MétaCan
Menu
Retour à la cohorte
Enregistrement W4306249727 · doi:10.21203/rs.3.rs-1984045/v1

A Constrained Robust Switching MPC Structure for Tilt-Rotor UAVs Trajectory Tracking Problem

2022· preprint· en· W4306249727 sur OpenAlexafffund
Abolfazl Eskandarpour, Mehran Mehrandezh, Kamal Gupta, Alejandro Ramirez‐Serrano, Mohammad Soltanshah

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Control Systems
Établissements canadiensUniversity of ReginaUniversity of CalgarySimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTrajectoryTilt (camera)Control theory (sociology)Tracking (education)Rotor (electric)Computer scienceEngineeringPhysicsArtificial intelligenceControl (management)Psychology

Résumé

récupéré en direct d'OpenAlex

Abstract In tilt-rotor UAVs, both the fuselage and tilting rotors contribute to the vehicle's rotational motion. Consequently, the system's dynamics rise to a highly-nonlinear system, making it challenging to find feasible and desired control solutions. The common control practices devise a logic-based controller to switch between different flight modes or map the control inputs to the conventional helicopter-type control inputs. However, they fail to provide energy-efficient fast trajectory tracking, especially in the presence of external disturbances. This paper proposes a general-model dynamic formulation and a two-layered constrained Model Predictive Control (MPC) strategy to tackle the trajectory tracking problem for tilt-rotor UAVs. After splitting the vehicle's dynamics into translational and rotational parts, a constrained Linear MPC (LMPC) is designed for the translational dynamic to follow a reference trajectory. We formulate the LMPC as a Quadratically-Constrained Quadratic Problem (QCQP) that leads to a feasible set-point solution for the rotational control layer without violating the physical constraints. Also, an optimizer is designed to generate a thrust vector, which leverages the vehicle's full potential via a continuous transition between the rotation in the fuselage and that in tilting rotors. In the second layer, the nonlinear rotational dynamics are approximated via piecewise affine (PWA) subsystems. A constrained Robust Switching MPC (RSMPC) is then designed to follow the first layer's generated trajectories (Euler angles and the thrust vectors) while preserving the system's stability, feasibility, and robustness in the presence of external disturbances. Furthermore, by providing an augmented dynamic model, this control design would allow for directly incorporating actuator constraints into the problem formulation. We demonstrate the controller's performance and effectiveness via simulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,313
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetAerospace Engineering and Control SystemsTravaux en français237 207