Model Predictive Control for Cooperative Rendezvous of Autonomous Unmanned Vehicles
2021 (English)Doctoral thesis, monograph (Other academic)
Abstract [en]
This thesis investigates cooperative maneuvers for aerial vehicles autonomously landing on moving platforms. The objective has been to develop methods for safely performing such landings on real systems subject to a variety of disturbances, as well as physical and computational constraints. Two specific examples are considered: the landing of a fixed-wing drone on top of a moving ground carriage; and the landing of a quadcopter on the deck of a boat. The maneuvers are executed in a cooperative manner where both vehicles are allowed to take actions to reach their common objective, while avoiding safety based spatial constraints. Applications of such systems can be found in, for example, autonomous deliveries, emergency landings, and in search and rescue missions. Particular challenges of cooperative landing maneuvers include the heterogeneous and nonlinear dynamics, the coupled control, the sensitivity to disturbances, and the safety criticality of performing a high-velocity landing maneuver.
In this thesis, a cooperative landing algorithm based on Model Predictive Control (MPC) that includes spatial safety constraints for avoiding dangerous regions is developed. MPC offers many advantages for the autonomous landing problem, with its ability to explicitly consider dynamic equations, constraints, and disturbances directly in the computation of the control inputs. It is shown that the cooperative landing MPC can be decoupled into a horizontal and a vertical sub-problem. This result makes the optimization problems significantly less computationally demandingand facilitates the real-time implementation. The autonomous landing maneuver is further improved by the employment of a variable horizon. The variable-horizon MPC framework lets the finite horizon length become a part of the optimization problem, and makes it possible to always extend the horizon to the end of the landing maneuver. An algorithm for variable horizon MPC that can be implemented to real-time systems is derived by the use of efficient update rules, and by taking into account the similarities between the multiple optimization problems that we have to solve in each sampling period. The algorithm is fast enough to be used even in time-critical systems with long horizons. Furthermore, the solution time of the variable-horizon MPC decreases as the target gets closer. This means that the computational demand becomes smaller in the most critical part of the landing maneuver.
The algorithms are derived for two different landing systems, and are subsequently implemented in realistic simulations and in real-world outdoors flight tests through the WASP research arena. The results demonstrate both that the controllers are practically implementable on real systems with computational limitations, and that the suggested controller can successfully be used to perform the cooperative landing under the influence of external disturbances and under the constraint of various safety requirements.
Abstract [sv]
Denna avhandling behandlar kooperativa och autonoma landningar av drönare på mobila landingsplattformar, och undersöker hur sådana landningar effektivt kan implementeras på verkliga system som påverkas av externa störningar och som samtidigt arbetar under fysiska och beräkningsmässiga begränsningar. Två exempel betraktas särskilt: först landingen av ett autonomt flygplan på en markfarkost, därefter landning av en quadcopter på en båt. Landningarna utförs kooperativt,vilket innebär att båda fordonen har möjlighet att påverka systemet för att fullborda landningen. Denna typ av system har applikationer bland annat inom autonoma leveranser, nödlandningar, samt inom eftersöknings- och räddningsuppdrag. Forskningen motiveras av ett behov av effektiva och säkra autonoma landingsmanövrar, för fordon med heterogen och komplex dynamik som samtidigt måste uppfylla ett antal säkerhetsvillkor.
Reglermetoden som appliceras är modell-prediktiv reglerteknik (MPC), en optimeringsbaserad metod där ett optimalt reglerproblem med ändlig horisont löses under varje samplingsperiod. Denna metod tillför till det autonoma landningsproblemet fördelar såsom explicit hantering av systemdynamik, samt direkt inkludering av störningshantering och bivillkor vid beräkning av insignaler. På så sätt kan vi direkt i optimeringslösaren hantera säkerhetsvillkor och externa störningar. Det visas i avhandlingen hur lösningstiden för optimeringen kan effektiviseras genom att separera den horisontella och den vertikala dynamiken till två subproblem som löses sekvensiellt. Därefter härleds en ny algoritm för variabel-horisont MPC, där horisonten tillåts variera som en del av optimeringsproblemet i MPC-regulatorn. Algoritmen använder sig av effektiva uppdateringsregler och tar hänsyn till de likheter som finns i strukturen på de flertalet optimeringsproblem som löses under varje samplingstid. Vi visar dels att algoritmen är tillräckligt effektiv för att implementeras på system även med långa horisonter, och även att lösningstiden går ner när manövern går mot sitt slutskede. Detta betyder att kraven på systemets beräkningskraft minskar under den mest kritiska delen.
Algoritmen implementeras för två olika landingssystem, för att därefter tillämpas och utvärderas i både realistiska simuleringsmiljöer under olika typer av störningar, samt med flygtester på en verklig plattform genom WASPs forskningsarena. Resultaten visar dels att reglermetoden ger önskade resultat med avseende både på störningshantering och uppfyllande av bivillkor från säkerhetskrav, och dels att algoritmen är praktiskt implementerbar även på system med begränsad beräkningskraft.
Place, publisher, year, edition, pages
Stockholm: KTH Royal Institute of Technology, 2021. , p. 184
Series
TRITA-EECS-AVL ; 2021:29
Keywords [en]
Autonomous systems, Model Predictive Control, MPC, Autonomous landing, UAV, Unmanned Aerial Vehicle, Moving target, Quadcopter, Implementation, Variable Horizon MPC, Adaptive Horizon MPC
Keywords [sv]
Autonom landning, Modell-prediktiv reglerteknik, quadcopter, autonoma system, MPC
National Category
Control Engineering
Research subject
Electrical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-294416ISBN: 978-91-7873-857-1 (print)OAI: oai:DiVA.org:kth-294416DiVA, id: diva2:1554970
Public defence
2021-06-08, https://kth-se.zoom.us/j/61673746824, F3, Lindstedtsvägen 26, Stockholm, 14:00 (English)
Opponent
Supervisors
Funder
Wallenberg AI, Autonomous Systems and Software Program (WASP)
Note
QC 20210518
2021-05-182021-05-172022-07-11Bibliographically approved