上无人机作业，例如海上物资运输、搜救、环境监测等。在军事领域，可用于无人机在舰船上的自动着陆，提高作战效率。此外，该技术还可扩展到其他移动平台的无人机着陆应用，例如在移动车辆上进行无人机充电或数据传输。

📄 摘要（原文）

This paper proposes a novel trajectory generation method based on Model Predictive Control (MPC) for agile landing of an Unmanned Aerial Vehicle (UAV) onto an Unmanned Surface Vehicle (USV)'s deck in harsh conditions. The trajectory generation exploits the state predictions of the USV to create periodically updated trajectories for a multirotor UAV to precisely land on the deck of a moving USV even in cases where the deck's inclination is continuously changing. We use an MPC-based scheme to create trajectories that consider both the UAV dynamics and the predicted states of the USV up to the first derivative of position and orientation. Compared to existing approaches, our method dynamically modifies the penalization matrices to precisely follow the corresponding states with respect to the flight phase. Especially during the landing maneuver, the UAV synchronizes attitude with the USV's, allowing for fast landing on a tilted deck. Simulations show the method's reliability in various sea conditions up to Rough sea (wave height 4 m), outperforming state-of-the-art methods in landing speed and accuracy, with twice the precision on average. Finally, real-world experiments validate the simulation results, demonstrating robust landings on a moving USV, while all computations are performed in real-time onboard the UAV.