MPC Based Linear Equivalence with Control Barrier Functions for VTOL-UAVs
作者: Ali Mohamed Ali, Hashim A. Hashim, Chao Shen
分类: eess.SY
发布日期: 2024-04-14
备注: The 2024 IEEE American Control Conference (ACC)
💡 一句话要点
提出基于MPC的线性等效控制以解决VTOL无人机安全导航问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 无人机 垂直起降 模型预测控制 控制屏障函数 动态反馈线性化 最优控制 安全导航
📋 核心要点
- 现有的CBF-QP控制器在满足安全要求时，常导致较长的绕行和不理想的瞬态性能，限制了其在VTOL-UAV中的应用。
- 本文提出了一种新颖的级联线性MPC-CBF方案，能够在不进行线性近似的情况下，充分考虑VTOL-UAV的欠驱动动态。
- 通过数值仿真，验证了所提方法的闭环稳定性和递归可行性，展示了其在安全导航中的有效性和鲁棒性。
📝 摘要（中文）
本文提出了一种基于控制屏障函数（CBF）和动态反馈线性化（DFL）的级联线性模型预测控制（MPC）方案，旨在提高垂直起降无人机（VTOL-UAVs）的安全性。CBF作为一种工具，利用类似Lyapunov函数的方法确保一组状态的前向不变性，以保障安全性。现有的CBF控制器往往导致较长的绕行和不理想的瞬态性能，而本文的方法通过将安全导航问题转化为二次约束二次规划（QCQP）问题，避免了非线性近似，充分考虑了全状态的欠驱动动态。通过数值仿真，证明了闭环稳定性和递归可行性，展示了该方法的有效性和鲁棒性。
🔬 方法详解
问题定义：本文旨在解决现有CBF-QP控制器在VTOL-UAV安全导航中导致的绕行和瞬态性能不佳的问题。现有方法依赖于非线性MPC或不够准确的线性模型，限制了其应用效果。
核心思路：提出的级联线性MPC-CBF方案通过将安全导航问题转化为QCQP问题，利用线性模型的优势，避免了非线性近似，从而提高了控制精度和安全性。
技术框架：整体架构包括控制屏障函数的设计、动态反馈线性化的应用，以及将安全导航问题转化为QCQP的过程。主要模块包括状态预测、约束处理和控制输入优化。
关键创新：最重要的创新在于首次将线性MPC与CBF结合，充分考虑了VTOL-UAV的全动态特性，避免了传统方法中的线性近似，提升了控制性能。
关键设计：在设计中，采用了Lyapunov-like函数来确保安全性，设置了适当的约束条件，并使用现成的求解器高效地解决QCQP问题。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提方法在安全导航任务中表现出色，相较于传统CBF-QP控制器，绕行时间显著减少，瞬态响应性能得到改善，闭环稳定性和递归可行性得到了有效验证，展示了良好的鲁棒性。
🎯 应用场景
该研究具有广泛的应用潜力，特别是在无人机的安全导航、自动驾驶和机器人控制等领域。通过提高VTOL-UAV的安全性和导航效率，能够推动无人机在城市空中交通、物流配送等实际场景中的应用，具有重要的社会和经济价值。
📄 摘要（原文）
In this work, we propose a cascaded scheme of linear Model prediction Control (MPC) based on Control Barrier Functions (CBF) with Dynamic Feedback Linearization (DFL) for Vertical Take-off and Landing (VTOL) Unmanned Aerial Vehicles (UAVs). CBF is a tool that allows enforcement of forward invariance of a set using Lyapunov-like functions to ensure safety. The First control synthesis that employed CBF was based on Quadratic Program (QP) that modifies the existing controller to satisfy the safety requirements. However, the CBF-QP-based controllers leading to longer detours and undesirable transient performance. Recent contributions utilize the framework of MPC benefiting from the prediction capabilities and constraints imposed on the state and control inputs. Due to the intrinsic nonlinearities of the dynamics of robotics systems, all the existing MPC-CBF solutions rely on nonlinear MPC formulations or operate on less accurate linear models. In contrast, our novel solution unlocks the benefits of linear MPC-CBF while considering the full underactuated dynamics without any linear approximations. The cascaded scheme converts the problem of safe VTOL-UAV navigation to a Quadratic Constraint Quadratic Programming (QCQP) problem solved efficiently by off-the-shelf solvers. The closed-loop stability and recursive feasibility is proved along with numerical simulations showing the effective and robust solutions. Keywords: Unmanned Aerial Vehicles, Vertical Take-off and Landing, Model Predictive Control, MPC, Nonlinearity, Dynamic Feedback Linearization, Optimal Control.