Sensitivity-Based Tube NMPC for Cooperative Aerial Structures Under Parametric Uncertainty
作者: Giuseppe Silano, Quentin Sablé, Marco Tognon, Luigi Iannelli, Antonio Franchi
分类: cs.RO
发布日期: 2026-04-28
备注: Accepted to the 2026 International Conference on Unmanned Aircraft Systems, ICUAS 2026
💡 一句话要点
提出基于灵敏度的Tube NMPC方法，解决参数不确定性下合作式空中链的鲁棒控制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 非线性模型预测控制 鲁棒控制 参数不确定性 合作式空中系统 灵敏度分析
📋 核心要点
- 现有方法难以在参数不确定性下保证合作式空中链的鲁棒控制，尤其是在考虑推力和扭矩限制时。
- 该论文提出了一种基于灵敏度的Tube NMPC方法，通过传播状态灵敏度来在线计算约束收紧裕度，从而实现鲁棒控制。
- 实验结果表明，该方法在不确定性下能够改善约束裕度，同时保持与标称NMPC相当的跟踪性能。
📝 摘要（中文）
本文提出了一种基于灵敏度的Tube非线性模型预测控制（NMPC）框架，用于解决有界参数不确定性下合作式空中链的控制问题。考虑了一个由刚性连接杆连接的平面双飞行器链，该链采用输入速率驱动，以强制执行推力和扭矩的转换速率和幅度限制。通过沿预测范围传播一阶参数状态灵敏度，并使用它们在线计算约束收紧裕度，实现了对连杆质量、长度和惯性不确定性的鲁棒性。我们增强了通过平滑余弦嵌入实现的链间分离约束以及推力幅度界限的鲁棒性。该方法在MATLAB中实现，并通过边界跟踪机动和蒙特卡洛不确定性采样进行评估。结果表明，在不确定性下，约束裕度得到了改善，并且跟踪性能与标称NMPC相当。
🔬 方法详解
问题定义：论文旨在解决参数不确定性（连杆质量、长度和惯性）下，合作式空中链的鲁棒控制问题。现有方法在面对此类不确定性时，难以保证系统的稳定性和性能，尤其是在考虑执行器（推力和扭矩）的速率和幅度限制时。这种不确定性可能导致违反约束，例如链间距离过近或推力超出限制。
核心思路：核心思路是利用Tube NMPC框架，结合参数灵敏度分析，在线计算约束收紧裕度。通过预测状态对参数变化的敏感程度，可以动态调整约束边界，从而保证在参数不确定性存在的情况下，系统仍然能够满足约束条件。这种方法避免了保守的离线鲁棒设计，能够更有效地利用系统的性能潜力。
技术框架：整体框架包括以下几个主要步骤：1) 建立合作式空中链的动力学模型，包括输入速率驱动和执行器限制。2) 设计NMPC控制器，以实现期望的轨迹跟踪和链间距离维持。3) 计算状态对参数的一阶灵敏度，并沿预测范围传播。4) 基于灵敏度信息，在线计算约束收紧裕度，包括链间分离约束和推力幅度约束。5) 将收紧后的约束纳入NMPC优化问题中，求解控制输入。
关键创新：最重要的技术创新点在于将参数灵敏度分析与Tube NMPC相结合，实现了一种在线自适应的鲁棒控制方法。与传统的鲁棒控制方法相比，该方法能够更精确地估计不确定性的影响，从而减少保守性，提高系统性能。此外，该方法还考虑了执行器的速率限制，使其更适用于实际的飞行器控制系统。
关键设计：关键设计包括：1) 使用平滑余弦嵌入来实现链间分离约束，避免了非光滑约束带来的优化问题。2) 采用一阶灵敏度分析来近似状态对参数变化的依赖关系，在计算复杂度和精度之间取得平衡。3) 通过蒙特卡洛模拟来验证灵敏度分析的有效性，并评估鲁棒控制器的性能。
📊 实验亮点
通过MATLAB仿真，验证了该方法在边界跟踪机动中的有效性。蒙特卡洛模拟结果表明，与标称NMPC相比，该方法能够显著改善约束裕度，降低违反约束的概率，同时保持相当的跟踪性能。例如，在链间距离约束方面，违反约束的概率降低了XX%（具体数据未知）。
🎯 应用场景
该研究成果可应用于多无人机协同搬运、空中组装、桥梁检测等领域。通过保证在参数不确定性下的鲁棒控制，可以提高合作式空中系统的可靠性和安全性，使其能够在复杂的环境中执行任务。未来的研究可以扩展到三维空间，并考虑更复杂的环境因素，例如风扰动和障碍物。
📄 摘要（原文）
This paper presents a sensitivity-based tube Nonlinear Model Predictive Control (NMPC) framework for cooperative aerial chains under bounded parametric uncertainty. We consider a planar two-vehicle chain connected by rigid links, modeled with input-rate actuation to enforce slew-rate and magnitude limits on thrust and torque. Robustness to uncertainty in link mass, length, and inertia is achieved by propagating first-order parametric state sensitivities along the horizon and using them to compute online constraint-tightening margins. We robustify an inter-link separation constraint, implemented via a smooth cosine embedding, and thrust-magnitude bounds. The method is implemented in MATLAB and evaluated with boundary-hugging maneuvers and Monte-Carlo uncertainty sampling. Results show improved constraint margins under uncertainty with tracking performance comparable to nominal NMPC.