Robust Trajectory-Tracking for a Bi-Copter Drone Using INDI: A Gain Tuning Multi-Objective Approach
Notice bibliographique
Résumé
This paper presents an optimized robust trajectory control system for an autonomous tiltrotor bi-copter based on an incremental nonlinear dynamic inversion (INDI) strategy combined with a set of PID/PD controllers. The methodology includes a lower level, fast attitude control action using an incremental nonlinear dynamic inversion (INDI) strategy, which is driven by a higher level, slow trajectory control action that uses nonlinear dynamic inversion (NDI). The nonlinear dynamic model of the drone is derived, and the basis of the motion and the design of the attitude and position stabilizing controllers are discussed. To develop and test the suggested controller, a circle-shaped flight profile is simulated. The linear control providing inputs to the NDI and INDI controllers is tuned via a novel multi-objective optimization auto-tuning method using the non-dominated sorting genetic algorithm II (NSGA-II). The tracking and disturbance rejection optimization is achieved via the use of the integral of time multiplied by the absolute error (ITAE) and the integral of the square of the error (ISE) objective functions, which are optimized concurrently. The simulation results reveal that the proposed control design outperforms the traditional dynamic inversion controller design and demonstrate that the developed INDI + PID/PD controller possesses exceptional accuracy and performance, enabling the tiltrotor bi-copter to track the given trajectory. Furthermore, the paper shows that the proposed controller produces 40% lower overshoot and settling time as measured with respect to previous backstepping controllers reported in the literature. The robustness of the controller is validated through diverse tests where the aircraft is subjected to external (wind gust) disturbances.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».