3D Path-Following Guidance via Nonlinear Model Predictive Control for Fixed-Wing Small UAS

📄 arXiv: 2512.24326v1 📥 PDF

作者: Camron Alexander Hirst, Chris Reale, Eric Frew

分类: cs.RO

发布日期: 2025-12-30

💡 一句话要点

针对固定翼小型无人机，提出基于非线性模型预测控制的3D路径跟踪制导算法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 无人机 路径跟踪 模型预测控制 非线性控制 三维制导

📋 核心要点

  1. 现有无人机路径跟踪方法在高曲率路径和高速飞行时性能下降，难以实现精确控制。
  2. 采用非线性模型预测控制，通过优化参考路径速率，权衡路径跟踪精度和飞行速度。
  3. 通过飞行实验验证了所提算法在复杂3D路径下的有效性，性能优于传统前瞻制导方法。

📝 摘要（中文）

本文提出了两种基于非线性模型预测控制(MPC)的3D路径跟踪制导算法，并进行了设计、实现和飞行测试，专门应用于固定翼小型无人机系统。为了支持MPC，本文对RAAVEN小型无人机进行了控制增强建模和系统辨识。然后展示了两种MPC公式。第一种在MPC范围内调度静态参考路径速率，以激励恒定的惯性速度。第二种，受到模型预测轮廓控制的启发，在系统运行时动态优化控制器范围内的参考路径速率。这允许在路径前进和与路径的距离之间进行加权权衡，这是路径跟踪制导中的两个竞争目标。两种控制器都被设计为在一般的平滑3D弧长参数化曲线上运行。MPC制导算法在几个高曲率测试路径上进行了飞行，并与基线前瞻制导律进行了比较。结果表明，非线性MPC在高达36米/秒的地面速度下，对于3D路径跟踪制导具有实际可行性和卓越性能。

🔬 方法详解

问题定义：现有固定翼小型无人机在进行3D路径跟踪时，尤其是在高曲率路径和高速飞行条件下，传统的制导方法难以保证精确的路径跟踪性能。这些方法通常依赖于简单的几何关系或线性控制策略，无法充分利用无人机的动力学特性，从而导致跟踪误差增大，甚至出现不稳定情况。

核心思路：本文的核心思路是利用非线性模型预测控制（NMPC）来解决这一问题。NMPC能够显式地考虑无人机的非线性动力学模型，并在控制过程中对未来状态进行预测和优化。通过在MPC框架内优化参考路径速率，可以有效地权衡路径跟踪精度和飞行速度，从而提高无人机在复杂环境下的路径跟踪性能。

技术框架：该方法主要包含以下几个阶段：1) 无人机建模与系统辨识：首先对RAAVEN小型无人机进行控制增强建模，并进行系统辨识，以获得精确的无人机动力学模型。2) MPC控制器设计：设计两种不同的NMPC控制器，分别采用静态参考路径速率调度和动态参考路径速率优化策略。3) 路径生成与参数化：生成平滑的3D弧长参数化曲线作为参考路径。4) 飞行测试与性能评估：在实际飞行环境中进行测试，并将NMPC控制器的性能与基线前瞻制导律进行比较。

关键创新：该方法最重要的技术创新点在于将模型预测轮廓控制的思想引入到无人机3D路径跟踪中，通过动态优化参考路径速率，实现了路径跟踪精度和飞行速度之间的有效权衡。与传统的MPC方法相比，该方法能够更好地适应复杂路径和高速飞行条件，从而提高无人机的整体性能。

关键设计：在MPC控制器设计中，关键的设计包括：1) 状态空间模型的构建，需要包含无人机的位置、姿态、速度等状态变量。2) 控制输入的选择，通常包括推力、副翼、升降舵和方向舵的控制量。3) 目标函数的构建，需要同时考虑路径跟踪误差和控制输入的代价，并根据实际需求调整权重。4) 约束条件的设置，需要考虑无人机的物理限制和安全约束，例如最大攻角、最大侧滑角等。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的基于NMPC的3D路径跟踪算法在多个高曲率测试路径上表现出优越的性能。与基线前瞻制导律相比，NMPC算法能够显著减小路径跟踪误差，并实现更高的飞行速度（高达36米/秒）。这验证了NMPC算法在实际应用中的可行性和有效性，为无人机路径跟踪控制提供了一种新的解决方案。

🎯 应用场景

该研究成果可广泛应用于需要精确3D路径跟踪的无人机任务中，例如：精确农业中的作物巡检、基础设施巡检中的桥梁或输电线路检测、以及搜索救援任务中的目标搜索。通过提高无人机的路径跟踪精度和速度，可以显著提升这些任务的效率和可靠性，并降低人工成本。

📄 摘要（原文）

This paper presents the design, implementation, and flight test results of two novel 3D path-following guidance algorithms based on nonlinear model predictive control (MPC), with specific application to fixed-wing small uncrewed aircraft systems. To enable MPC, control-augmented modelling and system identification of the RAAVEN small uncrewed aircraft is presented. Two formulations of MPC are then showcased. The first schedules a static reference path rate over the MPC horizon, incentivizing a constant inertial speed. The second, with inspiration from model predictive contouring control, dynamically optimizes for the reference path rate over the controller horizon as the system operates. This allows for a weighted tradeoff between path progression and distance from path, two competing objectives in path-following guidance. Both controllers are formulated to operate over general smooth 3D arc-length parameterized curves. The MPC guidance algorithms are flown over several high-curvature test paths, with comparison to a baseline lookahead guidance law. The results showcase the real-world feasibility and superior performance of nonlinear MPC for 3D path-following guidance at ground speeds up to 36 meters per second.