Fault-Tolerant Control of Quadrotor Helicopter Using Gain-Scheduled PID and Model Reference Adaptive Control
Notice bibliographique
Résumé
This paper presents development, implementation, experimental testing and comparison of two useful control approaches to a quadrotor Unmanned Aerial Vehicle (UAV) test-bed available at Concordia University for the purpose of enhancing reliability, safety and Fault-Tolerant Control (FTC) of the UAV. A Gain-Scheduled Proportional-Integral-Derivative (GS-PID) controller and a Model Reference Adaptive Control (MRAC) scheme are the main control techniques investigated in this paper based on their wide and popular applications in many engineering systems. Controllers are designed and implemented on the on-board single-chip micro-computer in order to keep the desired height of the helicopter in both normal (faultfree) and faulty flight conditions. In the MRAC case, in addition to height control, some other faulty cases are also considered for the trajectory tracking control with typical trajectories such as square shape trajectory. Finally, comparison results based on experimental testing of the two types of controllers on the UAV test-bed are presented. From the operational point of view, MRAC showed a promising performance for handling the fault imposed to all actuators as well as good fault-free control performance. On the other hand, the GS-PID controller with a linear transition between modes was able to react in a faster way than MRAC to maintain good control of the quadrotors height if the controller reaction/switching time is kept as short as possible. In other words, the GS-PID showed stronger fault-tolerant control capability than MRAC to keep the height of the helicopter if the switching time of the GS-PID controller gains after fault occurrence is kept close to zero.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».