A Model Predictive Control Approach for Quadrotor Cruise Control

📄 arXiv: 2504.13286v1 📥 PDF

作者: Zekai Chen, Leon Kehler

分类: eess.SY

发布日期: 2025-04-17

💡 一句话要点

提出基于模型预测控制的四旋翼飞行器巡航控制方法，实现悬停稳定与轨迹跟踪。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 四旋翼飞行器 模型预测控制 巡航控制 扰动抑制 轨迹跟踪

📋 核心要点

  1. 四旋翼飞行器在复杂环境中易受风力等扰动影响，传统控制方法难以保证稳定性和精确性。
  2. 提出基于模型预测控制的巡航控制方案，利用MPC的预测能力和优化特性，实现抗扰动和轨迹跟踪。
  3. 通过数值仿真验证了所设计控制器的有效性，能够实现悬停稳定、参考轨迹跟踪和扰动抑制等目标。

📝 摘要（中文）

本文研究了模型预测控制（MPC）在四旋翼飞行器巡航控制系统中的应用，重点关注悬停点稳定和参考轨迹跟踪。首先，针对理想情况设计了一个全状态反馈MPC。为了考虑真实环境，引入了一个恒定扰动来模拟特定方向上的阵风。针对此问题，开发了一种输出反馈无偏MPC，以稳定四旋翼飞行器并抑制扰动。通过稳定性分析以及不同情况下的数值模拟验证了所设计控制器的有效性。结果表明，所设计的控制器能够实现巡航控制的所有预期目标，包括参考轨迹跟踪和扰动抑制。该项目使用Python和CVXPY库进行凸优化实现。

🔬 方法详解

问题定义：论文旨在解决四旋翼飞行器在巡航控制中，如何克服外部扰动（如风力）影响，实现精确的悬停稳定和参考轨迹跟踪问题。现有方法在面对持续扰动时，可能无法保证控制精度和稳定性。

核心思路：论文的核心思路是利用模型预测控制（MPC）的预测能力和优化特性。MPC通过预测未来一段时间内的系统状态，并优化控制输入，从而实现对系统的精确控制。针对扰动问题，采用输出反馈无偏MPC，估计并补偿扰动，提高系统的鲁棒性。

技术框架：该方法首先针对理想情况设计全状态反馈MPC，然后针对实际扰动情况，设计输出反馈无偏MPC。整体流程包括：1) 建立四旋翼飞行器的动力学模型；2) 设计基于MPC的控制器，包括状态预测、优化求解和控制输入计算；3) 针对扰动，设计扰动估计器和补偿环节；4) 进行数值仿真，验证控制器的性能。

关键创新：关键创新在于针对四旋翼飞行器的巡航控制，设计了输出反馈无偏MPC，能够有效地抑制外部扰动，提高系统的鲁棒性。与传统的PID控制等方法相比，MPC能够更好地处理多变量约束和优化问题，实现更精确的控制。

关键设计：MPC的关键设计包括：1) 状态空间模型的建立，需要准确描述四旋翼飞行器的动力学特性；2) 预测时域和控制时域的选取，需要根据系统的动态特性和计算资源进行权衡；3) 优化问题的目标函数设计，需要综合考虑控制精度、能量消耗和稳定性等因素；4) 扰动估计器的设计，需要保证估计的准确性和实时性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过数值仿真验证了所设计控制器的有效性。结果表明，该控制器能够实现悬停稳定、参考轨迹跟踪和扰动抑制等目标。与传统的控制方法相比，该方法在扰动抑制方面具有更强的优势，能够保证四旋翼飞行器在复杂环境下的稳定性和精确性。具体性能数据未知。

🎯 应用场景

该研究成果可应用于无人机物流、环境监测、农业植保等领域。通过提高四旋翼飞行器的巡航控制精度和抗扰动能力，可以提升无人机在复杂环境下的作业效率和安全性，拓展其应用范围。未来可进一步研究复杂环境下的自适应MPC，提高系统的智能化水平。

📄 摘要（原文）

This paper investigates the application of a Model Predictive Controller (MPC) for the cruise control system of a quadrotor, focusing on hovering point stabilization and reference tracking. Initially, a full-state-feedback MPC is designed for the ideal scenario. To account for real-world conditions, a constant disturbance is introduced to the quadrotor, simulating a gust of wind in a specific direction. In response, an output-feedback offset-free MPC is developed to stabilize the quadrotor while rejecting the disturbance. We validate the design of the controller by conducting stability analysis, as well as numerical simulations under different circumstances. It is shown that the designed controller can achieve all the expected goals for the cruise control, including reference tracking and disturbance rejection. This project was implemented using Python and the CVXPY library for convex optimization.